Was ist Kundenzufriedenheit?

Was ist Kundenzufriedenheit?

Sie ist das Urteil eines Kunden über das, was er erhalten hat, gemessen an dem, was er erwartet hat. Anderson und Sullivan (1993)¹ gehen von der verbreiteten Sicht aus, die sie von Kotler übernehmen: Zufriedenheit ist eine Bewertung der Produktqualität nach dem Kauf, vor dem Hintergrund der Erwartungen, die vor dem Kauf bestanden. Ihr eigenes Modell ist genauer. Sie setzen Zufriedenheit als Funktion der wahrgenommenen Qualität und der Diskonfirmation an („To begin, we posit satisfaction as a function of perceived quality and disconfirmation.“). Diskonfirmation bezeichnet, wie weit die wahrgenommene Qualität von den Erwartungen vor dem Kauf abweicht („which perceived quality fails to match prepurchase expectations“), und zwar in beide Richtungen, nach unten wie nach oben. In ihrem Ansatz ergibt sich die Zufriedenheit aus dem Nutzen der wahrgenommenen Qualität und einem Gewinn oder Verlust, wenn diese Qualität von der erwarteten abweicht; die Erwartungen wirken nur über die wahrgenommene Qualität und die Diskonfirmation auf die Zufriedenheit („expectations affect satisfaction only via perceived quality and disconfirmation“).

Geschätzt haben sie das Modell mit Daten von 22.300 Kunden von 57 Unternehmen in Schweden aus den Jahren 1989 und 1990 („22,300 customers of 57 companies in Sweden“). Die Telefonbefragung sollte eine landesweit repräsentative Stichprobe der Kunden großer Unternehmen liefern, von Fluggesellschaften und Banken bis zu PCs und Supermärkten. Jede befragte Person bewertete Zufriedenheit, Wiederkaufabsicht, Erwartungen, wahrgenommene Qualität, Diskonfirmation und die Beurteilbarkeit der Qualität auf Zehn-Punkte-Skalen. Die wahrgenommene Qualität setzt sich aus zwei Urteilen zusammen, Qualität bei gegebenem Preis und Preis bei gegebener Qualität; nach den Autoren erfasst sie daher den Wert, den ein Produkt oder eine Leistung bietet („the value provided by a product or service“). Geschätzt wurde das Modell für jedes Unternehmen und jedes Jahr getrennt, insgesamt 114-mal.

In diesem Leitfaden heißt Kundenzufriedenheit: das eigene Urteil eines Kunden nach Kauf oder Nutzung eines Angebots darüber, wie die erhaltene Qualität im Vergleich zur vorher erwarteten ausfällt. Sie blickt auf eine Erfahrung zurück, die der Kunde gemacht hat, und lässt sich nur erfragen. Sie unterscheidet sich von der Absicht, erneut zu kaufen, die sie nur zum Teil erklärt, von der Bereitschaft zur Weiterempfehlung, nach der der Net Promoter Score fragt, und von der tatsächlich beobachteten Kundenbindung. Zu beachten ist außerdem, dass die Qualitätsgröße im Modell von Anderson und Sullivan¹ eher dem Preis-Leistungs-Verhältnis entspricht als der Qualität allein.

Erhöhen Erwartungen die Zufriedenheit direkt?

In den Daten von Anderson und Sullivan¹ nicht. Die Forschung, auf der sie aufbauen, folgt dem Confirmation/Disconfirmation-Paradigma: Die Erwartungen bilden, wie sie es beschreiben, den Ausgangspunkt der Zufriedenheit („Expectations provide a baseline or anchor for level of satisfaction“), und die Diskonfirmation hebt oder senkt sie von dort aus. Die Autoren prüften diese Sicht gegen ihre eigene, indem sie die Erwartungen in die Zufriedenheitsgleichung aufnahmen. Die wahrgenommene Qualität ließ sich daraus nicht entfernen, die Erwartungen schon (F = 35,18 und 0,97, S. 138), und ihr Abstract hält fest, dass die Erwartungen die Zufriedenheit überraschenderweise nicht direkt beeinflussen („Surprisingly, expectations do not directly affect satisfaction“). Die Erwartungen hingen zwar positiv mit der wahrgenommenen Qualität zusammen, der sogenannte Assimilationseffekt, erklärten nach den Autoren aber keinen sehr großen Teil ihrer Varianz („not explain a very large proportion of the variance in perceived quality“), bei einem durchschnittlichen R² von 0,08. Der Koeffizient der wahrgenommenen Qualität war im Durchschnitt und in 105 der 114 Schätzungen größer als beide Diskonfirmationskoeffizienten; die Autoren sehen darin einen Hinweis, dass die wahrgenommene Qualität für Zufriedenheit und Kundenbindung wichtiger ist als die Diskonfirmation.

Auch die Beurteilbarkeit der Qualität spielt eine Rolle. Die Diskonfirmation nahm in beide Richtungen zu, je leichter sich die Qualität beurteilen ließ: Wer hohe und niedrige Qualität gut unterscheiden kann, erlebt eher eine Abweichung von seinen Erwartungen („they are more likely to experience disconfirmation“). Die Autoren folgern daraus, dass die Erwartungen für die Zufriedenheit mehr Gewicht bekommen, wenn die Qualität mehrdeutig oder schwer zu beurteilen ist („ambiguous or difficult to evaluate, then expectations will play a greater role in determining“).

Warum zählt ein Verfehlen der Erwartungen mehr als ein Übertreffen?

Weil in diesen Daten Verluste schwerer wogen als Gewinne. Anderson und Sullivan¹ teilten die Diskonfirmation in eine negative und eine positive Komponente mit getrennten Wirkungen auf die Zufriedenheit („both a negative and positive component with separate effects on satisfaction“) und gaben ihr die Form der Wertfunktion aus der Prospect Theory, in der ein Verlust schwerer wiegt als ein gleich großer Gewinn. Ihr Abstract nennt das Ergebnis: Qualität unter den Erwartungen wirkt stärker auf Zufriedenheit und Wiederkaufabsicht als Qualität über den Erwartungen („we find quality which falls short of expectations has a greater impact on satisfaction and repurchase intentions than quality which exceeds expectations.“). Die Annahme gleich großer Wirkungen wurde in einem gemeinsamen Test über alle 114 Schätzungen verworfen (F = 2,19, S. 138); der durchschnittliche Koeffizient lag bei 0,80 für negative und bei 0,56 für positive Diskonfirmation (Tabelle 4, S. 137), und die negative Wirkung war in 83 der 114 Schätzungen die größere. Das sind 73 Prozent; das Papier spricht von fast 80 Prozent („nearly 80%“).

Die Autoren ziehen daraus zwei Folgerungen: Ein Unternehmen liegt besser etwas zu hoch als zu niedrig, wenn es ein optimales Zufriedenheitsniveau festlegt, und weil negative Diskonfirmation dem Unternehmen mehr schadet, als positive ihm nützt („hurts the firm more than positive disconfirmation helps it“), sollte es die Zuverlässigkeit sichern, während es die Qualität verbessert.

Wie viel der Wiederkaufabsicht erklärt die Zufriedenheit?

Einen Teil. In den Daten von Anderson und Sullivan¹ stieg die Wiederkaufabsicht wie erwartet mit der Zufriedenheit („is positively influenced by the level of satisfaction, as expected“), mit einem durchschnittlichen Koeffizienten von 0,58 auf den beiden Zehn-Punkte-Skalen. Die Zufriedenheit erklärte aber im Schnitt nur etwa ein Fünftel ihrer Varianz, bei einem durchschnittlichen R² von 0,19 (Tabelle 4, S. 137). Die Autoren vermuten, dass die Größe der Konstante auf andere Einflüsse wie Wechselkosten oder Wechselvorteile hindeutet („other factors such as switching costs or switching benefits affect repurchase intentions“). Wiederkauf ist hier eine geäußerte Absicht: Kundenbindung wird über die Wiederkaufabsicht abgebildet („Retention is reflected in Repurchase Intentions“), also über eine Bewertung, nicht über einen beobachteten Kauf. Tatsächlich verlorene Kunden sind eine andere Größe, die der Leitfaden zur Kundenabwanderung definiert, und der Beitrag zu Voice of Customer erklärt, warum das, was Käufer sagen, und das, was sie später tun, auseinandergehen kann.

Der letzte Befund der Studie betrifft die Frage, welche Unternehmen am stärksten gefährdet sind. Das Modell beruht auf bayesianischem Lernen und sagt voraus, dass Kunden eines Unternehmens, das sie beständig zufriedenstellt, gefestigtere Erwartungen haben und diese nach einer einzelnen schlechten Erfahrung weniger stark anpassen; solche Kunden sind nachsichtiger („will be more forgiving“). Die Autoren nennen das die Abschirmungshypothese. Um sie zu prüfen, berechneten sie für jedes Unternehmen, wie stark die Wiederkaufabsicht auf Zufriedenheit, Qualität und Diskonfirmation reagiert, ausgedrückt als Elastizitäten der Wiederkaufabsicht, und korrelierten diese mit der durchschnittlichen Zufriedenheit des Unternehmens, beides gemessen als Abweichung vom Branchenmittel. Die Korrelation betrug −0,19 für die Zufriedenheitselastizität, −0,27 für die Qualitätselastizität (Tabelle 7; im Text −0,29) sowie −0,20 und −0,30 für die Elastizitäten der negativen und der positiven Diskonfirmation, jeweils auf dem 5-Prozent-Niveau signifikant (Tabelle 7, S. 140). Ihre Lesart: Unternehmen mit höherer Zufriedenheit reagieren weniger empfindlich auf Änderungen der Zufriedenheit als andere Unternehmen derselben Branche („sensitive to changes in satisfaction relative to other firms in the same industry“), was sie mit einer Versicherung vergleichen. Die Grenze benennen sie selbst: Die Bereinigung um Branchenmittelwerte bringt viele Restriktionen mit sich, weil es je Branche nur wenige Beobachtungen gibt („given the small number of observations per industry“).

Sagt der Net Promoter Score das Umsatzwachstum besser voraus?

Im einzigen Längsschnitttest dieser Behauptung, den diese Quellen berichten, nicht; dieser Test maß allerdings den Zusammenhang in denselben Jahren, keine Vorhersage. Anderson und Sullivan¹ stellten 1993 fest, dass hohe Zufriedenheitswerte weithin als bester Indikator für künftige Gewinne galten („are widely believed to be the best indicator“). Ein Jahrzehnt später wurde ein ähnlicher Anspruch für den Net Promoter Score erhoben, den der Berater Frederick Reichheld im Dezember 2003 einführte. Er beruht auf einer einzigen Frage: Die Befragten geben an, wie wahrscheinlich sie ein Unternehmen weiterempfehlen würden („First, survey respondents are asked to rate their likelihood of recommending a company“); der Anteil derer, die 6 oder weniger angeben, der Detraktoren, wird vom Anteil derer abgezogen, die 9 oder 10 angeben, der Promotoren, und die Differenz ist der Net Promoter Score („this difference represents a firm’s Net Promoter score“). Keiningham et al. (2007)², drei Hochschullehrende an Business Schools und der Leiter der Beratung eines Marktforschungsunternehmens, geben Reichhelds Behauptung wieder, der Wert sei im Vergleich zu anderen Fragen in Kundenbefragungen („compared with other survey-based questions asked of customers“) der beste Prädiktor für Wachstum („is the best predictor of growth“) und die eine Zahl, die man zum Wachsen brauche („the one number you need to grow“). Sie halten fest, dass die Belege für seinen Zusammenhang mit dem Wachstum bis dahin keiner strengen wissenschaftlichen Prüfung und Begutachtung unterzogen worden waren („subjected to rigorous scientific scrutiny and peer review“).

Geprüft haben sie die Behauptung, der Net Promoter Score sei der zuverlässigste Einzelindikator für die Wachstumsfähigkeit eines Unternehmens („single most reliable indicator of a company’s ability to grow“), mit dem norwegischen Kundenzufriedenheitsbarometer (Norwegian Customer Satisfaction Barometer, NCSB): mit Längsschnittdaten von 21 Unternehmen und mehr als 15.500 Interviews („longitudinal data from 21 firms and 15,500-plus interviews“), über zwei bis vier Jahre je Unternehmen. Das Barometer befragt Kunden aus einer landesweiten Zufallsstichprobe von Haushalten zu dem Dienstleistungsunternehmen, bei dem sie gekauft haben. Seine Empfehlungsfrage nutzte eine Zehn-Punkte-Skala, daher zogen die Autoren den Anteil der Bewertungen von 1 bis 6 vom Anteil der Bewertungen 9 und 10 ab; in einem Anhang legen sie dar, dass weder die Skala noch der Wortlaut der Frage noch kulturelle Unterschiede den Abstand zu Reichhelds Ergebnissen wahrscheinlich erklären. Aus denselben Interviews bildeten sie zehn weitere Zufriedenheits- und Loyalitätskennzahlen: den Zufriedenheitsindex des Barometers sowie Gesamtzufriedenheit, Wiederkaufabsicht und Weiterempfehlungsabsicht, jeweils als Mittelwert, als Top-Box-Anteil und als Top-2-Box-Anteil. Wie Reichheld korrelierten sie jede Kennzahl innerhalb der Branchen mit der Umsatzveränderung, aber für dieselben Jahre bei Kennzahl und Umsatz, weil Reichhelds Analyse den Net Promoter Score an vergangenes Wachstum gekoppelt hatte („Net Promoter was tied to past growth rates“). Fünf Branchen mit 17 der 21 Unternehmen umfassten genügend Unternehmen: Banken, Tankstellen, Einrichtungshandel, Sicherheitssysteme und öffentlicher Nahverkehr.

Das Nullergebnis galt für jede Kennzahl, nicht nur für den Net Promoter Score: Es gibt keinen echten Hinweis darauf, dass das durchschnittliche Niveau irgendeiner der Kennzahlen signifikant mit der relativen Umsatzveränderung innerhalb der jeweiligen Branche korreliert („there is no real indication that average levels of any of the satisfaction/loyalty metrics in Table 1 are significantly correlated with the relative change in revenue within the respective industry“). Ein Modell, das unter allen elf Kennzahlen und Brancheneffekten frei wählen konnte, enthielt keine der Kennzahlen, sondern nur die stärksten Brancheneffekte („did not include any of these metrics; it included only the most significant industry effects“). Abbildung 1 zeigt die gepoolten Korrelationen für die beiden Branchen mit Daten über mehrere Jahre.

Bei den Banken lag die gepoolte Korrelation des Net Promoter Score mit 0,40 gleichauf mit dem Top-2-Box-Anteil der Wiederkaufabsicht an der Spitze; bei den Tankstellen war sie mit −0,45 die niedrigste der elf, während der Top-2-Box-Anteil der Zufriedenheit 0,84 erreichte. Die drei Kennzahlen zur Wiederkaufabsicht waren in beiden Branchen positiv, mit Werten von 0,37 bis 0,63, aber keine signifikant. Nach der Lesart dieses Leitfadens zeigt die Abbildung, dass sich die Reihenfolge der Kennzahlen von Branche zu Branche änderte, nicht, dass eine Kennzahl gewann.

Keiningham et al.² verglichen den Net Promoter Score außerdem mit dem American Customer Satisfaction Index (ACSI), den Reichheld als unabhängig vom Wachstum dargestellt hatte. Ohne Zugang zu Reichhelds Rohdaten rekonstruierten sie seine veröffentlichten Streudiagramme für drei US-Branchen, die auch der ACSI erfasst, nämlich Fluggesellschaften, Lebensversicherungen und Computer („airlines, life insurance, and computers“), und stellten den ACSI denselben Wachstumsraten gegenüber. In zwei der drei Fälle war das R² des ACSI höher als das des Net Promoter Score. Ihr Schluss: Für die untersuchten Branchen lässt sich der Net Promoter Score nicht als besserer Prädiktor des Wachstums gegenüber der Kundenzufriedenheit bezeichnen („These results show that Net Promoter cannot be called the better predictor of growth in relation to customer satisfaction for the industries under investigation.“).

Wofür sind diese Befunde kein Beleg?

Sie zeigen weder, dass der Net Promoter Score nutzlos ist, noch, dass Zufriedenheit den Umsatz treibt. Keiningham et al.² schreiben, sie hätten bewusst nur vom Zusammenhang zwischen Net Promoter Score und Umsatzveränderung gesprochen und jede Andeutung von Kausalität vermieden („have been careful to discuss the relationship between Net Promoter and changes in revenue and to avoid any suggestions of causality“), und die Verzerrung, die sie in den ursprünglichen Analysen für möglich halten, sei nicht bewiesen („has not been proved“). Sie verweisen auf die grundsätzliche Schwierigkeit, das Umsatzwachstum innerhalb einer Branche mit einer einzigen einstellungsbasierten Kennzahl vorherzusagen („the inherent difficulty of predicting firm revenue growth within an industry on the basis of a single attitude-based metric“), und erwarten weiterhin, dass eine ernsthafte, längerfristige Längsschnittstudie Veränderungen von Zufriedenheits- und Loyalitätskennzahlen als wichtige Prädiktoren relativer Umsatzveränderungen innerhalb von Unternehmen ausweisen würde („that a serious, longer-term, longitudinal study would show that changes in satisfaction/loyalty metrics are important predictors of relative changes in revenue within firms“). Ihre Branchen umfassten jeweils nur wenige Unternehmen, alle unter den größten ihres Marktes, was nach ihrer Anmerkung die Spannweite der Messgrößen einschränken kann („there is a possible restriction of range in the measures used“).

Die Evidenz von Anderson und Sullivan¹ ist eine Befragung von Kunden in Schweden aus den Jahren 1989 und 1990, ausgewertet Unternehmen für Unternehmen und gemittelt über Branchen von Supermärkten bis zu Großrechnern, ohne eigene Ergebnisse für Geschäftskunden; der Wiederkauf ist eine Absicht, und die Korrelationen hinter dem Reputationseffekt liegen zwischen −0,19 und −0,30; die Autoren nennen den Zusammenhang stark, er beruht nach ihrer eigenen Darstellung aber auf wenigen Beobachtungen je Branche. Sie warnen auch davor, mehr Zufriedenheit stets für besser zu halten: Anreize, die Kundenzufriedenheit zu maximieren, können dem Unternehmen sogar schaden, und ihr Ziel ist ein optimales Zufriedenheitsniveau, nicht das höchste. Zur Vergütung schreiben sie, ihre Befunde machten verständlicher, warum viele Unternehmen Zufriedenheitsmaße in ihre Vergütungspläne aufnehmen, und fügen hinzu, künftige Forschung müsse diese Frage genauer untersuchen („However, future research needs to examine this issue more closely.“).

Nach der Lesart dieses Leitfadens kann ein Abonnementgeschäft drei Punkte aus dieser Evidenz mit einiger Zuversicht übernehmen: Zufriedenheit ist ein Urteil im Vergleich zu Erwartungen, sodass dieselbe Leistung einen Kunden zufriedenstellen und einen anderen enttäuschen kann; ein Verfehlen der Erwartungen fällt bei der Zufriedenheit wahrscheinlich stärker ins Gewicht als ein Übertreffen ähnlicher Größe; und eine geäußerte Verlängerungsabsicht ist keine Verlängerung. Was die Quellen nicht sagen: wie groß diese Effekte bei Geschäftskunden, Einkaufsgremien oder Vertragsverlängerungen sind und ob irgendeine Befragungskennzahl, den Net Promoter Score eingeschlossen, den Umsatz eines bestimmten Unternehmens vorhersagt.

Wie sollte ein Team seinen eigenen Zufriedenheitswert einordnen?

Mit der Erwartung daneben, und mit dem Zusammenhang zum Umsatz als ungeprüft, bis er geprüft ist. Abbildung 2 ist ein Blatt für einen einzelnen Zufriedenheitswert: was man den Kunden hatte erwarten lassen, ob die Leistung dahinter zurückblieb oder darüber hinausging, ob der Kunde die Qualität schon beurteilen konnte, ob das Ergebnis eine Absicht oder eine beobachtete Verlängerung ist, womit der Wert verglichen wird und ob sein Zusammenhang mit dem Umsatz bei den eigenen Kunden geprüft wurde. Die Felder folgen dem Modell von Anderson und Sullivan¹, ihren Befunden zur Asymmetrie, zur Beurteilbarkeit und zur Wiederkaufabsicht sowie den Befunden und Vorbehalten von Keiningham et al.² zu Kennzahlen und Umsatz. Wo ein Zufriedenheitswert in einen Index auf Kundenebene eingeht, beschreibt der Leitfaden zum Kunden-Gesundheits-Score, wie er neben Nutzungs- und Beziehungssignalen steht.

Ein Beispiel ohne Unternehmensdaten: Ein Anbieter von Abonnementsoftware befragt die Administratoren auf Kundenseite zwei Wochen nach jedem Quartalsrelease. Der Eintrag hält fest, was Release Notes und Account-Team zugesagt hatten, denn ein Wert sagt wenig ohne die Erwartung, an der er sich gebildet hat. Er wertet Kunden, bei denen das Release hinter den Erwartungen zurückblieb, getrennt von denen aus, bei denen es sie übertraf, weil in den schwedischen Daten ein Verfehlen mit einem größeren Unterschied in der Zufriedenheit einherging als ein Übertreffen. Er fragt, ob Administratoren die neue Funktion schon nach zwei Wochen beurteilen können oder erst nach einem Monatsabschluss. Er behandelt Antworten zur Verlängerung als Absichten und gleicht sie mit den Verlängerungen ab, die tatsächlich folgen. Und bevor der Wert in eine Umsatzprognose eingeht, prüft das Unternehmen, ob Veränderungen des Werts über mehrere Perioden mit Veränderungen des Umsatzes bei den eigenen Kunden einhergingen. Das überträgt die Mahnung, mit der Keiningham et al.² schließen, auf ein einzelnes Unternehmen: Kennzahlen, denen Vorhersagekraft für Geschäftsergebnisse zugeschrieben wird, sollten vor ihrer breiten Einführung streng wissenschaftlich geprüft werden („the necessity of rigorously and scientifically testing measures reported to be predictive of business outcomes before their widespread adoption“). Das sind Beispiele des Autors, sie sind nicht geprüft.

Referenzen

Zitate stehen in der Sprache des Originals; die deutschen Wiedergaben im Fließtext sind sinngemäß und stammen vom Autor.

1. Anderson, E. W., & Sullivan, M. W. (1993). The antecedents and consequences of customer satisfaction for firms. Marketing Science, 12(2), 125–143. https://doi.org/10.1287/mksc.12.2.125
2. Keiningham, T. L., Cooil, B., Andreassen, T. W., & Aksoy, L. (2007). A longitudinal examination of Net Promoter and firm revenue growth. Journal of Marketing, 71(3), 39–51. https://doi.org/10.1509/jmkg.71.3.039