ノウハウ

アンケートの設問数は何問が適切か — 離脱を防ぐ長さの決め方

アンケートの設問数は何問が適切か。結論は「5分・15問前後」を目安に、目的から逆算して削ること。設問数が増えると回答率と回答品質が落ちる理由、適切な長さを決める5ステップ、離脱を防ぐ削り方を、Galesic & Bosnjak (2009) などの研究と実務の勘所で解説する。

Dieser Artikel wurde noch nicht in Ihre ausgewählte Sprache übersetzt. Es wird die japanische Version angezeigt.

結論から言うと、Web アンケートは「回答時間5分・設問数15問前後」を上限の目安にし、そこから目的に直結しない設問を削るのが正解です。 理由はシンプルで、設問数が増えるほど回答率も回答の質も落ちるから。「せっかくだから全部聞こう」が、データを台無しにする最大の原因です。

とはいえ「15問」はあくまで出発点で、最適な数は調査の目的・回答者の動機・配信チャネルで変わります。本稿では、自分のアンケートの設問数を決める5ステップ を、各ステップの「ここで失敗する人が多い」注意点とあわせて解説します。

なぜ設問数が増えると失敗するのか

設問数と回答率・品質の関係は、複数の研究で繰り返し示されています。Galesic & Bosnjak (2009) の Web 調査実験では、提示されたアンケートが長いほど開始率・完了率が下がり、後半の設問ほど回答が雑になる(回答時間が短くなり、選択肢の中身を読まなくなる)ことが確認されています。

起きる問題は2つです。

  • 量の問題(離脱): 長いと最後まで答えてもらえない。途中離脱が増え、回収数が減る
  • 質の問題(手抜き): 後半になるほど「とりあえず真ん中」「全部同じ選択肢」というストレートライン回答が増える

つまり設問を増やすほど、集まるデータは「少なく・粗く」なる。これが「全部聞こう」が裏目に出る仕組みです。では何問にすべきか——5ステップで決めます。

Step 1: 調査の「意思決定」から逆算する

設問数を決める前に、「この調査の結果で、何を決めるのか」 を1文で書きます。設問は、その意思決定に必要なものだけを残す。

  • ❌ 「顧客のことを幅広く知りたい」→ 際限なく設問が増える
  • ⭕ 「次回の新機能を A 案 / B 案どちらにするか決める」→ 必要な設問が絞れる

ここで失敗する人が多い: 目的が「知りたい」止まりだと、設問が無限に増えます。「あったら面白い」設問を全部入れてしまう。「この設問の答えで、行動が変わるか?」 を1問ずつに問い、変わらない設問は削る。これだけで多くのアンケートは半分の長さになります。

Step 2: 設問を「必須・任意・不要」に仕分ける

洗い出した設問候補を3つに分けます。

  • 必須: Step 1 の意思決定に直接使う設問
  • 任意: あると分析が深まるが、なくても意思決定はできる設問
  • 不要: 「念のため」「いつか使うかも」の設問 → 削る

必須だけで構成し、回答時間に余裕があれば任意を少し足す。この順番を守ります。

ここで失敗する人が多い: 属性設問(年齢・性別・職業……)を反射的に大量に入れること。クロス集計で使わない属性は分析を複雑にするだけです。実際にクロス集計する軸だけ に絞る。属性の入れすぎは離脱の典型原因です。

Step 3: 回答時間で上限を引く(5分・15問の目安)

設問数は「問数」より 「回答時間」 で考えるほうが正確です。設問タイプで所要時間が大きく違うからです。

  • 単一回答(SA): 1問あたり約 10〜15 秒
  • 自由記述: 1問あたり約 30〜60 秒(負担大)
  • マトリクス設問: 1グリッドで複数問ぶんの負担

目安として、回答時間5分・単純な設問換算で15問前後 を上限に設計します。これを超えるなら、Step 2 に戻って削るか、調査を分割します。

ここで失敗する人が多い: マトリクス設問を「1問」と数えること。5項目×7段階のマトリクスは、体感では5問ぶんの負担です。マトリクスの多用は認知負荷とストレートライン回答を招きます。詳しくは マトリクス設問の設計と落とし穴 で。

Step 4: 配信チャネルとデバイスで調整する

同じ15問でも、誰に・どこで答えてもらうか で適切な長さは変わります。

  • スマホ回答が中心 → さらに短く。スクロールと小さい画面で離脱が早い
  • モニター調査(謝礼あり・回答に慣れた層) → やや長くても完走されやすい
  • 自社顧客への依頼(動機が高い) → 中程度まで許容される
  • 冷たいリスト・初接触 → 極力短く

Deutskens et al. (2004) は、回答者の動機や謝礼の設計が回答率・品質に影響することを実験的に示しています。「誰に聞くか」を無視した一律の長さ設定は危険 です。

ここで失敗する人が多い: PC で設計して問題ないと判断し、スマホでの見え方・長さ感を確認しないこと。今やアンケート回答の多くがスマホです。スマホ前提の長さに調整しましょう。詳しくは モバイルアンケート設計ガイド で。

Step 5: 体感の長さを「導入文・進捗・分岐」で縮める

実際の設問数を減らせないときは、「長い」という体感を減らす 工夫が効きます。

  • 導入文で所要時間を明示: 「約3分・10問」と先に伝えると、心の準備ができ離脱が減る
  • 進捗バーを表示: 「あと少し」が見えると完走率が上がる
  • 分岐ロジックで出し分け: 全員に全問見せず、該当者にだけ関連設問を出す。これで「自分に関係ない設問」の体感負担を消せる

ここで失敗する人が多い: 全員に全設問を見せること。分岐を使えば、1人あたりの体感設問数を大きく減らせます。導入文の書き方は アンケート導入文・お礼文の書き方ガイド、分岐の設計は アンケートの分岐ロジック完全ガイド で。

編集部の視点 — 設問数で本当に効く3点

業界事例と実務担当者の声を継続的に追っている立場から、設問数で必ず効く3点。

1. 「念のため設問」を1つ削るたびに回収数が増える

設問を1つ削る判断は、回収数を1つ増やす判断とほぼ同義 です。「念のため」「いつか使うかも」で足した設問は、ほぼ確実に使われないまま離脱だけを増やします。削る勇気が、結果的にデータ量を増やします。

2. 長くせざるを得ないなら、重要な設問を前に置く

研究でも示されるとおり、後半の設問ほど回答品質が落ちます。どうしても長くなるなら、意思決定に最も重要な設問を前半に 配置する。離脱されても主要データは確保できます。ただし設問順は回答を歪めることもあるので 順序効果と設問順設計 の注意も併読を。

3. 「短くて回答率が高い」ほうが、たいてい価値が高い

「たくさん聞いて回収率20%」より「絞って回収率60%」のほうが、サンプルの偏りが小さく意思決定に使えるデータになります。設問数を増やして得た情報は、回答率低下による偏り(答えてくれた人だけのデータ) で相殺されがちです。長さと回収率はトレードオフだと自覚して設計しましょう。回答率そのものを上げる工夫は アンケートの回答率を上げる10の実践テクニック で。

まとめ — 設問数の決め方5ステップ

  1. 意思決定から逆算 — 「結果で何を決めるか」を1文で。行動が変わらない設問は削る
  2. 必須・任意・不要に仕分け — 「念のため」は不要。属性はクロス集計する軸だけ
  3. 回答時間で上限 — 5分・15問前後を目安に。超えたら削るか分割
  4. チャネル・デバイスで調整 — スマホ中心ならさらに短く。動機の高低で許容量が変わる
  5. 体感を縮める — 所要時間明示・進捗バー・分岐ロジックで「長い」感覚を減らす

設問数の正解は「目的を達成できる最小の数」 です。多く聞くほど良いデータが取れるわけではなく、むしろ逆。削る判断こそが、回収数と回答品質を守ります。


設問数を絞った回答されやすいアンケートを作りたい方は、無料のアンケートツール Kicue を試してみませんか。調査票ファイルをアップロードするだけで AI が設問を自動生成し、分岐ロジックで「該当者にだけ出す」設計や、進捗の見えるフォームまで 1 アカウントで作成できます。まずは目的に直結する設問だけの短いアンケートから始めてみてください。

参考文献 (2件)

Verwandte Artikel

Forschungsmethoden

Leitfaden für Konzepttests — Akzeptanz vor dem Launch messen

Wie man Konzepttests gestaltet, um neue Produkte, neue Funktionen oder Werbecopy schon vor dem Launch per Befragung zu bewerten. Wann monadische, sequenziell monadische oder vergleichende Tests sinnvoll sind, die Standardkennzahlen Kaufabsicht, Neuartigkeit, Attraktivität und Einzigartigkeit, das Lesen von Top-Box-Werten, warum der Vergleich mit Normen (Benchmarks) entscheidend ist und wie man das Stimulus-Material (den Konzepttext) ausarbeitet — geordnet entlang des Bauchgefühls der Praxis. Der Einstieg in die Pre-Launch-Forschung, die PSM, Conjoint und MaxDiff vorgelagert ist.

Forschungsmethoden

Leitfaden für Kundensegmentierungs-Befragungen — Kunden per Clusteranalyse einteilen

Wie man Kundensegmentierungs-Befragungen so gestaltet, dass aus Umfragedaten sinnvolle Kundensegmente entstehen. Der Unterschied zwischen A-priori- und Post-hoc-Segmentierung (Clusteranalyse), die vier Segmentierungsachsen Demografie, Verhalten, Bedürfnisse und Psychografie, die Wahl zwischen hierarchischer Clusteranalyse, k-Means und Latent-Class-Analyse, die Bestimmung der Segmentanzahl bis hin zu den sechs Bedingungen für brauchbare Segmente — geordnet entlang der Segmentierungsforschung seit Smith (1956) und dem Bauchgefühl der Praxis.

Forschungsmethoden

Key-Driver-Analyse — Was Zufriedenheit und NPS bewegt

Wie die Key-Driver-Analyse (Key Driver Analysis) die Faktoren identifiziert, die Gesamtzufriedenheit und NPS bewegen. Von der Falle, allein nach Korrelationskoeffizienten zu urteilen, über das Multikollinearitätsproblem der multiplen Regression, dessen Lösung durch Shapley-Werte und relative Gewichte (Johnson's Relative Weights), bis zur größten Fehlinterpretation überhaupt — der Verwechslung von Korrelation und Kausalität. Geordnet entlang der Forschung zur relativen Wichtigkeit seit Johnson (2000) und dem praktischen Bauchgefühl. Inklusive Einordnung als Quelle für die abgeleitete Wichtigkeit in der IPA (Importance-Performance-Analyse).

Möchten Sie selbst eine Umfrage mit Kicue erstellen?

Laden Sie Ihren Fragebogen hoch, und die AI generiert in 30 Sekunden ein Web-Umfrageformular.

Kostenlos starten