アンケート結果の分析方法とまとめ方 自由記述のデータ集計方法も解説

マーケティングリサーチでよく行われる「アンケート調査」の結果を活用するためには、分析が重要です。この記事では、アンケート調査実施後の分析手順や集計・分析方法の種類、分析結果のまとめ方の注意点などについて解説します。

自由記述の回答の集計・分析方法について詳しく触れているので、定性データの扱いに悩んでいる方にも役立つ内容です。ぜひ参考にしてください。

アンケート調査とは？データ分析の重要性

「アンケート調査」とは、特定のテーマや課題に関する意見や情報を収集するために、様式化した同一の質問に対して多くの人々の回答を得る調査方法です。マーケティングリサーチや学術研究など、幅広い分野で活用されています。

アンケート調査は、以下の流れで進行します。

1. 調査目的の設定

2. 調査設計

3. アンケート作成

4. スクリーニング調査の実施

5. 調査の実施

6. データの回収・集計

7. データの分析

8. マーケティング施策への活用

アンケート調査では、回収したデータを集計・比較・可視化し、意思決定や施策改善に役立つ示唆を得る「アンケート分析」を行うことが重要です。分析では、集計結果をもとに回答の傾向や課題、改善につながるポイントを読み解きます。アンケートの結果を適切に分析することで、顧客ニーズや満足度、不満点などを客観的に把握し、商品・サービスの改善やマーケティング施策の検討に活かせます。

▼「アンケート」についてのより詳しい記事はこちら

アンケートの種類とは？調査方法・回答方式と実施の流れを解説

アンケート調査方法の種類や進め方、作り方のポイントを解説

▼「アンケートの作り方」や「回答率の上げ方」についてのより詳しい記事はこちら

アンケートの作り方のコツとは？質問項目の例と調査票の作成方法を解説

アンケートの基本属性の聞き方は？年齢区分の分け方や業種・職業の質問方法等を解説

アンケート調査依頼メールの文例・回答率を上げるためのポイントを紹介！

アンケート回答率の平均と目安は? 回答率を上げる工夫や計算方法を解説

アンケート結果の分析手順

アンケート結果を分析する時の手順は、3つあります。

1. データを整理・集計する

2. 目的に応じた分析をする

3. 結果をまとめる

まず、未回答や重複回答、明らかな入力ミスなどを確認したうえで、「単純集計」「クロス集計」や自由記述の集計を行い、回答全体の傾向を把握できるようにします。

次に、調査の目的や事前に立てた仮説に応じて、適切な分析方法を選択します。例えば、属性別の違いを見たい場合は「クロス集計」、項目同士の関係性を知るには「相関分析」などの活用が有効です。分析方法に関しては、後の章で解説します。

最後に、分析結果を報告書やプレゼンテーション資料にまとめます。結果をふまえて効果的な議論を展開するには、グラフや表を用いて視覚的にわかりやすく整理することが大切です。

アンケート結果の集計方法

アンケート結果の基本的な集計方法について解説します。

単純集計

「単純集計」は、それぞれの質問に対する回答数や割合を算出する基本的な集計方法です。選択肢ごとの回答数や割合、平均値などを求めることで、全体の基本的な傾向を把握することができます。

クロス集計

「クロス集計」は、2つ以上の質問の回答を組み合わせて分析する手法です。単純集計だけでは分からない、もう一段階深堀りした情報を把握することができます。例えば、性別・年齢別の回答傾向を比較することで、特定のグループ（例：30代の女性）に特徴的な結果があるかどうかを明らかにできます。

自由記述の集計

自由記述の場合、回答が「数値」か「テキスト」かで集計方法が異なります。「数値」の場合は平均値、中央値、標準偏差などを算出します。 「テキスト」の場合は一覧表を作成し、カテゴリごとに分類して傾向や代表的な意見を抽出したり、頻出する特定のキーワードの個数を調べたりします。その際、後述する分析方法の「テキストマイニング」や「アフターコーディング」を、ツールを用いて先に行うことで集計の効率化を図る方法があります。

【基本編】 集計結果の分析方法

アンケート結果集計後の分析方法を紹介します。

度数分布分析

「度数分布分析」は、データを一定の範囲（階級）に分け、それぞれの範囲に該当するデータの数（度数）を集計する方法です。例えば、5段階評価のアンケート結果で、各評価の選択数を集計することで、全体の傾向を視覚的に理解できます。この分析により、データの分布や偏りを把握しやすくなります。

平均値・中央値分析

「平均値・中央値分析」は、数値データの中心傾向を把握するための基本的な手法です。平均値はすべての値を合計し、データの個数で割ったもので、全体の傾向を示します。一方、中央値はデータを昇順または降順に並べた際の中央の値であり、外れ値の影響を受けにくい特徴があります。両者を併用することで、より正確な分析が可能です。

標準偏差・分散

「標準偏差・分散」は、数値データのばらつきを把握するための分析方法です。満足度や評価点などのアンケート結果では、平均値だけでなく、回答がどの程度ばらついているかを確認することで、より正確に傾向を読み取れます。

例えば、2つの商品に対する満足度の平均点がどちらも4.0点だったとしても、一方は多くの回答が4点前後に集中しており、もう一方は5点と1点に評価が分かれている場合があります。この場合、平均点は同じでも、回答者の評価の安定性や意見の分かれ方は異なります。

【応用編】高度な分析方法

より深い洞察を得るための高度な分析方法を紹介します。

相関分析

「相関分析」は、2つの変数間の関係性を数値で表す手法です。例えば、顧客満足度と再購入意向の相関を分析することで、両者の関係性を明らかにできます。相関係数は-1から+1の間で表され、1に近いほど正の相関が強く、-1に近いほど負の相関が強いことを示します。

単回帰分析

「単回帰分析」は、1つの独立変数が従属変数とどのように関係するかを分析する手法です。例えば、「広告費（独立変数）」が「売上（従属変数）」にどのように関係するかを分析する際に用いられます。この分析により、独立変数の変化が従属変数にどのように影響するかを予測できます。

重回帰分析

「重回帰分析」は、複数の独立変数と従属変数との関係を同時に分析する手法です。例えば、「価格」「品質」「サービス」といった複数の要因（独立変数）が「顧客満足度（従属変数）」にどのように関係するかを明らかにする際に用いられます。この分析により、各要因が結果に与える影響の大きさや方向性を把握できます。

決定木分析

「決定木分析」は、データの分岐を樹形図で示し、ある結果の原因となっている重要な変数やその関係を明らかにします。樹形図にまとめることで、特定の結果につながる条件を直感的に理解しやすくなります。

主成分分析

「主成分分析」は、多くの変数を少数の主成分に要約することで、データの構造を簡潔に表現する分析方法です。多数のアンケート項目を少数の要因にまとめ、全体の傾向を把握することができます。

例えば、「製品の耐久性」「製品の使用感」「デザインの美しさ」を「製品の品質」、スタッフの「親切さ」「問題解決能力」「ユーザーへの配慮」を「カスタマーサービス」というような要約をします。

因子分析

「因子分析」は、アンケートなどの複数の質問項目（観測変数）から、背後にある共通の要因（因子）を見つけ出すための統計的手法です。

例えば、顧客満足度に関するアンケートで、「スタッフの対応」「商品の品質」「価格の妥当性」など複数の項目がある場合、因子分析を用いることで、これらの項目が「サービスの質」や「コストパフォーマンス」といった潜在的な因子に集約されることがあります。

このように、因子分析を活用することで、観測されたデータの背後にある構造を明らかにし、より効果的な意思決定や戦略立案に役立てられます。

コレスポンデンス分析

コレスポンデンス分析は、クロス集計表のデータを視覚的にわかりやすくするための手法です。この分析では、カテゴリ同士の関係性を散布図として表現し、関連性の強さを直感的に把握できます。

例えば、スポーツウェアの購入理由に関するアンケートで、「デザイン」「価格」「機能性」などの項目と、回答者の年代や性別との関係を分析する場合、コレスポンデンス分析を用いることで、各属性がどの要素を重視しているかを視覚的に示せます。

クラスター分析

「クラスター分析」は、多くのデータをクラスター（同じまたは類似性のあるもののグループ）に分類して分析する方法です。例えば、顧客満足度調査の結果をクラスター分析することで、満足度の高いグループと低いグループを特定し、「〇〇を購入している」「〇〇のサービスを利用している」などの特徴を明らかにします。大きく「階層クラスター分析」と「非階層クラスター分析」に分けられます。

階層クラスター分析

「階層クラスター分析」では、最も似ているクラスター同士を集め、次にそのまとまり同士を集め、という作業を繰り返し、大きなクラスターへと階層的にまとめていく方法です。樹形図にまとめることで過程が視覚的にわかりやすくなりますが、クラスターが多い場合は計算が複雑になります。

非階層クラスター分析

「非階層クラスター分析」では、あらかじめ決定したクラスター数にデータを分類します。K-means法が代表的な手法です。

アソシエーション分析

「アソシエーション分析」は、データ間の関連性を見つけ出す分析方法です。例えば、利用したサービスと満足度の関連性を探り、「〇〇を利用した人は満足度が高い」といった法則を見つけ出します。

時系列分析

「時系列分析」は、時間の経過に伴うデータの変動を分析します。季節性やトレンドを把握でき、今後の予測を立てることに適しています。例えば、月ごとの顧客満足度の変動を分析することにより、特定の季節に満足度が変化する原因を探ることができます。

自由記述の分析

自由記述の分析では、回答が「数値」の場合と「テキスト」の場合があり、分析方法が異なります。それぞれの方法について解説します

数値の場合

自由記述回答の数値情報は、平均値、中央値、標準偏差、最小値、最大値などを算出します。数値の範囲が広い場合、一般的によく使われる平均値のみを見ると誤った考察をしてしまうことがあります。分析の精度を高めるために各値を算出することが重要です。

テキストの場合

自由記述回答がテキストの場合には、回答内容を意味のある単位に整理し、傾向を読み解くための手法が必要です。代表的な方法としては、「アフターコーディング」と「テキストマイニング」があり、目的や分析の深さに応じて使い分けられます。

• アフターコーディング：自由記述の回答をテーマ別に分類し、カテゴリごとに集計する方法

• テキストマイニング：自然言語処理を使って、頻出キーワードや感情の傾向などを自動的に抽出する方法

詳しい手法や実務での活用方法については、後ほど解説します。

自由記述アンケートの集計・分析方法について深掘り！

自由記述形式のアンケートは、回答者の生の声を収集できる一方で、その集計や分析には特有の手法と工夫が求められる点が特徴です。

本章では、より実践的な集計・分析手法をピックアップし、具体的な活用方法を解説します。

Excelを活用した手動集計

Excelは、自由記述データの整理と初歩的な分析に適したツールです。回答内容を一覧表にまとめ、フィルタリングや並べ替えを行うことで、特定のキーワードの出現頻度や傾向を把握できます。ここでは、Excelを使ったアンケート集計・分析方法を紹介します。

分析前にアンケートデータを整理する

Excelでアンケート結果を分析する前に、まずは回答データを扱いやすい形式に整えます。基本的には、1行に1人分の回答、1列に1つの設問が入るように整理します。

また、同じ意味の回答が異なる表記になっている場合は、表記を統一しておきましょう。例えば、「男性」「男」「M」などが混在していると、正しく集計できない可能性があります。未回答や重複回答、明らかな入力ミスがないかも確認しておくことで、分析結果の信頼性を高められます。

COUNTIF・COUNTIFSで回答数を集計する

選択式のアンケートでは、指定した条件に当てはまるセルの数を数えるCOUNTIF関数やCOUNTIFS関数を使うことで、選択肢ごとの回答数を集計できます。

例えば、「非常に満足」「満足」「普通」「不満」「非常に不満」といった満足度の回答について、それぞれ何人が選択したかを数える場合はCOUNTIF関数が便利です。年代別や性別など、複数の条件を組み合わせて集計したい場合はCOUNTIFS関数が役立ちます。

ピボットテーブルでクロス集計を行う

属性ごとの回答傾向を比較したい場合は、Excel上で大量のデータを集計・整理できるピボットテーブルを使ったクロス集計が有効です。

例えば、年代別に満足度を比較したり、性別ごとに購入意向の違いを確認したりすることで、全体集計だけでは見えにくい傾向を把握できます。行や列に属性や設問を設定するだけで集計表を作成できるため、複数の切り口からデータを確認したい場合に便利です。

自由記述回答をフィルターや並べ替えで整理する

自由記述回答の整理には、特定の条件に合うデータだけを表示するフィルター機能が役立ちます。回答日時や評価点、カテゴリなどを昇順・降順に並べ替えることで、傾向を確認しやすくなります。

アンケートの回答内容を一覧表にまとめ、特定のキーワードを含む回答を抽出したり、似た内容の回答をまとめたりすることも可能です。

また、回答内容を確認しながら「価格」「品質」「接客」「機能」「要望」などのカテゴリを付与すれば、自由記述の内容を定量的に集計できます。

グラフを作成して分析結果を可視化する

Excelは、集計したアンケート結果をグラフ化する際にも有用です。選択肢ごとの回答数を比較する場合は棒グラフ、割合を示す場合は円グラフや帯グラフ、時系列の変化を見る場合は折れ線グラフが適しています。

グラフは、分析結果を社内資料や報告書にまとめる際に、数値だけでは伝わりにくい傾向を視覚的に共有しやすくなります。

▼「Excelを活用したアンケートのまとめ方」についての詳しい記事はこちら

アンケートの集計方法とExcel(表計算ソフト)を活用したまとめ方を解説

アフターコーディングによる分類と定量化

アフターコーディングは、自由記述の回答を共通のテーマやカテゴリに分類し、数値化して扱うための手法です。これにより、定性的なデータも定量的に集計・分析することが可能になります。

例えば、「サービスに関するご意見をお聞かせください」という設問に対して、回答内容を「価格」「品質」「対応」などのカテゴリに分類し、それぞれの出現頻度を数値化して整理します。

実際の運用では、回答内容をあらかじめ定めた分類基準に従って読み取り、共通するテーマや傾向に沿って整理します。「サービスの改善点」「好きなポイント」「使いやすさへの評価」など、意味の近い表現を同じカテゴリにまとめて扱うことで、全体の傾向や代表的な意見を視覚化できます。

ただし、すべての回答を目視で確認しながら分類コードを付与する必要があるため、手間と時間がかかります。そのため、あらかじめ分類基準を明確にしておくことが、効率的かつブレのない集計を行ううえで重要です。

テキストマイニングによる自動分析

テキストマイニングは、自由記述のような自然言語のデータを、専用ツールや自然言語処理技術を用いて分析する方法です。人の手では難しい大量のテキストデータを、短時間で効率的に処理するのに適しています。

分析では、文章を単語や文節に分解する「形態素解析」を行い、頻出する単語の抽出や、単語同士の関連性（共起関係）を可視化します。これにより、回答全体の傾向や特徴的なキーワードが浮き彫りになり、どのような話題が多く語られているか、どんな印象を持たれているかを把握できます。

例えば、ある商品のアンケート回答から「丁寧」「迅速」「待ち時間」などの単語が頻出した場合、これらが利用者にとって重要な要素であることが示唆されます。また、ポジティブ・ネガティブといった感情の傾向を分析する「感情分析」に応用することも可能です。

分析に使用するツールによっては、誤字や類義語の処理が弱い場合もあるため、結果を鵜呑みにせず、意味の読み取りや前処理にも注意を払う必要があります。

外部ツールとの連携による自動化

アンケートフォームを作成できる外部ツールを活用することで、自由記述データの収集から集計までを自動化が可能です。これらのツールは、回答データをリアルタイムで集計し、グラフ化する機能を備えています。

また、CSV形式でのデータ出力やGoogleスプレッドシートとの連携も可能で、さらなる分析や報告書作成が容易になります。初めてアンケート分析を行う方や、迅速なレポート作成が求められる場合に特に有効です。

自由記述式のアンケートは、回答者の深層心理や具体的な意見を把握するのに有効な手段です。適切な集計・分析手法を選択し、目的に応じて活用することで、より有益な情報が得られるでしょう。上記の方法を参考に、自社のニーズに合った分析手法を検討してみてください。

アンケート分析を効果的に行うためのポイント

アンケート分析を効果的に行うためのポイントを解説します。

分析目的の明確化

分析を始める前に、目的を明確にしましょう。アンケート調査自体の目的・目標に応じてどのような情報を得たいのか、どのように結果を活用するのかを具体化しておくことで、分析の方向性が定まりやすくなります。

例えば、回答全体の傾向を知りたい場合は単純集計や度数分布分析、年代や性別などの属性別に比較したい場合はクロス集計が適しています。

また、満足度と関連する要因を知りたい場合は相関分析や回帰分析、自由記述から不満点や改善要望を抽出したい場合はアフターコーディングやテキストマイニングが有効です。

このように、最初に「何を明らかにしたいのか」を整理しておくことで、必要な分析方法を選びやすくなり、結果を施策や改善活動に活かしやすくなります。

知りたい内容から分析方法を選択

以下のように、知りたい内容とデータから分析方法を選ぶことも可能です。

分析目的に合った方法を選ぶことで、より実用的な示唆を得やすくなります。

アンケートデータの整理と前処理

データの整理と前処理は、分析の精度を高めるために重要です。具体的には、未回答によるデータの欠損部分の補完や、ミスとみられる異常値の除去などの作業があります。分析前にしっかりと前処理を行うことで、信頼性の高いデータを得ることができます。

有効回答の基準を決定

アンケート分析を行う前に、どの回答を有効回答として扱うかの基準を決めておきましょう。有効回答の基準があいまいなまま分析を進めると、不適切な回答が含まれ、分析結果の信頼性が下がる可能性があるからです。

例えば、回答時間が極端に短いものや、すべての設問で同じ選択肢を選んでいるもの、自由記述の内容が意味をなしていないものなどは、除外対象として検討します。重複回答や明らかな入力ミスがある回答も、事前に確認しておく必要があります。

ただし、除外する条件は、調査目的や設問内容によるため、必要に応じて不適切な回答を除外することが大切です。

▼ユニーリサーチのAI自動クリーニング機能についてはこちら

アンケート調査における『不適切回答のAI自動クリーニング機能』

全体像の把握

細かな分析を行う前にデータの全体像から把握していくことで、重要なポイントやトレンドを見逃しにくくなります。例えば、満足度調査であれば、全体の回答割合や平均値を確認したうえで、年代別・利用頻度別などに分けて分析すると、重要な傾向を捉えやすくなります。

グラフ等を用いた視覚的な分析

グラフ等を用いることで、データの傾向や関係性を直感的に理解しやすくなり、そこから立てた仮説を元にして、さらに深堀りした分析を行うことができます。

相関関係を把握する

アンケート分析では、各設問や評価項目の間にどのような関係性があるかを意識することが重要です。例えば、「スタッフの対応が良い」と評価した回答者が「全体の満足度も高い」と答えている場合、これらの項目間には関連性があると考えられます。

このような関連性を把握することで、単なる個別の数値の羅列ではなく、データ全体の中でどの要素が他の要素と関連しているのかを理解しやすくなります。結果として、より効果的な改善策や施策の立案につながるでしょう。

分析結果のまとめ方の注意点

分析結果をグラフなどにまとめる時の注意点を2つ紹介します。分析担当者以外にも分かりやすい形でまとめることで、活用方法についてのより効果的な議論につながるでしょう。

適切な種類のグラフを選ぶ

分析結果をより効果的に伝えるためには、適切なグラフを選ぶことが重要です。一般的に用いられるグラフの特徴を紹介します。

棒グラフ

「棒グラフ」は、各カテゴリの値を棒の長さで表現するグラフで、選択肢ごとの回答数や割合の比較に適しています。例えば、店舗ごとの満足度評価の平均値を比較するのに利用できます。

円グラフ

「円グラフ」は、円全体を100％として、各部分の割合を扇形の面積で視覚化するグラフです。割合を一目で理解しやすいため、構成比をグラフ化する時に適しています。例えば、総合評価に対する「非常に満足」「満足」「普通」「不満」「非常に不満」の回答割合を示すのに利用できます。

帯グラフ

「帯グラフ」は、棒グラフの一種です。帯全体を100％とし、各部分の割合を長方形の面積で視覚化するグラフです。円グラフと比べ、複数の項目を上下に並べて比較しやすいため、構成比を比較したいデータが多い時に適しています。例えば、総合評価の回答割合を年代別に示すのに利用できます。

折れ線グラフ

「折れ線グラフ」は、横軸に月や年などの時間経過、縦軸に数や割合をとり、各データの点を時系列に沿って線で結んでいくグラフです。折れ線の傾きで増加・安定・減少などの傾向がわかるため、時間の経過に伴うデータの傾向を把握するのに適しています。例えば、月ごとの総合評価の推移を示すのに利用できます。

散布図

「散布図」は、2つの変数を縦軸と横軸にとり、各データの点をとることで変数間の関係を視覚化するグラフで、「分布図」とも言います。グラフ上にデータの数だけ点が打たれ、2つの変数の分布や関連性を視覚的に確認するのに適しています。例えば、「サービスの質」と「再来店意向」の関係を示すのに利用できます。

デザインやデータの順番を調整する

アンケートの分析結果を効果的に伝えるためには、資料のデザインやデータの順番を調整することも重要です。グラフの並び順を昇降順に並び替えたり、適切なタイトルやラベルを付けたりすることで、グラフの内容をより分かりやすく伝えることができます。ただし、デザインによってデータの誤認が起こらないように注意することも大切です。同じグラフ内の色は同系色にまとめる、データのスケールにも気を配るなどで、データを正確に解釈できるようにまとめましょう。

アンケート分析方法に関するよくある質問

アンケート分析方法に関して、よくある質問に回答します。

卒業論文でアンケート分析をする場合、どの方法を選べばよい？

卒業論文でアンケート分析を行う場合は、研究目的と設問形式に応じて分析方法を選びましょう。回答全体の傾向を把握したい場合は単純集計、年代や性別などの属性別に比較したい場合はクロス集計が適しています。

また、満足度と利用意向など、項目同士の関係を見たい場合は相関分析が候補になります。自由記述の回答を扱う場合は、回答内容をカテゴリに分類するアフターコーディングや、頻出語を抽出するテキストマイニングなどを活用できます。

論文でアンケート分析を行う場合の注意点は？

論文でアンケート分析を行う場合は、調査目的や仮説、調査対象者、設問内容、集計方法、分析方法を明確に記載することが重要です。どのような目的で調査を行い、どの回答データをもとに分析したのかを示すことで、結果の信頼性を説明しやすくなります。

また、有効回答数や除外基準も明記しておく必要があります。年代別やグループ別の差、項目同士の関連性を主張する場合は、単純な比較だけでなく、必要に応じて統計的検定の実施も検討しましょう。

看護研究では、どのような分析方法がよい？

看護研究のアンケート分析では、調査内容や設問形式に応じて分析方法を選びます。満足度や意識調査のように回答傾向を把握したい場合は、単純集計やクロス集計が使われます。尺度項目を扱う場合は、平均値や中央値、標準偏差などを確認することで、回答の傾向やばらつきを把握できます。

また、複数の項目同士の関係を見たい場合は、相関分析が用いられることもあります。看護研究では、分析方法だけでなく、研究計画や対象者への説明、倫理面への配慮も重要です。

Excelだけでアンケート分析はできる？

Excelでも、基本的なアンケート分析は可能です。選択肢ごとの回答数を確認する単純集計、年代や性別などの属性別に比較するクロス集計、グラフ化、平均値・中央値・標準偏差の算出などはExcelで対応できます。簡単な相関分析を行うことも可能です。

一方で、大量の自由記述データを分析する場合や、複雑な統計分析を行う場合は、Excelだけでは作業に時間がかかったり、分析の精度に限界が出たりすることがあります。その場合は、専用ツールや外部サービスの活用も検討するとよいでしょう。

手軽にアンケート調査を行うなら国内最大級のダイレクトリサーチサービス 『ユニーリサーチ』で！

ユニーリサーチなら、誰でも簡単にアンケート調査を実施することができます。 セルフ型なので、思いついたら自分で作ってすぐ配信。考えた仮説をその日のうちに検証できるのがポイントです。

セルフインタビュー調査サービスの年間インタビュー調査件数とユニーク登録企業数 No.1 ※のユニーリサーチはアンケート調査でも 国内最大級 2,800万人の大規模パネルに今すぐアプローチできます！

・誰でもカンタン：はじめてでも使いやすい直感的な画面 ・スピード回収：国内最大級のパネルへ配信、最短数時間で回収が完了 ・低コスト：初期費用・月額費用ナシ＆1問10円〜×回収分のわかりやすい料金体系 ・AIクリーニング：AIが不適切回答を自動的に除外、ネット調査で心配な品質を担保

2026年4月時点で、登録企業3,600社、累計リサーチ件数86,000件を突破した「ユニーリサーチ」をぜひこの機会にご検討ください。

▼ユニーリサーチのアンケート調査について詳しくはこちら https://unii-research.com/business/survey/

※ ユニーク登録企業数（調査期間：2025年8月末時点）、コンシューマー向けセルフインタビュー調査サービスの年間インタビュー調査件数（調査期間：2024年9月～2025年8月）、（株）東京商工リサーチ調べ