So werden Wörter gezählt
Die Antworten werden mit der eingebauten Wortsegmentierung des Browsers (Intl.Segmenter) zerlegt. Sie folgt den Unicode-Regeln für Wortgrenzen und nutzt Wörterbücher für Chinesisch, Japanisch und Thai, sodass auch Text ohne Leerzeichen in Wörter getrennt wird. Wörter werden kleingeschrieben und normalisiert; Satzzeichen fallen weg, Zahlen auf Wunsch ebenfalls.
Stoppwörter (der, und, ist, sehr …) werden mit kompakten Standardlisten für neun Sprachen entfernt. Im automatischen Modus erhält jede Antwort ihre eigene Liste: nach Schrift für Chinesisch, Japanisch und Koreanisch, sonst nach der Liste mit den meisten Treffern unter Deutsch, Englisch, Spanisch, Französisch, Portugiesisch und Italienisch. Englische Pluralformen lassen sich zusammenfassen; weitere Lemmatisierung gibt es nicht, und Komposita wie „Liefergebühren“ bleiben ganz. Zwei- und Drei-Wort-Phrasen entstehen innerhalb eines Satzteils.
Formel
% der Antworten mit w = Summe der Gewichte der Antworten, die w enthalten ÷ Summe der Gewichte aller Antworten mit Text (ohne Gewichtung zählt jede Antwort 1). Wiederholungen in derselben Antwort zählen einmal; „Nennungen“ zeigt jedes Vorkommen.
Der Segmentvergleich nutzt je Wort den z-Test für zwei Anteile mit gepoolter Varianz: z = (p₁ − p₂) ÷ √(p̄(1 − p̄)(1/n₁ + 1/n₂)). p₁ ist der Anteil im Segment, p₂ der Anteil in allen übrigen Segmenten zusammen, p̄ der gepoolte Anteil. Mit Gewichtung ist n die effektive Stichprobengröße nach Kish (Σw)² ÷ Σw² (Näherung).
Rechenbeispiel
„Beispieldaten verwenden“ lädt eine synthetische Umfrage zu einem Essenslieferdienst: 480 Befragte beantworten „Was würde unseren Essenslieferdienst am meisten verbessern?“, 464 davon mit Text. Mit den Standardeinstellungen (automatische deutsche Stoppwörter, mindestens 2 Antworten pro Wort) ist „kommen“ das häufigste Wort: 72 Antworten (15,5 %) nennen es, insgesamt 72-mal. Es folgen „spät“ (15,5 %) und „restaurants“ (14,9 %).
Nach Kundentyp nennen Abonnenten (n = 121) „abo“ in 28,1 % ihrer Antworten, alle anderen in 4,7 %: z = 7,15, p < 0,001. Neukunden (n = 147) fallen bei „app“ auf (20,4 % gegenüber 9,1 %).
Erst ein Klick auf das Wort und das Lesen der Antworten dieses Segments macht aus der Zählung einen Befund: was genau die Gruppe stört, in ihren eigenen Worten.
Wann geeignet, wann nicht
Worthäufigkeiten zeigen, welche Wörter verwendet wurden – nicht, was gemeint war.
- Ein erster Überblick über eine große offene Frage, bevor ein Codeplan entsteht.
- Wörter finden, die ein Segment, eine Welle oder ein Markt deutlich häufiger verwendet als der Rest.
- Kurze Antworten in mehreren Sprachen, auch Chinesisch, Japanisch und Koreanisch, ohne Upload auf einen Server.
- Bedeutung oder Stimmung berichten: Die Zählung ignoriert Verneinung und Kontext – dafür muss codiert werden.
- Sehr wenige Antworten (unter etwa 30): Unterschiede zwischen Wörtern sind meist Rauschen.
- Lange Texte, für die Topic-Modelle oder sorgfältige Codierung besser passen.
Ergebnisse richtig lesen
Lesen Sie den Anteil der Antworten, nicht die Schriftgröße: Ein Wort in 20 % der Antworten ist ein häufiges Thema, eines in 2 % ein Detail. Lesen Sie die Antworten hinter jedem Wort, das Sie zitieren. Im Segmentvergleich bedeutet ▲, dass das Segment das Wort signifikant häufiger nennt (p < 0,05); bei vielen Wörtern entstehen manche Unterschiede zufällig – bevorzugen Sie große, plausible Unterschiede mit kleinem Benjamini-Hochberg-q-Wert in der CSV-Datei. Nächster Schritt: wiederkehrende Themen mit der Codierung offener Antworten in Codes überführen.