Customer-Experience-Research: Methoden, Kennzahlen und der Kanal, den die meisten Teams ignorieren
Die meisten Customer-Experience-Research-Programme messen die falschen Dinge in der falschen Reihenfolge. Sie versenden nach dem Checkout eine NPS-Umfrage, beobachten zwei Quartale lang, wie der Wert zwischen 42 und 47 schwankt, und nennen das eine CX-Funktion. Währenddessen verlieren die Telefonleitungen des Unternehmens 30 % der eingehenden Anrufe, das IVR schickt Anrufende im Kreis herum, und niemand liest die wörtlichen Rückmeldungen in den Support-Transkripten.
Die Lücke liegt nicht am Willen. CX-Teams wissen, dass sie entlang der gesamten Journey zuhören sollten. Die Lücke liegt an der Methode. Umfragen sind günstig durchzuführen und leicht zu berichten, deshalb verdrängen sie die Kanäle, in denen das wertvollste Signal tatsächlich steckt: echte Kundengespräche, Support-Eskalationen und die Momente, in denen die Journey in Echtzeit zusammenbricht.
Dieser Leitfaden behandelt, was Customer-Experience-Research ist, welche Methoden funktionieren, welche Kennzahlen zählen und welchen operativen Wandel Teams vollziehen müssen, um Erkenntnisse in Produktänderungen zu verwandeln, die sich aufsummieren. Wir werfen außerdem einen Blick darauf, wo KI-Sprachagenten still und leise zum Research-Instrument mit der höchsten Bandbreite werden, das die meisten CX-Teams besitzen – ohne dass es im Research bislang jemandem bewusst ist.
Customer-Experience-Research ist die Praxis, Daten darüber, wie sich Kunden durch jede Interaktion mit Ihrem Unternehmen bewegen, systematisch zu sammeln, zu interpretieren und danach zu handeln. Dazu gehören die offensichtlichen Touchpoints (Website, Checkout, Support-Anruf) und die unglamourösen (eine verspätete E-Mail-Antwort, eine verwirrende Quittung, ein Telefonmenü, das "mit einer Person sprechen" nicht akzeptiert).
Die Disziplin liegt zwischen drei älteren Feldern: Marktforschung (die üblicherweise bei der Kaufabsicht endet), User-Experience-Research (die üblicherweise bei der Produktoberfläche endet) und Customer Success (das üblicherweise bei aktiven Accounts endet). CX-Research überschneidet sich mit allen dreien und gehört zu keinem davon, weshalb so viele Programme politisch fragil und methodisch dünn sind.
Eine nützliche Arbeitsdefinition: CX-Research ist die Zuhörfunktion, die Kundenverhalten und Kundensprache in priorisierte Änderungen an beliebiger Stelle im Unternehmen verwandelt. Wenn Ihr Research-Ergebnis nie das Deck verlässt, in dem es präsentiert wurde, ist es kein CX-Research. Es ist CX-Reporting.
Die drei Standbeine: Ein vollständiges Programm braucht strukturiertes Feedback (Umfragen, wertbasierte Instrumente), unstrukturiertes Feedback (Interviews, offene Texte, Anruftranskripte) und Verhaltensdaten (Clickstream, Absprungpunkte, Anrufweiterleitungsmuster). Programme, die sich nur auf eines der drei stützen, produzieren selbstsicher klingende Erkenntnisse, die Kundenverhalten nicht vorhersagen.
Drei Muster töten mehr Programme als Budgetkürzungen es tun.
Das erste ist die übermäßige Abhängigkeit von Kennzahlen, die dem Erlebnis hinterherhinken. NPS, CSAT und CES sind als Trendlinien nützlich, aber sie sagen Ihnen erst Wochen, nachdem der Kunde es erlebt hat, dass etwas nicht stimmt. Wenn der vierteljährliche NPS sinkt, hat das Team die Chance, die Reibung im Moment zu beheben, bereits verpasst.
Das zweite ist, qualitatives Research als Luxus zu behandeln. Fünf User-Interviews können einen Abwanderungsgrund aufdecken, den 5.000 Umfrageantworten übersehen haben, weil Umfragen die Fragen stellen, die Sie sich bereits ausgedacht haben. Interviews bringen die Fragen ans Licht, von denen Sie nicht wussten, dass Sie sie stellen sollten. Teams, die alle sechs Monate eine einzige qualitative Runde durchführen und das "Voice of Customer" nennen, betreiben CX-Research so, wie jemand eine Diät macht, indem er sich einmal im Jahr wiegt.
Das dritte ist, dass Daten in fünf verschiedenen Tools liegen, die nicht miteinander sprechen. Support-Tickets in Zendesk, Anrufaufzeichnungen in der Contact-Center-Plattform, NPS in Qualtrics, Abwanderungsdaten im Warehouse, Session-Aufzeichnungen in einem Heatmap-Tool. Eine echte Erkenntnis erfordert meist, zwei oder drei davon zu verbinden – und die meisten Teams haben weder die Zeit noch das Integrationsbudget. Also greifen sie standardmäßig zu der Datenquelle, die am einfachsten abzurufen ist, was fast nie die aussagekräftigste ist.
In Lehrbüchern sind Dutzende CX-Research-Methoden katalogisiert. In der Praxis tragen fünf den Großteil der Last. Die übrigen sind Variationen davon.
Dies ist der Kanal mit dem höchsten Signal und der am wenigsten genutzte. Jeder eingehende Anruf, jede Support-Eskalation und jeder Vertriebseinwand ist ein aufgezeichnetes Kundeninterview, das niemand geplant und für das niemand rekrutieren musste. Das Problem war schon immer, ihnen im großen Maßstab zuzuhören: Ein 40-köpfiges Support-Team generiert rund 6.000 Anrufe pro Monat, und kein Mensch kann 6.000 Anrufe durchsehen.
Hier hat sich der Kanal verändert. KI-Sprachagenten auf Plattformen wie Retell AI transkribieren automatisch jeden Anruf, bewerten die Stimmung, markieren Eskalationsmomente, extrahieren strukturierte Felder (erwähntes Produkt, Problemkategorie, Lösungsstatus) und bringen Trends über das gesamte Anrufvolumen ans Licht. Medical Data Systems wickelt 100 % seiner eingehenden Inkasso-Anrufe über KI-Sprachagenten ab und erhält für jeden einzelnen ein stimmungsgetaggtes Transkript und einen Ergebnisdatensatz. Das sind Research-Daten, für deren Erhebung niemand eine Rekrutierungsagentur bezahlen musste.
Einsetzen, wenn: Sie wissen wollen, was Kunden tatsächlich sagen, wenn sie frustriert, verwirrt oder kaufbereit sind. Umfragen bitten Menschen, sich an Gefühle zu erinnern. Anrufe erfassen Gefühle, während sie geschehen.
Fünf bis zwölf geplante Interviews pro Research-Zyklus, jeweils 30 bis 60 Minuten, mit Kunden, die kürzlich abgewandert sind, kürzlich gekauft oder kürzlich eskaliert haben. Es geht nicht um statistische Validität. Es geht darum, die Sprache zu finden, die Kunden verwenden, die mentalen Modelle, die sie mitbringen, und die unausgesprochenen Kriterien, nach denen sie tatsächlich entscheiden.
Führen Sie Interviews zu zweit durch: Ein Forscher fragt, der andere macht Notizen und achtet auf Dinge, die dem Fragenden entgehen. Zeichnen Sie alles auf. Taggen Sie Transkripte nach Thema. Das Ergebnis ist kein Deck – es ist eine Liste testbarer Hypothesen und ein Fundus an Kundenzitaten, auf die man in Produkt-Reviews im nächsten Quartal zurückgreifen kann.
Häufiger Fehler: Interviewergebnisse als schlüssig zu behandeln, weil der Kunde sie mit Überzeugung geäußert hat. Kunden sind hervorragende Berichterstatter ihrer eigenen Frustration und unzuverlässige Berichterstatter dessen, was sie tatsächlich tun würden. Vertrauen Sie dem, was sie beschreiben, überprüfen Sie, was sie vorhersagen.
Umfragen funktionieren, wenn sie eng gefasst, auf eine bestimmte Interaktion getimt und kontinuierlich statt jährlich durchgeführt werden. Eine Zwei-Fragen-Umfrage nach einem Support-Anruf schlägt eine 22-Fragen-Jahresbeziehungsumfrage in jeder relevanten Dimension: Antwortrate, Aktualität, Handlungsfähigkeit.
CSAT nach einem definierten Ereignis, CES nach Abschluss eines Prozesses und eine einzige offene Frage "Was hätte Sie beinahe davon abgehalten, dies abzuschließen?" sind die Umfragen, die tatsächlich Veränderung bewirken. Der 18-Fragen-Qualtrics-Monolith ist ein Reporting-Tool, kein Research-Tool.
Beobachten, was Kunden tun, insbesondere, wo sie damit aufhören. Funnel-Absprünge, Rage Clicks, wiederholte Formularfehler, Suchanfragen, die null Ergebnisse liefern – das sind Schmerzpunkte, die in keiner Umfrage auftauchen, weil der Kunde ging, bevor Sie ihn fragen konnten.
Tools in diesem Bereich (Hotjar, FullStory, Pendo, interne Analytics) sind ausgereift. Die eigentliche Herausforderung besteht darin, Zeit zu reservieren, um die Aufzeichnungen tatsächlich anzuschauen. Blockieren Sie zwei Stunden pro Woche. Schauen Sie sich zehn Sessions an. Die Muster erscheinen schneller, als man erwartet.
Eine Journey Map, die aus der Fantasie des Teams an ein Whiteboard gezeichnet wurde, ist ein Strategiedokument, kein Research. Eine Journey Map, die mit echten Zahlen gefüllt ist – durchschnittliche Zeit zwischen Schritten, Absprungprozentsatz pro Phase, die drei größten Schmerzpunkte pro Phase, Kundensprache für jede Phase –, ist ein Research-Artefakt.
Die Version, die scheitert, ist die, in der jemand Klebezettel gezeichnet hat, die "was wir denken, dass der Kunde in dieser Phase fühlt" darstellen, und sie nie durch das ersetzt hat, was Kunden tatsächlich gesagt haben. Mappen Sie mit echten Zitaten, echten Zahlen und echten Fehlermodi, oder lassen Sie die Übung sein.
NPS, CSAT und CES sind die drei Kennzahlen, die die meisten Programme berichten. Jede misst etwas Reales und jede wird missbraucht.
Das Muster, das funktioniert: Wählen Sie eine Beziehungskennzahl (NPS oder ein individuelles Äquivalent), die vierteljährlich auf Unternehmensebene verfolgt wird, plus zwei oder drei transaktionale Kennzahlen (CSAT und CES pro wichtiger Journey-Phase), die kontinuierlich verfolgt werden. Alles darüber hinaus ist Dashboard-Füllmaterial.
Profi-Tipp: Koppeln Sie einen Wert immer mit einer offenen Folgefrage. Ein Wert von 3 mit dem Kommentar "der Agent hat mich ständig weitergeleitet" ist zehnmal nützlicher als der Wert allein, und der Kommentar ist das, was behoben wird.
Für den größten Teil der Geschichte des CX-Research war das Telefon eine Blackbox. Anrufe finden statt, Anrufende gehen entweder zufrieden oder nicht, und was tatsächlich gesagt wurde, verschwindet, es sei denn, jemand hat manuell eine Stichprobe überprüft. Qualitätssicherungsteams überprüften typischerweise 1 % bis 3 % der Anrufe. Die übrigen 97 % der Kundenstimmdaten gingen verloren.
Dieses Verhältnis hat sich in den letzten 24 Monaten umgekehrt. KI-Sprachagenten, die Anrufe abwickeln, transkribieren, taggen und analysieren sie auch – jeden Anruf, nicht eine Stichprobe. Die Research-Implikationen sind größer als die Kostenimplikationen, auf die sich die meisten Teams konzentrieren.
Pine Park Health nutzt Sprachagenten, um die Patientenplanung abzuwickeln, und verzeichnete einen Anstieg des Planungs-NPS um 38 %, teilweise weil die KI bei jedem Anruf strukturierte Daten erfasst, die das Team nutzt, um Planungsreibung nahezu in Echtzeit zu identifizieren. Mike Tadlock, ihr COO, sagte, die KI "ermöglicht es unserem Team, sich auf sinnvolle Patientenversorgung statt auf Telefon-Pingpong zu konzentrieren". Das CX-Research-Ergebnis ist ein Nebenprodukt des Betriebs.
Matic Insurance reduzierte die Bearbeitungszeit für die Schadensaufnahme von 12,4 Minuten auf 5,8 Minuten (Reduktion um 53 %) und hielt den NPS bei 90 – nicht, weil sie bessere Umfragen durchführten, sondern weil die Anrufdaten genau zeigten, wo die alte Bearbeitungszeit verbracht wurde. Diese Auflösung erhalten Sie nicht durch Stichproben.
Wann sich der Research-Ansatz über den Anrufkanal auszahlt: Betriebe mit mehr als 200 eingehenden Anrufen pro Monat, bei denen die Anrufe wiederholbare Kategorien abdecken (Support, Terminplanung, Qualifizierung, Aufnahme). Unterhalb dieses Volumens überwiegt der Integrationsaufwand den Research-Ertrag.
Wann darauf verzichten: Wenn Ihre Anrufe zutiefst beratend sind, stark von Kunde zu Kunde variieren und Ihre umsatzstärkste Arbeit darstellen, wollen Sie wahrscheinlich menschliche Agenten und einen separaten Research-Prozess. Sprach-KI ergänzt transaktionale und volumenstarke Gespräche, nicht Strategiegespräche mit Ihren Top-Accounts.
Die Form eines CX-Research-Programms, das tatsächlich funktioniert, sieht so aus.
Kontinuierliches transaktionales Feedback, das bei jeder wichtigen Interaktion läuft: CSAT nach dem Support, CES nach dem Onboarding, eine offene Frage "Was hätte dies einfacher gemacht?", wo immer sie passt. Geringe Fragenzahl, hohe Antwortrate.
Kontinuierliche Verhaltensdaten aus Produkt-Analytics, Session Replay und Anrufanalyse. Wöchentlich überprüft, nicht vierteljährlich. Es geht darum, Anomalien schnell zu erkennen, nicht darum, vierteljährliche Trendberichte zu erstellen.
Vierteljährliche qualitative Zyklen mit 8 bis 12 Kundeninterviews pro Zyklus. Gemischte Segmente: aktuelle Käufer, kürzlich Abgewanderte, aktuelle Eskalationen. Das Ergebnis ist eine Hypothesenliste, kein Foliendeck.
Jährliche Tiefenanalysen zu bestimmten Journey-Phasen. Wählen Sie die am schlechtesten abschneidende Phase aus den kontinuierlichen Daten und betreiben Sie fokussiertes Research: ausführliche Interviews, kontextbezogene Beobachtung, strukturierte Umfragen zur Validierung von Hypothesen, verhaltensbezogene Kohortenanalyse.
Der häufigste Fehlermodus ist, diese Struktur umzukehren: die jährliche Tiefenanalyse jedes Jahr durchführen, die kontinuierlichen Kanäle ignorieren und dann überrascht sein, wenn sich der vierteljährliche NPS verschiebt. Die kontinuierlichen Kanäle sind Frühwarnung. Die Tiefenanalysen sind Ursachenanalyse. Sie brauchen beides.
Das ist der Teil, den die meisten Artikel überspringen, weshalb die meisten CX-Programme unterdurchschnittlich abschneiden.
Geschichten schlagen Statistiken, wenn es darum geht, Meinungen zu ändern. Ein Clip, in dem ein Kunde sein Erlebnis beschreibt, trägt mehr dazu bei, ein Projekt zu finanzieren, als ein Diagramm der CES-Trends. Bauen Sie aus jedem Zyklus eine Zitatbibliothek und eine Clip-Bibliothek auf. Beziehen Sie sich ständig darauf. Der Produktmanager, der drei Kunden dasselbe in ihren eigenen Worten sagen gehört hat, wird die Behebung priorisieren.
Rahmen Sie jede Erkenntnis mit einer vorgeschlagenen Maßnahme ein. Nicht "Kunden sind über unsere Preisseite verwirrt" – "Kunden sind über unsere Preisseite verwirrt, hier sind drei Testvarianten, die wir im nächsten Sprint ausliefern möchten". Research ohne Empfehlung wird abgeheftet. Research mit einer konkreten Bitte wird ausgeliefert.
Verankern Sie es in Produkt- und Betriebsritualen. Die Aufgabe des Research-Teams besteht nicht darin, Berichte zu produzieren. Es besteht darin, bei Sprint-Planung, QBRs und Roadmap-Reviews mit der bereits geladenen Kundenperspektive aufzutauchen. Wenn Research etwas ist, das Produktteams sich erst holen müssen, werden sie es nicht tun.
Häufiger Fehler: Erkenntnisse der Führungsebene zu präsentieren, bevor man sie mit den Teams teilt, die die Arbeit machen würden. Wenn es zur Führungsebene gelangt, hatte das Team keine Chance, die Umsetzung zu planen, also bleiben die Erkenntnisse liegen. Teilen Sie Erkenntnisse nach unten und quer, bevor Sie sie nach oben teilen.
Die meisten CX-Research-Stacks umfassen noch keine Sprach-KI-Plattform, aber sie sollten es – sowohl als operatives Werkzeug als auch als Research-Instrument. In der Praxis sieht die Integration so aus.
Der Sprachagent wickelt eine definierte Kategorie eingehender oder ausgehender Anrufe ab: Terminplanung, Support-Triage, Lead-Qualifizierung, Zahlungserinnerungen, Aufnahme. Jeder Anruf erzeugt einen strukturierten Datensatz: Anruferabsicht, Lösung, Stimmung, Bearbeitungszeit, Weitergeleitet-an-Mensch-Flag und das vollständige Transkript. Dieser Datensatz fließt in ein CRM, ein Data Warehouse oder ein CX-Dashboard.
Das Research-Team hat nun drei Dinge, die es vorher nicht hatte. Eine vollständige Stichprobe (nicht ein 1-%-Audit) davon, wie Kunden ihre Probleme in ihren eigenen Worten beschreiben. Ein sauberes Signal darüber, welche Problemkategorien Woche für Woche wachsen oder schrumpfen. Eine Möglichkeit, neue Skripte oder Routing-Änderungen an einer kontrollierten Teilmenge des Traffics zu testen und die Wirkung zu messen, weil der Agent die veränderte Variable ist.
Anrufnachbearbeitung und die Wissensdatenbank sind die beiden Features, die für den Research-Anwendungsfall am wichtigsten sind – das erste erzeugt die strukturierten Daten, das zweite ist der Ort, an dem Sie das Gelernte wieder in den Agenten codieren. Die Schleife schließt sich schneller als bei jedem anderen Research-Kanal.
Research im Gesundheitswesen muss mit HIPAA-geschützten Daten umgehen, was üblicherweise eine PII-Schwärzung auf Transkriptebene und eine BAA mit jedem Anbieter bedeutet, der Anrufdaten berührt. Patientenplanung, Nachbestellungsanfragen und Triage sind die volumenstärksten Anrufkategorien und dort, wo der Research-Ertrag am größten ist. Die Arbeit von Pine Park Health im Gesundheitswesen ist der Beleg, der es wert ist, studiert zu werden.
Finanzdienstleistungen und Inkasso sehen sich bei ausgehenden Anrufen mit TCPA, FDCPA und Compliance auf Bundesstaatsebene konfrontiert, dazu SOC-2-Erwartungen beim Datenumgang. Die Research-Chance liegt in der Analyse von Inkasso-Anrufen – Medical Data Systems zieht über KI-Agenten mit einer Weiterleitungsrate an Menschen von 30 % rund 280.000 $ pro Monat ein, und die Anrufdaten sagen dem Team genau, welche Zahlungseinwände tatsächlich konvertieren. Es lohnt sich, speziell die Inkasso-Workflows zu betrachten.
Versicherungen haben Spitzendynamiken (Wetterereignisse, Erneuerungszeiträume), die es schwer machen, traditionelles Research darum herum zu planen. Der Vorteil einer stets aktiven Anrufanalyse ist, dass Sie Spitzenreibung in Echtzeit sehen und eingreifen können, bevor die vierteljährliche Umfrage sie erfasst.
Wenn Ihr aktuelles CX-Research-Programm hauptsächlich eine jährliche NPS-Umfrage ist, zählen die nächsten drei Schritte mehr als die Reihenfolge: Fügen Sie einen transaktionalen CSAT oder CES nach Ihren beiden volumenstärksten Kundeninteraktionen hinzu, planen Sie acht Kundeninterviews für das nächste Quartal (vier Abgewanderte, vier aktuelle Käufer) und ziehen Sie eine Stichprobe von 50 aktuellen Support-Anruftranskripten, um sie von Anfang bis Ende zu lesen.
Für Teams, die bereits kontinuierliches transaktionales Feedback betreiben, ist der nächste Schritt üblicherweise der Anrufkanal. Ob Sie diese Anrufe mit interner QA, einem Drittanbieter-Prüfer oder durch den Einsatz eines KI-Sprachagenten verarbeiten, der Anrufe automatisch abwickelt und analysiert, hängt von Ihrem Volumen und der Kapazität Ihres Betriebsteams ab. Die richtige Einstiegs-Preisgestaltung für die meisten Teams, die den Kanal testen, ist nutzungsbasierte Abrechnung vor jeder langfristigen Verpflichtung.
Das Ziel ist nicht, mehr Research zu betreiben. Es ist, sicherzustellen, dass jede Kundeninteraktion, die Ihr Unternehmen hat – ob auf der Website, in der App oder am Telefon –, ein Signal erzeugt, auf das Sie reagieren können. Die CX-Teams, die die nächsten fünf Jahre gewinnen, werden nicht diejenigen mit dem größten Umfragebudget sein. Es werden diejenigen sein, deren Research-Infrastruktur von selbst läuft, während ihr Betrieb läuft.
Für explorative Arbeit reichen 5 bis 12 pro Segment aus, um bei den wichtigsten Themen Sättigung zu erreichen. Um eine bestimmte Hypothese mit einer quantitativen Frage zu validieren, hängt die Antwort von der Effektgröße ab, aber 100 bis 400 Antworten sind für die meisten Entscheidungen eine vernünftige Arbeitsspanne.
Für spezialisierte B2B-Segmente ja – die eingesparte Zeit ist die Kosten wert. Für allgemeines Verbraucher-Research, bei dem Ihre eigene Kundenliste groß ist, bringt Ihnen die Rekrutierung aus Ihrer Liste bessere Teilnehmer, die Ihr Produkt verstehen. Eine Mischung aus beidem ist üblich.
NPS wird überstrapaziert, nicht tot. Als eine vierteljährliche Trendlinie auf Unternehmensebene ist es in Ordnung. Als Hauptkennzahl für jedes Team im Unternehmen erzeugt es Manipulation, Punktejagd und sehr wenig Lernen. Stufen Sie es herab, löschen Sie es nicht.
UX-Research konzentriert sich auf die Produktoberfläche und die digitale Interaktion. CX-Research deckt die gesamte Journey ab, einschließlich Vorkauf, Support, Abrechnung, Erneuerung und Offboarding. Die Methoden überschneiden sich stark; der Umfang und die Stakeholder-Gruppe sind unterschiedlich. Die meisten Unternehmen brauchen beides, obwohl sie oft vom selben Team betrieben werden.
Verknüpfen Sie jedes Research-Projekt mit einem Umsatz- oder Kostenergebnis. "Wir interviewen 10 abgewanderte Kunden, um die drei größten Abwanderungstreiber zu identifizieren, mit dem Ziel, die Abwanderung im nächsten Quartal um 1 Punkt zu senken" wird finanziert. "Wir wollen unsere Kunden besser verstehen" nicht.
Wenn das Anrufvolumen niedrig ist (unter ~200/Monat), wenn Anrufe stark beratend und individualisiert sind oder wenn die Compliance-Anforderungen Ihrer Branche eine Transkription durch Dritte ausschließen. In diesen Fällen bleiben Sie bei menschlich geführtem Research und stichprobenartigen Anrufprüfungen.
Kontinuierliche Kanäle (transaktionale Umfragen, Anrufanalyse) erzeugen ein Signal von Woche zu Woche. Qualitative Zyklen liefern in 4 bis 6 Wochen nützliche Erkenntnisse. Verhaltensanalyse hängt vom Traffic-Volumen ab; volumenstarke Produkte zeigen innerhalb von Tagen Muster. Die erste messbare betriebliche Verbesserung kommt üblicherweise 60 bis 90 Tage nach Programmstart.
Sehen Sie, wie viel Ihr Unternehmen durch den Wechsel zu KI-gestützten Sprachagenten sparen könnte.
Total Human Agent Cost
AI Agent Cost
Estimated Savings
Eine Demo-Telefonnummer von Retell Clinic Office
Start building smarter conversations today.
.avif)
