Blog | 3 Scoring-Modelle für besseres Kunden-Feedback

Veröffentlicht 18.03.2015 Questback

3 Scoring-Modelle für besseres Kunden-Feedback

Wer beruflich mit der Erhebung von Kunden-Feedback zu tun hat, muss sich auch mit Scoring-Modellen auseinandersetzen.Experten sind sich jedoch uneins darüber, ob man die besseren Erkenntnisse durch quantitative oder qualitative Daten gewinnt. Dabei muss man sich gar nicht unbedingt festlegen, denn beide Datenarten sind aus verschiedenen Gründen hilfreich und wichtig.Indem man Antworten auf Zahlen reduziert, kann man viele statistische Analysen durchführen – quantifizierbare Daten sind also zweifelsohne sehr nützlich. Welche Methode man wählt, um die Daten zu quantifizieren und modellhaft darzustellen, wirkt sich jedoch erheblich auf die Interpretation dieser Daten aus. Und jedes Scoring-Modell eröffnet eine andere Perspektive.In diesem Artikel stellen wir drei Scoring-Modelle vor, die weitverbreitet sind, aber häufig auch missverstanden werden. Wir beleuchten ihre Vorteile und Schwachstellen, damit Sie sich ein eigenes Bild davon machen können, wie sich Ihre Wahl des Scoring-Modells auf die Qualität Ihrer Kundendaten auswirkt – und auf die Schlussfolgerungen, die Sie daraus ziehen.

Die Quantifizierung qualitativer Daten

Bevor wir uns den gängigsten Scoring-Modellen zuwenden, sei darauf hingewiesen, dass auch Antworten, die nicht in Form von Zahlen erhoben werden, statistisch analysiert werden können.Denn es spielt keine Rolle, ob Sie jemanden bitten, seine Meinung auf einer Skala von 1 bis 5, von „stimme überhaupt nicht zu" bis „stimme voll zu" oder von „trauriger Smiley" bis „glücklicher Smiley" abzugeben – das Ziel ist stets die Quantifizierung der Antworten, indem Sie beispielsweise dem „traurigen Smiley" eine Punktzahl von 1 und dem „glücklichen Smiley" eine Punktzahl von 5 zuordnen.Wenn man möchte, kann man sogar rein qualitative Daten – z.B. Antworten auf offene Fragen – einer Reihe von Zahlen zuordnen, indem man etwa die Keyword-Häufigkeit oder die Häufigkeit von Worten analysiert, die auf Phrasen wie „Ich mag...", „Ich möchte..." oder „Ich mag nicht..." folgen.

Net-Scoring-Modell

Beim Net-Scoring – oder auch Überhang-Scoring – zieht man eine Kennzahl von einer anderen ab, um am Ende eine einzige Kennzahl zu bekommen, die leicht zu merken und zu verstehen ist.Das wohl bekannteste Beispiel ist die Net Promoter Score™, der in mehreren Schritten berechnet wird:

  1. Stellen Sie Ihren Kunden folgende Frage: „Wie wahrscheinlich ist es, dass sie unser Unternehmen einem Freund oder Kollegen empfehlen würden?"
  2. Ignorieren Sie nun alle „indifferenten" Ratings von 7 oder 8 auf einer Skala von 10. (Die Erfinder des Net Promoter Score waren der Ansicht, dass der neutrale Punkt der Kundenstimmung höher liegen sollte als der Mittelwert der Skala – spricht das für die Subjektivität des Verbrauchers oder der Erfinder?)
  3. Berechnen Sie nun den prozentualen Anteil der Kunden, die mit 0 bis 6 – die sogenannten Detraktoren – und mit 9 oder 10 – die sogenannten Promotoren – geantwortet haben.
  4. Ziehen Sie den Anteil der Detraktoren von dem der Promotoren ab.
  5. So erhalten Sie die Net Promoter Score. Wenn diese Zahl höher ist als 0, würden mehr Kunden Ihr Unternehmen weiterempfehlen als Kunden, die das nicht tun würden. Liegt diese Zahl bei 0, machen Sie irgendetwas falsch.

Diese Perspektive auf Kunden hat einen Makel. Abgesehen von der ungewöhnlichen Definition und Handhabung der neutralen Ratings, verrät Ihnen ein Net-Scoring-Modell nur die halbe Wahrheit.Nehmen wir an, Sie errechnen eine Kennzahl von +15. Dann kann es sein, dass Sie 20 % positives Feedback und 5 % negatives Feedback bekommen haben. Oder aber auch 50 % positives Feedback und 35 % negatives Feedback. Oder es waren 15 % der Antworten positiv und 0 % negativ. Aber möchten Sie nicht lieber ganz genau wissen, ob nun 0 % oder 35 % Ihrer Kunden unzufrieden waren? Aber sicher. Nur werden Sie das mit einem Net-Scoring-Modell nie erfahren.

Verhältnismodell

Das Verhältnis-Scoring ist quasi die Anwendung des Nullsummenspiels auf die Messung von Kennzahlen. Wie der Name besagt, erhalten Sie damit das Verhältnis zwischen zwei Kennzahlen, wobei davon ausgegangen wird, dass die eine Kennzahl kleiner wird, wenn die andere sich vergrößert. Wenn Sie in einer Meinungsumfrage also 120 positive und 60 negative Antworten bekommen, liegt das Verhältnis bei 2:1.Bei Quoten oder Raten wie der Konversionsrate oder der Retourenquote handelt es sich um Verhältnisse, die als Bruch oder prozentualer Anteil wiedergegeben werden. Eine Konversionsrate von 1 von 10 entspricht einem Verhältnis von 1:9 zwischen Konversionen und Nicht-Konversionen. Eine Retourenquote von 1 % entspricht einem Verhältnis von 1:99 zwischen zurückgegebenen und nicht zurückgegebenen Artikeln.Raten und Verhältnisse sind handliche Kennzahlen, die recht einfach verständlich sind. Denn jeder weiß, was es heißt, wenn z.B. „9 von 10 Kunden planen, wieder bei uns einzukaufen". Der Nachteil ist jedoch, dass sich solche Kennzahlen sehr schnell und mitunter radikal verändern, ohne dass sich ablesen lässt, welche Seite der Verhältnisgröße sich verändert hat.Ein Beispiel: Wenn Sie im Rahmen einer Kundenumfrage erfahren, dass die Zahl der Kunden, die planen, wieder in Ihrem Geschäft einzukaufen, auf 5 von 10 abgefallen ist – was ist dann der Grund dafür? Es könnte beispielsweise daran liegen, dass sich unter den Kunden, die am Tag der Umfrage in Ihr Geschäft kamen, eine große Reisegruppe befand, die morgen nicht mehr in der Stadt sein wird. Oder gab es stattdessen einen Vorfall, der Ihre Stammkunden von einem zukünftigen Einkauf abgeschreckt hat?Verhältnisgrößen sind sehr hilfreich, um Bereiche zu identifizieren, die es sich lohnt, gründlicher zu analysieren – ein genaues Abbild von der Wirklichkeit hingegen können sie nicht bieten. Um konkrete Erkenntnisse zu gewinnen, müssen Sie schon die „feinkörnigeren" Daten unter die Lupe nehmen.

Ranking-Modell

Nehmen wir an, Sie haben bereits in Erfahrung gebracht, dass der Großteil Ihres Umsatzes von einem kleinen Prozentsatz Ihrer Stammkunden kommt. Welche Kunden gehören dann zu dem einen Prozent Ihrer treuesten Kunden und wer sind die 100 hochwertigsten Käufer?Indem Sie prozentuale Anteile, Top-100-Ranglisten und andere Ranking-Formen heranziehen, machen Sie sich zunutze, dass Sie mit diesem Modell auf den ersten Blick die Spitzen und Mittelwerte eines Spektrums erkennen können. Wenn Sie eine einzige Kennzahl auswählen und alle Kunden entlang dieser Achse anordnen, können Sie die oberen, unteren und mittleren Kunden – oder auch Produkte, Kundendienstmitarbeiter usw. – ermitteln.Der Nachteil an einem solchen Ranking-Modell ist jedoch, dass dadurch willkürliche Grenzen gezogen werden, z.B. der 100. oder 101. hochwertigste Kunde. Die Differenz zwischen dem Wert dieser beiden Kunden liegt aber womöglich nur bei einem Cent. Sie verpassen jedoch eine riesige Chance, wenn Sie den Kunden auf Rang 101 aufgrund dieser Bewertung vernachlässigen. Daher sollten Sie sorgfältig darüber nachdenken, welche Daten Sie nach Ranglisten ordnen und warum.

Achtung – subjektive Meinungen!

Ganz gleich, für welches Scoring-Modell Sie sich entscheiden – bedenken Sie immer, dass die Meinungen und Antworten in einer Umfrage unter realen Kunden stets subjektiv sind. Ebenso wie die Auswertung dieser Daten.Sie glauben vielleicht, dass 5 von 10 neutral ist – der Teilnehmer einer Kundenumfrage sieht das aber vielleicht ganz anders. Auch wenn Sie der Überzeugung sind, dass eine Konversionsrate von 70 % eine ausgezeichnete Bilanz darstellt, möchte Ihr Vorstand vielleicht wissen, was mit den restlichen 30 Prozent geschehen ist. Sie können sich also noch so intensiv mit den Zahlen befassen – dahinter verbergen sich immer echte Menschen mit echten Vorurteilen und teilweise auch irrationalen Einstellungen. Wir freuen uns darauf, von Ihnen zu hören.


Möchten Sie sehen, wie Questback für Ihr Unternehmen arbeiten kann?