Unzufriedenen Kunden kehren oft nie wieder zu einem Unternehmen zurück. Das oberste Ziel eines Unternehmens sollte es daher sein, seine Kunden glücklich zu machen. Trotzdem lässt sich die Kundenzufriedenheit oft nur unzureichend durch die vorhanden KPIs messen. Dann wird es schwierig Kundenzufriedenheit angemessen zu überwachen. Genauso wenig lässt sich dann sagen, ob bestimmte Maßnahmen tatsächlich die Kundenzufriedenheit steigern oder nicht. Dies liegt zum Teil daran, dass die Messung der Kundenzufriedenheit nicht so einfach ist wie z.B. die Messung von Umsatzquellen oder Website-Besuchern. Daher ist es oft schwierig, klare Ziele bezüglich der Kundenzufriedenheit zu setzen. Es gibt jedoch einige hervorragenden Methoden und Metriken, die genau dafür entwickelt wurden, um die Kundenzufriedenheit zu messen. Von Net Promoter Score bis zu Customer Effort Score: In diesem Artikel stellen wir die 5 wichtigsten Methoden für einen Kundenzufriedenheit Fragebogen aus unserer praktischen Erfahrung vor.
Zahlreiche Unternehmen ist es bereits durch unsere Unterstützung gelungen, Kundenzufriedenheit nachhaltig zu überwachen und auszuwerten. Möchten auch Sie von unserer Expertise im Bereich Messung Kundenzufriedenheit (Methoden & Auswertung) profitieren? Dann kontaktieren Sie uns für eine erste Beratung und ein unverbindliches Angebot!
Dieser Artikel beantwortet folgende Fragen zum Thema Kundenzufriedenheit ermitteln:
- Welche Methoden stehen für einen Kundenzufriedenheit Fragebogen zur Auswahl?
- Was ist ein NPS und ein CSAT?
- Was zeichnet einen Kundenzufriedenheitsindex aus?
- Auf welchem Ansatz basiert der Customer Effort Score?
- Was ist eine Sentiment-Analyse? Wofür wird die Sentiment-Analyse eingesetzt?
- Welche Vor- und Nachteile haben die unterschiedlichen Verfahren?
Net Promoter Score (NPS) – Wie viele Unterstützer hat das Produkt?
Für den Net Promoter Score (NPS) das Ergebnis beantworten Kunden eine einfache Frage: “Würden Sie Produkt X Freunden oder Kollegen weiterempfehlen?”. Die Bewertung wird dabei auf einer Skala von 0 bis 10 vorgenommen. Kunden mit einer Bewertung von 0 bis 6 werden als “Kritiker” oder auch “Detractors” gewertet. Eine Bewertung von 7 oder 8 führt dagegen zu einer Einstufung als indifferent. Kunden die beim NPS eine Bewertung von 9 oder 10 abgeben gelten als “Unterstützer” oder auch “Promotoren”.
Der Net Promoter Score wird schließlich folgendermaßen berechnet:
Prozentualer Anteil Promotoren - Prozentualer Anteil Detractors = Net Promoter ScoreNehmen wir einmal an, dass 20 % der Kunden eine Bewertung von 0 bis 6 abgegeben haben und 70% eine Bewertung von 9 oder 10. In diesem Fall wäre der NPS:
70 - 20 = 50Der NPS ist als Index für die Kundenzufriedenheit inzwischen allgegenwärtig. Ein wichtiger Faktor, der dieses Instrument so beliebt macht, ist dabei sicherlich seine Einfachheit. Da sich der Aufwand für den Kunden in Grenzen hält, ist die Teilnehmerzahl meistens auch vergleichsweise hoch. Zudem wird der NPS in vielen Branchen standardmäßig eingesetzt. Dadurch sind Ergebnisse gut mit dem branchenüblichen Benchmark vergleichbar.
Allerdings ist der NPS nicht ohne Schwachpunkte. Zu einem stammen die wichtigsten Studien zum NPS aus den USA oder Großbritannien. Es ist bisher unklar, inwiefern sich das Bewertungssystem und entsprechende Benchmarks überhaupt auf den deutschsprachigen Raum anwenden lässt. Weiterhin ist die Methode zwar simpel, geht aber naturgemäß nicht in die Tiefe. So wird bei diesem Verfahren nicht weiter nach möglichen Gründen für eine mangelnde Kundenbindung gefragt.
Customer Satisfaction Score (CSAT): Kurzfristige Veränderungen in der Kundenzufriedenheit ermitteln
Der Customer Satisfaction Score (deutsch: Kundenzufriedenheitswert) ist ein einfaches Verfahren um die unmittelbare Kundenzufriedenheit messen zu können. Bis diesem Verfahren wird beim NPS die Zufriedenheit durch eine einzige Frage ermittelt. Dabei dreht es sich um die allgemeine Zufriedenheit des Kunden im hier und jetzt.
Für dieses Instrument gibt es unterschiedliche Verfahren zur Auswertung. Die Kundenzufriedenheit wird dabei häufig als ein Prozentwert angegeben. Der Prozentwert gibt dann den Anteil der befragten Kunden an, die zufrieden oder sehr zufrieden mit dem Produkt oder Service waren.
Der CSAT ist vielseitig einsetzbar, da er sich auf jede Interaktion eines Kunden mit Ihrem Unternehmen beziehen kann. Es ist auch unmittelbar, denn Sie erhalten direktes Feedback zu einer bestimmten Erfahrung. Im Vergleich zum NPS geht es beim CSAT eher um die kurzfristige Zufriedenheit, die Kunden im jeweiligen Moment empfinden. Wenn die langfristige Kundenbindung gemessen werden soll, ist der NPS vermutlich besser geeignet. Der CSAT ist daher am nützlichsten, um kurzfristige Änderungen der Kundenzufriedenheit vor und nach einer Änderung oder einer neuen Maßnahme zu überwachen.
Generell sollte man beachten, dass die Ergebnisse meist leicht verzerrt sind. Leicht zufriedene oder unzufriedene Kunden neigen nämlich dazu, die Frage völlig zu ignorieren. Außerdem ist der CSAT schlecht geeignet um Kundenverhalten oder Wachstumspotenziale vorherzusagen. Ähnlich wie der NPS ist auch der CSAT einfach abzunehmen. Gleichzeitig auch dieses Verfahren nicht geeignet um die Ursachen für unzufriedene Kunden zu ermitteln. Der CSAT ist oft ein natürlicher erster Schritt um Kundenzufriedenheit messen zu können. Allerdings ist dieses Instrument alles andere als vollständig.
Der Kundenzufriedenheitsindex (CSI): Ursachen für unzufriedene Kunden aufspüren
Der Kundenzufriedenheitsindex ist auch bekannt unter seinem englischen Namen Customer Satisfaction Index (CSI). Für den Kundenzufriedenheitsindex wird die Zufriedenheit mit verschiedenen Bereichen abgefragt. So wird beispielsweise in einem Kundenzufriedenheit Fragebogen die Zufriedenheit mit der Reaktionsfähigkeit, Sauberkeit, Produktqualität und Preis gemessen. Anschließend werden die Ergebnisse für die einzelnen Bereiche kombiniert Ergebnisse, um einen Index für die allgemeine Kundenzufriedenheit zu ermitteln. Dabei werden die jeweiligen Bereiche ja nach Wichtigkeit unterschiedlich gewichtet. Entscheidend für diese Gewichtung ist dabei die Kundenloyalität.
Der CSI ist ein umfangreiches und extrem aussagekräftiges Instrument um die Kundenzufriedenheit messen zu können. Es erlaubt eine detaillierte Aufnahme der Schwächen und Stärken eines Produktes oder Unternehmens. Gleichzeitig kann auch festgestellt werden, welche Aspekte letztendlich entscheidend für die Kundenzufriedenheit sind und welche nicht.
Allerdings ist dieses Verfahren deutlich aufwendiger als beispielsweise die Ermittlung des NPS. Einerseits sollte eine ausreichend große und repräsentative Stichprobe verfügbar sein um belastbare Aussagen zu erlauben. Andererseits benötigt dieses Verfahren fortgeschrittene statistische Verfahren wie beispielsweise Regressionsanalysen oder Strukturgleichungsmodelle.
Zusammenfassend lässt sich sagen, dass das Monitoring der Kundenzufriedenheit durch einen CSI unbedingt lohnenswert ist: Der Kundenzufriedenheitsindex erlaubt detaillierte Einblicke in die Bedürfnisse und Befindlichkeiten der Kunden. Dadurch sind sehr gezielte Maßnahmen möglich, um die Kundenzufriedenheit zu steigern. Gleichzeitig benötigt die korrekte Durchführung dieses Verfahrens eine hohe Fachkompetenz. Wir empfehlen daher unbedingt die Unterstützung durch professionelle Statistik Beratung!
Customer Effort Score (CES): Wie leicht lassen sich Probleme für Kunden lösen?
Einen grundlegend anderen Ansatz zur Messung der Kundenzufriedenheit verfolgt der Customer Effort Score (CES; deutsch: Kundenanstrengung). Die Frage für den Kundenzufriedenheit Fragebogen lautet hier: “Wie viel Aufwand mussten Sie aufwenden, damit Ihr Problem gelöst wurde?”
Die Idee hinter diesem Verfahren stammt aus einem sehr populären wissenschaftlichen Artikel im Harvard Business Review. In dieser Untersuchung demonstrierten die Autoren, dass ein überdurchschnittliches Maß an Kundenzufriedenheit nicht unbedingt zu einer erhöhten Loyalität führt. Ein Unternehmen sollte daher nicht zu viel Aufwand darauf verwenden, seine Kunden für ein Produkt oder ein Unternehmen zu begeistern. Stattdessen wäre es effizienter, diese Ressourcen einzusetzen um unnötigen Aufwand für die Kunden zu reduzieren. Kundenbindung lasse sich vor allem erreichen, indem man den nötigen Aufwand für Kunden verringert.
Der CES wird in der Regel durch eine einzige Frage mit einer Likert-Skala von 1 bis 5 (manchmal von 1 bis 7) gemessen. Es ist empfehlenswert außerdem die Option zu einer offenen Text-Antwort zu geben, damit Kunden die Ursachen für hohen Aufwand angeben können.
Der CES ist ideal geeignet, um genau die Bereiche Ihres Services zu identifizieren, die unnötige Arbeit für Ihre Kunden verursachen. Diese Bereiche sollte man dann dringend verbessern, wenn man die Kundenzufriedenheit steigern möchte.
Wie man die Sentiment-Analyse zur Kundenzufriedenheitsanalyse nutzt
Kundenfeedback erhält man nicht nur über Umfragen zur Kundenzufriedenheit. So lässt sich auf Twitter zu so ziemlich jedem Produkt eine Vielzahl an Kundenmeinungen finden. Kunden äußern Ihre Meinung gerne – ob positiv oder negativ. Erfolgreiche Unternehmen nutzen daher die Kundenzufriedenheitsanalyse als Kompass für Ihre Produktstrategie. Es ist also für jedes Unternehmen ratsam, Kundenfeedback zu überwachen und aus diesem zu lernen. Um relevant und innovativ zu bleiben ist es unabdingbar, dass ein Unternehmen seine Strategie stetig neu anhand der Bedürfnisse seiner Kunden ausrichtet. Mit soliden Feedback-Daten, ob aus Kundenbewertungen, Support-Tickets oder Social Media, kann man durch eine Sentiment-Analyse untersuchen, welche Produkte gut bei den Kunden ankommen und welche eher nicht. In diesem Beitrag wollen wir deshalb zeigen, welche Möglichkeiten eine Sentiment-Analyse und maschinelles Lernen für die Auswertung von Kundenfeedback bietet.
Wenn auch Sie eine professionelle Kundenzufriedenheitsanalyse durch eine Sentiment-Analyse durchführen wollen, stehen Ihnen unsere Experten gerne für ein persönliches Gespräch zur Verfügung! Gerne unterstützen wir Sie auch bei der Datenauswertung, wenn Sie eine Kundenzufriedenheitsanalyse oder eine Sentiment-Analyse planen!
Was ist eine Sentiment-Analyse?
Millionen von Menschen äußern im Internet tagtäglich ihre Meinungen über Produkte und Marken, sei es in einer Rezension, in einem Tweet oder in einem Facebook-Post. Unternehmen haben ein starkes Interesse daran, diese “Gespräche” abzufangen, damit sie mehr über ihre Kunden sowie die Kunden ihrer Wettbewerber erfahren können.
Angesichts der Vielzahl an verfügbaren Daten ist es für Unternehmen allerdings unmöglich, manuell nach Bewertungen und Kommentaren zu suchen und diese zu analysieren. Dank der Sentiment-Analyse kann man diesen Prozess jedoch automatisieren. Durch maschinelles Lernen und Textanalyse können Algorithmen Aussagen als positiv, negativ und neutral klassifizieren.
Die Sentiment-Analyse kann daher für die Kundenzufriedenheitsanalyse genutzt werden, um die Emotionen, Eindrücke und Einstellungen, die ein Unternehmen umgeben zu erfassen. Diese Erkenntnisse kann man anschließend nutzen, um Vertriebs- und Marketingentscheidungen zu treffen. Dieser Prozess ist auch bekannt als Tonalitätsanalyse. Er erlaubt die Auswertung großer Datenmengen, um mehr über Kunden und Wettbewerber zu erfahren.
Wir beraten Sie, welche Verfahren zur Sentiment-Analyse für Ihr Unternehmen optimal sind. Unsere Angebotspalette zum Thema Data Mining umfasst eine große Bandbreite an Leistungen. Nehmen Sie hierzu Kontakt mit uns auf und profitieren Sie von unseren Erfahrungen im Bereich Kundenzufriedenheitsanalyse.
Eine Kundenzufriedenheitsanalyse mit einer Tonalitätsanalyse kann beispielsweise solche Fragen beantworten wie:
- Welche Produkte sind bei den Kunden am beliebtesten?
- Singen die eigenen Kunden unentwegt Loblieder für ein Produkt? Oder sind Sie eher unzufrieden?
- Welche Meinungen haben meine Kunden zu einem aktuellen Trendthema?
Basierend auf diesen Daten kann man also erfahren, was sich Kunden wünschen und erwarten. Die Stimmung der Kunden hat einen direkten Einfluss auf die Positionierung des Unternehmens und die Produktvermarktung.
Wofür wird die Tonalitätsanalyse eingesetzt?
Die Sentiment-Analyse wird in zahlreichen Anwendungsbereichen und für vielfältige Zwecke eingesetzt. Eine Tonalitätsanalyse kann man beispielsweise zur Analyse von Social Media Posts, Tweets und Produktbewertungen verwenden. Hierdurch kann man Meinungen und Reaktionen zu einem Produkt oder Unternehmen verfolgen. Häufig wird aber auch speziell die Zufriedenheit mit der Kundenbetreuung überwacht. Letztendlich kann man durch diese Maßnahmen den Kundenservice und die Kundenzufriedenheit verbessern. Solch eine Kundenzufriedenheitsanalyse ist daher ideal für die Marktforschung und zur Überwachung der Marken- und Produktreputation.
Im Reputationsmanagement ermöglicht die Tonalitätsanalyse dem Unternehmen, die Einstellung der Kunden zur gesamten Produktpalette zu überwachen. Somit kann ein Unternehmen Verbesserungen an Produkten vornehmen, die perfekt auf die Kundenanforderungen abgestimmt sind. Genauso lassen sich aber auch einzelne Aspekte einer Dienstleistung oder eines Produktes auswerten. So entsteht ein differenziertes Meinungsbild.
Diese Methoden werden nicht nur zu Analysezwecken, sondern auch für Vorhersagen eingesetzt. Studien deuten beispielsweise darauf hin, dass positive Stimmungen einen Aufwärtseffekt auf Aktienkurse haben können.
So funktioniert die Sentiment-Analyse
Angenommen, ein Restaurant möchte seine Online-Bewertungen mit einer Kundenzufriedenheitsanalyse auswerten. Die Sentiment-Analyse kann solche Bewertungen schnell als “positiv”, “negativ” oder “neutral” einstufen. So wird beispielsweise “Das Essen war köstlich” als stark positiv eingestuft. “Der Service ist mies” wird dagegen als stark negative Bewertung identifiziert. Dank eines “Sentiment Wortschatz” (auch “Sentiment Library” oder “Bags of Words”) kann eine Sentiment-Analyse Substantive, Verben, Adjektive und Adverbien in diesen Texten leicht identifizieren. Der Algorithmus kann dadurch erkennen, dass “köstlich” ein Indikator für eine positive Bewertung ist, während “mies” eine negative Bewertung andeutet. Diese Methode nennt man auch wörterbuchbasiertes Verfahren.
Die Sentiment-Analyse vergibt in der Regel einen Score für jeden Textes. Das Spektrum dieser Punktzahl liegt dabei meistens zwischen +1 (sehr positiv) und -1 (sehr negativ). Auf diese Weise kann ein Algorithmus zwischen einer begeisterten Bewertung und einem eher milden, aber noch positiven Bewertung unterscheiden.
Herausforderungen bei einer Sentiment-Analyse
Im letzten Abschnitt haben wir die Bewertung von relativ eindeutigem Feedback besprochen. Eine Bewertung wie “Produkt X ist großartig” ist über wörterbuchbasierte Verfahren leicht als stark positiv zu bewerten. Wenn alle Bewertungen so eindeutig wären, wäre es ganz einfach, einen Algorithmus für diese Aufgabe einzusetzen. Die meisten Rezensionen sind jedoch subtiler und differenzierter. Ein Kunde kann zum Beispiel schreiben: “Das Essen war gut, aber die Musik war zu laut.” Ein anderer könnte das Restaurant “nicht schlecht” nennen.
In vielen Fällen ist auch der Kontext entscheidend für die Bewertung von Wörtern. “Wir mussten 45 Minuten warten, um einen Tisch zu bekommen. Ganz toll!” Für einen Menschen ist klar, dass “toll” hier sarkastisch gemeint ist. Woher wissen wir das? Wegen des Kontextes. Wir haben den vorherigen Satz gelesen, in dem von einer langen Wartezeit die Rede ist. Daher verstehen wir, dass der Kommentar überhaupt nicht positiv ist. Eine präzise Sentiment-Analyse muss also in der Lage sein, Sarkasmus aus dem Gesamtkontext zu erkennen. Andernfalls kommt es zu einem ungenauen Stimmungsbild.
Kontext in Kundenfeedback berücksichtigen durch maschinelles Lernen
Wer eine besonders präzise Tonalitätsanalyse benötigt, sollte daher auf Algorithmen des maschinelles Lernens (Machine Learning Algorithmen) zurückgreifen, bspw. das Reinforcement Learning. Solche Verfahren sind deutlich genauer als Wörterbuch-Verfahren. Allerdings muss der Algorithmus beim maschinellen Lernen erst durch Beispieldaten von Menschen trainiert werden. In solch einem Trainingsdatensatz gibt es bereits von Menschen vorgenommen Bewertungen der Stimmungsbilder. Ein großer Vorteil vom maschinellen Lernen besteht darin, dass dem Algorithmus die Bedeutung von Kontext “angelernt” werden kann. Es werden also nicht bloß einzelne Wörter bewertet, sondern Textstücke werden als Ganzes bewertet. Somit kann einem Algorithmus auch ein rudimentäres Grundverständnis von Ironie antrainiert werden.
Erfahrungsgemäß sind Sentiment-Analyse meistens sehr stark themenbezogen. Das bedeutet auch, dass das Training der Maschine thematisch jedes Mal neu angepasst werden. Selbstverständlich ist die Erstellung eines themenbezogenen Trainingsdatensatzes deutlich kostenintensiver als die Verwendung relativ simpler Wörterbuch-Verfahren. Belohnt wird dieser Einsatz durch deutlich präzisere und belastbarer Ergebnisse. Letztendlich gilt es hier eine wohlüberlegte Abwägung der Kosten und Nutzen vorzunehmen. Unsere Experten beraten Sie gerne, welche Verfahren für Ihren speziellen Anwendungsfall am sinnvollsten sind.
Zwischenfazit: Sentiment-Analyse zur Kundenzufriedenheitsanalyse
In diesem Artikel haben wir die Sentiment-Analyse als Verfahren für die Kundenzufriedenheitsanalyse vorgestellt. Richtig eingesetzt bietet die Sentiment-Analyse ein mächtiges Werkzeug, um Unternehmen erfolgreiche Kundeninteraktionen zu ermöglichen. Eine Tonalitätsanalyse kann mit generischen Wörterbüchern arbeiten und so eine schnelle Auswertung und Überwachung von Stimmungsbildern ermöglichen. Insbesondere für kritische Geschäftsentscheidungen (beispielsweise über spezielle Produktmerkmale) sollte man aber auf personalisierte Lösungen zurückgreifen. Das höchste Maß an Präzision kann letztendlich nur themenbezogene Algorithmen erreicht werden. Diese speziellen Modelle aus dem Bereich des maschinellen Lernens müssen jedoch erst mit viel Fachkenntnis trainiert werden.
Wir beraten Sie gerne zu allen Themen rund um die Sentiment-Analyse und zum Thema maschinelles Lernen. Kontaktieren Sie uns für ein unverbindliches Beratungsgespräch!
Fazit: Kundenzufriedenheit messen & Kundenzufriedenheit steigern
Ein Unternehmen bleibt nur dann erfolgreich, wenn es stets bemüht die eigene Kundenzufriedenheit steigern zu können. Sie können Ihre Kundenzufriedenheit aber nicht steigern, wenn Sie nicht wissen, wo Sie derzeit stehen. Es ist daher absolut notwendig für jedes Unternehmen regelmäßig die Kundenzufriedenheit ermitteln zu können. Nur so erhält man ein klares Verständnis für die eigenen bestehenden Standards und kann sich mit den Branchenstandards vergleichen. Somit ermöglicht man eine kontinuierliche Verbesserung des Kundenerlebnisses und eine langfristige Kundenbindung.
In diesem Artikel haben wir die 5 wichtigsten Verfahren zur Ermittlung der Kundenzufriedenheit vorgestellt. Welche Methode dabei am geeignetsten ist, hängt dabei immer von den speziellen Bedürfnissen des jeweiligen Unternehmens ab. Häufig ist auch eine Kombination der verschiedenen Modelle sinnvoll, um die Vorteile der Verfahren ideal auszunutzen. Wir beraten Sie hierzu gerne umfassend von der Messung der Kundenzufriedenheit bis zur Auswertung der gewonnenen Daten. Nutzen Sie unser umfangreiches Know-How im Bereich Customer-Experience-Management durch eine Statistik Beratung!