planung&analyse 2/2019 59

Die CUSTOMER JOURNEY IM B2B-BEREICH:

Eine intensive Reise mit individuellen Routen

ILLU

STR

AT

ION

: GO

DR

UM

A / FO

TO

LIA

; MO

NTA

GE

: P&

A

zierter und individualisierter ist, kommt esnoch viel mehr auf das Verständnis für dieBinnenbeziehung der Touchpoints an, umdie Customer Journey aktiv zu gestaltenund im Sinne der Customer Centricity op-timal auf den Kundenbedarf hin auszu-richten.

Insgesamt ist die B2B-Customer-Expe-rience durch eine große Anzahl von Touch-points gekennzeichnet, welche die Ge-schäftsbeziehung im Hinblick auf Zufrie-denheit, Treue, Markendifferenzierungund Umsatz in die eine oder andere Rich-tung beeinflussen. Die Produkte oderDienstleistungen selbst, die das Herzstückder Zusammenarbeit konstituieren, dieUnterstützung und Betreuung der Kunden(und oft der Endkunden der Kunden) so-wie Prozesse in der Lieferkette stellen klas-sische Schnittstellen dar, an denen eine In-

Die Customer Journey von B2B-Kundenist im Vergleich zu Consumer-Beziehun-gen zumeist langfristig ausgelegt unddurch intensivere Erfahrungen an denTouchpoints geprägt. Einzelne Phasen, wiezum Beispiel die Vorkaufsphase sind durchEinkaufsprozesse formalisierter als bei Pri-vatkunden, dagegen ist die Customer Ex-perience in der konkreten Interaktion vongroßer Bedeutung. Denn soziale Schnitt-stellen, die im B2B-Bereich einen deutlichgeringeren Digitalisierungsgrad aufweisenals im B2C-Kontakt, üben hier einen star-ken Einfluss aus. Haben Unternehmen dieKundenbetreuung für Endkunden bereitsweitgehend auf digitale Kanäle umgestellt,sind es im B2B-Bereich häufig noch KeyAccounts als Großkundenbetreuer, die dieKundenbeziehung maßgeblich gestalten.Und da die Customer Experience differen-

ie Beziehung zu B2B-Kunden ist meist lang-fristiger, die Erfahrun-gen an Touchpoints in-tensiver und die Bedeu-tung sozialer Schnitt-

stellen größer als bei B2C-Kunden. Umsowichtiger ist es, diese auch an den ver-schiedenen Touchpoints zu verstehen.Entscheidungsbaumanalysen liefern rele-vante Hinweise für Änderungen an ent-scheidenden Stellschrauben und bietengleichzeitig Ansatzpunkte für tiefergehen-de Analysen. Dr. Anita Petersen und Dr.Katharina Rohrbach von (r)evolution stel-len eine Methode vor, die aus einem klassi-schen Touchpoint-Modell mehr heraus-holen kann und einen umfassenden Blickauf die Customer Experience bei B2B-Kunden erlaubt.

D

VonTouchpoint

zuTouchpoint

planung&analyse 2/201960

wissen&forschung thema

teraktion zwischen den Unternehmenstattfindet. Allerdings ist die Kundenerfah-rung an einzelnen Touchpoints nicht iso-liert zu betrachten, auch wenn das bei dengängigen Analysen so angenommen wird.Denn es ist das besondere Zusammenspielvon Faktoren in jeder (B2B-)Kundenbezie-hung, welches darüber entscheidet, wie gutund erfolgreich die Zusammenarbeit ins-gesamt bewertet wird – und die ist vonKunde zu Kunde unterschiedlich.

Übersetzung der CXin ein Touchpoint-Modell

An erster Stelle in der Analyse der Custo-mer Journey steht die Entwicklung einesumfassenden Touchpoint-Modells, das allerelevanten Schnittstellen in der Kundenbe-ziehung operationalisiert. Naturgemäß istdieser Prozess durch qualitative Erhe-bungsmethoden in einem verstehend-in-duktiven Ansatz bestmöglich abgebildet.Um die Spezifität der Branche sowie derKundeninteraktion zu erfassen und opera-tiv umsetzbare Ergebnisse zu generieren,sind neben Kundeninterviews auch interneWorkshops mit Fachabteilungen zielfüh-rend. Ist das Modell aufgebaut und die (üb-licherweise) quantitative Erhebung abge-schlossen, stellt sich die Frage, welche Er-fahrungen in der Customer Journey dieZufriedenheit tatsächlich prägen. Ein üb-licher Ansatz sind hier Relevanzanalysen,die die statistische Bedeutung einzelnerTouchpoints im Hinblick auf die Bewer-

tung der Kundenbeziehung darstellen. Diezentralen Treiber für Kundenzufriedenheitkönnen hierdurch zwar ermittelt werden,über das Zusammenspiel der einzelnen Er-fahrungen lässt diese Art der Analyse aberkeine Aussage zu. Dagegen sind Kausal-analysen, wie beispielsweise Pfadanalysen,unter statistischen Gesichtspunkten eineadäquate Methode. Nachteilig hierbei istjedoch, dass die Herleitung des Modells zu-nächst theoretisch erfolgt, die zu erfüllen-den Voraussetzungen restriktiv sind undinsbesondere die Interpretation der Ergeb-nisse sich in der Praxis als sehr komplexerweist – und damit wenig tauglich imHinblick auf die Kommunikation an An-wender, Umsetzer und all diejenigen, diedie Kundenschnittstellen aktiv gestalten.

Wie beeindruckend die intuitive Erklä-rungskraft von Entscheidungsbäumen fürdie Touchpoint-Analyse ist, wird in unse-rem Beispiel-Case aus der B2B-Kunden-zufriedenheitsforschung deutlich. Auf Ba-sis einer CAWI-Studie zur Customer Ex-perience unter B2B-Kunden eines Herstel-lers im Bereich Maschinenbau aus demJahr 2017 mit zirka n=500 Fällen haben wireine Entscheidungsbaumanalyse durchge-führt.

Kundenzufriedenheit beim Maschinenbauer

Der Entscheidungsbaum ermöglicht es,das Ergebnis der Analysen in einer Grafik(siehe Abbildung) darzustellen und somit

entscheidende Schlüsselattribute auf einenBlick zu erkennen: Auf der X-Achse ist dieauf einen 100-Punkte-Index gespreizte Zu-friedenheit mit der Geschäftsbeziehung ab-getragen, die in der Analyse als abhängigeVariable mittels der Erlebnisse der Kundenauf den Touchpoints vorhergesagt wird. Je-der Kasten repräsentiert einen Touchpoint,der in der Customer Journey eine Wei-chenstellung für die Gesamtzufriedenheitbewirkt. Die Bewertung der Touchpointswurde auf einer 10-Punkte-Skala gemes-sen. Je höher ein Touchpoint im Entschei-dungsbaum angesiedelt ist, desto größer istseine Bedeutung für die Zufriedenheit. Al-les entscheidend ist im hier dargestelltenBeispiel die wirtschaftliche Zufriedenheit –die Erfahrung der B2B-Kunden mit denKonditionen des Herstellers trennt dasSample in zwei Gruppen. Werden die Kon-ditionen als unattraktiv bewertet (Bewer-tungen ≤5), die Produkte hingegen wei-terhin als sehr attraktiv, besteht die Mög-lichkeit, über einen zufriedenstellendenService sowie eine gute Betreuung im Rah-men des Key Account Managements nochein knapp unterdurchschnittliches Zufrie-denheitsniveau (47 Punkte) zu erreichen.Diese Kunden lassen sich also nur mit gro-ßem Einsatz in der Betreuung trotz (für sie)schlechter Konditionen in der Geschäfts-beziehung halten.

Erleben die B2B-Kunden die wirtschaft-lichen Konditionen als attraktiv, entschei-det im nächsten Schritt die Betreuungdurch das Key Account Management über

Entscheidungsbaum: Customer Experience im B2B-Umfeld

Zufriedenheit mit der Geschäftsbeziehung (100-Punkte-Index)Die Touchpoints wurden auf einer 10-Punkte-Skala bewertet. Je höher ein Touchpoint im Entscheidungsbaum steht, desto größer ist seine Bedeutung für die Zufriedenheit.

Quelle: (r)evolution planung&analyse 2/2019

planung&analyse 2/2019 61

die Qualität der Geschäftsbeziehung. Nurwenn dieses als außerordentlich positiv be-wertet wird (>9), können – bei zufrieden-stellendem Kundenservice für Endkundenund noch mal besseren Konditionen (>7) –Werte von über 90 auf der Gesamtzufrie-denheitsskala erreicht werden. Damit stelltdie Betreuung sowohl durch das Key Ac-count Management als auch durch denKundenservice für Endkunden einen un-abdingbaren Faktor für Begeisterung dar.Besonders deutlich wird hierbei, dass eingut funktionierender Kundenservice fürEndkunden der befragten Unternehmenan mehreren Stellen Einfluss auf die po-sitive Wahrnehmung der Kundenbezie-hung besitzt. Es ist im Modell ausdrücklichzugelassen, dass Touchpoints an mehrerenPositionen in der Baumstruktur Einflussauf die Kundenbeziehung ausüben dürfen.

Kann das Key Account Managementkeine Begeisterung bei Kunden hervorru-fen (≤9), lässt sich mit optimaler Unter-stützung durch technische Schulungenund Prozessqualität im Hinblick auf Liefe-rungen zumindest größere Unzufrie-denheit vermeiden.

Ansatzpunkt für tiefergehende Insights

Insgesamt lassen sich die Kunden auf die-sem Wege in Segmente unterteilen – dieseGruppen haben gänzlich unterschiedlicheWahrnehmungen in Bezug auf die relevan-ten Schnittstellen, was sich letztlich in un-terschiedlichen Zufriedenheitsniveaus mitder Geschäftsbeziehung niederschlägt. IhrBeziehungsmuster zum Hersteller ist je-weils sehr individuell geprägt. In Folge derSegmentierung ergeben sich weitere inte-ressante Analysemöglichkeiten: � Segment-Profilierungen: Mit Hilfe einerProfilierung lassen sich über diese ermittel-ten Kundengruppen anhand weiterer Krite-rien, wie etwa Umsatzstärke, Unterneh-mensgröße, Loyalität und andere detaillier-tere Insights gewinnen. Es ist möglich, be-sonders gefährdete Kundengruppen zuidentifizieren – gerade die Kunden, die imniedrigen Zufriedenheitsbereich landen,stehen hier im Fokus: Wie unterscheidensich die Kundengruppen strukturell, die imEntscheidungsbaum unterschiedliche Wegenehmen? Gibt es kundenseitig Anhalts-punkte, die diesen Weg im Entscheidungs-baum erklären, wie etwa unterschiedlicheBedarfe, Ansprüche oder auch Betreuungs-modelle? Lohnt es sich vom Kundenwert,hier zu investieren?� Gap-Analysen: Weiterhin können offeneNennungen und Statements herangezogenwerden, um ein tieferes Verständnis da-

rüber zu erlangen, was die Beweggründe füreine Bewertung über versus unter der magi-schen Grenze sind. Denn diese bestimmtmaßgeblich den weiteren Weg im Entschei-dungsbaum. Mithilfe der Gap-Analyse las-sen sich Miserable Moments und somit diegenauen Ursachen für Unzufriedenheit inder Customer Experience erforschen. Eshandelt sich um eine gute Methode, umProblemfelder zu erkennen und kritische

Punkte in der Kundenbeziehung genau zubeleuchten.� Analyse von Worst Case versus Best Case:Darüber hinaus müssen die besonders sen-siblen Schnittpunkte der Kundeninterakti-on in den Blick genommen werden. Vor-rangiges Ziel hierbei ist, negative Kunden-erfahrungen zu vermeiden. Um ein voll-ständiges Bild der Kundenbeziehung zuerhalten, ist es unabdingbar, nicht nur dieProblemfelder zu beleuchten, sondernauch die Begeisterungsfaktoren in der Cus-tomer Journey zu identifizieren. Was genaudifferenziert im oberen Bereich der Zufrie-denheit noch weiter? Was macht besondersglückliche Kunden aus?

Abschließend können wir den Einsatzvon Entscheidungsbäumen besondersdann empfehlen, wenn man einen mög-lichst umfassenden Blick auf die CustomerExperience und das Zusammenspiel dereinzelnen Touchpoints gewinnen möchte.Bestehende Touchpoint-Modelle erhaltenso einen anderen Twist und können neueImpulse und tiefere Einsichten bringen,dadurch, dass sich bisher nicht offensicht-liche Ansatzpunkte für weiterführendeAnalysen eröffnen. Nur so kann eine Cus-tomer Experience geschaffen werden, dieden Kunden in den Mittelpunkt des unter-nehmerischen Handelns stellt.

Dr. Anita Petersenstudierte Psychologie undist seit über zehn JahrenManaging Partner von(r)evolution. Sie leitet denBereich Konzept undBeratung, der Ad-hoc-Forschung sowie For-schungssysteme zuBranding, Kunden-zufriedenheit und Strate-gieforschung umfasst.

anita.petersen@evolution-online.net

Dr. Katharina Rohrbachstudierte Sozialwissen-schaften und ist bei(r)evolution Projektleiterinfür quantitative undqualitative Forschung, mitbesonderem Fokus auf denB2B-Bereich.

katharina.rohrbach@evolution-online.net

Die Autorinnen

FOT

O: F

OT

OST

UD

IO L

ICH

TB

LIC

K

FOT

O: F

OT

OST

UD

IO L

ICH

TB

LIC

K

Um die Binnenbeziehung der verschie-denen Touchpoints untereinander he-rauszustellen, nutzen wir die explorativeKraft von Decision Trees, die aus derModellfamilie des Data-Minings stam-men. Mit Hilfe der „rekursiven Partitio-nierung“ wird ein Sample anhand vonmehreren unabhängigen Schlüsselvaria-blen in Teilgruppen zerlegt, die sich imHinblick auf das Bewertungsmuster allerTouchpoints unterscheiden.

Der Prozess wird als rekursiv bezeich-net, da jede Untergruppe wiederum un-begrenzt oft aufgeteilt werden kann, bisdas finale Modell gefunden ist. So lassensich Strukturen der Weichenstellung ineinem Datensatz entdecken, anhand de-rer die Vorhersage der zu erklärendenVariable mit einer minimalen Anzahl anSchritten möglich ist.

Ein großer Vorteil sind die Voraus-setzungen, die im Hinblick auf das Ska-

lenniveau sehr niedrig sind. Entschei-dungsbäume lassen sich sowohl auf derGrundlage von kategorialen als auch me-trischen Variablen erstellen (classificati-on vs. regression tree). Wie auch bei vie-len anderen Verfahren ist eine Voraus-setzung für die Analyse, dass ein voll-ständig gefüllter Datensatz vorliegt – imNormalfall müssen somit zunächst dieMissing Values mit Hilfe eines Imputati-onsverfahrens ersetzt werden.

Der Anteil an fehlenden Werten inB2B-Studien ist allerdings üblicherweisedeutlich geringer als in B2C-Studien, daüber einen längeren Zeitraum intensi-vere Erfahrungen mit dem Dienstleisteroder Hersteller vorliegen. Für Datensätzemit hohen Missing-Anteilen empfehlenwir, auf einen Classification Tree mit di-chotomen Merkmalen (Kontaktklassen„Kontakt mit Touchpoint“ vs. „keinKontakt“) auszuweichen.

Entscheidungsbaum-Analyse