Fachartikel

MÄR2011
Ausgabe 3/2011, Seite 38 | 11-03-38-1

wissen, was zählt

Erfassung nicht kompensierbarer Faktoren in der Kundenzufriedenheitsforschung

Wie nehmen Kunden ein Unternehmen wahr und welche Faktoren sind für ihre Zufriedenheit besonders wichtig? Oliver Skeide stellt am Beispiel des Mobiltelefonmarktes ein Verfahren vor, das auf dem „Penalty-Reward"-Modell basiert und misst, wie viele „Strafpunkte" (Penalties) Kunden für inakzeptable Leistungen und wie viele „Bonuspunkte" (Rewards) sie für herausragende Leistungen vergeben würden.

Modelle, die die Kundenzufriedenheit und ihre Einflussfaktoren abbilden, basieren üblicherweise auf linearen kompensatorischen Ansätzen. Die Einflussfaktoren werden nach Bedeutsamkeit gewichtet und mit der für jeden Faktor erzielten Leistung multipliziert. Die Summe dieser Produkte ergibt dann die Zufriedenheit. Das heißt, wenn ein Unternehmen bei Attribut X schlecht abschneidet und bei Attribut Y hervorragende Werte erzielt, wird unter dem Strich die Gesamtzufriedenheit positiv ausfallen. Die schwache Leistung auf einer Dimension kann durch die starke Leistung auf einem anderen Gebiet ausgeglichen, also kompensiert werden. Doch entspricht diese Annahme der Realität?

In Wirklichkeit erleben wir häufig, dass eine besonders schlechte Leistung bereits ausreichen kann, um insgesamt unzufrieden zu sein. Wie gut das Unternehmen auch auf anderen Dimensionen abschneidet - ein besonders negatives Ereignis verdirbt das gesamte Kundenerlebnis. Hier handelt es sich um einen „nicht kompensierbaren" Faktor, den selbst die Addition aller guten Leistungen nicht wieder wettmachen kann. Natürlich ist dies auch im positiven Sinne möglich. Die außergewöhnliche Leistung auf nur einer Dimension wiegt sämtliche Unzulänglichkeiten auf, die ebenfalls festgestellt wurden.

Bessere Prognose als bei traditionellen Verfahren
In diesem Beitrag stellen wir ein Verfahren vor, das auch nicht kompensierbare Faktoren berücksichtigt und somit ein wesentlich besseres Verständnis davon liefert, wie Kunden ein Unternehmen wahrnehmen. Von Maritz Research durchgeführte Validierungsstudien haben belegt, dass der Ansatz eine deutlich höhere Prognosegüte hat als traditionelle Verfahren. Unternehmen sind dadurch in der Lage zu erkennen, worauf es dem Kunden wirklich ankommt. Weitere Vorteile unseres Ansatzes sind:

  • Die Abfrage erfordert kaum zusätzliche Interviewzeit und ist für den Befragten einfach und intuitiv zu handhaben.
  • Die Modellierung erfolgt zunächst auf Individualbasis. Da nicht alle Kunden gleich sind, ist nicht nur die Form der Analytik überlegen. Die gewonnene Datenbasis bildet zugleich auch eine ideale Grundlage für darauf aufbauende Segmentierungen.

Unser Ansatz beruht auf dem ursprünglich von Joffre Swait (1998) entwickelten „Penalty-Reward"-Modell. Zunächst bitten wir die Befragten um die Angabe ihrer Gesamtzufriedenheit. Dann fragen wir zufriedene oder begeisterte Personen, was ihnen besonders gefallen hat. Die unzufriedenen Kunden fragen wir, was so ärgerlich war, dass die Gesamterfahrung als negativ empfunden wurde. Für beides verwenden wir ein einfaches Checklisten-Format, bei dem Befragte lediglich zustimmen müssen. Im Anschluss erfolgt die skalierte Beurteilung aller weiteren Leistungsattribute. Dabei werden nur Aspekte abgefragt, die im vorherigen Abschnitt nicht ausgewählt wurden. Somit ist gewährleistet, dass das Interview kompakt bleibt und einen leicht zu folgenden Ablauf behält. In der Analyse stellen wir fest, welchen Einfluss die einzelnen Faktoren auf die Zufriedenheit haben. Darüber hinaus ermitteln wir, wie viele „Strafpunkte" (Penalties) Kunden für inakzeptable Leistungen und wie viele „Bonuspunkte" (Rewards) sie für herausragende Leistungen vergeben würden.

Wir erhalten somit:

  • Koeffizienten (Gewichtungen) für jedes Attribut,
  • eine zusätzliche positive Gewichtung (Reward), wenn Be- fragte sagen, dass ein Attribut hervorragend war und zu einem großartigen Erlebnis beigetragen hat,
  • eine zusätzliche negative Gewichtung (Penalty), wenn Befragte Attribute anführen, die ihr Kundenerlebnis zerstört haben.


Fallstudie aus dem MobiltelefonmarktEine kürzlich von Maritz Research durchgeführte Studie im Mobiltelefonmarkt untersuchte die Kundenerfahrungen im Einzelhandelsumfeld der Anbieter. 300 Personen wurden direkt nach ihrem Besuch in einem Mobiltelefon-Shop befragt. Sie durchliefen einen Fragebogen, anhand dessen wir im Rahmen unseres nicht kompensatorischen Modells die Gesamtzufriedenheit und Bewertungen für neun Attribute ermittelten. Mit einer Kontrollgruppe von weiteren 300 Teilnehmern wurde eine traditionelle Kundenzufriedenheitsuntersuchung durchgeführt, in der dieselben Attribute abgefragt wurden.

Im Vergleich weisen die durch multiple Regression gewonnenen Faktoren und jene unserer Penalty-Reward-Analyse deutliche Unterschiede auf. Im Penalty-Reward-Modell können wir drei Einflussfaktoren mit signifikanten Koeffizienten (blaue Zellen) feststellen (Abb. 1): Es sind die Attribute „Verkäufer hatte die Infos, die ich brauchte" (0,18), „Mein Telefon war vorrätig" (0,07) und „Preis des Telefons" (0,15). Die für die Kontrollgruppe (rote Zellen) im Rahmen der Standardmessung durchgeführte Regression ergibt ebenfalls drei signifikante Prädiktoren. Übereinstimmung besteht lediglich für das Attribut „Preis des Telefons" (0,13). Die Regression weist die Attribute „Informationsmaterial" (0,15) und „Freundlichkeit des Verkäufers" (0,38) als signifikant aus, weicht also erheblich von der Penalty-Reward-Analyse ab.

Doch welchen Ergebnissen ist nun zu vertrauen? Ein Blick auf die Vorhersagewahrscheinlichkeit verrät es: Das Standardregressionsmodell der Kontrollgruppe weist bereits ein solides r2 von 0,30 auf, das Penalty-Reward-Modell besitzt jedoch ein überzeugendes r2 von 0,65.

Das Penalty-Reward-Modell liefert zudem auch Erkenntnisse darüber, welche Attribute das Erlebnis perfekt machen oder „ruinieren" können. Wir erkennen, dass vier Aspekte erhebliches Potenzial besitzen, die Gesamterfahrung positiv zu gestalten, was von jeweils rund einem Drittel so gesehen wurde. Die entsprechenden Bonuswerte rangieren im moderaten Bereich von 0,17 für „Professionalität des Verkäufers" bis 0,26 für „Mein Telefon war vorrätig".

Auf der anderen Seite lassen sich fünf kritische Faktoren feststellen: „Verkäufer hatte die Infos, die ich brauchte", „schnelle Bedienung", „mein Telefon war vorrätig", „Verbindungstarife" und „Informationsmaterial". Das Attribut „Verkäufer hatte die Infos, die ich brauchte" ist besonders relevant. Bei 33 Prozent der Befragten wurde hier die Kundenerfahrung nachhaltig beeinträchtigt, bei moderat hohen Strafpunkten. Bei den übrigen vier „heiklen" Attributen ist der Anteil an Nennungen zwar gering, der Strafwert jedoch eher hoch. So wird beispielsweise das Attribut „schnelle Bedienung" nur von sechs Prozent der Befragten als besonders negativ wahrgenommen. Der Strafwert aber ist mit 0,96 der mit Abstand höchste der gesamten Befragung.

Die wahren Treiber erkennenDas nicht kompensatorische Penalty-Reward-Modell von Maritz Research bietet wertvolle Erkenntnisse darüber, was ein Kunde wahrnimmt und worauf es ihm wirklich ankommt. Dieses innovative Verfahren ermöglicht es uns, nicht nur die wahren Treiber der Zufriedenheit zu erkennen, sondern auch die Attribute zu identifizieren, die das Kundenerlebnis zum Top oder zum Flop werden lassen.

Diese nicht kompensierbaren Faktoren zukünftig zu ignorieren, würde bedeuten, weniger zufriedene Kunden in Kauf zu nehmen und schlussendlich auf mögliche Gewinne zu verzichten.

Oliver Skeide verantwortet bei Maritz Research als Research Director branchenübergreifend die Ad-hoc-Forschung für Kunden des Instituts in Deutschland.
Maritz Research >>

Das könnte Sie auch interessieren


Diese Webseite verwendet Cookies. Cookies ermöglichen uns zu verstehen, wie Besucher unsere Webseite nutzen, damit wir sie verbessern und Ihnen das bestmögliche Erlebnis bieten können. Durch den Besuch unserer Website stimmen Sie der Verwendung von Cookies zu. Durch die Cookie-Einstellungen Ihres Internet-Browsers können Sie die Verwendung von Cookies blockieren. Weitere Informationen finden Sie unter Datenschutz.
akzeptieren
Mehr Marktforschung für Sie mit dem Research & Results Newsletter.
« Zur Anmeldung »