Skeide, O.: Nicht kompensierbare Faktoren, in - Maritz Research

36
Research
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 ba-
siert und misst, wie viele „Strafpunkte“ (Penal-
ties) Kunden für inakzeptable Leistungen und wie
viele „Bonuspunkte“ (Rewards) sie für herausra-
gende Leistungen vergeben würden.
esearch & esults 3 · 2011
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
wissen,
was zählt
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
Fotos: © Ray, Benjamin Thorn – Fotolia.com

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 Ab-
lauf 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
Mobiltelefonmarkt
Eine 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
Research
esearch & esults 3 · 2011
Anzeige
37

38
Research
Attribut
Verkäufer hatte die Infos, die
ich brauchte
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 r 2 von 0,30
auf, das Penalty-Reward-Modell besitzt jedoch ein überzeugendes
r 2 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
esearch & esults 3 · 2011
Koeffizient
nach
Standard-
regression
Koeffizient
nach nicht kompensatorischer
Analyse
Anteil der Befragten,
denen das Attribut
das Gesamterlebnis
perfektionierte (in %)
Reward
(Bonuswert)
Anteil der
Befragten, denen
das Attribut das
Gesamterlebnis
ruinerte (in %)
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 erkennen
Das 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. ■
Mehr Fachartikel zum Thema
„Kundenzufriedenheit” unter
www.research-results.de/fachartikel
Oliver Skeide
verantwortet bei Maritz Research als Research Director
branchenübergreifend die Ad-hoc-Forschung für Kunden
des Institutes in Deutschland.
www.maritzresearch.de
Penalty
(Strafwert)
0,18 33 -0,40
Mein Telefon war vorrätig 0,07 31 0,26 5 -0,68
Preis des Telefons 0,13 0,15
Verbindungstarife 4 -0,48
Informationsmaterial 0,15 30 0,25 1 -0,64
Freundlichkeit des Verkäufers 0,38 39 0,22
Professionalität des Verkäufers 34 0,17
Schnelle Bedienung 6 -0,96
Abb. 1 Quelle: Maritz Research