Mehr als nur "gut" oder "gefällt mir nicht" – wie sich mit dem Psyma Insights Generator aus offenen Nennungen einer Online-Befragung mehr Erkenntnisse generieren lassen

Offene Fragen zählen ganz offenbar nicht zu den Lieblings-Fragestellungen von Probanden in Online-Erhebungen.

Häufig erhalten wir Marktforscher nur sehr einsilbige Antworten, die Angaben sind teilweise generisch und am Ende lässt sich daraus nur begrenzt echter Mehrwert für die Analyse gewinnen.

Das Beispiel zeigt dabei eine vielleicht typische Befragungssituation. Am Ende ist dem Probanden kaum ein echter Vorwurf zu machen – er hat die offenen Fragen ehrlich und abschließend beantwortet. Doch lernen lässt sich daraus wenig.

Daher haben wir bei Psyma mit dem „Psyma Insights Generator“ einen KI-unterstützten Fragetyp entwickelt, welcher durch eine zusätzliche (offene) Nachfrage weiteren Mehrwert generiert. Dabei geht die KI auf die erste Antwort des Befragten ein und stellt entweder eine vertiefende Frage zu der bereits gegebenen Antwort oder bittet die Probanden um weitere Aspekte zu der ursprünglichen Frage.

Die Wirkweise des neuen Fragetyps haben wir in einer Studie im letzten Jahr validiert: Wir konnten sowohl in quantitativer (+68% mehr Codes bei der Codierung der Nennungen) als auch in qualitativer Hinsicht eine spürbare Verbesserung bei der Analyse der offenen Antworten verzeichnen.

In der Praxis

Illustrieren würden wir es gerne zunächst an einem individuellen Beispiel:
Gefragt wurde nach den Aspekten, die beim letzten Kontakt zu einem Versicherungsunternehmen besonders positiv wahrgenommen wurden. Ein Proband antwortet zunächst „das der Versicherungsvertreter gleich angerufen hat“. Wenn nur diese Antwort für die Auswertung der Daten zur Verfügung steht, wäre die Verschlagwortung sehr einfach in Richtung „Schnelligkeit“ gegangen. Vielleicht hätte man es zudem noch mit „Kundenservice allgemein“ kategorisiert. In unserer Studie hatten wir über die KI-formulierte Nachfrage noch eine zweite Antwort des Befragten: „Weil mein Fernseher kaputtgegangen ist und ich mir ohne die Versicherung nie einen Neuen hätte kaufen können. Durch dieses Telefonat hat er mich sehr beruhigt“. Daraus lässt sich aber nun ableiten, dass es eher ein emotionaler Aspekt war, welcher den Probanden so positiv über den letzten Versicherungskontakt sprechen lässt. Er war v.a. in finanzieller Sorge (und vielleicht zudem noch in Sorge um seine Freizeitgestaltung) und wurde durch den Versicherungsvertreter offenbar beruhigt und gut abgeholt. Das gab ihm ein Gefühl von Sicherheit, welches gerade bei finanziellen Themen doch oftmals das höchste Gut für viele Kunden ist.
Im Ergebnis ist die Vercodung mit „Schnelligkeit“ aus der ersten Antwort sicher nicht falsch, die wesentlich wichtigere Erkenntnis ist aber doch das emotionale Abholen des Kunden durch den Versicherungsvertreter, von dem wir erst in der zweiten Antwort erfahren haben.

Und dies zeigt sich dann auch in der aggregierten, quantitativen Analyse der Daten:

Durch die zusätzlichen Angaben der Probanden lässt sich der Overcode „Schnelligkeit Bearbeitung/ Reaktion“ wesentlich differenzieren und liefert den Auftraggebern am Ende deutlich besser operationalisierbare Ergebnisse – egal ob es um die Optimierung der Customer Journey, die Begründung zur NPS-Abfrage oder die Bewertung eines Stimulus geht.

Haben wir Ihr Interesse geweckt? Wenn ja, sprechen Sie mich gerne an!