Open vragen analyseren in online enquêtes: zo doe je dat

Stel je twee vragen uit dezelfde klantenenquête voor. De eerste luidt “Zou je ons aanbevelen?” en laat alleen ja of nee toe. De tweede luidt “Wat kunnen we beter doen?” en biedt een leeg tekstvak.

Bij de eerste vraag krijg je een duidelijke verdeling, bijvoorbeeld 82 procent ja en 18 procent nee, die je meteen in een grafiek zet en met een kruistabel verder kunt uitsplitsen. Bij de tweede krijg je 140 antwoorden in 140 verschillende formuleringen: soms één zin, soms een hele alinea, soms alleen “prima zo”. Aan dit voorbeeld zie je snel waarom open antwoorden een eigen aanpak nodig hebben. Alleen tellen is hier niet genoeg, maar juist op deze plek lees je waarom je cijfers eruitzien zoals ze eruitzien.

Open vragen in je enquête analyseer je het best door eerst te bepalen hoe nauwkeurig je wilt kijken. Weinig antwoorden lees je volledig door, veel antwoorden breng je onder in categorieën, waarna je telt hoe vaak elke categorie voorkomt. Het betrouwbaarst is een mix van beide, waarbij je categorieën maakt en toch één keer alle oorspronkelijke antwoorden leest.

Wij laten je zien hoe je de juiste diepgang vindt en hoe je aan het eind een resultaat rapporteert waar anderen op kunnen bouwen. Bij empirio.ai lees je open antwoorden in de antwoordenlijst, bekijk je ze als woordwolk en laat je ze door AI samenvatten of in themagroepen sorteren.

📌 Het belangrijkste op een rij

• Weinig antwoorden lees je volledig, veel orden je in categorieën.
• Een woordwolk toont veelvoorkomende woorden, maar niet wat ermee bedoeld wordt.
• Met AI analyseer je zelfs honderden open antwoorden veel makkelijker.
• empirio.ai biedt je verschillende tools om open antwoorden te analyseren.
• De AI van empirio.ai vat antwoorden samen en sorteert ze op thema.

Waarom open vragen bij de analyse anders zijn

In een medewerkersonderzoek geven de medewerkers hun werkplek gemiddeld een 6,4. Dan heb je een cijfer, maar nog geen verklaring. Vraag je direct daarna “Wat is de belangrijkste reden voor je cijfer?”, dan lees je ineens zinnen als “Ik krijg nooit feedback op mijn projecten” of “Het koffieapparaat is al weken kapot”. Precies zulke redenen, voorbeelden en ideeën leveren open vragen op, omdat ze geen antwoorden voorgeven en iedereen in eigen woorden schrijft.

Bij empirio.ai maak je een open vraag in de editor net zo aan als elke andere vraag. Voor een kort antwoord op één regel kies je het vraagtype Korte tekst, voor een tekstvak met meerdere regels Lange tekst. Ook een meerkeuzevraag kun je aanvullen met het veld “Anders”. Zo ontstaat een halfopen vraag, waarvan de ingevulde teksten later ook in je analyse terechtkomen.

Hoe waardevol open vragen ook zijn, ze hebben twee nadelen die je al bij het opstellen van je enquête moet kennen. Allebei hebben ze later direct invloed op je analyse.

Nadeel 1: te veel open vragen kosten je antwoorden

Wie in een enquête vijf lege tekstvakken onder elkaar ziet, schrijft bij het eerste misschien nog twee zinnen. Bij het derde staat er alleen nog “prima”, het vierde blijft leeg en voor het vijfde is het tabblad al dicht. Schrijven kost nu eenmaal meer moeite dan klikken, en daarom haken deelnemers bij veel tekstvakken eerder af. In de richtlijn over open vragen van GESIS (Engelstalig) schrijft Cornelia Züll dat open vragen vaker tot “weet niet” of weigeringen leiden dan gesloten vragen, en ze raadt aan om open vragen spaarzaam te gebruiken. Voor jou betekent dat: stel een open vraag alleen waar je een toelichting echt nodig hebt, bijvoorbeeld direct na een belangrijke beoordelingsvraag.

Nadeel 2: ontevreden mensen schrijven meer dan tevreden mensen

Dezelfde richtlijn noemt nog een punt dat je bij de analyse tegenkomt: ontevreden respondenten antwoorden vaker en schrijven langere antwoorden. Wie zich aan de wachttijd heeft geërgerd, schrijft drie alinea's. Wie tevreden was, schrijft “alles prima” of helemaal niets. Je open antwoorden geven daardoor niet vanzelf de stemming van iedereen weer, maar vaak vooral de stemmen van wie iets kwijt wil. Voor jou betekent dat: tel bij de analyse hoeveel mensen een onderwerp noemen, in plaats van je te laten leiden door de lengte van losse antwoorden.

Open vragen analyseren: hoe nauwkeurig wil je kijken?

Sanne is teamleider van 50 mensen en heeft één open vraag gesteld. Aan het eind liggen er 50 antwoorden, die ze op een middag rustig kan doorlezen. Bram werkt bij een webwinkel in fietsonderdelen, heeft een klantenenquête met drie open vragen naar 800 klanten gestuurd en zit nu voor maximaal 2.400 antwoorden. Allebei willen ze hetzelfde weten, namelijk wat mensen echt denken. Toch hebben ze daarvoor een heel andere aanpak nodig.

Hoe je open antwoorden analyseert, hangt daarom vooral af van drie vragen:

• Hoeveel antwoorden zijn het? Vermenigvuldig het aantal open vragen met het aantal deelnames. Bij 50 deelnemers en drie open vragen zijn het er hooguit 150, bij 800 deelnemers al maximaal 2.400.
• Wil je elk antwoord kennen of is een overzicht genoeg? Bij een klein medewerkersonderzoek wil je misschien op elke reactie ingaan en lees je gewoon alles, direct bij empirio.ai of na de export in een spreadsheet. Heb je juist een zin nodig als “De meesten zijn vooral positief over onze bedrijfscultuur”, dan breng je de antwoorden onder in categorieën en tel je ze.
• Waarvoor heb je de vraag gesteld? Ideeën voor de zomerbarbecue van je voetbalvereniging analyseer je anders dan onderbouwingen in je scriptie. Voor wetenschappelijk werk heb je een vastgelegd categorieënschema nodig, voor teamfeedback is een aandachtig gelezen lijst vaak genoeg.

Met deze methoden analyseer je open antwoorden

Voordat je een tool kiest, helpt het om naar de methoden erachter te kijken. Voor open antwoorden zijn er in de kern vijf manieren, die je goed met elkaar kunt combineren:

1. Volledig lezen: je leest elk antwoord en noteert wat opvalt. Preciezer kan niet, maar het werkt alleen bij overzichtelijke aantallen.
2. Coderen: je deelt elk antwoord in bij een categorie, bijvoorbeeld “prijs”, “service” of “levering”, en telt aan het eind hoe vaak elke categorie voorkomt. Leg je de categorieën vooraf vast, dan heet dat deductief coderen. Ontwikkel je ze pas tijdens het lezen uit de antwoorden, dan is het inductief coderen. Coderen is de klassieker van het kwalitatief onderzoek, en ook het CBS werkt zo: in de Enquête Beroepsbevolking worden de beschrijvingen die mensen van hun beroep en werkzaamheden geven deels automatisch en deels met de hand ingedeeld in een vaste beroepenclassificatie.
3. Woorden tellen: in plaats van hele uitspraken tel je losse woorden. Een woordwolk of een lijst met de meest voorkomende woorden laat snel zien welke onderwerpen opduiken, maar niet hoe ze bedoeld zijn.
4. Stemming vastleggen: je beoordeelt elk antwoord als eerder positief, neutraal of negatief. Vakmensen noemen dat een sentimentanalyse.
5. Samenvatten: je brengt veel antwoorden terug tot een paar kernuitspraken. Vroeger was dat puur handwerk, tegenwoordig doet een AI het vaak, waarna je het resultaat aan de originele antwoorden toetst.

Ook bij het coderen kan AI je tegenwoordig helpen. De methode blijft hetzelfde, alleen gaat het sorteren een stuk sneller.

Welke methode bij jouw situatie past

Welke methode voor jou de juiste is, zie je in de tabel. In de rechterkolom staat hoe je haar bij empirio.ai toepast. Harde grenzen zijn het niet, wel een ruwe richtlijn:

Waarom je toch één keer alles moet lezen

In je categorieën staat “prijs: 40 keer genoemd”. Pas bij het lezen merk je dat de ene helft positief is over de prijs en de andere helft er juist over klaagt. Categorieën strijken zulke verschillen glad, de originele antwoorden doen dat niet. Maak daarom categorieën of laat ze voorstellen, maar scrol daarnaast één keer door alle antwoorden, zolang de hoeveelheid dat toelaat. Zo heb je de cijfers voor je rapport en houd je toch zicht op wat mensen echt hebben geschreven.

Open vragen analyseren met empirio.ai: alle functies op een rij

Voor de 50 antwoorden van Sanne is de antwoordenlijst vaak al genoeg, voor de 2.400 antwoorden van Bram loont AI. Daarom biedt empirio.ai je verschillende instrumenten om open antwoorden te analyseren, hoe je ook te werk wilt gaan. Je kunt alle antwoorden zelf bekijken of de analyse met tools en AI doen. Alle functies vind je onder Resultaten van je enquête:

1. Antwoordenlijst: alle open antwoorden lezen en filteren
2. Export: ruwe data in Excel of als CSV analyseren
3. Woordwolk bij de grafieken
4. Tekstanalyse: topwoorden, AI-analyse en alle antwoorden op een vraag
5. Tekstlabeling: antwoorden automatisch op thema sorteren
6. AI-assistent: vragen stellen over je hele enquête

Antwoordenlijst, export en woordwolk werken zonder AI. In de Tekstanalyse, de Tekstlabeling en de AI-assistent neemt AI een deel van het werk over. In welk abonnement je welke functie kunt gebruiken, zie je in de tabel:

Hieronder stellen we de functies een voor een aan je voor.

1. Antwoordenlijst: alle open antwoorden lezen en filteren

De antwoordenlijst is de eenvoudigste weg naar je open antwoorden. Je vindt haar onder Resultaten in het tabblad Antwoorden, en ze staat inclusief alle filters in elk abonnement voor je klaar, ook in het gratis abonnement. De schermafbeeldingen in dit artikel komen uit de Engelstalige versie van empirio.ai, in de tekst noemen we de knoppen bij hun Nederlandse naam.

Elke deelname verschijnt daar als rij en elke vraag als kolom, zodat je open antwoorden midden tussen de andere antwoorden staan. Lange teksten klap je uit via Meer tonen. Bovenaan beperk je met Van en Tot de periode en kies je of je Alle deelnames of Alleen voltooid wilt zien. Wil je alleen weten wat de ontevreden deelnemers hebben geschreven, dan filter je via Filter op antwoord op iedereen die bij een meerkeuzevraag “ontevreden” heeft aangevinkt. Daarna lees je alleen hun open antwoorden.

Voor de 50 antwoorden van Sanne is de antwoordenlijst ruim voldoende. Bij de 2.400 antwoorden van Bram onthoud je tijdens het scrollen eerder de drie luidste antwoorden dan de tien meest voorkomende.

Past goed als …

• je maar weinig deelnames hebt.
• je elk antwoord samen met de andere antwoorden van dezelfde persoon wilt zien.

Past minder goed als …

• er honderden antwoorden zijn.
• je voor een rapport aantallen per thema nodig hebt.

2. Export: ruwe data in Excel of als CSV analyseren

Schrijf je een scriptie, dan is een blik in de app niet genoeg, want je scriptiebegeleider wil kunnen nagaan hoe je elk afzonderlijk antwoord hebt ingedeeld. Daarvoor is er de export. Je start hem onder Resultaten in het tabblad Antwoorden via de knop Exporteren, vanaf het abonnement Lite voor € 19 per maand.

Je downloadt alle antwoorden als Excel- of CSV-bestand, met een rij per deelname en een kolom per vraag. Antwoorden uit een veld “Anders” krijgen een eigen kolom. In Excel zet je naast de kolom met open antwoorden een kolom voor je categorie, vult die antwoord voor antwoord in en telt aan het eind alles op met een draaitabel. Het categoriseren zelf werkt net als bij het analyseren van een vragenlijst: eerst lezen, dan categorieën maken, dan tellen.

Voor een scriptie is de export de netste weg, omdat elke indeling navolgbaar blijft. Wil je alleen snel weten waar mensen over schrijven, dan is het invullen van categorieën behoorlijk veel handwerk.

Past goed als …

• je zelf wilt coderen, bijvoorbeeld voor je scriptie.
• je de open antwoorden in MAXQDA of SPSS verder wilt verwerken.

Past minder goed als …

• je alleen snel wilt weten waar mensen over schrijven.

3. Woordwolk bij de grafieken

In de woordwolk van een gastenenquête van een hotel op Texel staat het woord “ontbijt” groot in beeld. Je weet meteen waar veel gasten over schrijven. Of ze dol zijn op het ontbijt of er een hekel aan hebben, vertelt de woordwolk je alleen niet.

De woordwolk zit gratis in elk abonnement. Je vindt haar onder Resultaten in het tabblad Grafieken, waar empirio.ai naast de staaf- en cirkeldiagrammen van de andere vragen voor elke open vraag een eigen woordwolk laat zien. Hoe vaker een woord voorkomt, hoe groter het verschijnt.

Gebruik de woordwolk daarom als eerste indicatie: je ziet in één oogopslag welke onderwerpen er in de antwoorden überhaupt voorkomen. Of het ontbijt geprezen of bekritiseerd werd en waarom, ontdek je pas als je daarna in detail in de antwoorden kijkt. Daarvoor zijn de antwoordenlijst van hierboven en de Tekstanalyse uit het volgende deel geschikt.

Past goed als …

• je binnen een paar seconden een eerste indruk wilt.
• je rapport een aansprekend beeld moet krijgen.

Past minder goed als …

• je betrouwbare uitspraken over lof of kritiek nodig hebt.

4. Tekstanalyse: topwoorden, AI-analyse en alle antwoorden

Is de woordwolk je te grof, dan ga je een stap verder naar de Tekstanalyse. Dat is de analysefunctie van empirio.ai speciaal voor open antwoorden. Je vindt haar onder Resultaten in het onderdeel Analyse als tegel, naast de Kruistabel en de Tekstlabeling. Uitproberen kan gratis, blijvend gebruik je haar vanaf het abonnement Plus voor € 39 per maand.

Na een klik op de tegel kies je via Selecteer vraag je open vraag en wissel je daarna tussen de drie tabbladen Woordwolk, AI-analyse en Antwoorden. We lopen ze hieronder een voor een met je door.

4.1 Woordwolk met de topwoorden

In plaats van alleen te zien dat “ontbijt” groot verschijnt, lees je hier onder Topwoorden het precieze aantal, bijvoorbeeld 37 keer in 120 antwoorden. Daarbij komt de Antwoordlengteverdeling, die laat zien hoeveel antwoorden kort (minder dan 50 tekens), middellang (50 tot 200 tekens) of lang (meer dan 200 tekens) zijn. Veel lange antwoorden zijn meestal een goed teken dat het onderwerp mensen bezighoudt.

4.2 AI-analyse: antwoorden met één klik samenvatten

Vaak ontbreekt simpelweg de tijd. Er liggen 300 antwoorden op “Wat kunnen we beter doen?”, en het overleg waarin je de belangrijkste punten presenteert begint al over een uur. Alles lezen lukt dan niet. Juist voor zulke momenten is het tabblad AI-analyse bedoeld, dat alle antwoorden op een open vraag voor je samenvat.

Eerst kies je een zwaartepunt: Hoofdthema's identificeren, Problemen & kritiek, Lof & positiefs, Sentimentanalyse, Suggesties extraheren, Actie-aanbevelingen, Opvallende citaten of Verras me. Na een klik op AI-analyse starten krijg je een Samenvatting, passende Trefwoorden en, afhankelijk van het zwaartepunt, positieve of kritische uitspraken en aanbevelingen.

Let daarbij op de regel boven het resultaat, die bijvoorbeeld meldt dat 3 van 4 gefilterde antwoorden zijn geanalyseerd, want daaraan zie je op welke basis de samenvatting staat. De filters voor periode en deelnames gelden ook hier. Met Analyse opnieuw uitvoeren start je de analyse opnieuw met een ander zwaartepunt. Omdat de AI bij het samenvatten zelf weegt, lees je bij elk thema het best een paar originele antwoorden na voordat je het in het overleg presenteert.

4.3 Alle antwoorden op een vraag rustig lezen

In het tabblad Antwoorden zie je alleen de antwoorden op de gekozen open vraag, onder elkaar en elk met een tijdstempel. Anders dan in de grote antwoordenlijst leiden hier geen andere kolommen je af. Na een AI-analyse is dit tabblad daarom de beste plek om het resultaat te controleren.

Past goed als …

• je precieze aantallen voor losse woorden nodig hebt.
• je veel antwoorden en weinig tijd hebt en wilt weten welke thema's overheersen.
• je alle reacties op een vraag rustig wilt lezen.

Past minder goed als …

• de antwoorden bijna alleen uit losse woorden bestaan.
• het resultaat van de AI zonder controle in een beslissing moet meewegen.

5. Tekstlabeling: antwoorden automatisch op thema sorteren

De AI-analyse vertelt je waar mensen over schrijven. Tekstlabeling vertelt je hoeveel mensen het per onderwerp zijn. De functie sorteert je open antwoorden automatisch in themagroepen en geeft je zo aantallen per thema. Je vindt haar onder Resultaten in het onderdeel Analyse, kunt haar gratis testen en gebruikt haar blijvend vanaf het abonnement Plus voor € 39 per maand.

Je opent de tegel Tekstlabeling, kiest je open vraag en klikt op Labels genereren. empirio.ai groepeert de antwoorden dan op inhoudelijke overeenkomst, geeft elke groep een naam en wijst elk antwoord toe aan een label. Hoeveel labels er maximaal ontstaan, bepaal je via Max. labels. In het overzicht zie je daarna de Labelverdeling, dus hoeveel antwoorden er op elk thema vallen.

De labels zijn een voorstel en nog geen eindresultaat. Je kunt ze hernoemen, een beschrijving geven of verwijderen, via Nieuw label eigen labels toevoegen en antwoorden anders indelen. Het filter Alleen lage betrouwbaarheid toont je de antwoorden die maar zwak bij hun label passen en die je daarom met de hand controleert. Tot slot exporteer je de indeling als tabel met antwoord en label.

Voor het clusteren heeft empirio.ai minstens 20 tekstantwoorden nodig. Aan het eind staat er een zin die je direct in je rapport kunt overnemen, bijvoorbeeld “Een derde van de kritiek gaat over de bereikbaarheid”. Moet je scriptie juist een vooraf vastgelegd categorieënschema toepassen, dan codeer je beter zelf.

Past goed als …

• je per thema een telbaar resultaat nodig hebt.
• er duidelijk meer dan 20 antwoorden zijn.

Past minder goed als …

• er minder dan 20 tekstantwoorden zijn.
• een vast categorieënschema is voorgeschreven.

6. AI-assistent: vragen stellen over je hele enquête

Alle functies tot nu toe kijken naar één open vraag. De AI-assistent kijkt naar je hele enquête. Hij is de chat in de resultaten, die je onder Resultaten in het tabblad AI-assistent vindt. Je kunt hem gratis testen en gebruikt hem blijvend vanaf het abonnement Plus voor € 39 per maand.

Je stelt je vragen in gewone taal, bijvoorbeeld “Welke trends zie je in de antwoorden?” of “Welke verbeteringen stel je voor?”. Omdat de assistent de hele enquête kent, verbindt hij de open antwoorden met de andere vragen. Vraag je bijvoorbeeld wat de criticasters bij de Net Promoter Score als reden opgeven, dan vat hij precies die antwoorden samen en stelt hij concrete vervolgstappen voor.

Let ook hier op de basis: de assistent vertelt je hoeveel voltooide deelnames hij heeft geanalyseerd en of er filters actief zijn. Exacte aantallen voor een rapport reken je beter na in de grafieken of in de Tekstlabeling.

Past goed als …

• je vraag verder gaat dan één open vraag.
• je uit de resultaten concrete maatregelen wilt afleiden.

Past minder goed als …

• je exacte aantallen voor een rapport nodig hebt.

Zo combineer je de functies: een stappenplan in 5 stappen

Hoe dat er in de praktijk uitziet, laat de klantenenquête van Bram zien, met 120 antwoorden op de vraag “Wat kunnen we beter doen?”. Met deze vijf stappen komt hij van een ruw overzicht tot een cijfer dat hij kan onderbouwen. Dezelfde aanpak werkt net zo goed voor de evaluatie van een workshop, voor de bewonersenquête van je gemeente of voor het teamonderzoek van Sanne.

1. Globaal doorlezen. Scrol in de Tekstanalyse in het tabblad Antwoorden één keer door alle antwoorden, zonder al te sorteren. Bij heel veel antwoorden is een steekproef van een paar dozijn genoeg.
2. Veelvoorkomende woorden bekijken. De woordwolk met de topwoorden laat zien welke onderwerpen zich opdringen. Bij Bram staan “wachttijd” en “telefoon” helemaal bovenaan.
3. Thema's vormen. Laat de AI-analyse lopen met het zwaartepunt Hoofdthema's identificeren of genereer labels in de Tekstlabeling. Bij weinig antwoorden maak je de categorieën gewoon zelf.
4. Controleren. Lees bij elk thema een paar originele antwoorden na en controleer in de Tekstlabeling de onzekere indelingen. Dekt de naam van een label niet wat erin staat, dan hernoem je het.
5. Aantallen en citaten rapporteren. Noem bij elk thema het aantal antwoorden dat erover gaat. Vul dat aan met een of twee typische citaten.

Aan het eind staat in het rapport van Bram een zin als: “Van de 120 antwoorden op de vraag naar verbeteringen gaan er 38 over de wachttijd aan de telefoon.” Het cijfer maakt de uitspraak onderbouwd, het citaat ernaast maakt haar tastbaar.

Open antwoorden eerst lezen, dan sorteren, dan tellen.

Veelgemaakte fouten bij het analyseren van open vragen

De meeste fouten ontstaan niet bij het sorteren, maar pas bij het rapporteren. Vijf ervan komen we bijzonder vaak tegen.

De woordwolk als resultaat verkopen

Op de slide prijkt groot het woord “service” en iedereen knikt. Of mensen de service hebben geprezen of bekritiseerd, weet op dat moment niemand. Een woordwolk laat zien welke onderwerpen voorkomen, maar nog niet wat mensen er precies over hebben geschreven. Gebruik haar daarom als opstap en als beeld voor je rapport, maar niet als bewijs voor een uitspraak.

De AI-samenvatting zonder controle overnemen

“Veel mensen willen langere openingstijden”, schrijft de AI. Bij het nalezen blijkt dat precies twee van de 150 mensen dat hebben genoemd. Een AI-samenvatting klinkt vloeiend en overtuigend, ook als een onderwerp nauwelijks voorkomt. Controleer daarom elke uitspraak die in je rapport komt aan de originele antwoorden en noteer op hoeveel antwoorden ze berust.

De luidste stemmen voor de meerderheid aanzien

Twee alinea's vol ergernis blijven hangen, twintig korte reacties als “prima zo” niet. Wie ontevreden is, schrijft nu eenmaal vaak meer en scherper. Tel daarom liever na, in plaats van op je gevoel af te gaan. Vergelijk de open antwoorden bovendien met de resultaten van je gesloten vragen.

Met citaten de anonimiteit doorbreken

“Sinds de verhuizing naar de tweede verdieping loopt er in ons team niets meer”: op een afdeling van vijf mensen weet iedereen meteen wie dat heeft geschreven. Open antwoorden verraden vaak meer dan je denkt, bijvoorbeeld door de schrijfstijl, een genoemd project of de eigen afdeling. Heb je een anonieme enquête beloofd, dan geef je citaten daarom alleen ingekort of in eigen woorden door en laat je namen en details weg.

Alleen de samenvatting doorgeven

De afdeling HR analyseert het medewerkersonderzoek, de directie krijgt aan het eind een slide met “Communicatie: 23 keer genoemd”. Wat er achter dat getal zit, bijvoorbeeld “Belangrijke besluiten hoor ik pas via de wandelgangen”, komt daar niet meer aan. Met elke stap van het losse antwoord via de categorie tot de presentatie gaan zeggingskracht en inhoud verloren. Wie aan het eind beslist, kent vaak alleen nog de verdichte versie.

Ons advies is daarom: lees zoveel mogelijk open antwoorden zelf, ook als je de analyse niet zelf hebt gedaan. Geef je resultaten door, voeg dan bij elke categorie een paar typische originele antwoorden toe, geanonimiseerd en ingekort. Zo krijgt ook de directie een gevoel voor hoe mensen echt denken.

Checklist voor je rapport

• Elke categorie en elk label heeft een duidelijke naam.
• Bij elk thema staat het aantal antwoorden.
• De citaten zijn typisch en niet alleen extra heftig.
• AI-resultaten zijn aan originele antwoorden getoetst.
• De filters zijn voor alle analyses gelijk en vastgelegd.
• Citaten laten geen conclusies over individuele personen toe.
• Wie de resultaten krijgt, ziet ook een paar originele antwoorden.

Conclusie

De ja-neevraag vertelt je hoeveel mensen tevreden zijn. De open vraag vertelt je waarom. Hoe je de antwoorden daarop analyseert, hangt af van de hoeveelheid, de gewenste diepgang en het doel van je vraag. Ons advies: lees zoveel mogelijk antwoorden zelf, laat je bij grotere aantallen helpen door woordwolk, AI-analyse en Tekstlabeling en rapporteer aan het eind aantallen samen met een paar typische citaten.

Zo ga je verder

• Wil je weten hoe je goede open vragen formuleert? Open vragen: definitie en voorbeelden
• Wil je groepen in je meerkeuzevragen vergelijken? Kruistabellen maken
• Wil je weten wat je klanten echt denken? Gids voor het klantonderzoek

Open antwoorden analyseren zonder elk antwoord apart te lezen?

Bij empirio.ai vat de AI je open antwoorden samen en sorteert ze in themagroepen. Probeer het gratis, met 100% EU-hosting, ook voor de AI.

Gratis een enquête maken