「来月までに顧客アンケートをやっておいて」——。
マーケティングや企画の部署にいると、ある日突然アンケート調査を任されることがあります。検索すると調査会社の紹介ページばかりで、「結局、自分でどこまでできて、何をプロに頼むべきなのか」がわからない。
この記事は、その疑問に正面から答えるガイドです。企画から設問設計、配信、品質チェック、集計・報告まで、アンケート調査の全工程を7つのステップで解説します。
あわせて各ステップで「自分でやる場合の勘所」と「プロが入ると何が変わるか」を示すので、読み終わる頃には、自社の調査をどの体制で回すべきか判断できるようになっているはずです。
なお本記事は企業の実務でアンケート調査を行う方向けです。学術調査・卒業論文の方は想定していません。
アンケート調査は、同じ質問を多数の人に投げかけ、回答を数値として集計する定量調査の代表的な手法です。「何%の人がそう思っているか」「どの層で不満が多いか」といった量の把握に向いています。
一方、「なぜそう思うのか」という理由の深掘りは、インタビューに代表される定性調査の守備範囲です。アンケートの自由記述だけで「なぜ」まで取り切るのは難しく、実務では「アンケートで量を測り、気になった層に定性調査で深掘りする」という組み合わせが基本形になります。
深掘りが主目的なら、アンケートではなく AI インタビュー（コルクトーク） のような定性調査の手段から検討するほうが早道です。
アンケート調査が向いているのは次のようなケースです。
• 利用実態・認知度・満足度など、割合や分布を判断の根拠にしたい
• セグメント（性別・年代・利用頻度など）ごとの差を比較したい
• 施策の前後で変化を定点観測したい
具体的には、次のようなテーマで使われることが多い手法です。
• 顧客行動・ニーズ分析: 誰が、どんな場面で、何を基準に選んでいるかを把握する
• ブランド認知度調査: 自社・競合の認知率と、イメージの浸透度を測る
• 顧客満足度調査（NPS など）: 満足度・推奨度を測り、不満の所在をセグメント別に特定する
• コンセプト受容性調査: 新商品・新サービスの案が、どの層にどの程度受け入れられるかを確かめる
• プライシング調査: 支払意向価格を測り、値付けの範囲を決める
逆に「新事業のアイデアに対する生の反応を知りたい」「不満の背景にある文脈を知りたい」といったテーマは、アンケート単体では答えが出にくいテーマです。
アンケート調査の工程は、次の7ステップに分解できます。
1. 調査企画 — 目的とリサーチクエスチョンを固める（すべての土台）
2. 設問設計 — 調査票を作る（やり直しがきかない工程）
3. 配信準備 — サンプルサイズとクォータ（割付）を決める
4. 実査（配信・回収） — 回答を集める
5. 品質チェック — 低品質な回答を除外する
6. 集計・分析 — 適切な手法でデータを読み解く
7. 報告 — 次のアクションにつなげる
以降、ステップごとに実務の勘所を解説します。
最初に決めるべきは質問文ではなく、この調査の結果を何に使うかです。
「顧客満足度を知りたい」は目的として不十分で、「満足度が低いセグメントを特定し、来期のCS改善予算の配分を決める」（意思決定型）、あるいは「離反しかけている顧客が何に不満を感じているかを洗い出し、改善テーマの仮説を作る」（仮説探索型）まで具体化して初めて、聞くべき質問が定まります。
実務では、次の3点を1枚にまとめてから設問づくりに入ることを勧めます。
• 調査目的: 調査結果を何に使うか。大きく2通りあります——結果をもとに事業や商品改善の方向性を決める「意思決定型」と、顧客が感じていることを拾い上げて事業をアップデートする仮説を探す「仮説探索型」です
• リサーチクエスチョン: そのために答えが必要な問いは何か（3〜5個に絞る）
• 対象者: 誰に聞けば答えが出るか（現顧客か、離反顧客か、未認知層か）
どちらの型であっても、「調べたら何をするか」が言葉にできていない調査は、結果が出ても使われずに終わります。
よくある失敗は、関係部署の「ついでにこれも聞きたい」を全部足してしまうことです。設問が増えるほど回答の質は下がり、誰の判断にも使えない「総花的な調査」になります。
💡 プロの視点: 伴走型の支援で最初に行うのも、実はこの整理です。経験上、持ち込まれる調査企画の半分くらいは「その問いはアンケートでは答えが出ない（定性調査やデータ分析が適切）」という論点を含んでいます。作り始める前に第三者のレビューを一度挟むだけで、調査全体の手戻りが大きく減ります。
前のステップで決めたリサーチクエスチョンに答えが返ってくるかどうかは、この工程で決まります。回収後に「聞き方を間違えた」と気づいても、やり直しはききません。
調査票は「スクリーニング → 本調査」の2部構成で設計するのがセオリーです。
• スクリーニング（SC）: 本調査に答える資格がある人を絞り込むパート。たとえばカフェの利用実態調査なら「直近1ヶ月にカフェを利用していない人」をここで判定し、本調査に進ませずに終了（スクリーンアウト）させます。
なお、性別・年代といった属性も、原則このスクリーニングパートで全員に聴取しておきます（本調査の後ろで聞くと、スクリーンアウトした人の属性が取れず、出現率をセグメント別に見るといった分析ができなくなります）
• 本調査: リサーチクエスチョンの対象者に対して、聞きたいことを深掘りするパート
対象外の人に本調査を答えさせてしまうと、データ全体が濁ります。
なお、設問レビューで最も多い指摘のひとつが、本調査で答えてもらいたい対象者が定義しきれていないことです。誰に答えてもらうかが曖昧なままだと、スクリーニングで何を判定すればよいかも決まらず、結果として対象外の人が本調査に混ざります。
調査票を書き始める前に、「誰に答えてもらうか」と「その人に何を聞くか」を分けて決めておいてください。書き始めてからでは、どの設問がどちらに属するのかを整理し直すことになります。
スクリーニング設問の細かい設計手法は「スクリーニング調査の設計ガイド」で別途解説予定ですが、最低限「本調査の回答資格を判定する質問を冒頭に置き、資格のない人はそこで終了させる」構造だけは必ず入れてください。
以降の画面例は、弊社のコルクサーベイで「カフェ利用実態調査」のデモ調査票を組んだものです。なお、画面上の回収数や目標件数は、デモ用に小さく設定した数値です。
設問文の書き方ひとつで、回答は簡単に歪みます。代表的な NG は3つです。
• 誘導質問: 「環境に配慮した当社の新製品についてどう思いますか」— 枕詞が回答を誘導する。事実だけを聞く
• ダブルバーレル（1問に2つの論点が入っている質問）: 「価格と品質に満足していますか」— 価格には不満だが品質には満足、という人がどう答えればいいかわからなくなる。論点ごとに設問を分ける
• キャリーオーバー効果（前の質問が、後の質問の回答に影響してしまうこと）: たとえば、純粋想起（「知っているカフェチェーンを自由にお書きください」と自由回答で聞く設問）の前に、助成想起（ブランド名を選択肢で提示して「知っているものを選んでください」と聞く設問）を置いてしまうと、選択肢で見たブランド名がそのまま自由回答に出てきます。質問の順序そのものが回答を作ってしまうので、聞く順番には注意する
また、選択肢は「あり得る回答を網羅し、互いに重複しない」（MECE）が原則です。「その他」の回答が3割を超えたら、選択肢設計が失敗しているサインだと考えてください。
良い調査票は「その人に関係のある質問しか出ない」ように作られています。たとえば「カフェを仕事・勉強で使う」と答えた人にだけ、電源・Wi-Fi の重視度を聞く——という制御が条件分岐です。
全員に全問を聞くと回答負荷が上がって途中離脱が増え、しかも「該当しないのに適当に答えた」ノイズが混ざります。
回答者側から見ると、条件に合致した人にだけ該当の質問が自然に現れます。紙の調査票で起きがちな「Q5で1と答えた方はQ8へお進みください」という迷子は発生しません。
条件分岐は便利な反面、設定を重ねるほど「分岐の組み合わせ次第では誰にも表示されない質問」や「絶対に成立しない条件」といった論理矛盾が紛れ込みやすくなります。
人間が目視で全パターンを追うのは現実的ではないので、配信前の検証はツールに任せるべき工程です。
コルクサーベイには、調査票の論理構造を検証するレビュー機能があります。ロジック分析は全質問の到達可能性をチェックし、分岐設定の矛盾で到達不能になっている質問や、循環・行き止まりを配信前に検出します。
さらに AI レビュー（画面上の「LLM レビュー」タブ）を実行すると、誘導質問・ダブルバーレルといった設問文の品質問題を AI が指摘します。前節の NG 集のようなミスは、まず AI に洗い出させてから人間が判断する、という流れが最も効率的です。
💡 プロの視点: 設問文のレビューで多い指摘は、①ダブルバーレルや誘導質問といった書き方の問題、②「知りたいこと」と「聞いていること」のズレ、の2つです。①は AI レビューでほぼ拾えます。一方②は調査の目的に照らさないと判断できないため、AI レビューを通した後に人の目で確認する——という二段構えを勧めます。
▶ 調査票を作ったが自信がない方へ: リサーチャー伴走プランについて問い合わせる
「何件集めればいいですか」はアンケート調査で最も多い質問です。目安として、割合を±何ポイントの誤差で読みたいかで決まります（信頼水準95%の場合）。
※ 信頼水準95%、母比率50%（最も必要件数が大きくなる前提）で算出した目安です。母集団が小さい場合や、想定される回答比率が偏っている場合はこれより少なくて済みます。
重要なのは、この件数が分析したいセグメントごとに必要だという点です。全体で400件でも、男女×年代で8セルに割ると1セル50件しかなく、セル間の比較はかなり粗くなります。「どの単位で比較したいか」から逆算してください。
回答を成り行きで集めると、回収しやすい層（特定の性別・年代）に偏ります。これを防ぐのがクォータ（割付）です。押さえるべきは、スクリーニングと本調査で割付の目的が違うという点です。
• スクリーニングの割付: スクリーニングは「対象者がどのくらいいるか（出現率）」を測るパートでもあります。ここで回収が特定の層に偏ると、出現率そのものが実態からずれます。たとえば大手ブランドの認知者ばかりが集まれば認知率も利用率も過大に出ますし、特定の年代に偏れば、その年代の傾向を全体の傾向として読んでしまいます。人口構成比に合わせて配信量を割り当てるのが基本で、コルクサーベイでは配信パネル側でこの設定を行います
• 本調査の割付: リサーチクエスチョンの条件に合う人から、分析に必要な件数を集めます。「男性200件・女性200件」のようにセルごとの目標回収数を決め、埋まったセルは締め切ります。目標値は前節の逆算に従い、比較したいセル単位で必要件数を確保できる数にします
回収中はセルごとの充足状況を見ながら、足りないセルにだけ配信を追加します。
• 自社リスト（顧客・会員）: コストが低く回答の質も高いが、既存顧客に偏る
• 調査パネル: 一般消費者に広くリーチできる。パネル会社との連携が必要
• Web・SNS・店頭 QR: 手軽だが、誰が答えたか統制しにくい
配信を始めたら、初日に必ず回答データを数件開いて確認してください。見るべきは「想定どおりの人がスクリーニングを通過しているか」「自由記述に質問の誤解を示す回答がないか」の2点です。設問の致命的なミスは、初日の数十件で大抵発見できます。ここで見つけられれば、配信を止めて修正する余地があります。
回収の進捗はクォータの充足状況で管理します（前ステップの割付集計画面）。特定セルだけ回収が遅い場合は、そのセルに絞った追加配信をかけます。
回収した回答をそのまま集計してはいけません。Web アンケートには一定割合で、謝礼目当ての機械的な回答が混ざります。除外すべき代表的なパターンは3つです。
• 不適切回答: 自由記述が「あ」「…」など無意味な文字列
• スピーダー: 設問数に対して明らかに短すぎる回答時間（真剣に読んでいない）
• ストレートライナー: マトリクス設問などで全部同じ選択肢を選び続ける
この3パターンは判定基準を決めれば機械的に検出できます。コルクサーベイでは回答1件ごとに品質フラグが自動付与されるため、全件を目視する必要はありません。
検出した低品質回答は、集計から除外します。
💡 プロの視点: 揉めるのは「どこまで除外するか」の線引きです。除外基準は回収前に決めて記録しておいてください。集計後に基準を動かすと、恣意的なデータ操作と区別がつかなくなり、調査全体の信頼性が崩れます。
集計の出発点は単純集計（GT表: Grand Total）です。質問ごとの回答分布を眺め、全体感をつかみます。
次に、リサーチクエスチョンに沿ってクロス集計（例: 満足度 × 利用頻度）で差を見ます。このとき最も事故が起きやすいのがベース（分母）の取り違えです。「Q8は『仕事・勉強で利用する』と答えた人にしか聞いていない」のに全回答者を分母にする——といったミスは、条件分岐のある調査票で頻発します。集計表には必ず「n=◯◯（誰ベースか）」を明記してください。
• ウェイトバック集計: 回収構成が母集団構成とズレたとき（例: 女性が多く集まりすぎた）、構成比を補正して集計する手法。クォータで防ぎきれなかった偏りを事後補正できます
• 自由記述の分析: 少量なら全件読むのが基本。数百件を超えるなら、AI による要約・分類を使って傾向をつかみ、代表的な原文を引用する形が効率的です
さらに、単純集計・クロス集計の先には、回答パターンの似た人どうしをグループにまとめ、性年代とは別の軸で顧客を類型化するクラスター分析のような、より高度な手法もあります。使いこなす必要はありませんが、こうした手法があることを知っておくだけで、外部に相談するときの選択肢が広がります。
💡 プロの視点: 単純集計とグラフ化だけなら自社で十分ですし、レポートの体裁も AI でかなりの精度まで作れるようになりました。伴走の価値が出るのは、その手前の「何を見るか」を決めるところです。どのクロスを見れば目的に効くのか、出た差は誤差の範囲なのか、どの手法なら仮説が確かめられるのか——ここは知識と経験の差が結果に直結します。集計から報告書までを工程単位で任せる、という依頼のしかたもできます。自分で書ける方はその分の時間がまるごと浮きますし、書き慣れていない方は、自力では出せない水準のアウトプットが担保されます。
報告書はグラフ集ではありません。冒頭に「調査目的（何のための調査だったか）」「結論（何がわかったか）」「推奨アクション」を1枚でまとめ、以降にその根拠となる集計結果を並べる構成が実務では最も機能します。企画時に決めた目的に対して答えを返す——ここまで到達して、調査は完了です。
ここまで読んで「全部自分でやるのは大変だ」と感じた方も多いはずです。実施体制の選択肢は、大きく3つあります。
※ どの体制でも、調査パネルに配信する場合は回収数・設問数に応じた配信費用（回答者への謝礼を含む）が別途かかります。自社リストに配信する場合は、この費用は発生しません。
調査会社への丸投げは、プロ品質が保証される一方、1回あたりの費用が大きく、そして調査のたびに発注が必要でノウハウが社内に残りません。外注費用の内訳と相場は「アンケート調査の外注費用と相場」で詳しく解説予定ですが、設問設計・実査管理・集計・報告書のそれぞれに人件費が積み上がる構造なので、安くはなりません。それでも、大規模で失敗の許されない調査では今も合理的な選択です。
セルフ型ツールでの内製は、速くて安い反面、この記事で見てきた「設問設計」「品質管理」「集計設計」の落とし穴をすべて自力で避ける必要があります。ツールは操作を簡単にしてくれますが、調査設計の正しさまでは保証してくれません。
第三の選択肢が、セルフ型ツールにプロの伴走を組み合わせる方法です（業界では「リサーチャーサポート型」と呼ばれる形態にあたります）。日常の操作と定型調査は自社で回し、設問レビュー・集計設計・報告書化といった品質が決まる工程にだけ、リサーチャーが入ります。
丸投げと違って全工程の人件費がかからないため費用は抑えられ、内製と違って我流の落とし穴を避けられる。そして伴走の過程で判断基準が社内に移転していくため、回を重ねるほど自走できる範囲が広がります。
コルクサーベイはこの形を前提に、ツールとリサーチャー支援をセットで提供しています。
コルクサーベイのプランは、ツールをセルフで使う SaaS プランと、リサーチャーが入る BPO（リサーチャー伴走）プランの2つです。BPO プランのなかでも、どの工程を任せるかは調査の重要度と社内の経験値で変わります。目安として3パターンを示します。
初回は全工程を任せる形で始めて、2回目以降に任せる工程を絞っていくのが、ノウハウ移転の観点では最も効率的です。途中で「この工程だけ追加で頼みたい」という切り替えができるのが、同一プラットフォームで伴走する形の利点です。
▶ 体制の相談から受け付けています: リサーチャー伴走プランについて問い合わせる
Q. アンケート調査は自分でできますか？
できます。セルフ型のアンケートツールを使えば、調査票の作成から配信・集計まで1人でも実施可能です。ただし品質は設問設計で決まるため、初回や重要な調査では、設問レビューだけでも専門家を入れることを勧めます。
Q. アンケート調査の費用はどのくらいかかりますか？
体制によって大きく変わります。調査会社に一括で委託すると1回あたり数十万円〜、セルフ型ツールで内製すれば月額数万円程度のツール費が中心、伴走型はその中間です。回答者への謝礼やパネル利用料は、どの体制でも回収数・設問数に応じて別途かかります。
Q. 設問数はいくつが適切ですか？
回答所要時間で10分以内、設問数なら20問以内が一つの目安です。それを超えると途中離脱と適当回答が目に見えて増えます。「ついでに聞きたい」を削り、意思決定に使う質問に絞ってください。
Q. 有効回答は何件必要ですか？
全体の割合を±5ポイント精度で読むなら約400件、±10ポイントで良ければ約100件が目安です（信頼水準95%）。ただしセグメント比較をするなら「比較したいセルごと」にこの件数が必要になる点に注意してください。
Q. 途中からプロに依頼することはできますか？
可能です。コルクサーベイのような伴走型のサービスでは、たとえば「設問は自社で作ったのでレビューだけ」「回収まで終わったので集計と報告書だけ」といった工程単位での依頼ができます。全部を丸投げするか全部を自分でやるかの二択ではありません。
最後に、この記事の要点をチェックリストにまとめます。
☐ この調査の結果を何に使うかを1文で書けるか（ステップ1）
☐ スクリーニングと本調査を分けて設計したか（ステップ2）
☐ 誘導質問・ダブルバーレルがないか、AI レビューと第三者の目で確認したか（ステップ2）
☐ ロジック分析で到達不能な質問・矛盾した分岐がないか機械チェックしたか（ステップ2）
☐ 比較したいセグメント単位でサンプルサイズを逆算したか（ステップ3）
☐ クォータで回収の偏りを制御しているか（ステップ3）
☐ 低品質回答の除外基準を回収前に決めたか（ステップ5）
☐ 集計表のベース（分母）を明記したか（ステップ6）
☐ 報告書は「目的 → 結論 → 根拠」の順になっているか（ステップ7）
アンケート調査は、正しい手順を踏めば内製できる領域が確実に広がっています。同時に、調査企画で問いを定め、設問設計と集計設計で精度を出す——この3つの工程だけは、経験の差が結果に直結します。
全部を外注するのでも全部を抱え込むのでもなく、自分でやる範囲とプロに任せる範囲を工程単位で選ぶ——それが、費用とスピードと品質のバランスが最も良い進め方です。
コルクサーベイは、この記事で紹介した調査票エディタ・ロジック分析・AI 設問レビュー・クォータ管理・低品質回答の検知・自動集計を備えたセルフ型サーベイツールに、リサーチャーによる伴走支援を組み合わせて提供しています。
「どの工程を任せるか」の相談からで構いません。初めての調査で失敗したくない方は、お気軽にお問い合わせください。
