Analysieren von Umfragedaten

SHARE THE ARTICLE ON

Data Analysis using Qualitative and Quantitative Techniques1
Table of Contents

Wenn Sie Ihre Kunden nicht verstehen, ist die Arbeit an Ihrem Produkt oder Ihrer Dienstleistung für sie mehr als schwierig.

Online-Umfragen machen es so einfach wie nie zuvor, Ihre Kunden kennenzulernen. Doch selbst eine kurze, einfache Bewertung kann Sie mit Rückenschmerzen zurücklassen, wenn Sie ein gewisses Maß an Kundendaten herausfinden möchten.

Wie würden Sie also alles aussortieren?

Was ist eine Umfrage Analyse?

Die Umfrage Analyse ist die gängigste Art der Analyse von Kundeninformationen. In der Regel handelt es sich dabei um Kundenerfahrungsmessungen wie Net Promoter Score® (NPS®), Customer Satisfaction Score (CSAT), Customer Effort Score (CES), Upsell- and Cross-Sell-Rate, Churn-Rate und mehr.

Leitfaden für explorative Forschung

Die Durchführung von Sondierungs Forschung scheint schwierig zu sein, aber ein effektiver Leitfaden kann helfen.

Was bringt die Analyse von Umfragedaten?

Eine klare Frage, ja. Auf jeden Fall ist dies der Punkt, an dem Sie sich eine Enttäuschung einhandeln können, wenn Sie sich nicht genügend Gedanken darüber machen. Und zwar noch bevor Sie das Datum Analyseinstrument losschicken, um die Zahlen ins Spiel zu bringen.

Zeitbewusstsein und die Verbindung von Messungen sind nur zwei der vielen Variablen, die das Ergebnis Ihrer Analyse Bemühungen beeinflussen können. Auf diese und andere Komplexitäten werden wir bald zu sprechen kommen, aber im Großen und Ganzen – angesichts der Besonderheit von Studieninformationen – sollten wir akzeptieren, dass Sie eine der Begleitmaßnahmen ergreifen müssen:

Vergleichen Sie ein Kundensegment mit einem anderen – registrieren Sie z. B., ob die Unterteilung der Kunden in zwei Teile, „Tages Kunden“ und „Endkunden“, in Bezug auf die Bewertung Ihrer Kundenbetreuung in CES-Umfragen (Customer Effort Score) legitim erscheint.

Verfolgen Sie die Ergebnisse innerhalb einer Kundengruppe und stellen Sie fest, wie sich eine bestimmte Aktivität oder Zeit auf sie ausgewirkt hat.

Sehen Sie eine Aufschlüsselung der Häufigkeit der Antworten

P.S. Wenn Sie Ihren Net Promoter Score® verfolgen, ist es eine gute Praxis, ihn mit dem Mittelwert der Branche zu vergleichen. Das Hauptanliegen bei der Verfolgung Ihres NPS® ist es, zu überprüfen, ob Sie sich weiter verbessern und einen großen Unterschied im Austausch mit den Kunden machen – ein Benchmarking Ihres Wertes ermöglicht es Ihnen jedoch, die Annahme zu finden, dass Sie einen strategischen Vorteil behalten.

Was sind die verschiedenen Arten von Umfragedaten?

Abgesehen von der Reaktionsgeschwindigkeit ist der nächste Punkt, den man bei einer Analyse untersuchen sollte, die echten Fragen. Verschiedene Arten von Umfragen gehen mit verschiedenen Überlegungen einher, die Sie berücksichtigen sollten. Die meisten Umfragefragen lassen sich in 4 Arten einteilen: Geradeaus, Ordinal, Spanne und Verhältnis.

  • Unmittelbare Daten

Direkte Daten erlauben es dem Umfrageteilnehmer, anhand einer Liste von eindeutigen Namen oder Markierungen zu antworten. Zum Beispiel:

 

„Was gefällt Ihnen an unserem Artikel am besten?“

  • Kundenbetreuung
  • Bequemlichkeit
  • Kosten

Es ist bekannt, weil es die einfachste Art der Analyse ist. Sammeln, zählen und abgrenzen. In jedem Fall sollte man sich vor der Erstellung des Berichts überlegen, welche Kategorien man einbeziehen möchte. Auf diese Weise können Sie zum Beispiel, wenn Sie nicht wissen, welche Aspekte von Bedeutung sind (z. B. Kundenbetreuung, Kosten usw.), mit einer offenen Frage beginnen und dann in einer späteren Umfrage Klassifizierungen verwenden, die die bekanntesten Antworten widerspiegeln. Bescheidenere, iterative Überprüfungen sind in der Regel besser als eine überdimensionierte Studie, bei der nicht die richtigen Fragen gestellt werden.

  • Ordinale Daten

Ordinale Daten sind jede Art von Umfrage, bei der die Reaktionen nur als Anfrage in Ordnung zu sein scheinen. Zum Beispiel:

„Welchen Betrag verwenden Sie für unseren Artikel?“

  • Niemals
  • Ab und zu
  • Ab und zu
  • Häufig
  • Ständig

Ein wichtiger Gedanke bei der Untersuchung von ordinalen Informationen ist die Einsicht, dass es auf die Anforderungen ankommt. Wenn es möglich ist, drehen Sie willkürlich die Anfrage für Angebote mit jedem Studienteilnehmer.

  • Spannweitendaten

Es sollten Spannendaten angefordert werden, und der Abstand zwischen den Qualitäten sollte signifikant sein. Eine Frage mit Spannendaten wäre zum Beispiel: „Wie sieht Ihr Finanzplan aus?“, wobei die Antworten eine vorher festgelegte Anordnung von Kosten wie „<5k, 10k, 15k“ sein würden.

Mit Hilfe von Spanneninformationen können Sie Ihre Mitglieder einteilen und ihnen nur die für sie relevanten Fragen stellen. Angenommen, ein Kunde wählt einen Ausgabenplan „<5k“, dann können Sie ihm Fragen zu Ihrem Small Business Artikel stellen.

Es ist ideal, ähnlich bemessene Zeitspannen zu verwenden, wenn dies möglich ist, weil es möglich ist, Mittelpunkte auf den Informationen zu verwenden und die Zusammenfassung der Informationen umso einfallsreicher zu gestalten. Wenn die Abschnitte nicht gleich groß sind, sollten sie als absolute Informationen behandelt werden.

  • Proportionale Daten

Anteilsdaten sind die extravaganteste Art von Studieninformationen, stellen jedoch die höchsten Anforderungen an die Mitglieder. Was eine genaue Schätzung ist, sind proportionale Daten. Eine proportionale Datenfrage wäre zum Beispiel „Wie hoch ist Ihr genauer Finanzplan?“, und das Informationsfeld würde jede numerische Reaktion berücksichtigen, zum Beispiel „501 $“.

Proportionsdaten sind die idealste Entscheidung, wenn Sie Mittelwerte oder Anteile von Veränderungen wie die Standardabweichung ermitteln möchten. Dies liegt daran, dass verschiedene Arten von Informationen nicht als Portionen angesprochen werden können, und das bedeutet, dass sie zum größten Teil nicht im Mittelwert von gefunden oder in Schwankungen umgewandelt werden können.

  • Das Zahlenwerk

Nachdem Sie sich nun einen Überblick über die verschiedenen Arten von Informationen verschafft haben und wissen, welche Art von Analyse mit jeder Art von Informationen durchgeführt werden kann, ist jetzt der richtige Zeitpunkt gekommen, um sich mit dem Benchmarking, dem Verschieben und der Gegenüberstellung von Informationen zu beschäftigen.

Nehmen wir an, Sie fragen in Ihrer Feedback-Übersicht zum Anlass: „Wie zufrieden waren Sie mit dem Anlass im Allgemeinen? Ihre Ergebnisse zeigen, dass 80 % der Teilnehmer mit dem Anlass zufrieden waren. Das klingt für sich genommen sehr gut. Stellen Sie sich jedoch ein Szenario vor, bei dem der Zufriedenheitsgrad im letzten Jahr bei 90 % lag. Sie sind sich sicher, dass der normale Erfüllungsgrad für Veranstaltungen in Ihrer Branche bei 95 % liegt?

Angenommen, Sie hätten die Möglichkeit, diese Frage bei der letztjährigen Veranstaltung zu stellen, dann hätten Sie die Möglichkeit, eine Korrelation zwischen den Mustern herzustellen. Falls Sie jedoch keine Informationen aus dem letzten Jahr haben, könnten Sie in diesem Jahr damit beginnen, nach jeder Veranstaltung ein ähnliches Feedback einzuholen. Dies wird als Benchmark- oder Längsschnittuntersuchung bezeichnet.

Um Feststellungen von einem Benchmark zu erreichen, müssen Sie signifikante Veränderungen von der Bedeutung von Lärm erkennen. Das ist der Punkt, an dem die messbare Bedeutung zu einem integralen Faktor wird.

See Voxco survey software in action with a Free demo.

Was sind die 7 Schritte zur Analyse von Umfragedaten ohne jegliche Vorbereitung?

  • Legen Sie Ihre Anlageziele fest

Legen Sie zunächst die wichtigsten Fragen fest, die Sie mit Ihren Studieninformationen beantworten müssen. Dies wird Ihnen dabei helfen, herauszufinden, welche Informationen Sie in welcher Reihenfolge analysieren müssen.

  • Beseitigen Sie unzureichende oder widersprüchliche Informationen

Angenommen, in Ihrer Umfrage werden zahlreiche Fragen gestellt, so könnten Sie feststellen, dass die Befragten einige Fragen auslassen oder Felder unausgefüllt lassen.

Dies ist im Allgemeinen kein Problem, doch wenn Sie versuchen, herauszufinden, wie sich die Antworten der Befragten auf zahlreiche Fragen unterscheiden, könnten unzureichende Reaktionen Ihre Ergebnisse verfälschen. Wenn Sie das Gleiche erleben, ist es besser, die unzureichenden Antworten zu eliminieren.

Verwenden Sie bei der Überprüfung Ihrer Umfragedaten auf der Registerkarte Reaktionen Kanäle, um segmentierte Antworten aus Ihrer Analyse zu eliminieren.

Suche nach Mustern in Ihren quantitativen Daten

Beginnen Sie damit, einen Blick auf die quantitativen Daten zu werfen, die Ihren Anlagezielen am ähnlichsten sind.

Stellen Sie sich zum Beispiel vor, Sie haben ein SaaS-Produkt und möchten herausfinden, warum mehr Kunden nach einer kostenlosen Vorabversion keine kostenpflichtige Vereinbarung eingehen. Um das herauszufinden, können Sie die Kunden der kostenloen Vorabversion bitten, zu bewerten, wie wertvoll sie das Produkt finden.

Stellen Sie sich vor, die Studieninformationen besagen, dass 70 % der Vorabkunden den Artikel hilfreich fanden. Sie könnten zu dem Schluss kommen, dass der Artikel nicht der Grund dafür ist, dass die vorläufigen Kunden nicht weitermachen.

Wenn Sie auf diese Weise nach Mustern suchen, können Sie sich am Ende auf das Problem konzentrieren.

Gehen Sie noch weiter und verstehen Sie das Kundenverhalten besser, indem Sie Informationen aus Vor-Ort-Bewertungen und Erfahrungsberichten gegenüberstellen.

Führen Sie eine Vor-Ort-Befragung auf der (den) zu untersuchenden Seite(n) durch, schlüsseln Sie die Bewertungs Informationen auf und beobachten Sie dann die Berichte von Kunden auf der (den) entsprechenden Seite(n), um herauszufinden, wie sie Ihre Website erleben und sich mit ihr verbinden.

  • Stellen Sie sicher, dass Ihre Entdeckungen wirklich kritisch sind

Aus quantitativen Befragungsdaten aussagekräftige Schlüsse zu ziehen, kann schwierig sein. Die Informationen sind häufig „überladen“, da Einzelpersonen bei der Eingabe ihrer Antworten manchmal Fehler machen (Sie jedoch nicht!).

Angenommen, Sie haben nur eine kleine Anzahl von Reaktionen, so wird diese „Unruhe“ die Studienergebnisse erheblich mehr beeinflussen. Je weniger Informationen Sie also haben, desto unwahrscheinlicher ist es, dass Ihre Entdeckungen messbar legitim sind.

  • Betrachten Sie Ihre quantitativen Daten im Vergleich zu früheren Benchmarks

Wann immer es die Situation zulässt, sollten Sie versuchen, einen Bezugsrahmen für die Entschlüsselung Ihrer Daten zu finden. Werfen Sie einen Blick auf aufgezeichnete Informationen können Ihnen dabei helfen, die von Ihnen unterschiedenen Muster zu erkennen.

Wie wäre es, wenn wir auf den Fall einer SaaS-Organisation zurückkommen, die versucht, den Grund dafür zu verstehen, warum kostenlose Vorab Kunden sich nicht einem kostenpflichtigen Arrangement anschließen:

Ihr Unternehmen könnte seine Ergebnisse mit Benchmarks aus einer vergleichbaren Untersuchung im Vorjahr vergleichen.

Derzeit sollten wir uns vorstellen, dass vorläufige Kunden das Produkt in diesem Jahr hilfreicher finden als im letzten Jahr, die Zahl der bezahlten Kunden jedoch nicht gestiegen ist. Dies könnte zeigen, dass Sie sich auf die Verbesserung anderer Variablen wie die Kundenerfahrung (CX) oder die Bewertung konzentrieren sollten, anstatt den Artikel weiter zu fördern.

  • Nutzen Sie subjektive Daten, um Ihre quantitativen Daten Entdeckungen sinnvoll zu nutzen.

Die gemeinsame Nutzung von quantitativen und subjektiven Bewertungsdaten kann Ihnen dabei helfen, sich ein Gesamtbild davon zu machen, was vor sich geht und was die Kunden von Ihrem Produkt erwarten.

Während quantitative Daten häufig Muster und Neigungen der Menschen aufdecken, können subjektive Daten das Warum dahinter aufdecken.

Wie wäre es, wenn wir dies auf ein ähnliches SaaS-Unternehmen anwenden, das herausfinden muss, warum kostenlose Vorabkunden nicht zu zahlenden Kunden werden:

Durch eine gezielte Befragung haben Sie erkannt, dass 70 % der Erstkunden den Artikel wertvoll fanden, was zeigt, dass das Problem wahrscheinlich nicht mit dem eigentlichen Artikel zusammenhängt.

Angenommen, Sie stellten ebenfalls eine offene Frage wie „Was hält Sie davon ab, dem kostenpflichtigen Arrangement beizutreten?“, dann könnten Sie durch die Lösungen filtern, um herauszufinden, dass die Erstkunden zusätzlich ein Problem mit der Bewertung hatten.

Reaktionen auf Studienfragen sind nicht die wichtigste Art von quantitativen Daten, die es zu prüfen gilt: Verwenden Sie Heatmaps und Sitzungs Wiederholungen, um herauszufinden, ob Kunden Probleme wie verwirrende Routen, Unordnung auf der Website oder defekte Komponenten haben.

  • Präsentieren Sie Ihre Entdeckungen vor Mitarbeitern

Nachdem Sie nun bemerkenswerte Erfahrungen aus Ihren Umfragedaten zusammengetragen haben, ist jetzt der richtige Zeitpunkt, um Ihre Entdeckungen an Ihre Gruppe weiterzugeben.

Angenommen, Sie teilen Ihre Entdeckungen in einer Versammlung mit, denken Sie daran, dass es für Einzelpersonen sehr schwierig sein kann, grobe Zahlen schnell zu verarbeiten. Unter diesen Umständen ist es ideal, Ihre Erkenntnisse kompakt mit Diagrammen, Tabellen oder Infografiken vorzustellen.

Wenn Sie einen ausführlichen Bericht verfassen, den Ihre Mitarbeiter in Ruhe durchlesen können, können Sie sich auch etwas anderes einfallen lassen, um die Zahlen in ihrer Tiefe aufzuschlüsseln.

Letzte Überlegungen

Die Analyse von Umfragedaten hilft Ihnen, das Kundenverhalten zu verstehen und die Leistung Ihres Unternehmens zu verfolgen, aber die Arbeit mit einer großen Datenmenge kann schnell überfordernd werden.

Halten Sie die Dinge einfach und erinnern Sie sich daran:

Planen Sie Ihre Umfragen von Anfang an mit klaren, eindeutigen Zielen

Nutzen Sie quantitative Daten, um einleitende Muster zu erkennen, und nutzen Sie dann subjektive Daten, um nach zusätzlichen Erklärungen von oben nach unten zu suchen.

Stellen Sie sicher, dass Ihre Entscheidungen fundiert sind, indem Sie Benchmarks verwenden, sicherstellen, dass Ihr Beispiel ausreichend groß ist, und über Zusammenhänge und nicht über Kausalität nachdenken.

Net Promoter®, NPS®, NPS Prism®, and the NPS-related emoticons are registered trademarks of Bain & Company, Inc., Satmetrix Systems, Inc., and Fred Reichheld. Net Promoter Score℠ and Net Promoter System℠ are service marks of Bain & Company, Inc., Satmetrix Systems, Inc., and Fred Reichheld.

Read more

Voxco bringt Voxco Intelligence auf den Markt, eine codefreie Datenanalyseplattform ​