「調査を設計したい」と考えたとき、最初の選択が「定量調査にするか、定性調査にするか」です。
どちらを選ぶかで、集まるデータの性質も、そこから見えてくる課題も大きく変わります。選択が合っていれば調査効率は上がり、間違えると「膨大な回答データが集まったのに何も決められない」という状況に陥りやすくなります。
本記事では、定量調査と定性調査の違いを基礎から整理し、目的に応じた使い分けの考え方と組み合わせ活用のポイントをお伝えします。
定量調査と定性調査の基本的な違い
定量調査は「何が・どれくらい」を数値で答え、定性調査は「なぜ・どのように」を言葉と文脈で答える調査です。
定量調査とは
定量調査とは、数値によって実態を把握する調査手法です。アンケートや行動ログ分析が代表例で、「満足度は何点か」「離脱率は何パーセントか」といった問いへの答えを統計的に導き出します。
サンプル数が多いほど結果の信頼性が上がり、比較・追跡・一般化がしやすい反面、数字の背景にある「なぜ」は直接わかりません。
定性調査とは
定性調査とは、インタビューや観察を通じて、人の行動・意見・感情の「意味」を理解する調査手法です。「なぜそう感じたのか」「どういう状況でそう判断したのか」という問いに向いています。
少人数の深掘りが中心で統計的な一般化は難しいものの、定量調査では捉えられない文脈・感情・背景を明らかにできます。
2つの根本的な違い
2つの本質的な違いは、仮説との向き合い方にあります。定量調査は仮説を「検証する」ツール、定性調査は仮説を「生成する」ツールです。
- 定量調査：あらかじめ立てた仮説を検証する。「このサービスに満足した顧客はリピートするはずだ」という仮説をデータで確かめる。
- 定性調査：何が問題かわからない状態から仮説を生成する。インタビューで「実は不満の真因は○○だった」という気づきを得る。
仮説がすでにあれば定量、仮説がまだ見つかっていない段階であれば定性から始めるのが基本的な考え方です。
それぞれの主な調査手法
定量調査の代表はアンケートとログ分析、定性調査の代表はインタビューと観察調査です。
定量調査の手法
| 手法 | 概要 |
|---|---|
| アンケート調査 | 質問票で回答を収集。オンライン・郵送・対面など形式は多様 |
| 行動ログ分析 | Web・アプリのアクセスログ・購買履歴・クリックデータを数値で分析 |
| A/Bテスト | 施策を2パターン用意して効果を比較検証 |
| 既存統計の活用 | 政府統計・業界レポートなどの二次データを分析 |
定性調査の手法
| 手法 | 概要 |
|---|---|
| 個別インタビュー（デプスインタビュー） | 1対1の深掘り対話。本音を引き出しやすく、仮説発見に適している |
| グループインタビュー（FGD＝Focus Group Discussion） | 少人数グループのディスカッション。多様な視点を同時に収集できる |
| 観察調査 | 実際の行動・利用環境を記録。想定外の利用シーンや課題が見えやすい |
| テキスト分析（SNS・レビュー） | 口コミ・レビュー・SNS投稿を整理・分析。大量のVoC（Voice of Customer：顧客の声）を定性的に処理 |
定量調査のアンケートにはGoogleフォーム（無料）・SurveyMonkey・Typeformなどのオンラインツールが広く使われています。行動ログの分析にはGoogleアナリティクス（GA4）が代表的です。定性調査のインタビューにはZoom録画・文字起こしツール（Notta等）を組み合わせる方法が実務的です。
調査設計の全体フローについては「マーケティングリサーチとは？目的・種類・進め方を解説」で詳しく解説しています。
目的別の使い分け方
「何を明らかにしたいか」という目的が明確になれば、定量と定性の選択はほぼ自動的に決まります。
① 問いの性質で選ぶ
「満足度はどれくらいか」「解約率はいつから上がっているか」のように、量的な実態把握が目的なら定量調査が適しています。
一方、「なぜ解約が増えているか」「どんな場面で不満が生まれるか」という文脈の理解が目的なら定性調査を先に行います。
② 仮説の有無で選ぶ
仮説がある段階では定量調査で検証します。「このページのUX（ユーザー体験）が問題で離脱が多いはずだ」という仮説があれば、Webアナリティクスの離脱率データや行動ログで確かめられます。
仮説がない段階でいきなり大量アンケートを実施すると、「回答は集まったが何を意思決定に使えばわからない」という状況に陥りやすくなります。まずインタビューで仮説を立て、定量で検証するという流れが調査の精度を高めます。
よくある失敗：仮説なき定量調査
初めて顧客調査に取り組む組織が陥りやすいのが「仮説なき定量調査」です。アンケートを配布した結果、「特に不満はない（満足度4/5）」という回答が集まるものの、なぜ解約が増えているかは依然わからない、という状況です。
「何でも聞いてみよう」と設計したアンケートは、答えは多いが使える問いが少ない状態になります。調査の前に「何を仮説として確かめたいのか」を整理するステップが欠かせません。
組み合わせて使う場合
定性→定量（探索→検証）と定量→定性（異常値→深掘り）の2パターンが実務でよく使われます。
パターン①：定性→定量（探索→検証）
インタビューや観察で「顧客がどこで困っているか」を発見し、その仮説を大規模アンケートで検証します。CX改善の最もオーソドックスな進め方です。
たとえばデプスインタビューで「チェックアウト画面のステップが多くて途中で離脱する」という仮説を立てたあと、アンケートで同じ不満を持つ割合を測定し、改善の優先度を決める、という流れです。
パターン②：定量→定性（異常値→深掘り）
アンケートや行動ログで「このセグメントだけ満足度が低い」という異常値を発見したあと、該当ユーザーへのインタビューで原因を深掘りするパターンです。
数値で問題箇所を絞り込んでから質的調査に移ることで、インタビューの対象と問いが絞り込まれ、調査効率が大幅に上がります。
CX改善における定量・定性の活用
顧客体験の「どこ」が問題かを定量で把握し、「なぜ」そうなのかを定性で理解するのがCX改善の基本的な流れです。
CX（顧客体験）の改善には、数値と言葉の両方が必要です。
NPS（Net Promoter Score）やCSAT（顧客満足度スコア）などの定量データで、スコアの推移・低いセグメント・特定のタッチポイントの評価といった問いに答えられます。しかし「なぜそのスコアなのか」を理解しないと、具体的な改善施策を立てられません。ここで定性調査（インタビュー・VoC分析）が力を発揮します。
定量と定性を組み合わせることで、「どこが問題か（定量）」→「なぜ問題か（定性）」→「どう改善するか（施策設計）」という流れが生まれます。
定性調査で「なぜ不満なのか」を掴んだうえで施策を打つと、解約を防ぐ（離反率を下げる）だけでなく、顧客生涯価値（LTV）の向上にもつながりやすくなります。CX改善は印象や感覚の話ではなく、定量で測れる財務指標と接続してこそ、経営判断に使えるデータになります。
顧客体験の全体像については「CXとは？顧客体験の基本と改善の考え方」もあわせてご参照ください。
まとめ
定量は「何が・どれくらい」を数値で明らかにし、定性は「なぜ・どのように」を文脈で理解する。目的に合わせた選択と組み合わせが、調査の精度を高めます。
- ✓定量調査：数値・統計・仮説検証。「どれくらいか」を明らかにしたいときに使う
- ✓定性調査：言葉・文脈・仮説生成。「なぜか・どのようにか」を理解したいときに使う
- ✓使い分けの基準：問いが「量的な実態把握」なら定量、「背景・意味の理解」なら定性を先に
- ✓組み合わせ方：定性→定量（探索→検証）、または定量→定性（異常値→深掘り）が有効
- ✓CX改善：定量でどこが問題かを特定し、定性でなぜかを深掘り。LTV・離反率など財務指標との接続で、経営判断に使えるデータになる
探索段階では定性調査から始めるのが基本です。まずインタビューで「何を聞くべきか」を整理してから、定量調査で仮説を検証する流れを習慣にしましょう。調査の精度が上がるほど、施策の効果は財務数値に表れやすくなります。
