Informationstransparenz als Chance am Beispiel von Kundenrezensionen in der Automobilindustrie

Die Unternehmen 1, 2, und 3 ermöglichen jedem verifizierten Kunden die Abgabe eines (anonymisierten oder personalisierten) Reviews durch eine individuelle Einladung kurz nach dem tatsächlichen Kundenkontakt. Sie beabsichtigen damit „jedem Kunden eine Stimme zu geben“ (E2). Dadurch, dass in den Unternehmen 2 und 3 nur verifizierte Kunden zur Abgabe eines Reviews eingeladen werden, verhindern sie sogenannte Fake Reviews (Fiedler und Kissling 2019) vermeintlicher Kunden, welche falsche Rezensionen erstellen, die gar nicht auf tatsächlich gemachten Erfahrungen basieren und daher falsche Informationen streuen. Gleichzeitig entgeht ihnen somit aber auch die Transparenz, Meinungen potentieller (und somit nicht-verifizierter) Kunden zu erhalten, die noch im Kaufentscheidungsprozess stecken oder unzufrieden waren und sich deshalb gegen das Leistungsangebot entscheiden. U1 entschloss sich daher zur weiteren Öffnung des Systems, indem in einigen Märkten bereits nicht-verifizierten Kunden die Möglichkeit gegebenen wird, online proaktiv (ohne nachgewiesenen Handelskontakt) ihre Meinung händlerspezifisch abzugeben. E1 gibt an, dass die KR nicht-verifizierter Kunden erwartungsgemäß im Durchschnitt deutlich schlechter ausfallen als die KR der verifizierten Kunden. Während verifizierte Kunden überwiegend positive KR wie z. B. nach einem Autokauf schreiben, verfassen nicht verifizierte Kunden erfahrungsgemäß häufiger negative KR, da diese in vielen Fällen schon im Kaufentscheidungsprozess (z. B. vom Service) enttäuscht wurden und daher gar nicht erst zu tatsächlichen Kunden werden. Herstellerseitig sei es aber laut E1 extrem wichtig, genau dieses brachliegende Potential schneller aufzuspüren, um dadurch zukünftig weniger potentielle Kunden im Prozess zu verlieren. Aufgrund dieser positiven Erfahrungen ist eine flächendeckende Umsetzung dieser Öffnung in U1 für nicht-verifizierte Kunden in allen Märkten als festgesetzter Standard zukünftig geplant.

Laut den Erfahrungen aller Experten sind die durchschnittlichen Zufriedenheitswerte der repräsentativen verifizierten Kundenmeinungen auf einem sehr hohen Niveau und den durchschnittlichen Bewertungen auf unabhängigen Bewertungsplattformen (z. B. Google, Facebook, Yelp) deutlich überlegen. Als Grund dafür wird der Umstand angeführt, dass von den unternehmensseitig zur Reviewabgabe eingeladenen Kunden die große Mehrheit zufrieden mit dem Service und dem Produkt sei und aufgrund der Einladung zur Reviewabgabe die individuellen Erfahrungen gerne teile. Hingegen werden laut Einschätzung der Experten unabhängige Plattformen häufig erst dann zur Bewertungsabgabe aufgesucht, wenn im Kaufprozess oder während der Nutzung nennenswerte Schwachpunkte aufgetaucht sind, die kommuniziert werden sollen. E1 und E3 erkennen daher das Potential auch von externen Quellen generierte Daten für die weitere Analyse heranzuziehen, um eine noch facettenreichere Datengrundlage zu berücksichtigen. Informationsintransparenz innerhalb der Unternehmen zeigt sich dadurch, dass andere interne Abteilungen, die externe Quellen systematisch verarbeiten, nicht bekannt sind und die technischen Möglichkeiten nie genauer untersucht oder hinterfragt wurden.

Zur systematischen Verarbeitung der gesammelten Kundenmeinungen kommt bei den Automobilherstellern U1 und U2 vollautomatisierte Textminingsoftware zum Einsatz, welche die große Masse an Kundenkommentaren nach Lob und Kritik und weiteren vordefinierten Oberkategorien (z. B. Wartezeit im Service, benannte Bauteile im Produkt) segmentiert. Hierdurch ergibt sich das große Potential Stärken und insbesondere aggregierte Schwachstellen herstellerseitig zu überwachen und dann durch eine dedizierte Analyse der entsprechenden Kundenmeinungen konkrete Maßnahmen für angebotene Leistungen oder notwendige Verbesserungen am Produkt abzuleiten. Jedoch erweist sich das Aufsetzen der nötigen Codepläne für die Software als schwierig, denn die Codes werden mehrsprachig benötigt und müssen im richtigen Kontext Aussagen und zahlreiche Synonyme den richtigen Kategorien zuordnen. Dabei sind die Kategorien meist vorbestimmt und statisch, obwohl die Kundenkommentare immer wieder neue Oberkategorien erfordern würden. Eine besondere Herausforderung stellen laut den befragten Experten zusätzlich die vielen verschiedenen Sprachen der Kundentexte dar, weswegen in beiden Unternehmen eine zwischengeschaltete Übersetzungssoftware zur Translation der Offentexte aus der Ursprungssprache ins Englische vor dem tatsächlichen Codieren aber nach dem Bereinigen der personenbezogenen Daten eingesetzt wird. Diese Übersetzungssoftware basiert in U1 und U2 auf einer dienstleisterseitig bereitgestellten Open Source Lösung, weil die entsprechende Software aufgrund dessen eine höhere Übersetzungsgenauigkeit aufweist. Die verwendete Textmining Software wurde hingegen für alle befragten Unternehmen individuell entwickelt und eingekauft und steht nicht öffentlich zur Verfügung. Die Experten wollen dadurch ihre analysierten Daten vor dem Wettbewerb schützen. Gleichzeitig wünschen sich die Befragten mehr Flexibilität und eine höhere Weiterentwicklungsgeschwindigkeit für die benötigte Software.

Die Projekterfahrung zeigt, dass eine geplante Informationstransparenz durch ungefilterte Veröffentlichung händler- oder produktspezifischer Kundenkommentare in der Regel zunächst auf großen Widerstand bei Händlern und Entscheidungsträgern stößt. Die Ängste vor negativem und potentiell geschäftsschädigenden Reviews sind groß. Alle beteiligten Unternehmen berichten von einer initialen Abwehrhaltung, weswegen in allen Märkten initial die gesammelten Reviews im internen Berichtsportal zurückgehalten wurden. Erst allmählich zeigte die gründliche Analyse die überwiegend positiven Meinungen in den Kundenkommentaren deren verborgenes Potential und motivierten den Hersteller U1 zur händlerspezifischen Publikation. Auch bei diesem Schritt gab es noch große Befürchtungen seitens der bewerteten Händler, womöglich im Durchschnitt schlechter als die Wettbewerber abzuschneiden. Dies provoziert letztendlich eine noch detaillierte Analyse der eigenen Schwachstellen mit Ableitung von Maßnahmen und wird dadurch seitens der Befragten als Chance eingestuft.

In U1, welches schon seit über zwei Jahren die Informationstransparenz durch veröffentlichte KR forciert, wurde mittlerweile in rund 80 % der studienteilnehmenden Länder die Veröffentlichung der Kundenkommentare (freiwillig) umgesetzt, weil sich die Vorteile gegenüber den Risiken bewährt haben.

Dennoch publizieren derzeit nur zwei der vier befragten Experten die eigens erhobenen Kundenmeinungen im Internet. Bei den anderen beiden Experten handelt es sich daher um eine asymmetrische Informationstransparenz, indem das jeweilige Unternehmen zwar auf eine Vielzahl von Kundenmeinungen Zugriff hat und daraus systematisch Erkenntnisse ableitet, Kunden hingegen keine Möglichkeit bekommen, ihre Erfahrungen öffentlich zu teilen und auf die Einschätzungen anderer Kunden zurückzugreifen. Laut E1 und E3 sei die Veröffentlichung sowohl negativer, als auch positiver KR insofern wichtig, als dass diese vertrauensbildend für die Kunden wirke, ein authentisches Bild des gesamten Spektrums an wahrgenommener Kundenzufriedenheit wiedergebe und das Image der Marke hinsichtlich gesteigerter Transparenz verbessere (E1, E3). Zudem demonstriere die Kommentierung der kritischen Beiträge, dass das Verbesserungspotential ernst genommen wird und tatsächlich zu Verbesserungsmaßnahmen führt, weshalb E3 die zeitnahe Kommentierung (binnen zweier Tage) empfiehlt. Die große Fallzahl überwiegend positiver KR wirke bei den Kunden einerseits vertrauensbildend, wecke aber auch Misstrauen aufgrund der auftretenden Diskrepanz im durchschnittlichen Rating zu den unabhängigen Plattformen. Deshalb werden derzeit in U1 und U2 Möglichkeiten diskutiert, die quantitativ geringer ins Gewicht fallenden Daten von den unabhängigen Plattformen mit in die unternehmensseitig erfassten KR zu integrieren und vice versa. Der fachlichen Offenheit bezüglich einer solchen Umsetzung, stehen jedoch noch technische und datenschutzrechtliche Freigabeprozesse entgegen.

Alle Befragten nutzen die generierten Kundenmeinungen zum systematischen Aufspüren interner Verbesserungspotentiale und leiten daraus konkrete Maßnahmen ab. Die Unternehmen 1–3 ordnen dabei jedem Review eindeutig einem Händler zu, bei dem das Produkt gekauft oder der Service erbracht worden ist. Infolgedessen ist es die Aufgabe des spezifischen Händlers, die Kundenanliegen individuell abzuarbeiten und daraus konkrete Maßnahmen abzuleiten. Dieser Prozess ist über alle teilnehmenden Märkte hinweg standardisiert, wird aber in der jeweiligen Landessprache durchgeführt und dokumentiert. Dank eines übergeordneten Berichtssystems, wird der Hersteller jedoch in aggregierter Form über die Maßnahmen der schlechten KR (1–3 Sterne) informiert und kann diese nachverfolgen. Dabei wird auch dokumentiert, wie sich in der Folge die Gesamtzufriedenheit der Kunden eines jeweiligen Händlers im Zeitverlauf verändert. Diese Informationstransparenz sei wichtig, um einerseits herstellerseitig Best Practices ableiten zu können und aus den Verbesserungsvorschlägen zu lernen und zugleich um im Handel den Handlungsdruck zu visualisieren und die Maßnahmenumsetzung zu überwachen (E2). Laut E1 und E4 sei der interne Prozess zur Ideengenerierung und Verarbeitung der Verbesserungsvorschläge hingegen noch zu intransparent. Gerade bei Ideen, die sich auf das Produkt beziehen sei es sehr schwierig die erfassten Meinungen geschickt so zusammen zu fassen, dass sie einer zuständigen Abteilung zur internen Produktoptimierung zugestellt werden könnte. Sprachbarrieren und intransparente Zuständigkeiten verschärfen diesen Umstand noch. E4 bemängelt, dass bislang offene Schnittstellen fehlen, um auf die gesammelten KR direkt zugreifen zu können. Trotz der Zugehörigkeit zu U1 fehlt hier der offene Austausch zwischen E1 und E4, sodass eine Vielzahl an Kundenanliegen für den internen Innovationsprozess ungenutzt bleibt. Fehlende Informationstransparenz stellt eine große Hürde dar.

E1, E2 und E3 setzen bislang nur inkrementelle Verbesserungen durch die KR auf Einzelhandelsebene um, wohingegen es auf strategischer Ebene noch keine Einspeisung in das herstellerseitige Innovationsportfolio gibt. Dennoch sind alle Unternehmen überzeugt, dass in der Öffnung der Datenschnittstelle zu weiteren internen Abteilungen ein großes Potential liegt. E4 spürt mit seiner Abteilung Innovationspotentiale auf und wertet dazu (meist aggregierte) Marktforschungsergebnisse aus. Das Ziel ist es dabei, schon frühzeitig marktrelevante Ideen zu identifizieren, selektieren und priorisieren und dann in das interne Innovationsportfolio zu integrieren. Deshalb wäre ein direkter Zugriff auf die Daten von U1 und ein Austausch mit E1 für ihn sehr wertvoll.

Der zuvor beschriebene Istzustand im Umgang mit KR in der Praxis, zeigt noch viel Potential die Offenheit technisch, fachlich und prozessual auszuweiten. Abb. 1 illustriert daher ein aus den Expertenäußerungen konsolidiertes Sollszenario zur systematischen Verarbeitung der KR. Im Folgenden wird der Prozess unter Nennung von konkreten Handlungsempfehlungen beschrieben und es werden Gründe genannt, warum dieser Ablauf derzeit noch nicht vollumfänglich in der Praxis umgesetzt wurde.

Das skizzierte Solszenario zielt darauf ab, die zuvor aus den KR extrahierten Ideen für Produktinnovationen in die Abteilung Strategie weiterzuleiten, um diese in Kooperation mit der Forschung und Entwicklung zu bewerten und ggf. zu verwirklichen. Ausgangspunkt der Ideenbewertung sind vordefinierte Kriterien. Diese zielen auf die Erkennung von Innovationspotentialen ab, welche eine hohe Entwicklungsmöglichkeit zur Realisierung und Einspeisung in den Entwicklungsprozess versprechen. Demzufolge soll das Risiko eines Misserfolges verringert werden. Ideen können dabei überarbeitet, erweitert oder verworfen werden. Aussichtsreiche Innovationsideen werden im Sollszenario im Anschluss an die Beurteilung und ggf. Bearbeitung an das sogenannte Innovationsportfolio übergeben. Das Innovationsportfolio beschreibt ein Set bzw. eine Sammlung von Ideen. Von dort aus können mögliche Produktverbesserungen in den internen Innovationsprozess eingesteuert und implementiert werden (Schieber und Kruse 2014). Aktuell fehlt dieser Brückenschlag in allen drei Unternehmen noch, weil die verschiedenen Abteilungen (Marktforschung, Strategie, Entwicklung) nicht wechselseitig auf alle zur Verfügung stehenden Daten zugreifen können.

Zukünftige Entwicklungsfelder sehen die Experten in der Erhebung der Kundenrezensionen. Sie wollen diesen Prozess stärker für den Kunden vereinfachen und zu einem Erlebnis werden lassen, indem Sprachassistenzsysteme die Abgabe der eigenen Meinung unkompliziert ermöglichen. Außerdem könnte ein stärker personalisierter Fragebogen und der Einsatz von Chatbots die Interaktion mit dem Kunden verbessern. Neuronale Netze könnten die bislang statisch kodierte Kategorisierung der millionenfachen Offenkommentare der Kunden verbessern, in dem das System selbstlernend weitere Schwerpunktthemen hinzufügt und so neue Handlungsfelder sichtbar macht. Erste Pilotuntersuchungen laufen derzeit mit Partnerunternehmen von U1 und U2. Die Verwendung von Open Source Software wäre ein weiterer möglicher Schritt, um auch das technische System stärker zu öffnen. Allerdings wird dieser Schritt aktuell noch als kritisch angesehen, aufgrund der dazu sehr strengen und langwierigen (IT- und datenschutzrechtlichen) Freigabeprozesse in den beteiligten Unternehmen.

Tab. 2 fasst Empfehlungen aus der Praxis zusammen, die mit Hilfe der befragten Experten generiert werden konnten. Zudem stellt sie die erreichten Vorteile durch Informationstransparenz im Umgang mit KR dar.