アフターコーディングとは？自由回答の分類手順とExcel・AIでの自動化を解説

アフターコーディングとは、アンケートや調査の自由回答（自由記述）を、意味の近いものごとにカテゴリ分けし、数値で集計できる状態にする作業です。「どちらでもよい」「値段が高い」「対応が丁寧だった」といったバラバラの文章を、あらかじめ決めたカテゴリ（コード）に振り分けることで、選択式設問と同じようにクロス集計やグラフ化ができるようになります。調査を実施したあと（アフター）に分類基準を作る点が、設問設計の段階で選択肢を用意しておくプレコーディングとの違いです。この記事では、定義と役割、実際の4ステップ、ExcelのVLOOKUP・ピボットテーブルを使った効率化、生成AI（ChatGPT）での自動化、そして品質を落とさないための注意点までを実務目線で整理します。

まとめ：アフターコーディングの要点

• 定義：調査後に自由回答をカテゴリ（コード）へ振り分け、定性データを定量的に集計できる形に変換する作業。
• プレコーディングとの違い：選択肢を先に用意するのがプレコーディング、回答を見てから分類基準を作るのがアフターコーディング。
• 手順：回答の通読 → コードフレーム（分類表）作成 → 各回答へコード付与 → 集計、の4ステップ。
• 効率化：ExcelならVLOOKUPでコード変換、ピボットテーブルで一気に集計。件数が多ければ生成AIで下書き分類し、人が検証する。
• 注意点：カテゴリ設計（コードフレーム）の良し悪しが結果を左右する。分類のゆらぎを抑えるルール化と、AI出力の人手チェックが品質の要。

アフターコーディングとは（定義と自由回答分析での役割）

アンケートの回答形式は、選択肢から選ぶ「選択式（プレコード）」と、文章で自由に書く「自由回答（フリーアンサー）」に大きく分かれます。自由回答は本音や想定外の意見を拾える一方、表現が回答者ごとに違うため、そのままでは「何人が同じことを言っているか」を数えられません。アフターコーディングは、この自由回答を意味のまとまりごとにカテゴリ化し、各カテゴリに番号（コード）を割り当てて、集計可能な定量データへ変換する工程です。

役割は大きく二つあります。ひとつは定量化で、「価格への不満：42件」「接客への好意：28件」のように件数化し、選択式設問とクロス集計できるようにすること。もうひとつは論点の可視化で、散らばった生の声を集約し、意思決定に使える示唆へまとめることです。回答形式そのものの整理はマトリクス回答形式とは？特徴や構成要素をわかりやすく解説もあわせて参照してください。

プレコーディング（事前コーディング）との違い

プレコーディングは、調査票を設計する段階で「1. 満足　2. やや満足…」のように選択肢とコードを先に決めておく方式です。回答時点でデータが数値化されるため集計は速い反面、用意した選択肢の枠を超えた意見は拾えません。アフターコーディングは逆に、回答が集まってから実際の記述を見て分類基準を作ります。想定外の意見を取りこぼさない代わりに、分類作業の工数と、分類基準を作る人の判断が必要になります。「聞きたいことが固まっている定点調査はプレコーディング」「探索的で仮説がまだ緩い調査はアフターコーディング」と使い分けるのが実務的です。

テキストマイニングとの違い

テキストマイニングは、単語の出現頻度や共起関係を統計的・機械的に解析する手法で、大量テキストから傾向を俯瞰するのに向きます。アフターコーディングは、人（またはAI）が回答の意味を解釈してカテゴリへ割り当てる作業で、「賛成か反対か」「どの論点か」といった意味単位の集計に向きます。件数が数百規模で意味の分類が目的ならアフターコーディング、数千〜数万規模で語の傾向をつかみたいならテキストマイニング、と規模と目的で選び分けます。両者は排他ではなく、テキストマイニングで論点の当たりを付けてからコードフレームを設計する、という併用も有効です。詳しくはテキストマイニングとは？手法・やり方・無料ツールから企業の導入判断まで解説で扱っています。

アフターコーディングの手順（4ステップ）

作業は次の4ステップで進めます。分類基準を先に固め切らず、実データを見ながら整える点が品質を左右します。

ステップ1：回答の通読と分類軸の発見

まず全回答（件数が多ければ100〜200件程度のサンプル）を通読し、繰り返し出てくる論点を書き出します。「価格」「品質」「接客」「納期」のように、回答が自然に集まる塊を見つける工程です。ここで軸を見誤ると後工程がすべてやり直しになるため、時間をかける価値があります。

ステップ2：コードフレーム（分類表）の作成

見つけた軸をもとに、カテゴリ名とコード番号の対応表（コードフレーム）を作ります。例：1=価格　2=品質　3=接客　4=納期　5=その他　99=無回答。1つの回答が複数論点に触れる場合に備え、複数コードを許すか（マルチアンサー）を先に決めておきます。「その他」が膨らんだら軸の見直しが必要なサインです。

ステップ3：各回答へのコード付与

回答1件ずつにコードフレームのコードを割り当てます。複数人で分担する場合は、判断に迷う例を集めた「判定ルール（コーディングマニュアル）」を共有し、担当者ごとに基準がぶれないようにします。作業の一貫性（コーダー間の一致度）が集計の信頼性を決めます。

ステップ4：集計と結果の解釈

付与したコードを単純集計（カテゴリ別件数）し、属性別に見たい場合はクロス集計します。カテゴリ化した自由回答を年代・性別などと掛け合わせる段階は、多重クロス集計とは？3重・4重クロスの読み方とExcel・スプレッドシートでの作り方の考え方がそのまま使えます。

Excelでアフターコーディングを効率化する方法

専用ツールがなくても、Excelだけで実務レベルの効率化ができます。鍵はVLOOKUPによるコード変換と、ピボットテーブルによる集計の自動化です。

VLOOKUPでコードを一括変換する

別シートにコードフレーム（左列にコード、右列にカテゴリ名）を用意し、回答データ側に振ったコード番号からカテゴリ名を引き当てます。数式は次のとおりです。

=VLOOKUP(B2, コードフレーム!$A$2:$B$20, 2, FALSE)

コードフレームの範囲は$で絶対参照にしておくと、下方向へコピーしても参照がずれません。第4引数をFALSE（完全一致）にするのが定石で、TRUE（近似一致）にすると誤ったカテゴリが引かれます。VLOOKUPは検索値が範囲の左端列にある必要があるため、カテゴリ名からコードへ逆変換したいときは、コードフレームの列順を入れ替える（左端をカテゴリ名にする）か、INDEXとMATCHを組み合わせます。

ピボットテーブルで集計する

コードまたはカテゴリ名の列を作ったら、その列を選んでピボットテーブルを挿入し、行にカテゴリ、値に件数（個数）を置けばカテゴリ別集計が一瞬で出ます。行に年代・列にカテゴリを配置すればクロス集計になり、割合表示やグラフ化もそのまま行えます。データが追加されても範囲を更新して再集計するだけで済むため、回答が随時増える調査に向いています。

生成AI（ChatGPT）でアフターコーディングを自動化する方法

回答件数が数百〜数千に及ぶと、人手だけの分類は時間もぶれも増えます。生成AIは、この一次分類（下書き）を高速化する用途で有効です。ただし全面的な自動化ではなく、AIに下書きを作らせ、人が検証・修正する半自動が現実的な使い方です。

プロンプトの組み立て方

精度は指示の具体性で決まります。次の3点を明示すると安定します。

• カテゴリを固定する：AIに勝手に分類軸を作らせず、コードフレーム（カテゴリと定義）を渡して「この中から選ぶ」と制約する。
• 出力形式を指定する：「回答ID・付与コード・判断理由」を表形式で返すよう指示すると、検証と再集計がしやすい。
• 判断に迷う場合の逃げ道を作る：どのカテゴリにも当てはまらない回答は「5（その他）」に寄せるよう明示し、無理な当てはめを防ぐ。

AIに任せてはいけない部分

生成AIは、皮肉・二重否定・専門用語・言い間違いの解釈を外すことがあり、少数だが重要な意見（クレームの芽など）を「その他」に丸めてしまうリスクがあります。コードフレームの設計と、AIが「その他」や判断理由に迷いを残した回答の最終判断は人が担うべきです。実務では、AIの分類結果を全件ではなく一定割合サンプリングして正解率を確認し、精度が低いカテゴリだけ人手で洗い直す運用が効率と品質のバランスに優れます。

アフターコーディングのメリット・デメリットと導入時の注意点

導入判断のために、利点と負担、そして失敗しやすい点を整理します。

利点（定量化と想定外意見の捕捉）

• 自由回答を件数化でき、選択式設問とクロス集計して属性別の傾向を読める。
• 選択肢を用意しないため、想定していなかった意見を取りこぼさない。
• 生の声を論点に集約でき、報告資料や意思決定にそのまま使える。

デメリットと運用上の注意点

• 工数がかかる：回答通読・コードフレーム作成・付与・検証と、選択式より手間が大きい。
• 分類がぶれる：担当者の解釈次第でコードが揺れる。判定ルールの明文化と複数人チェックが必須。
• 設計依存（最も致命的）：コードフレームが粗いと「その他」に回答が集中し、集計しても示唆が出ない。工数や分類ぶれは運用でカバーできるが、設計の失敗だけは集計結果を根本から無意味にする。

最も避けたい失敗は、集計を急いでカテゴリ設計を軽視することです。「その他」の比率が2〜3割を超えたら、それは回答が多様なのではなく分類軸が現実に合っていないサインで、軸を作り直したほうが最終的に早く終わります。カテゴリは細かすぎても件数が分散して傾向が見えず、粗すぎても違いが潰れます。まず粗めに分けて集計し、件数の多いカテゴリだけを後から分割する進め方が、手戻りを減らします。

よくある質問（FAQ）

アフターコーディングとは何ですか？

アンケートの自由回答（自由記述）を、意味の近いものごとにカテゴリ分けし、コード番号を振って集計できる状態にする作業です。調査を実施したあとに分類基準を作るため「アフター（後）」コーディングと呼びます。

アフターコーディングとプレコーディングの違いは？

プレコーディングは調査票の設計段階で選択肢とコードを先に決める方式、アフターコーディングは回答を集めてから実際の記述を見て分類基準を作る方式です。想定外の意見を拾えるのがアフターコーディング、集計が速いのがプレコーディングです。

アフターコーディングはExcelでできますか？

できます。コードフレームを別シートに用意しVLOOKUPでコードとカテゴリ名を相互変換し、ピボットテーブルでカテゴリ別・クロス集計を行うのが定番です。専用ツールがなくても実務レベルの集計が可能です。

アフターコーディングはChatGPTで自動化できますか？

一次分類の下書きは自動化できますが、全自動は推奨しません。カテゴリを固定したプロンプトでAIに下書きさせ、精度をサンプルで確認しながら人が検証・修正する半自動運用が現実的です。

アフターコーディングとテキストマイニングはどちらを使うべきですか？

意味単位で分類・件数化したいならアフターコーディング、数千件以上のテキストから語の傾向を俯瞰したいならテキストマイニングが向きます。両者を併用し、傾向把握でコードフレームの当たりを付けてから分類する進め方も有効です。

関連記事

• テキストマイニングとは？手法・やり方・無料ツールから企業の導入判断まで解説
• 多重クロス集計とは？3重・4重クロスの読み方とExcel・スプレッドシートでの作り方
• マトリクス回答形式とは？特徴や構成要素をわかりやすく解説