Mit der Analyse der Customer-Journey versuchen Marketer, Abteilungen, ganze Unternehmen, sich verstärkt auf die Kundenperspektive zu fokussieren. Kundenerlebnisse in jedem Moment zu verstehen und KundInnen optimal begleiten und betreuen zu können. Um jeden Schritt der Customer-Journey verstehen zu können, wird eine große Menge an Daten gesammelt: Besuche der Website, Klicks, Downloads, Sitzungsdauer, Seitentiefe, Zufriedenheit-Scores, Wahrscheinlichkeit der Weiterempfehlung …

Grundsätzlich ist daran nichts falsch, im Gegenteil: Entscheidungen sollen datenbasiert sein und im Zweifelsfall gilt: lieber etwas zu viel als etwas zu wenig. Kritisch ist jedoch ein Trend, der erneut am Grundgedanken der Customer-Journey vorbeizieht: Ein überragender Teil der herangezogenen Daten ist rein quantitativer Natur und bricht die Erkenntnisse zur Kundenperspektive wiederum auf einen mathematischen Durchschnitt herab. Wer jedoch wirklich kundenzentriert sein will, muss den Kunden auch als Menschen, mit Gedanken, Erwartungen und Emotionen verstehen – Informationen, die nicht in Cookies gespeichert werden.

Grundsätzlich sind quantitative Daten vielseitig und das Ausmaß ihres Aufstiegs ist nachvollziehbar: Big Data und AI eröffnen große Potenziale und regen damit zur Datensammlung an. Nichtsdestotrotz stoßen selbst die größten quantitativen Datenpools bei bestimmten Fragestellungen an ihre Grenzen.

Die Customer-Journey besteht aus vielen Facetten, die nicht automatisch Daten generieren oder umgehend auswertbar sind. Dazu gehören beispielsweise der Kontakt mit und Effekt von traditionellen Medien wie TV, Radio und Print, persönliche Empfehlungen oder Erfahrungsberichte. Dazu gehören auch ganze Zeitspannen wie beispielsweise die Geschehnisse in der Pre-Service-Phase oder die Zeit nach der Nutzung eines Produktes oder einer Dienstleistung. Und dazu gehören einige besonders kritischen Momente wie etwa ein Besuch im Laden mit dem Erlebnis eines persönlichen Beratungsgesprächs.

Eine große Schwäche zeigen quantitative Daten außerdem bei der Frage nach dem Warum: Warum sind KundInnen zufrieden oder nicht? Warum hat uns ein Kunde besucht und ohne Kauf wieder verlassen? Warum bevorzugt eine Kundin das Produkt eines anderen Anbieters? In der Praxis wird oft versucht, solche Fragen durch Fragebögen zu beantworten – die bergen jedoch das Risiko, die Antwortmöglichkeiten in Schablonen zu drängen oder sehr abzukürzen, sodass oftmals wichtige Details nicht entsprechend festgehalten werden. Daneben wird in diesen Fällen zumeist nur beantwortet, was auch explizit gefragt wird und Informationen, die darüber hinaus hilfreich sein könnten, gehen unter.

Schließlich können Fragen nach subjektiver Wahrnehmung und Kontext nur begrenzt mathematisch beantwortet werden: Was ist die subjektive Sicht des Kunden auf ein Produkt? Wie bedeutsam ist der Erwerb für den Kunden? Wie gehen Kunden tatsächlich mit dem Produkt um? Wie fühlt es sich an, Zeit im Laden zu verbringen? Was heißt es für den Kunden, mehrere Tage auf Antwort vom Kundenservice warten zu müssen? Welchen Einfluss haben Freunde, Familie und andere Stakeholder?

Qualitative Methoden gehen nun einen explorativen Weg, um diese Fragen zu beantworten: Hier geht es in erster Linie nicht darum, bereits bestehendes Wissen weiter zu bestätigen, sondern vielmehr Neues zu entdecken und daraus neue Theorien, Handlungsansätze und Produktinnovationen abzuleiten.

Qualitative Methoden sind vielfältig und in der Praxis kaum eindeutig voneinander abzugrenzen. Diese vier Kategorien sollen dennoch einen groben Überblick über die Möglichkeiten bieten:

Verbale Methoden umfassen beispielsweise prominente Methoden wie Interviews und Fokusgruppen – selbstverständlich zu empfehlen mit KundInnen, aber auch MitarbeiterInnen, Lieferanten oder andere Stakeholder können entscheidendes Wissen besitzen. Interviews können strukturiert oder unstrukturiert geführt werden und sollten bestenfalls unter Verwendung einfacher Gesprächshaltungen und -techniken geführt werden. Dazu gehören beispielsweise eine offene Haltung, das Vermeiden von Suggestiv-Fragen, ausreden lassen, nachfragen, Mimik und Gestik beachten.

In dieser Kategorie geht es darum, KundInnen direkt bei der Inanspruchnahme eines Produktes oder einer Dienstleistung für einen kürzeren Zeitraum zu beobachten und gegebenenfalls umgehend zu befragen. Beobachtungen können entweder offen kommuniziert oder verdeckt abgehalten werden (selbstverständlich unter Einhaltung der Privatsphäre und der rechtlichen Vorgaben). Außerdem können ForscherInnen selbst entweder eine reine Beobachterrolle tragen oder selbst gleichzeitig als TeilnehmerInnen mit agieren. Digitale Möglichkeiten zur Beobachtung sind Usability-Tests im Bereich Software oder anderer Mensch-Maschine-Interaktionen, aber auch Website- oder Tool-Recordings.

Auch in dieser Kategorie geht es um die Beobachtung von KundInnen, jedoch über einen längeren Zeitraum hinweg. In Einzelfallstudien wird eine bestimmte Person oder ein bestimmter Personenkreis über einen längeren Zeitraum begleitet. Diesem Ansatz liegt die Annahme zugrunde, dass sich das Verhalten über einen längeren Zeitraum entwickeln beziehungsweise verändern kann. Einzelfallstudien werden besonders für das bessere Verständnis von Extremen / außerordentlichen Gruppen angewandt, um daraus Implikationen für diese selbst sowie für den angenommenen Normalnutzer abzuleiten. Beispiele hierfür sind Personen/Gruppen mit Einschränkungen oder besonderen Bedürfnissen.

Ethnographie versucht den Menschen in seinem natürlichen Umfeld zu verstehen. Als eine der traditionsreichsten Forschungsformen hat sie sich in unterschiedliche Richtungen weiterentwickelt. Klassische Ethnographie stellt die Beschreibung von unterschiedlichen Kulturen in den Vordergrund; Auto-Ethnographie macht Probanden selbst zu Forschern, die ihre eigenen Erlebnisse beobachten und dokumentieren; zu den jüngeren ethnographischen Methoden zählen die Netnographie, das Verhalten im digitalen Bereich, sowie die mobile Ethnographie zur Erfassung von Verhalten in Echtzeit und unabhängig von Zeit, Ort und Kanal.

Durch den Informationsreichtum der einzelnen qualitativen Datasets können die bedeutsamsten Schwachstellen beziehungsweise Chancen der Customer-Journey oftmals bereits nach der Analyse einiger weniger Fälle sichtbar werden.

Qualitative Daten bringen jedoch selbstverständlich auch Herausforderungen mit sich: Die kleinen Stichproben qualitativer Studien beeinflussen natürlich Repräsentativität und Generalisierbarkeit. Dies ist jedoch auch nicht das Ziel der explorativen Datenerhebung: Die Verifikation kann anschließend durch quantitative Methoden erbracht werden.

Außerdem ist qualitative Datenerhebung durch den Fokus auf das Individuum besonders fordernd für die TeilnehmerInnen, die persönliche Informationen von sich preisgeben sollen. Eine solche Leistung sollte zum einen natürlich angemessen anerkannt werden, um zur Teilnahme zu motivieren. Zum anderen setzt es aber auch ein gewisses Vertrauen in das Unternehmen voraus: TeilnehmerInnen müssen verstehen, welche Daten über sie gesammelt werden und wie sie verwendet werden. Bestenfalls erleben sie sogar den Veränderungsprozess und die Umsetzung ihres Feedbacks mit. Dieser wahrgenommene Einfluss motiviert und macht Kunden oft sogar stolz, ihre Produkte und Marken aktiv mitgestalten zu können.

Die Grundannahme quantitativer Untersuchungen ist natürlich richtig: Es braucht Daten, um die Customer-Journey zu verstehen. Es geht jedoch nicht um mehr und mehr Daten, sondern um die richtigen Daten. Wie bei so vielen Dingen empfiehlt sich auch hier ein Mix von verschiedenen Methoden und Daten, sodass diese ihre Stärken und Schwächen gegenseitig ausgleichen können.

Um festzustellen, was dem Mix noch fehlt, ist eine Customer-Journey-Map ein guter Ausgangspunkt: Welche Schritte sind bereits bekannt und welche Daten gibt es derzeit für jeden einzelnen Schritt beziehungsweise Touchpoint? Helfen die vorhandenen Daten wirklich dabei, den Touchpoint zu erklären und zu optimieren? In der konkreten Umsetzung könnte daraus beispielsweise eine Customer-Journey-Map entstehen, die für jeden Schritt die jeweilige Forschungsfrage mit den passenden Daten verbindet. Mit der Forschungsfrage soll explizit festgestellt werden, welche Frage sich an einem Punkt stellt, zum Beispiel: Warum verlassen User die Seite? Wie fühlt sich der Bezahlvorgang an?

Dazu können nun visuell getrennt die bereits verfügbaren qualitative und quantitative Daten beziehungsweise Erkenntnisse der Datenpools dargestellt werden. So wird umgehend sichtbar, welche Wissenslücken es noch gibt und ob wirklich das richtige Werkzeug für das jeweilige Problem verwendet wird. Wird nun festgestellt, dass für einen Schritt aussagekräftige Daten fehlen, oder nur Daten eines Typs vorhanden sind, dann geht es in die Datenerhebung. Ein Signal dafür, dass es eines qualitativen Ansatzes bedürfen könnte, ist zum einen, wenn das Problem eine Warum-Frage ist. Zum anderen aber auch die Feststellung, dass ein Problem bisher nicht durch zusätzliche quantitative Daten gelöst werden konnte. Bei komplexeren Fragestellungen sollte man entsprechend auch komplexere Untersuchungsdesigns in Erwägung ziehen und verschiedene Methoden und Datentypen bemühen.

Der Schlüssel zu deinem Unternehmenserfolg ist, deine Kund:innen zu verstehen. Lerne in unserem Guide, wie du mit Customer Insights erfolgreicher wirst!

Jetzt lesen!

Um wirklich kundenzentriert zu sein, Kundenbedürfnisse zu verstehen und Kunden gezielter auf ihrem Weg zu begleiten – dazu muss man nahe an die KundInnen herantreten, daran führt kein Weg vorbei. Wir sollten vermehrt mit ihnen sprechen, sie begleiten, zuhören und nachfragen. Bestenfalls persönlich und mit einer gewissen Bereitschaft zu Offenheit und Empathie – Eigenschaften, die Cookies nicht mitbringen.