Fallbeispiel · Kundenservice

Wie zufrieden sind Kunden mit unserem Support — und woran liegt es?

Alle Kennzahlen im Support sind grün, trotzdem landen immer mehr Beschwerden direkt bei der Geschäftsführung. So sieht eine Erhebung aus, wenn man noch gar nicht weiß, wonach man fragen muss.

Branche
Software, Kundenservice
Methode
Fragebogen + KI-Clustering
Teilnehmende
730 Anfragende
Feldzeit
10 Tage

Konstruiertes Beispielszenario nach einem typischen Projektablauf. Unternehmen, Zahlen und Zitate sind erfunden — sie zeigen, wie eine Erhebung mit usabiq abläuft und welche Art von Ergebnis dabei entsteht. Es handelt sich nicht um einen realen Kundenfall.

Schritt 0 · Die Ausgangslage

Alle Kennzahlen grün, drei Eskalationen im Quartal.

Die Zahlen im Support-Dashboard sehen gut aus: 3,2 Stunden Erstreaktion im Schnitt, 94 % Lösungsquote, und der Zufriedenheitsdaumen nach jedem Ticket steht bei 4,3 von 5.

Im selben Quartal sind drei Beschwerden direkt bei der Geschäftsführung gelandet, zwei davon von Großkunden. Ein Kunde hat beim Vertrieb angerufen statt beim Support — ein Signal, das in keiner Support-Kennzahl auftaucht.

Der Verdacht liegt nahe, dass die Kennzahlen etwas anderes messen als das, was der Kunde erlebt. Aber der Support weiß nicht, wonach er suchen soll: Es gibt keine These, die man mit einer gescorten Methode prüfen könnte, und eine weitere Zufriedenheitsabfrage würde nur denselben Daumen noch einmal liefern.

Die naheliegende Reaktion steht bereits im Budgetentwurf: mehr Personal im First Level.

Schritt 1–2 · Ziel formulieren, Umfrage entsteht

Wenn die Themen noch nicht feststehen, darf man sie nicht vorgeben.

Jede gescorte Methode setzt voraus, dass man weiß, was man messen will. Hier war genau das die offene Frage.

usabiq schlägt deshalb keine der sechs typisierten Methoden vor, sondern den freien Fragebogen mit KI-Clustering. Zwei offene Kernfragen, ein paar geschlossene zum Kontext — und die Auswertung findet die Themen, statt sie vorauszusetzen.

Das ist der Explorationsfall: erst herausfinden, worum es geht, dann messen. Was von Hand bei 730 Freitextantworten mehrere Personentage Lesen und Verschlagworten bedeuten würde, übernimmt hier das Clustering — mit dem Unterschied, dass jedes Cluster aufklappbar bleibt und jede Zuordnung nachprüfbar ist.

Die entscheidende Formulierung war, nach dem Verlauf statt nach dem Urteil zu fragen: nicht „Wie zufrieden waren Sie?“, sondern „Beschreiben Sie Ihre letzte Anfrage von Anfang bis Ende.“ Ein Urteil liefert eine Note, ein Verlauf liefert die Stelle, an der es kippt.

KI-Creator

Das Ziel, in eigenen Worten eingegeben

„Ich will wissen, warum Kunden mit unserem Support unzufrieden sind, obwohl alle Kennzahlen stimmen.“

usabiq schlägt vor

Methode
Fragebogen + KI-Clustering Eignung 89 % offene Exploration, weil noch keine These vorliegt, die sich scoren ließe
Kernfrage
„Beschreiben Sie Ihre letzte Support-Anfrage von Anfang bis Ende.“ fragt den Verlauf ab, nicht das Urteil — der Bruch wird dadurch lokalisierbar
Fragebogen
9 Fragen erzeugt zwei offene Kernfragen, fünf geschlossene zum Kontext, zwei zur Rolle
Zielgruppe
Alle mit einem Ticket im letzten Quartal ausdrücklich auch die mit gutem Daumen — sonst hätte man nur die Lauten befragt
Teilnahme
Mail an 4.100 Adressen, ohne Konto eine Erinnerung nach fünf Tagen, kein Anreiz

Der Bias-Check hat die ursprüngliche zweite Kernfrage markiert: „Was hat Ihnen an unserem Support nicht gefallen?“ setzt Unzufriedenheit voraus und hätte die zufriedenen Anfragenden aus der Auswertung gedrängt.

Schritt 3 · Antworten sammeln

Zehn Tage, 730 Verlaufsbeschreibungen.

Die Beteiligung lag bei 18 % — für eine Servicebefragung ohne Anreiz ein guter Wert, der vor allem daran lag, dass die Mail keine Bewertung, sondern eine Erzählung erbeten hat.

Was den Ausschlag gab: Auch Anfragende mit guter Bewertung wurden angeschrieben. Ohne sie hätte man ausschließlich Beschwerden eingesammelt und daraus geschlossen, dass alles schlecht ist — der häufigste Fehler bei Servicebefragungen.

730 auswertbare Antworten
18 % Antwortquote
10 Tage Feldzeit
4:35 Minuten Bearbeitung im Schnitt

Schritt 4 · Die Auswertung

Die Kennzahlen messen Tickets. Kunden erleben Anliegen.

Aus 730 Verlaufsbeschreibungen entstehen fünf Themen — und eines davon erklärt die gesamte Lücke zwischen Dashboard und Wirklichkeit.

KI-Clustering der Verlaufsbeschreibungen · 730 Antworten

  • Anliegen bei jeder Weiterleitung neu erklären 277
    negativ · 38 %
  • Ticket geschlossen, obwohl das Problem blieb 154
    negativ · 21 %
  • Erstantwort war schnell und hilfreich 139
    positiv · 19 %
  • Tagelang keine Rückmeldung zum Stand 117
    negativ · 16 %
  • Am Ende fachlich kompetent gelöst 95
    positiv · 13 %
Beim dritten Mal habe ich meine Frage wortwörtlich aus der ersten Mail kopiert. Das war der Moment, in dem ich beim Vertrieb angerufen habe. Cluster: Anliegen neu erklären · 277 Antworten

Kennzahl gegen Erlebnis

Kennzahl Wert Was die Antworten zeigen
Ø Erstreaktion3,2 hgilt je Ticket, nicht je Anliegen
Lösungsquote94 %„gelöst“ heißt: Ticket geschlossen
Zufriedenheit4,3 / 5nach jedem Teilschritt erhoben
Weiterleitungen je Anliegen2,4wird bisher nicht gemessen

Segmentvergleich · Zufriedenheit nach Weiterleitungen

Weiterleitungen Ø Zufriedenheit Delta
keine4,7+0,4
eine4,1−0,2
zwei3,2−1,1
drei oder mehr1,9−2,4
Jeder einzelne Mitarbeiter war freundlich und schnell. Zusammengenommen hat es neun Tage gedauert. Segment: drei oder mehr Weiterleitungen · 88 Antworten

Der Befund ist ein Messfehler, kein Servicefehler. Jede Weiterleitung erzeugt ein neues Ticket — mit eigener Erstreaktionszeit, eigener Lösungsquote und eigener Zufriedenheitsabfrage. Ein Anliegen, das dreimal weitergereicht wird, produziert drei Tickets mit jeweils guten Kennzahlen und einen Kunden, der aufgegeben hat.

Der Segmentvergleich zeigt, wie steil das abfällt: Ohne Weiterleitung liegt die Zufriedenheit bei 4,7, ab drei Weiterleitungen bei 1,9. Der Mittelwert von 4,3 kommt zustande, weil die vielen einfachen Fälle die wenigen schweren überdecken — und genau die schweren landen später bei der Geschäftsführung.

Die positiven Cluster stützen das von der anderen Seite: Die Erstantwort wird ausdrücklich gelobt, ebenso die fachliche Lösung am Ende. Was dazwischen liegt, ist das Problem — und ausgerechnet dort misst niemand.

Schritt 5 · Die Entscheidung

Nicht mehr Leute. Eine andere Einheit.

Die Decision Engine bewertet nach Wirkung, Häufigkeit und Kritikalität — und dreht die Budgetplanung um.

  1. 1

    Problem 38 % der Antworten · erklärt die Kennzahl-Lücke

    Das Anliegen messen, nicht das Ticket

    Weiterleitungen werden an eine durchgehende Vorgangs-ID gebunden. Erstreaktion, Lösungsquote und Zufriedenheitsabfrage beziehen sich künftig auf das Anliegen. Damit wird der Schaden im Dashboard überhaupt erst sichtbar — Voraussetzung für alles Weitere.

  2. 2

    Problem 277 Nennungen · steilster Zufriedenheitsabfall

    Der Kontext wandert mit

    Bei jeder Weiterleitung übernimmt das System den bisherigen Verlauf sichtbar in die neue Zuständigkeit, und der neue Bearbeiter beginnt mit einer Zusammenfassung statt mit einer Rückfrage. Der Kunde erklärt sein Anliegen genau einmal.

  3. 3

    Quick Win 21 % der Antworten

    Geschlossen wird, wenn der Kunde bestätigt

    Statt automatisch nach sieben Tagen ohne Reaktion. Eine Konfigurationsänderung, die zugleich die Lösungsquote ehrlicher macht — sie wird zunächst sinken, und das ist der Punkt.

  4. —

    Verworfen Erstantwort in 139 Antworten positiv

    Mehr Personal im First Level

    War die geplante Antwort auf die Eskalationen und stand bereits im Budgetentwurf. Die Erstreaktion ist in den Antworten der bestbewertete Teil des ganzen Ablaufs. Zusätzliche Kapazität hätte den guten Anfang noch schneller gemacht und am Abbruch nach der zweiten Weiterleitung nichts geändert.

Der Fragebogen läuft seitdem als Kampagne weiter: Jedes abgeschlossene Anliegen — nicht jedes Ticket — bekommt ihn automatisch. Aus der einmaligen Erhebung wurde ein laufender Messpunkt, an dem sich ablesen lässt, ob die Weiterleitungen tatsächlich weniger wehtun.

Nebeneffekt, mit dem niemand gerechnet hatte: Die 139 positiven Nennungen zur Erstantwort gingen als Zitatsammlung an das Support-Team. Eine Erhebung, die als Beschwerdesuche begann, hat am Ende auch belegt, was gut läuft.

Übertragen

Wenn die Kennzahlen stimmen und die Kunden trotzdem gehen.

  • Ihre Version der Frage: „Warum passt unser Bild vom Ablauf nicht zu dem, was Kunden erleben?“ Der freie Fragebogen ist der richtige Einstieg, solange Sie noch keine These haben — messen können Sie danach immer noch.
  • Nach dem Verlauf fragen, nicht nach dem Urteil. „Beschreiben Sie von Anfang bis Ende“ zeigt, an welcher Stelle es kippt. Eine Note zeigt nur, dass es gekippt ist.
  • Prüfen Sie, was Ihre Kennzahl zählt. Sehr oft misst sie eine organisatorische Einheit — Ticket, Fall, Vorgang — und nicht die Einheit, in der Kunden denken.

Lassen Sie erzählen statt bewerten.

Der freie Fragebogen ist in jedem Plan enthalten, das KI-Clustering ab Decision Pro — 14 Tage zum Ausprobieren, ohne Kreditkarte.

14 Tage testen Weitere Fallbeispiele