定量調査と定性調査の違いとは？～使い分け・組み合わせ方をアンケートデータで解説～
市場調査や顧客調査では、アンケートなどの「定量調査」と、インタビューなどの「定性調査」がよく用いられます。顧客理解を深めるには、どちらか一方だけで判断するのではなく、調査目的に応じて使い分け、必要に応じて組み合わせることが重要です。
本記事では、定量調査と定性調査の違いや使い分け、組み合わせ方を解説します。さらに、実際のアンケートデータを例に、定量データから立てた仮説を、定性調査でどのように深掘りできるかを見ていきます。あわせて、各調査でAIを活用する方法と、活用時の留意点も紹介します。
定量調査と定性調査の違い
定量調査と定性調査では、それぞれ把握できることが異なります。
定量調査では、回答割合や属性ごとの違いを数値で比較し、「どのくらいの人がそう考えているか」「どの層に多いか」といった傾向を把握します。
一方、定性調査では、インタビューなどを通じて、「なぜそう感じるのか」「どのような状況でそうなるのか」といった、回答の理由や背景を掘り下げます。数値だけでは見えにくい考えや状況を捉えられます。つまり、定量調査は傾向や差を捉え、定性調査はその背景を深掘りするという違いがあります。
定量データから仮説を立て、定性調査で背景を探る
ここでは、マイボイスコムのアンケートデータベース「MyEL」で実施した「健康の悩み・ニーズに関する調査」を例に、定量調査と定性調査を組み合わせる流れを見てみます。調査では、「疲れやすい・疲れがとれにくい」という悩みを持つ人は4割強でした。性年代別に見ると、女性の30～50代ではいずれも5割を超えています。「疲れやすい・疲れがとれにくい」と回答した人では、睡眠や休養、運動など、さまざまな方法で対処している人がみられます。
こうした結果から、疲れへの対処が、どの程度回復の実感につながっているのかを探る必要がありそうです。
アンケートの結果だけでは、対処によって、どの程度疲れが軽減しているか、またその理由までは分かりません。そこで、定性調査を行う場合は、たとえば次のような質問を通じて、具体的な状況や背景を掘り下げることができます。
・「どのようなときに、疲れがとれていないと感じますか」
・「普段、疲れを感じたときにどのようなことをしていますか」
・「現在の対処で、足りないと感じることはありますか」
・「どのような状態になれば、疲れが改善したと感じますか」
同じ「疲れやすい」という回答でも、仕事や家事で休む時間を十分にとれない人もいれば、睡眠時間を確保していても回復した実感がない人もいるかもしれません。こうした違いを定性調査で確認することで、数値だけでは分からない疲れや対処の実態を把握しやすくなります。
定量調査で全体の傾向や対象となる層を捉え、定性調査で個々の経験や理由を掘り下げると、顧客ニーズへの理解が進み、消費者インサイトにつながる仮説をより具体的に整理できます。
定量調査と定性調査は、目的に応じて組み合わせる
定量調査と定性調査は、それぞれ単独でも利用できます。
認知率や利用率、満足度などを数値で把握・比較したい場合は定量調査が適しています。一方、商品を選ぶ理由や利用場面、困りごとの背景を詳しく知りたい場合は、定性調査が向いています。
ただし、定量調査だけでは回答の背景や理由を捉えにくく、定性調査では少人数の結果をそのまま全体の傾向として一般化できません。調査目的と、それぞれの調査手法の特性を踏まえて選ぶことが大切です。
顧客理解を深めるために両方を組み合わせる場合、たとえば次のような流れが考えられます。
定量調査で全体の傾向を把握する
→ 気になる層や特徴を見つける
→ 背景について仮説を立てる
→ 定性調査で仮説を掘り下げる
→ 結果を踏まえ仮説を見直す
定量データをもとに、潜在ニーズや消費者インサイトにつながる仮説を整理する方法は、「顧客ニーズをAIでどう分析する？」でも紹介しています。
ただし、調査は必ず「定量→定性」の順で進めるとは限りません。課題や仮説がまだ明確でない場合は、まず定性調査で論点を探り、その後、定量調査でどの程度当てはまるかを確認する方法もあります。
大切なのは、調査手法の順番を固定することではなく、何を知りたいのかに応じて手法を選び、必要に応じて組み合わせることです。
定量調査・定性調査でAIをどう活用する？
AIは、定量・定性それぞれの調査で、情報整理や仮説検討を補助する手段として活用できます。具体的な活用場面は、調査の種類によって異なります。
【定量調査×AI】
定量調査では、複数の集計結果や属性差を整理し、特徴的な傾向や追加で確認したい仮説を洗い出すのにAIを活用できます。今回の健康データの分析では、AI分析ツールCotoELの「生活者意識行動分析」を使い、MyELのアンケートデータを性年代、悩みの深刻度、対処行動、改善ニーズなどの切り口から整理しました。
【定性調査×AI】
定性調査では、質問項目の検討や、インタビューなどで得られた発言の要約・分類、共通点や相違点の把握、追加で確認したい観点の洗い出しなどにAIを活用できます。
AIが実際の発言を要約・分類した場合は、元の発言と照らし合わせて確認しましょう。一方、AIが生成した回答や発言例は、実在する生活者の声そのものではないため、実際の調査結果とは区別して扱う必要があります。
CotoELでは、MyELの生活者アンケートデータから全体傾向や属性差を分析し、そこから見えてきた仮説について、生活者データをもとに生成したAIペルソナとの対話を通じて深掘りすることもできます。AIペルソナとの対話は、実在する生活者への定性調査そのものではありませんが、仮説を広げたり、実際の調査で確認したいことを整理したりする補助として活用できます。
AIによる分析や対話の結果も、そのまま結論とせず、仮説として捉えましょう。必要に応じて、元データや実際の生活者への調査で確かめることが重要です。
まとめ
定量調査は「どのくらい・誰に」を捉え、定性調査は「なぜ・どのような背景があるか」を掘り下げる方法です。知りたいことに応じて使い分け、必要に応じて組み合わせることで、数値だけでは見えにくい顧客ニーズや消費者インサイトにつながる仮説を深められます。AIは、定量調査ではデータの整理や仮説の検討、定性調査では質問設計や発言内容の整理などを補助できます。AIの出力は仮説として扱い、元データや実際の調査結果を確認しながら活用しましょう。
■定量・定性に活用：AI分析ツールCotoELの詳細はこちら
