「自由記述を入れたのに、半分以上が空欄か『特になし』だった」——アンケート運用の現場で、最も頻繁に共有される悩みのひとつです。自由記述（オープンエンド）設問は 顧客の生の言葉を取れる唯一の手段 ですが、設計を誤ると 書いてもらえない・短すぎて使えない・解析できない という三重苦に陥ります。
この記事では、自由記述設問の 本質的な役割・出現率と回答品質の関係・質問文の設計原則・UI/UX の判断軸・AI 解析を見据えた設計 までを整理します。「自由記述を増やせば顧客理解が深まる」という素朴な信念は半分しか正しくない ので、運用目線で 何を意識すれば書いてもらえる自由記述になるか を中心に書きます。
1. 自由記述設問とは何か
自由記述設問（Open-Ended Question / OA / FA: Free Answer）は、回答者に選択肢を与えず、自分の言葉でテキストを入力してもらう 設問形式です。
自由記述が果たす役割
- 想定外の回答を捕捉する — 設計者が事前に予想できなかった選択肢・観点を発見
- 回答の理由・背景を取る — スコア型設問の「なぜ？」をフォロー
- 顧客の生の言葉を保持する — マーケティング素材・社内共有用のリアルな声
- 網羅型設計の限界を補う — 「その他」を選ばれた人のリアルな内容把握
典型的な使われ方
Q. 当社サービスの総合満足度を教えてください（10段階評価）
→ スコア = 6
Q. 上記の評価の理由を、ご自由にお書きください（自由記述）
→ 「価格が他社と比べて高めだが、サポートの質で許容している」
学術的には Schuman & Presser (1979) The Open and Closed Question が、「自由記述は閉鎖型設問では捉えられない『顕在的な関心事（salient issues）』を炙り出す」 と整理しています。一方で、自由記述を多用すると認知負荷が爆増し、無回答や短文回答が急増する というトレードオフも 40 年以上にわたって繰り返し指摘されてきました。
2. なぜ自由記述は「書いてもらえない」のか
自由記述の最大の敵は 認知負荷 です。選択肢設問が「あるものから選ぶ」のに対し、自由記述は 「自分でゼロから言語化する」 作業を要求するため、認知コストが桁違いに高い。
出現率と回答品質の学術データ
Smyth, Dillman, Christian & McBride (2009) "Open-Ended Questions in Web Surveys" は、Web アンケートにおける自由記述の挙動を実証的に分析した代表研究です。主要な観察:
- 設問配置位置 — 自由記述を冒頭に置くと無回答率が大幅上昇、後半に置くと回答内容が短くなる
- 文字数の分布 — 大半は 30〜100 文字、200 文字を超える回答は全体の 10% 未満
- 「特になし」「ない」の出現率 — 全自由記述回答の 15〜30% が実質無回答（短文・否定形）
認知負荷の構造
回答者の頭の中で起きていることを分解すると、自由記述は 4 段階の処理 を要求します:
- 質問の意味理解 — 何を答えればいいかの解釈
- 記憶の検索 — 関連する経験・感情の想起
- 言語化 — 思考をテキストに変換する作業（最も負荷が高い）
- タイプ入力 — 物理的な入力作業
これを Tourangeau, Rips & Rasinski (2000) The Psychology of Survey Response の 「理解 → 想起 → 判断 → 報告」 モデルで見ると、選択肢設問は「報告」段階だけ、自由記述は 4 段階すべてを要求 することが分かります。
3. 自由記述 vs 選択肢 — どちらをいつ使うか
「自由記述で書いてもらえば顧客理解が深まる」という発想は、半分間違っています。両者は得意領域が違うので、目的に応じて使い分けるべき。
使い分けの判断軸
| 目的 | 適した設問形式 | 理由 |
|---|---|---|
| 数値で集計・比較したい | 選択肢（SA/MA） | 統計分析が前提なら選択肢が必須 |
| 想定外の選択肢を発見したい | 自由記述 | 仮説構築フェーズで威力を発揮 |
| スコアの理由を知りたい | スコア + 自由記述 | 数値と質的データの組み合わせ |
| 大規模 N で傾向を捉えたい | 選択肢 | N=1,000 の自由記述を読むのは現実的でない |
| 少数の深い声を取りたい | 自由記述（IDI 補助） | N が少なければ自由記述の価値が際立つ |
「選択肢で済むなら選択肢を使う」が原則
Geer (1991) "Do Open-Ended Questions Measure Salient Issues?" は、「自由記述で得られる情報の 80% は、適切に設計された選択肢設問でも捕捉できる」 と指摘しています。逆に言えば、残り 20% の「予想外の発見」を狙うのが自由記述の役割。全質問を自由記述にすれば顧客理解が深まる、という思い込みは捨てる べきです。
4. 質問文の設計 5 原則
回答してもらえる自由記述にするための、質問文側の設計ルールを 5 つ整理します。
原則1: 「具体的な対象」を質問に明示する
❌ 「何かご意見はありますか？」 — 抽象的すぎて何を書けばよいか分からない ✅ 「サポートチームの対応について、改善してほしい点があれば具体的にお書きください」 — 対象（サポート）と観点（改善点）を明示
原則2: 質問文の長さは 1〜2 文に抑える
質問文が長すぎると、回答者は読み終わる前に思考が散漫になります。40〜80 文字を目安 に、必要な情報だけを残す。学術的には Holland & Christian (2009) "The Influence of Topic Interest and Interactive Probing" で、質問文の冗長性が無回答率を高める ことが実証されています。
原則3: 「なぜ」と「どのように」を使い分ける
「なぜそう思いましたか？」は 理由・背景 を引き出す。 「どのように改善できますか？」は 解決案・要望 を引き出す。 両者を混同すると、回答者は何を答えるべきか迷い、結果的に 「特になし」の温床 になります。
原則4: 直前の設問とのつながりを作る
直前のスコア設問と紐づけて、「上記の評価の理由を…」「Q3 で『不満』を選んだ方は…」 のような誘導文を入れると、回答率が体感で 2 倍近く変わるケースもあります。文脈を切ると、回答者は 「この質問は誰に何のために聞いているのか」 が分からなくなり、書く動機を失います。
原則5: 例示・プレースホルダーで「書き始め」を支援する
完全な空欄は心理的なハードルが高い。プレースホルダーや補助文で 「例: 配送が遅かった、商品説明と実物が違った」 のように示すと、回答が具体化されます。ただし 誘導が強すぎると「例示への同意回答」が増える ので、複数の方向性を例示する（ポジティブ／ネガティブ両方を出す等）のが望ましい。
5. UI/UX 設計の原則
質問文と同じくらい、入力欄の設計 が回答率を左右します。
テキストエリアのサイズが回答長を決める
Israel (2010) "Effects of Answer Space Size on Responses to Open-Ended Questions in Mail Surveys" は、用意する入力スペースのサイズに比例して、回答文字数が増える ことを実証しました。Web アンケートでも同じ原理が働きます。
| テキストエリア | 想定される回答長 | 推奨用途 |
|---|---|---|
| 1 行入力（OA） | 5〜20 文字 | 商品名・社名など短答 |
| 3〜4 行 | 30〜80 文字 | 理由・要望の簡潔記述 |
| 5〜8 行 | 100〜300 文字 | 詳細な体験談・改善案 |
| 自動拡張型 | 制限なし | UGC・レビュー風の収集 |
「とりあえず広めに」と思って 10 行のテキストエリアを置くと、空白が威圧的に感じられて無回答が増える という皮肉な現象も起きます。目的に応じてサイズを意図的に絞る のが正解。
必須/任意の判断
- 必須化 → 回答率は上がるが、「特になし」「.」「無し」の入力で突破される ため実質的な品質向上にはならないことが多い
- 任意 → 書きたい人だけ書く。質の高い回答が集まりやすい が、サンプル数は減る
業界では 「自由記述は基本的に任意。ただしスコアが極端に低い回答者にだけ必須化」 という条件付き必須化が主流の運用パターンになっています。
モバイルでの入力負荷
モバイル端末では ソフトキーボード入力の物理的な負担 が大きく、自由記述の回答長は PC 比で 30〜50% 短くなる のが業界共通の観察です。モバイル比率が高いアンケートで自由記述を多用すると、収集できる情報量が想定より大幅に少なくなります。
6. AI 解析を見据えた設計
近年は自由記述の AI 解析（LLM によるコーディング・感情分析・要約）が一般化しており、設計段階から解析を意識する と運用効率が大きく変わります。
AI 解析と相性の良い設問設計
- 対象とテーマを明確に絞る — 「サポート対応について」のように対象が限定された設問は、AI による分類精度が高い
- 1 設問 1 トピック — 「価格と品質と配送」を 1 つの自由記述で聞くと、AI が混在テーマを切り分ける必要があり、コストが増える
- スコアとセットで取る — 5 段階評価とその理由を組で取ると、スコア別の理由分析（高評価の理由 vs 低評価の理由） が容易になる
AI 解析と相性の悪い設問設計
- 抽象的すぎる質問 — 「ご意見をお書きください」は AI も人間も困る
- 複数トピックを混在させた質問 — タグ付けが破綻する
- 超短文しか集まらない設問 — 30 文字未満の回答は AI 分析でもノイズになりやすい
詳しい解析手法は 自由記述の AI 解析記事 で詳しく解説しています。
7. 編集部の視点 — 自由記述で必ず効く 5 つの実践
業界記事と公開事例を追ってきた立場から、ここは強めに言っておきたい原則を 5 つ書きます。
1. 自由記述は 1 アンケートにつき 2〜3 問に絞る。 「自由記述を多く入れた方が顧客の声が取れる」と思って 5 問も 6 問も入れるチームを業界記事で繰り返し見ます。実際には、自由記述が増えるほど 後半の自由記述の回答品質は急降下 します。最重要の 1〜2 問に絞り、残りは選択肢で代替する のが収量と品質の両立につながる現実的な解です。
2. 「特になし」が 30% 超えたら、設問の作り直しを検討する。 無回答率が 30% を超えるのは 「設計が悪い」というシグナル。質問の抽象度・配置位置・直前設問との連結のいずれかに問題があります。「みんな興味がない」と諦めるのではなく、設問文の見直しで 5 ポイント以上改善することが普通 です。
3. 自由記述の必須化は基本的に避ける。 必須化で回答率は上がりますが、「.」「あ」「無し」のような実質無回答の混入率も上がる ため、データ品質はむしろ悪化します。任意で集めた質の高い 60% > 必須で集めた品質まちまちの 95% というのが業界記事で繰り返し指摘される運用知見です。
4. テキストエリアのサイズを「お祈り設定」にしない。 「とりあえず広く取っておけば沢山書いてくれるかも」という願望ベースの設定は、逆効果になる場合がある ことを Israel (2010) が示しています。回答に求める長さに応じてサイズを意図的に決める のが正しいアプローチで、大きすぎる空欄は威圧的に感じられて回答を減らします。
5. AI 解析を前提にする時代は、設計段階から「分類しやすい設問」にする。 「集まったデータを後で AI に投げれば何とかなる」と思っていると、抽象的な質問で集めた回答は AI でも整理できない ことに気づきます。設計時に 「この設問の回答をどんなタグで分類するか」を 5〜10 個書き出して、その分類が成立する設問になっているか を確認する。これだけで、後段の解析コストが半減します。
8. アンケートツール Kicue での自由記述運用
Kicue では、自由記述設問の運用に必要な機能を標準で備えています。
OA / FA 設問タイプ
自由記述設問タイプ として OA（1 行入力）と FA（複数行・長文）の 2 種類を提供。OA は 1 行固定で短答向き、FA は複数行で詳細な記述向き、と用途に応じて使い分けます。必須/任意・最小最大文字数の設定も個別に可能です。
関連する設計記事
自由記述設問は他の調査設計とも密接に関連します。マトリクス設問の設計と落とし穴、スクリーニング設問の設計、アンケートの順序効果と設問順設計、自由記述の AI 解析手法 もあわせて参照ください。
実装ツールの選び方
自由記述データを CSV / Excel エクスポートしてテキストマイニング や AI で集計分析 する運用では、ツールの無料プランでのエクスポート対応が重要です。SurveyMonkey や Questant の無料プランは CSV エクスポート不可、Typeform 無料は制限あり、など。各ツールの対応状況は 無料アンケートツール 8 選比較 で確認してください。
まとめ
自由記述設問の設計と運用のチェックポイント:
- 自由記述は「想定外の発見」を狙う設問形式 — 数値分析や大規模傾向把握には選択肢が向く
- 無回答率は 15〜30% が標準 — 設問設計で大きく改善できるが、ゼロにはならない
- 質問文 5 原則: 対象を明示 / 1〜2 文 / 「なぜ」と「どのように」を区別 / 直前設問との連結 / 例示で書き始め支援
- テキストエリアのサイズが回答長を決める — 大きすぎるとかえって無回答が増える
- 1 アンケートに自由記述 2〜3 問が現実的な上限 — 増やすほど後半の品質が落ちる
- AI 解析時代は設計段階から「分類しやすい設問」にする — 後付けの整理は効率が悪い
「自由記述を多く取れば顧客の声が深まる」という素朴な信念は、実は逆効果になる場面も多い というのが業界記事と学術研究から見える共通見解です。選択肢で済むことは選択肢で済ませ、自由記述は『本当に必要な 2〜3 問』に集中投資する——これが、量と質を両立する自由記述運用の核です。
参考文献 (12件)
学術・方法論
- Schuman, H., & Presser, S. (1979). The Open and Closed Question. American Sociological Review.
- Smyth, J. D., Dillman, D. A., Christian, L. M., & McBride, M. (2009). Open-Ended Questions in Web Surveys: Can Increasing the Size of Answer Boxes and Providing Extra Verbal Instructions Improve Response Quality? Public Opinion Quarterly.
- Holland, J. L., & Christian, L. M. (2009). The Influence of Topic Interest and Interactive Probing on Responses to Open-Ended Questions in Web Surveys. Public Opinion Quarterly.
- Israel, G. D. (2010). Effects of Answer Space Size on Responses to Open-Ended Questions in Mail Surveys. Journal of Official Statistics.
- Geer, J. G. (1991). Do Open-Ended Questions Measure Salient Issues? Public Opinion Quarterly.
- Tourangeau, R., Rips, L. J., & Rasinski, K. (2000). The Psychology of Survey Response. Cambridge University Press.
業界ベンダー・実務ガイド
- Qualtrics: Open-Ended Question Best Practices.
- SurveyMonkey: Open-Ended Survey Questions.
- Forsta: Designing Effective Open-Ended Questions.
国内リサーチ会社の公開知見（業界説明として参照）
自由記述設問の設計から本回収・集計まで一気通貫で実施できる 無料のアンケートツール Kicue を試してみませんか。OA（1 行入力）/ FA（複数行）設問タイプを標準搭載しており、用途に応じた使い分けで「書いてもらえる自由記述」を実現できます。