「定量調査か定性調査か」という二者択一の議論をよく聞きますが、実務では 「定量だけ」「定性だけ」では十分な顧客理解には到達しません。
両者は対立するものではなく 補完関係 にあります。本記事では、定量×定性を組み合わせる実務的な手順を、5つのフェーズに分けて整理します。
定量と定性の役割分担
| 観点 | 定量（アンケート、ログ） | 定性（インタビュー、観察） |
|---|---|---|
| 強み | 規模、客観性、再現性 | 文脈、感情、ストーリー |
| 答える問い | 「何が・どれくらい」 | 「なぜ・どうやって」 |
| サンプル数 | 数百〜数万 | 数〜数十 |
| 取得時間 | 短期間で大規模 | 1人あたり長時間 |
| バイアス | 設問設計のバイアス | 聞き手のバイアス |
| 分析方法 | 統計、ピボット | 解釈、ストーリーテリング |
「定量で全体を把握、定性で深掘り」 が基本パターンですが、実際は 両者を行き来する のが本道です。
5フェーズの組み合わせ手順
フェーズ1：発見（定量）
定量データで 「あれ？」を発見 します。
発見の起点になる定量データ
- NPS・CSAT等の指標推移
- セグメント別の数値の差
- 自由記述のテーマ分布
- 行動ログ（離脱ポイント、利用頻度）
- 売上・継続率の変化
発見の例
NPSの全体平均は32（前期+4）。
ただし契約3年目顧客のNPSは45 → 22に大きく下降。
このセグメントだけ何か起きている。
数字の異変を発見した時点で、「なぜ？」が立ち上がる。これが定性に進む合図。
フェーズ2：深掘り（定性）
n=5〜10のユーザーインタビューで「なぜ」を探ります。
対象選定
- 異変を見せたセグメントから5〜10名
- できれば多様性を持たせる（属性、利用度、満足度）
質問設計
1. 最近の利用状況（事実確認）
2. 現在の満足度（自己評価）
3. 過去との比較（変化の認識）
4. 想定される理由の仮説（ヒント）
5. 余白の質問（自由発言）
仮説の生成
インタビューから見えた仮説：
「契約3年目になると、初期に魅力的だった機能が当たり前になり、
新しい機能の魅力が伝わらない。
結果、サービスの価値を再発見できなくなっている」
n=5から立ち上がった仮説は、まだ 検証されていない仮説 です。次のフェーズで規模で確認する。
フェーズ3：検証（定量）
仮説を確認するための 追加アンケート を設計し、規模で検証します。
検証用アンケートの設計
質問1：直近6ヶ月で新機能を試したことがありますか？
質問2：現在の満足度の主要因は？（複数選択）
- 初期から使っている基本機能
- 最近追加された新機能
- サポート対応
- 価格
- その他
質問3：「サービスの価値が初期より下がった」と感じますか？
1（全く感じない）〜5（強く感じる）
仮説を直接的に確認する設問を含める。
検証結果
契約3年目セグメントの結果：
- 新機能を試した人：23%（全体平均45%）
- 「価値が下がった」と感じる人：42%
→ 仮説が確認された
検証されたインサイトは 「仮説」から「ファクト」 に昇格します。
フェーズ4：施策（実行）
検証されたインサイトを基に施策を設計します。
施策の例
インサイト：契約3年目顧客は新機能を試していない
→ 施策：契約3年目特化の「新機能ツアー」キャンペーン
- 個別メールで新機能紹介
- 担当CSによるオンライン勉強会
- 利用開始ボーナス
施策は インサイトに直接対応 する形で設計するのがポイント。インサイトと施策の対応関係が曖昧だと、効果検証ができません。
フェーズ5：再測定（定量）
3ヶ月後に 同じ設問で再アンケート し、効果検証します。
効果検証の項目
- 該当セグメントのNPS変化
- 新機能の利用率変化
- 「価値が下がった」と感じる人の比率変化
- 自由記述のトーン変化
結果に基づく次のアクション
- 効果あり → 他セグメントに横展開
- 効果なし → 仮説を見直し、定性で再深掘り
- 想定外 → 副作用がないか追加調査
これで 定量×定性のサイクル が一周。次のサイクルへ。
ここからが本題 — 5つのアンチパターン
アンチパターン1：定量だけで結論を出す
数字が動いた理由を 定性で確認せず に施策を打つ。「相関と因果を混同する」典型例。
× 「NPSが下がった → 価格が高いという回答が増えた → 値下げする」
○ 「NPSが下がった → 価格不満の声を深掘り → 実は価格でなく機能不足が原因 → 機能改善する」
アンチパターン2：定性だけで結論を出す
n=5のインタビューで強い意見を聞いて、規模で検証せずに大きな投資をする。少数の声に振り回されるリスク。
× 「3名のヘビーユーザーが機能Aを欲しがっている → 開発に半年投資する」
○ 「3名のヘビーユーザーが機能Aを欲しがっている → 全顧客にアンケートで需要を確認 → 全体の70%が欲しがっていると判明 → 開発投資する」
アンチパターン3：定性と定量を別々に運用する
リサーチチームが定性、データチームが定量を別々にやり、統合される場がない 状態。両方の知見が活きません。
回避策：
- 定量×定性をペアで運用する習慣化
- 報告書で両者を併記する
- 意思決定の場で両方を提示する
アンチパターン4：定性的な発見を「数字に直そう」とする
ストーリーや感情の発見を、無理に 数値化しようとする と本質が失われます。
回避策：
- 定性は定性として扱う（数値化を強制しない）
- 「代表的な声の引用」として報告書に組み込む
- 経営会議でも顧客の発言を直接読み上げる
アンチパターン5：「定量先行」で固定化する
最初から「アンケート」を設計してしまう運用。定性で仮説を作ってから定量で検証する逆順 が、より深い発見を生みます。
推奨フロー：
1. 既存データから異変を発見（定量）
↓
2. インタビューで深掘り（定性）
↓
3. 仮説を作る（定性 → 定量への橋渡し）
↓
4. アンケートで検証（定量）
↓
5. 施策実行（実務）
↓
6. 再測定（定量）
↓
7. 必要なら再度インタビュー（定性）
組み合わせの実践パターン
パターン1：「異変発見」型
定量で異変発見 → 定性で深掘り → 定量で検証 → 施策 → 定量で再測定
最も標準的なフロー。月次NPS調査などで起点となる異変を見つけて運用するパターン。
パターン2：「仮説起点」型
定性で仮説生成（n=5） → 定量で規模検証 → 施策 → 定量で再測定 → 定性で振り返り
新規事業・新機能の構想段階で使う。定性が起点。
パターン3：「並行」型
定量と定性を同時に走らせ、突き合わせて結論を出す
時間がない時の効率重視パターン。両者の食い違いから新しい発見が生まれることもある。
パターン4：「継続観察」型
定量を月次で取り続け、四半期に1度の定性インタビューで深掘り
成熟したプロダクトの継続改善。安定運用の典型パターン。
チームでの役割分担
定量×定性を組み合わせる組織では、以下のような役割分担が機能します：
- データアナリスト：定量データの集計・可視化
- UXリサーチャー：定性インタビューの設計・実施
- PMM/PdM：両者を統合して意思決定に繋げる
- マーケター：施策設計・実行
- 経営/部門長：両者を見て判断する
役割が重複しても、「両者を見ながら考える人」がいない と統合が起きません。
レポアンの「定量×定性」サポート
レポアンは「定量と定性をシームレスに繋ぐ」設計です。
- 定量設問と自由記述の自然な組み合わせ — AIによる設問生成で両者をバランス良く配置
- 自由記述のAIテーマ抽出 — 定性データを構造化して定量並みに扱える
- 数値変化と自由記述変化の同時観察 — 定量×定性の同時ダッシュボード
- 継続調査での経時変化 — 定量×定性の両軸で経時変化を追跡
- インタビュー前後の補完アンケート機能 — 定性ヒアリング設計のサポート
まとめ
定量×定性の組み合わせ方は：
- 5フェーズ（発見→深掘り→検証→施策→再測定）で運用する
- 定量で異変を発見し、定性で深掘り、定量で規模検証
- どちらか一方では結論を出さない
- 5つのアンチパターン（定量だけ、定性だけ、別々運用、無理な数値化、定量先行固定）を避ける
- 組織内で「両者を見て統合する人」が必須
「定量vs定性」ではなく、「定量も定性も」 が本道。両者をバランス良く運用する組織が、AI時代の本質的な顧客理解に到達します。