c. Folgefragen und qualitative Informationen
Der Net Promoter Score (NPS), der von den meisten befragten Unternehmen eingesetzt wird (54%, siehe Abb. 4), und andere in Praxis gebräuchliche Messinstrumente (z.B. Sterne) haben einen entscheidenden Nachteil: Sie bilden nur ein Gesamtbild der Zufriedenheit ab. Dies liegt daran, dass sie als sogenannte „Single Item Measures“, das heißt Einzelfragen, nicht verschie dene Dimensionen der Zufriedenheit beleuchten (wie etwa Antwortgeschwindigkeit, Freundlichkeit, Qualität), sondern nur ein Gesamtbild der Zufriedenheit erfassen.

Um detailliertere Informationen zu den Bestandteilen der Un- bzw. Zufriedenheit der Kundinnen und Kunden zu bekommen oder die Treiber der Zufriedenheit zu bestimmen, nutzen Unternehmen deshalb häufig Folgefragen. Von den hier befragten Unternehmen nutzen 66% Folgefragen zur Zufriedenheitsmessung (Abb. 8a): 20% der Unternehmen ergründen mittels weiterer Auswahlfragen (sog. „Multiple-Choice-Fragen“) die Zufriedenheit und deren Treiber, 46% bitten ihre Kundinnen und Kunden mittels eines offenen Textfeldes um nähere Informationen.
Daraus ergibt sich die Frage nach dem Umgang mit dem so hinterlassenen schriftlichen Feedback der Kundinnen und Kunden. Denn im Gegensatz zu Auswahlfragen (d.h. „Multiple-Choice-Fragen”), lassen sich Textbestandteile nicht einfach quantitativ aus werten. Wie in Abb. 8b dargestellt, greift die Mehrheit der befragten Unternehmen hier noch auf eine händische Auswertung zurück (53%). Das heißt, dass die Unternehmen die einzelnen Aussagen lesen (lassen) und eventuell kategorisieren (zum Beispiel durch sogenannte Kodierer). Diese manuelle Textauswertung ist zwar vollkommen valide und erlaubt auch das Erfassen feinster sprachlicher Nuancen, scheint in Zeiten von quantitativer Textanalyse bis hin zur linguistischen Datenverarbeitung (oder „Natural Language Processing“) und maschinellem Lernen allerdings eher altmodisch – zumal selbst mittelständische Unternehmen häufig mehrere Zehntausend Kunden haben und mit einer händischen Auswertung schnell an Kapazitätsgrenzen stoßen dürften.
Ein geringerer Teil der Unternehmen greift auf automatisiertere Ansätze zurück: 29% der befragten Unternehmen nutzen be reits einfache Algorithmen, die zum Beispiel nach bestimmten Wörtern oder Sprachkombinationen suchen. Nur ein Bruchteil der Befragten (12%) gibt an, die Textinformationen mittels künstlicher Intelligenz auszuwerten (z.B. um den Sinn des Gesagten zu erfassen). Da bei den Antworten Mehrfachnennungen möglich waren, könnte prinzipiell ein Teil der Unternehmen, die „händisch“ auswerten, zusätzlich auch automatisiertere Ansätze nutzen. Erschreckenderweise nutzen 4% der Unternehmen (d.h. mehr als 10 der befragten 325 Unternehmen) die erhoben Daten überhaupt nicht. Hier werden also Informationen erfragt, die – weil sie nicht leicht auswertbar sind – einfach im Mülleimer verschwinden.