בקצרה: Claude יודע לבדוק קובץ סקר, לחשב אחוזים, למיין תשובות פתוחות ולכתוב טיוטת דוח. הוא לא יכול לתקן מדגם מוטה. לכן כל מספר שמתפרסם צריך מכנה אמיתי, קבוצת משיבים אמיתית ובדיקה של בן אדם.
נתון יכול לגרום לדוח שיווקי להיראות מרשים. נתון אמין עוזר לקבל החלטה טובה יותר. מה שמבדיל ביניהם זה ההקשר.
כשעסקים מפרסמים תוצאות סקר, הם נוטים להבליט את האחוז הכי בולט ולדלג על השאלות שקובעות מה הוא אומר: מי ענה, איך גויסו המשיבים, כמה ענו על כל שאלה, והאם הם מייצגים את הקהל שרוצים להבין.
Claude יכול לעזור בכל אלה. הוא גם יכול לטעות, לפספס הטיה או לתת הסבר בטוח בעצמו שהנתונים לא תומכים בו. המדריך הזה מראה איך לעבוד איתו כעוזר מחקר.
לפני שמעלים קובץ, מגדירים מה רוצים לדעת. חברת תוכנה שסוקרת לקוחות על ערוצי תמיכה יכולה לשאול: איזה ערוץ מעדיפים? האם לקוחות חדשים שונים מוותיקים? אילו בעיות חוזרות בתשובות הפתוחות? מה לבדוק קודם?
כל שאלה דורשת ניתוח אחר. הכלל: קודם מגדירים איזו החלטה המחקר אמור לשרת, ורק אחר כך בוחרים גרפים.
Claude עובד עם קבצי CSV ו-Excel כשכלי הניתוח פעיל בחשבון (פרטים ב-מרכז העזרה של Claude, הזמינות תלויה בתוכנית ובהגדרות). עדיף שכל שורה תהיה משיב אחד וכל עמודה שאלה אחת.
לפני העלאה בודקים: ניסוח השאלות המקורי, כל אפשרויות התשובה, הפרדה בין "לא ענה" לבין תשובה שלילית, מי הוזמן, כמה ענו על כל שאלה, אילו שאלות אפשרו כמה תשובות, והסרת פרטים מזהים. שומרים עותק מקורי שלא נוגעים בו.
הפרומפטים כתובים באנגלית כי ככה הם עובדים הכי טוב. אפשר לבקש את התשובה בעברית.
Act as a careful survey data analyst.
My research objective is [OBJECTIVE].
My target population is [POPULATION].
My recruitment method is [METHOD].
Inspect the dataset structure without changing the original file.
Identify respondents, variables, question types, missing answers, duplicates, inconsistent labels and invalid values.
Identify multiple-select questions and explain how their percentages should be calculated.
Create a data dictionary and an issue log.
Do not delete records or infer missing answers without my approval.האוכלוסייה היא הקבוצה שרוצים להבין. המדגם הוא מי שבאמת ענה. סקר של 200 לקוחות קיימים מתאר את 200 האנשים האלה, לא את כל הקונים הפוטנציאליים.
דוגמה: 68% מ-200 לקוחות העדיפו צ'אט. הניסוח הנכון הוא "בקרב 200 הלקוחות שנסקרו, 68% העדיפו צ'אט". "68% מהקונים מעדיפים צ'אט" זה כבר לא נכון. ואם רק 150 ענו על השאלה, המכנה הוא 150.
במדגם אקראי של 200 איש, טווח הטעות לאחוז של בערך 68% הוא כ-6.5 נקודות אחוז. החישוב הזה לא מכסה הטיית השתתפות, ובמדגם נוחות (מי שבחר לענות) לא כדאי להציג אותו בכלל כדיוק כלפי כל האוכלוסייה.
מתחילים בספירות ואחוזים, ורק אחר כך משווים. לכל תוצאה מבקשים מ-Claude את השאלה המדויקת, מספר התשובות התקפות, המונה והמכנה, ושיטת העיגול. בשאלות עם כמה תשובות הסכום יכול לעבור 100%, וצריך להסביר את זה בדוח.
Analyze the survey questions relevant to [RESEARCH OBJECTIVE].
For each question, report exact wording, valid and missing response counts, counts by option, percentages, denominator and rounding.
Show formulas and verify totals.
Flag small subgroups and any result that depends on an assumption.
Do not infer missing answers or generate values absent from the dataset.הבדל שנראה לעין בין קבוצות הוא לא בהכרח הבדל אמיתי. מבקשים גודל לכל תת־קבוצה, ולא מסתירים קבוצה קטנה מאחורי אחוז שנראה מדויק.
Claude יכול לחלק הערות לנושאים, לספור אותם ולבחור ציטוטים מייצגים. מה שהוא לא אמור לעשות: להמציא ציטוטים או להניח שנושא שחוזר הרבה מייצג את כולם. כדאי לעבור בעצמכם על מדגם מהתשובות שסווגו.
דוח טוב מפריד בין ממצא (מה הנתונים מראים), פרשנות (מה זה אולי אומר) והמלצה (מה לבדוק הלאה).
מוגזם: "הקונים מעדיפים צ'אט, צריך לבטל את המייל". מבוסס: "בסקר הזה של לקוחות קיימים, צ'אט היה הערוץ שנבחר הכי הרבה. זה יכול לכוון שיפורים בתמיכה הנוכחית, אבל לא מעיד על כל הקונים".
Write a survey research report using only the validated results and methodology I provide.
For every headline statistic, state the population surveyed, fieldwork period, valid response count and denominator.
Separate findings from interpretation and recommendations.
Do not invent sources, quotes, confidence intervals or statistical significance.
End with a fact-check checklist.עמודות להשוואת קטגוריות, קו לשינוי לאורך זמן, טבלה למספרים מדויקים. בלי צירים חתוכים, בלי תלת־ממד, ובמדגם קטן תמיד להראות את המספר לצד האחוז.
נתון אחד עובר מדוח לפוסט ללינקדאין לניוזלטר, ובדרך ההקשר נעלם. כותבים הערת מתודולוגיה קצרה שהולכת איתו: מי נסקר, איך גויס, מתי, כמה ענו, ומה המגבלות.
גם בלי שמות אפשר לזהות אנשים: תפקיד, מיקום והערה מפורטת ביחד. מסירים מזהים, מחליפים שמות במספרים, ולא מפרסמים תת־קבוצות זעירות. שימוש ב-AI לא מוריד את האחריות להגן על המשיבים.
כל נתון תואם למקור, המכנה נכון, תשובות חסרות מתועדות, הגרפים מראים את הערכים הנכונים, אין טענות על כל האוכלוסייה, ומישהו אנושי אישר. העובדה ש-Claude מסכים עם הניתוח של עצמו היא לא בדיקה. מחשבים שוב את המספרים החשובים בגיליון.
AI מקצר את הדרך מתשובות גולמיות לדוח. בלי בדיקה הוא מקצר גם את הדרך למסקנות שגויות. שאלה ברורה, מכנה נכון, הפרדה בין ממצא לפרשנות, ומתודולוגיה שצמודה למספרים.
עוד כלים ופרומפטים מוכנים ב-masterphub.io