Der Customer Satisfaction Score (CSAT) fasst zusammen, wie zufrieden Befragte mit einem bestimmten Erlebnis, einem Produkt oder einer Geschäftsbeziehung sind. Meist wird er direkt nach einer Interaktion erhoben, etwa nach einem Support-Gespräch. Was genau bewertet wird, hängt jedoch vom Wortlaut der Frage ab.
Ein Wert kann auf den ersten Blick beruhigend wirken, während das eigentliche Erlebnis unklar bleibt. Jemand schätzt vielleicht den freundlichen Support, ist aber trotzdem frustriert, weil er das Problem zum dritten Mal melden musste. Festzulegen, worauf sich die Zufriedenheit bezieht, ist daher ein zentraler Teil der Messung – und kein nebensächliches Detail in der Einleitung.
Fragestellung und Berechnungsmethode klar benennen
Ein gängiger Ansatz nutzt eine fünfstufige Skala und weist den Prozentsatz der beiden positivsten Antworten aus (Top-2-Box). Wenn 80 von 100 Befragten „zufrieden“ oder „sehr zufrieden“ wählen, liegt dieser CSAT bei 80 %. Wer nur die oberste Kategorie berücksichtigt oder einen Mittelwert bildet, misst etwas anderes.
Die CSAT-Erklärung von Qualtrics beschreibt die gängige Top-2-Box-Berechnung. Kein Wert lässt sich sinnvoll interpretieren, ohne die Frage, die Skala, die berücksichtigten Antworten und die Berechnungsmethode zu kennen.
Nutze ausgewogene Antwortoptionen und einen klaren Bezugspunkt: die Zufriedenheit mit der heutigen Lieferung, einem bestimmten Support-Kontakt oder dem Produkt im Ganzen. Vermeide es, mehrere Aspekte in einer Frage zu vermischen, wenn ihr sie später getrennt auswerten wollt.
Das Timing passend zum Erlebnis wählen
Eine Befragung direkt nach einem Chat erfasst den Eindruck von diesem Gespräch – aber die Person weiß oft noch nicht, ob die Lösung wirklich funktioniert hat. Eine spätere Frage zur Problemlösung misst daher etwas anderes. Wählt den Zeitpunkt passend zur Entscheidung, die ihr treffen wollt, statt automatisch anzunehmen, schneller sei gleichbedeutend mit präziser.
Haltet den Auslöser für Umfragen über Vergleiche hinweg einheitlich und dokumentiert jede Änderung. Wenn ein Team erst fragt, nachdem Tickets als gelöst markiert wurden, kann eine scheinbare Verbesserung einfach daran liegen, wer die Umfrage überhaupt noch erhält.
Prüft, wer antwortet und wessen Feedback fehlt. Eine Non-Response-Verzerrung ist möglich, aber man kann nicht pauschal annehmen, dass nur die Begeisterten und Wütenden mitmachen. Untersucht die Beteiligung anhand verfügbarer Daten, wo immer möglich.
Den Score als Ausgangspunkt für Nachforschungen nutzen
Eine kurze offene Nachfrage zeigt oft, was hinter der Bewertung steckt. Gleicht die Kommentare mit operativen Daten ab – etwa wiederholten Kontakten oder ungelösten Tickets –, ohne dabei zu vergessen, dass jede Quelle etwas anderes misst. Ein Zufriedenheitswert erfasst weder den Aufwand noch die erfolgreiche Lösung oder tatsächliche Loyalität direkt.
Bei einem fiktiven Lieferdienst könnten schlechte Bewertungen an verspäteter Zustellung, beschädigter Ware oder unklaren Abholhinweisen liegen. Der gleiche Gesamt-CSAT erfordert also völlig unterschiedliche Maßnahmen. Schaut euch die Verteilung und den Kontext an, bevor ihr Schlüsse zieht.
Gebt die Stichprobengröße sowie passende Unsicherheiten an und vergleicht nur Vergleichbares. Der Customer Effort Score hilft dabei, den Aufwand zu untersuchen, während der Net Promoter Score gezielt nach der Weiterempfehlung fragt. Das Ziel ist, Daten zu nutzen, die das Kundenerlebnis wirklich erklären – statt einfach nach jeder Interaktion jeden beliebigen Score abzufragen.