Wie du Umfragedaten in 6 einfachen Schritten analysierst

Umfragen machen es einfach, deine Kund:innen und Nutznende kennenzulernen, aber selbst ein kurzer, einfacher Fragebogen kann dir eine Kopfschmerz bereitende Menge an Nutzerdaten bescheren, die man erst einmal durchsortieren muss. 

Wie kann man sich also einen Reim auf all das machen? Lies dir dieses Kapitel des Leitfadens durch, um Schritt für Schritt einen Rahmen zu erhalten, der dich durch den gesamten Prozess der Analyse deiner Umfragedaten führt – von der Festlegung von Zielen und der Verwendung verschiedener Methoden zur Umfragedatenanalyse bis hin zur Präsentation deiner Ergebnisse vor deinem Team und dem Planen entsprechender Maßnahmen.

1. Lege deine Analyseziele fest

Es kann sich entmutigend anfühlen, nicht zu wissen, wie du deine Daten analysieren sollst, nachdem du eine Umfrage erstellt und in die Welt hinausgeschickt hast. Aber sehen wir uns das Gesamtbild an: Der Schlüssel zu einer erfolgreichen Datenanalyse ist das Durchplanen.

Um aussagekräftige Erkenntnisse aus deinen Umfragedaten zu gewinnen, solltest du zunächst festlegen, welche Ziele du mit deiner Umfrage erreichen möchtest. 

Frage dich selbst:

• Was ist das Hauptproblem, das ich lösen muss, oder die Frage, die ich beantworten muss?

• Welche Kundensegmente können mir diese Einblicke liefern?

• Wann und wo sollte ich sie danach fragen?

• Mit welcher Art von Umfrage lässt sich mein Ziel am besten erreichen?

Der Entschluss, welche zentralen Forschungsfragen du mit deinen Umfragedaten beantworten möchtest, hilft beim Festlegen, welche Datenpunkte in welcher Reihenfolge analysiert werden sollten.

2. Organisiere deine Ergebnisse 

Sobald deine Umfragebeantwortungen vorliegen, ist es Zeit, die Rohdaten in Kategorien einzuordnen, die die Antworten nach Typ oder Thema gruppieren – auch wenn einzelne Antworten unterschiedlich formuliert sind. Theoretisch könntest du jede Antwort einzeln durchgehen, um Beantwortungskategorien zu identifizieren. Wir empfehlen allerdings, einen Textanalysator zu verwenden, um die häufigsten Wörter in deinen Antworten zu identifizieren.

Wenn in deiner Umfrage mehrere Fragen gestellt werden, kann es vorkommen, dass einige Teilnehmende Fragen überspringen oder Felder unausgefüllt lassen. Das ist nicht immer ein Problem, aber wenn du vergleichen möchtest, wie sich die Befragten bezüglich ihrer Antworten auf mehrere Fragen unterscheiden, können unvollständige Beantwortungen deine Ergebnisse verfälschen. In diesem Fall ist es besser, unvollständige Beantwortungen zu entfernen.

Verwende Contentsquare, um Umfragedaten zu filtern und Stimmungsanalysen durchzuführen

Verwende den AI-Textanalysator von Contentsquare, um deine Daten und Umfrageantworten mit Keyword-Analysen und automatischem Tagging zu kategorisieren. Dieser nutzt Algorithmen und natürliche Sprachverarbeitung (Natural Language Processing, NLP), um übergreifende Themen und Stimmungen seitens der Nutzenden zu erkennen, darunter positive, neutrale oder negative Umfrageantworten und deren Veränderungen im Zeitverlauf.

Stimmungsanalysen helfen dir, das Vokabular deiner Kund:innen auszuwerten und ihr Verhalten im Kontext zu betrachten, sodass sich ihre zukünftigen Handlungen vorhersagen lassen, z. B. was genau sie zu einem Kauf überzeugen würde.

Contentsquares Produkt „Voice of Customer“ lässt dich die Stimmung deiner Nutzenden im Zeitverlauf tracken

3. Analysiere deine quantitativen Umfragedaten

Das Stellen geschlossener Fragen in deiner Umfrage liefert dir quantitative Daten (oder numerische Werte), die du mit Grafiken, Diagrammen und Vergleichstabellen analysieren kannst. Die Befragten können nur auf eine bestimmte Art und Weise antworten, z. B. mit „Ja“ oder „Nein“, auf einer Bewertungsskala von 1 bis 5 oder aus einer Auswahl an vorgegebenen Antworten, wodurch deine Ergebnisse konsistent und leicht auswertbar bleiben.

Quantitative Daten sind also relativ einfach zu analysieren. Diese 3 Analysemethoden helfen dir, wertvolle Erkenntnisse aus deinen quantitativen Umfragedaten zu ziehen:

Stelle simple Vergleiche an, um Kundenpräferenzen zu ermitteln.

Wenn du eine Multiple-Choice-Frage stellst, erlauben dir die Antworten das Ermitteln und Vergleichen bestimmter Kundenpräferenzen – zum Beispiel, wenn du ein neues Produkt-Feature, einen neuen Service oder ein neues Design testest.

Um einen vergleichenden Datensatz zu analysieren, addierst du die Gesamtzahl der Antworten für jede Multiple-Choice-Option. Dann erstellst du ein Vergleichsdiagramm, um die Anzahl der Beantwortungen oder die Prozentsätze für jede Antwort zu organisieren, etwa so:

Eine Datenvergleichstabelle

Verwende Kreuztabellen und Diagramme, um die Ergebnisse von verschiedenen Zielgruppensegmenten zu vergleichen.

Wenn du Umfragefragen einbeziehst, bei denen du die Befragten nach demografischen Gesichtspunkten kategorisieren kannst, lässt sich erkennen, wie verschiedene Zielgruppensegmente auf dieselbe Frage antworten – z. B. wie die Antworten je nach Altersgruppe oder Branche variieren.

Um diese Antworten zu analysieren, kannst du eine Kreuztabelle, um die Antworten aus jedem Segment zu vergleichen:

Eine Kreuztabelle, die Antworten nach Untergruppen aufschlüsselt

Analysiere die Daten der Bewertungsskala mithilfe von Modalwert-, Mittelwert- und Balkendiagrammen

Wenn du deinen Kund:innen eine Frage mit einer Bewertungsskala stellst, die misst, wie stark ihre Einschätzung bestimmter Themen, Produkt-Features oder Dienstleistungen ausfällt, die du anbietest, ist das eine gute Möglichkeit, die Customer Satisfaction (Kundenzufriedenheit) und die Customer Experience (Kundenerlebnis) nachzuvollziehen und zu verbessern.

Es gibt drei einfache Möglichkeiten, die mit Bewertungsskalen erhobenen Daten zu analysieren:

1. Berechne den Modalwert, der die häufigste Antwort in einem Datensatz darstellt und dir einen schnellen Überblick darüber verschafft, welchen Wert auf der Skala die Befragten am häufigsten ausgewählt haben. Der Modalwert ist schlicht der Wert oder die Antwort, die am häufigsten vorkommt.

2. Berechne den Mittelwert, der im Allgemeinen den „Durchschnitt“ darstellt. Du berechnest ihn, indem du alle Bewertungen addierst und dann die Gesamtsumme durch die Anzahl der Antworten teilst, um eine Zahl zu erhalten, die die typische Antwort repräsentiert. Das ist hilfreich, wenn du vergleichen möchtest, wie sich die Antworten der Kund:innen auf dieselbe Frage im Laufe der Zeit verändern.

3. Erstelle ein Balkendiagramm mit Antwortquoten. So erhältst du einen schnellen Überblick darüber, welche Bewertung auf der Skala von den Befragten am häufigsten gewählt wurde.

Zum Beispiel könntest du Mittelwerte benutzen, um deine Net-Promoter-Score®-(NPS®-) Umfrageergebnisse zu berechnen, welche Kundentreue und -zufriedenheit messen.

Du musst deinen NPS® allerdings nicht manuell berechnen: Das Tool für VoC Surveys von Contentsquare berechnet automatisch deinen Net-Promoter-Score® für dich und bietet dir eine visuelle Aufschlüsselung im Tab für die Umfragebeantwortungen.

Contentsquare zeichnet auf, wie sich dein NPS® im Zeitverlauf verändert

Nutze Contentsquare zur kontinuierlichen Erfassung von VoC-Daten 

Contentsquares Voice-of-Customer-Tools ermöglichen es dir, schnelle qualitative Dateneinblicke mit kurzen, beschreibenden Skalenfragen zu sammeln, die Antworten in Textform oder als 🙂/ 😐/ 🙁 erfassen. 

Du kannst zum Beispiel einen unauffälligen Feedback-Button auf deiner Website platzieren und Echtzeitdaten ausnutzen, um Folgendes zu erreichen:

• Verstehen, warum Nutzende frustriert sind.

• Identifizieren und Optimieren leistungsschwacher Seiten.

• Feinabstimmen von Produktveröffentlichungen.

• Proaktives Beheben von Problemen.

• Verbessern der User Experience.

Eine Contentsquare-Umfrage, bei der die Nutzenden gebeten werden, ihre Erfahrungen auf einer beschreibenden Emoji-Skala zu bewerten

4. Analysiere deine qualitativen Umfragedaten

Offene Fragen eignen sich hervorragend, um authentisches Feedback zu erhalten, da sie den Teilnehmenden die Möglichkeit geben, ihre Erfahrungen mit ihrer eigenen Stimme zu beschreiben. Das Analysieren von qualitativen Umfragefragen ist eine hervorragende Chance, um sich in deine Zielgruppe einzufühlen, zentrale Erkenntnisse zu sammeln und die richtigen Entscheidungen zu treffen.

Vielleicht fragst du dich aber auch: Wie lassen sich über 100 Antworten effizient auswerten? Oder sogar 1 000?

Nachfolgend findest du 3 einfache Methoden zur Analyse von Erkenntnissen aus einer beliebigen Menge qualitativer Umfragedaten:

Erstelle visuelle Darstellungen von Umfragedaten.

Qualitative Daten aus Umfragen umfassen oft Hunderte oder Tausende von Einzelantworten – das man dabei Kopfschmerzen bekommen kann, können wir gut nachfühlen. Eine gute Möglichkeit, diese Informationen zu verarbeiten und schnelle Entscheidungen zu treffen, ist die Datenvisualisierung. 

Mitunter könntest du eine Wortwolke aus Begriffen erstellen, die häufig in den Antworten auftauchen, oder eine Infografik, die die demografischen Daten und das Verhalten der Befragten zusammenfasst (z. B. User Personas). Visualisierungen liefern zwar nicht unbedingt eine endgültige Antwort auf eine Frage, sind aber ein guter Ausgangspunkt für Diskussionen.

Lies dir einzelne Antworten durch, um verborgene Erkenntnisse zu gewinnen und dein Produkt und Messaging entsprechend zu gestalten.

Bei der qualitativen Datenanalyse geht es nicht immer nur um das Aufspüren von Trends, sondern auch um das Aufdecken von Motivationen, Einwänden und Wünschen, die dir deine Zielgruppe nicht direkt mitteilen will (oder kann).

Sarah Doody, Autorin des Newsletters UX Notebook, nutzte qualitative Daten, um das Messaging ihrer User-Experience-Schulungen (auch UX-Schulungen) zu gestalten:

„Eine Frage, die ich gerne stelle, ist diese: ,Bevor ich diesen Kurs belegte, waren die größten Herausforderungen, denen ich gegenüberstand, __________’ oder ,Das, was mich zurückhielt, war ___________.’“

Wenn du Fragen wie diese stellst, wirst du wahrscheinlich viele verschiedene Antworten erhalten. Es kann überwältigend erscheinen, aber wenn du dir die Zeit nimmst, die freien Antworten auf offene Fragen zu lesen, erhältst du ein tieferes Verständnis dafür, was deine Zielgruppe wirklich von deinem Produkt erwartet, was wiederum zu aussagekräftigeren Erkenntnissen führt.

Wandle qualitative Erkenntnisse in quantitative Daten um.

Wenn du über genügend qualitative Umfragedaten verfügst, sortiere die Antworten in Kategorien und verwende sie zur Erstellung von Grafiken, Tabellen und Diagrammen. 

Analysiere freie Antworten auf offene Fragen genau wie quantitative Daten in diesen 5 Schritten:

1. Füge deine Antworten in ein Spreadsheet ein.

2. Suche nach Möglichkeiten, einzelne Antworten zu kategorisieren.

3. Ordne jede Antwort einer Kategorie zu.

4. Organisiere deine Umfragedaten nach Kategorien.

5. Stelle deine Daten visuell dar, um die Häufigkeit bestimmter Kategorien aufzuzeigen.

Wie du qualitative Daten zur Verstärkung quantitativer Daten nutzen kannst

Qualitative Daten sind oft am hilfreichsten, wenn sie zur Unterstützung und Erklärung quantitativer Daten eingesetzt werden. Zusammen helfen dir quantitative und qualitative Umfragedaten dabei, sich ein vollständiges Bild davon zu machen, was passiert – und was die Kunden von deinem Produkt erwarten.

Während die quantitative Datenanalyse häufig Trends und Vorlieben des Publikums aufzeigt, enthüllt die qualitative Datenanalyse das „Warum?“ dahinter.

Wenden wir das auf ein SaaS-Unternehmen (Software as a Service) an, das herausfinden möchte, warum Gratistester:innen nicht zu zahlenden User:innen werden:

Nehmen wir an, du hast über eine geschlossene Frage herausgefunden, dass 70 % der Testnutzenden das Produkt nützlich fanden, was darauf hinweist, dass das Problem wahrscheinlich nicht beim Produkt selbst liegt.

Falls du auch eine offene Frage wie „Was hält dich davon ab, dich für unser kostenpflichtiges Angebot anzumelden?“ gestellt hast, könntest du die Antworten durchforsten und dabei herausfinden, dass die Testnutzenden auch die Preise ablehnten.

Nutze die AI-Technologie von Contentsquare für eine mühelose Datenanalyse

Die Analyse qualitativer Daten ist jetzt noch einfacher: Um dir Zeit beim manuellen Durchgehen von Antworten auf offene Fragen zu sparen, analysiert Contentsquares AI-Assistent deine qualitativen Umfrageantworten für dich und fasst sie in einem bündigen Bericht zusammen, der zentrale Ergebnisse, Zitate und umsetzbare nächste Schritte enthält.

Contentsquares AI-gestütztes Produkt Voice of Customer erstellt einen Umfragebericht für dich

5. Ziehe bedeutsame Schlussfolgerungen

Sobald du deine quantitativen und qualitativen Umfragedaten organisiert und analysiert hast, ist es Zeit, Schlussfolgerungen zu ziehen, die zu einer Maßnahme oder Lösung führen. Das schaffst du, indem du Trends identifizierst, die statistische Signifikanz deiner Daten berechnest und sie mit früheren Ergebnissen vergleichst.

Hier sind 3 Möglichkeiten, wie du aus deiner Datenanalyse umsetzbare Erkenntnisse gewinnen kannst:

Suche nach Trends in deinen Daten.

Beginne mit den Umfragedaten, die am deutlichsten mit den in Schritt 1 festgelegten Analysezielen zu tun haben.

Kehren wir zum SaaS-Beispiel zurück: Um zu verstehen, warum sich nicht mehr Nutzende nach Abschluss einer kostenlosen Testphase für einen kostenpflichtigen Plan anmelden, könntest du die Gratistester:innen um eine Bewertung bitten, wie nützlich sie das Produkt finden.

Stell dir nun vor, die Umfragedaten zeigen, dass 70 % der Testnutzenden das Produkt nützlich fanden. Deine Schlussfolgerung könnte sein, dass dein Produkt selbst nicht der Grund dafür ist, dass die Testnutzenden nicht bleiben. 

Wenn du auf diese Weise nach Trends suchst, kannst du das Problem so durch ein Ausschlussverfahren eingrenzen.

Prüfe, ob deine Ergebnisse statistisch signifikant sind.

Es kann schwierig sein, aussagekräftige Schlussfolgerungen aus Umfragedaten zu ziehen. Die Daten leiden oft an sowas wie „Hintergrundrauschen“, weil die Befragten bei der Eingabe der Antworten hin und wieder Fehler machen.

Wenn du nur eine Handvoll Beantwortungen hast, hat dieses „Rauschen“ eine Fehlermarge, die deine Umfrageergebnisse noch stärker beeinflusst. Je weniger Daten du hast, desto unwahrscheinlicher ist es, dass deine Ergebnisse statistisch signifikant ausfallen.

Verwende einen Stichprobenrechner, um zu prüfen, ob dein Datenpool groß genug ist, um der Validität der gewonnenen Erkenntnisse zu vertrauen – und stelle sicher, dass du keine voreiligen Schlüsse aus deinen Daten ziehst, etwa indem du Korrelation mit Kausalität verwechselst.

Profi-Tipp: Damit du bei deiner Datenanalyse nicht Korrelation mit Kausalität durcheinanderbringst, solltest du alle Faktoren berücksichtigen, die Trends beeinflussen könnten. Verwende außerdem Tools zur Verhaltensanalyse, um zu prüfen und zu verstehen, was auf deiner Website passiert. So vermeidest du, aufgrund bloßer Vermutungen zu handeln, und findest stattdessen den wahren Grund für Probleme wie Rückgänge der Conversions oder der Kundenzufriedenheit heraus.

Vergleiche deine Daten mit früheren Benchmarks.

Versuche, wann immer möglich, einen Bezugsrahmen für die Interpretation deiner Daten zu finden. Die Betrachtung historischer Daten hilft dabei, die von dir ermittelten Trends nachzuvollziehen.

Kehren wir zum Beispiel des SaaS-Unternehmens zurück, das verstehen will, warum die Nutzenden der kostenlosen Testversion sich nicht für einen kostenpflichtigen Plan anmelden:

Dein Unternehmen könnte seine Ergebnisse mit Benchmarks aus einer ähnlichen Umfrage des Vorjahres vergleichen.

Nehmen wir nun an, dass die Testnutzenden das Produkt in diesem Jahr generell nützlicher finden als im letzten Jahr, während die Zahl der bezahlten Anmeldungen trotzdem noch nicht gestiegen ist. Dass könnte darauf hinweisen, dass du dich auf die Optimierung anderer Faktoren konzentrieren musst, etwa der Customer Experience (CX, Kundenerlebnis) oder der Preisseiten, anstatt dein Produkt weiterzuentwickeln.

Nutze die Tools von Contentsquare, um deine Umfrageeinblicke zu verbessern 

Um detailliertere Einblicke zu erhalten, kannst du deine Umfrageergebnisse mit Daten aus den folgenden Experience-Analytics-Tools und -Methoden von Contentsquare ergänzen:

• Führe Nutzerinterviews durch – mit deiner eigenen Community oder mit Teilnehmenden, die du mühelos aus unserem umfangreichen Pool rekrutieren kannst. Verfeinere deine Auswahl zudem anhand von demografischen oder Screening-Fragen. Mit diesem Tool kannst du sowohl die Planung automatisieren als auch deine Interviews aufzeichnen und transkribieren, um maximalen Nutzen aus ihnen zu ziehen.

• Verwende das Tool Heatmaps, um zu erkennen, wo Nutzende auf deiner Seite am häufigsten klicken und scrollen.

• Führe die Journey Analysis durch, um deine Umfragedaten zu kontextualisieren und nachzuvollziehen, wo (und wie) du die Customer Experience verbessern kannst.

• Schau dir Session Replays von einzelnen Nutzenden an, die durch dein Produkt oder deine Website navigieren, um die Gründe für ihr negatives Feedback herauszufinden – z. B. ein defekter Link, der Kund:innen dazu veranlasst, deiner Landingpage direkt wieder den Rücken zu kehren.

Die anpassbaren Dashboards von Contentsquare bieten einen visuellen Überblick über deine Erkenntnisse aus wichtigen Sitzungen wie Kehrtwenden und Wutklicks – zusätzlich zu Verhaltensdaten.

💡 Pro-Tipp: Lies unser Kapitel zu Umfrage-Softwares und ‑Tools, um mehr darüber zu erfahren, welche Plattformen du für die Erstellung und Analyse deiner Umfragen verwenden solltest.

Wie HARTING mit Contentsquare Downloads um 38 % steigerte

Der Technologiekonzern HARTING – ein globaler Anbieter im Bereich Industrietechnologie – wusste, dass seine Produktbeschreibungsseiten (auch Product Description Pages, PDPs) das Herzstück seines E-Commerce-Kundenerlebnisses waren, da PDPs etwa 27 % der Seitenaufrufe auf der Unternehmenswebsite ausmachten und 33 % der Website-Besuchenden ihre Journey auf einer Produktseite begannen.

Vor diesem Hintergrund kombinierte HARTING die Tools Journeys und Heatmaps von Contentsquare mit dem Kundenfeedback, um zu verstehen, warum die Nutzenden ein negatives Erlebnis hatten und absprangen. 

Um das Problem anzugehen, gestaltete das Team seine PDPs neu und nahm spezifische Optimierungen vor, die auf den Erkenntnissen aus VoC- und Experience-Analysetools basierten, darunter etwa die Reduzierung der Informationsflut, eine klarere Seitenstruktur und eine leichtere Durchsuchbarkeit der Produkte. 

Nach der Umsetzung der Änderungsmaßnahmen nutzte HARTING Contentsquare, um die Leistung der neu gestalteten Seiten zu analysieren. Das Unternehmen stellte fest, dass die Anzahl der Downloads von PDPs um 38 % angestiegen war.

6. Präsentiere deine Ergebnisse vor deinem Team und lege die nächsten Schritte fest

Nachdem du verwertbare Erkenntnisse aus deiner Umfrage (und der Experience-Analyse) gezogen hast, ist es an der Zeit, die Ergebnisse mit deinem Team zu teilen.

Wenn du deine Erkenntnisse in einem Meeting mitteilst, solltest du bedenken, dass es für die Teilnehmenden schwierig sein kann, reine Zahlen schnell zu verdauen. In solchen Situationen ist es am besten, die Daten anschaulich mit Diagrammen, Grafiken oder Infografiken zu präsentieren.

Ein einfaches Balkendiagramm, erstellt mit Contentsquare

Wenn du jedoch einen ausführlicheren Bericht erstellst, den deine Kolleg:innen in ihrer Freizeit lesen können, solltest du eine detailliertere Aufschlüsselung der Zahlen in Betracht ziehen.

Sobald du alles mit dem Team geteilt hast, solltest du damit anfangen, eine Strategie dafür zu entwickeln, wie du mit den aufgedeckten Erkenntnissen umgehen möchtest. Nutze die wichtigsten Einsichten, um Maßnahmen zu ergreifen, z. B. zur Verbesserung der Customer Experience, zur Erhöhung der Retention oder zur Förderung der Markentreue.

Nutze Contentsquare-Integrationen, um Analyseergebnisse mit deinem Team zu teilen

Bringe die Stimme deiner Kund:innen auf einfache Weise zu deinem Team und halte alle Beteiligten auf dem Laufenden, indem du Contentsquares Integrationen mit Slack und Microsoft Teams nutzt. Diese Integrationen benachrichtigen dein Team automatisch über eingehende Umfragedaten und Änderungen in den Digital-Experience-Metriken, sodass du schnell Maßnahmen ergreifen kannst.

Contentsquare lässt mit Messaging-Apps wie Slack integrieren, um Erkenntnisse über die Nutzenden mit deinem Team zu teilen und schneller Maßnahmen zu ergreifen

Beginne noch heute mit der Analyse deiner Umfragedaten 

Das Analysieren von Umfragedaten hilft dir, das Kundenverhalten zu verstehen und die Performance deines Unternehmens zu tracken, aber die Arbeit mit großen Datenmengen kann schnell überwältigend werden.

Halte die Dinge einfach beachte die folgenden Tipps:

• Entwerfe deine Umfragen von Anfang an mit klaren, simplen Zielen.

• Nutze quantitative Daten, um erste Trends zu erkennen. Verwende dann qualitative Daten, um nach tiefgründigeren Erklärungen zu suchen.

• Vergewissere dich, dass deine Schlussfolgerungen stichhaltig sind, indem du Benchmarks verwendest, prüfst, ob deine Stichprobengröße groß genug ist, sowie Korrelation vs. Kausalität berücksichtigst.

Vergiss nicht, dass Umfragedaten nicht die einzige Art von Daten sind, die betrachtet werden sollten: Gehe tiefer und durchschaue das Nutzerverhalten besser, indem du Umfrageergebnisse mit Erkenntnissen aus Nutzerinterviews, Session Replays und Heatmaps vergleichst.

Häufig gestellte Fragen zur Analyse von Umfragedaten