Was ist der Customer Satisfaction Index?
Der Customer Satisfaction Index (CSI) ist ein zusammengesetzter Zufriedenheitswert, der die Kundenzufriedenheit über mehrere Dimensionen und Touchpoints hinweg in einer einzelnen Kennzahl abbildet. Anders als der Customer Satisfaction Score (CSAT), der typischerweise eine einzelne Interaktion bewertet, aggregiert der CSI die Zufriedenheit mit Produktqualität, Service, Preis-Leistungs-Verhältnis und weiteren Faktoren.
Das bekannteste Modell ist der American Customer Satisfaction Index (ACSI), der seit 1994 die Kundenzufriedenheit in über 400 US-Unternehmen aus 47 Branchen misst. Der ACSI nutzt ein ökonometrisches Modell mit den Eingangsvariablen Kundenerwartungen, wahrgenommene Qualität und wahrgenommener Wert (ACSI).
In der Praxis wird der CSI häufig in Branchen eingesetzt, in denen Kunden mehrere aufeinanderfolgende Berührungspunkte erleben: von der Buchung bis zur Gepäckausgabe bei Airlines, vom Check-in bis zum Check-out im Hotel oder vom Beratungsgespräch bis zur Schadensregulierung bei Versicherungen.
Varianten des CSI
ACSI (American Customer Satisfaction Index): Das wissenschaftlich fundierteste Modell, entwickelt von der University of Michigan. Nutzt Structural Equation Modeling (SEM) mit Eingangsvariablen (Erwartungen, Qualität, Wert) und Ausgangsvariablen (Beschwerden, Loyalität). Skala 0–100.
ECSI (European Customer Satisfaction Index): Die europäische Variante ergänzt das ACSI-Modell um die Dimension „Unternehmensimage" als zusätzliche Eingangsvariable.
Branchen-CSI: Viele Branchen haben eigene Zufriedenheitsindizes entwickelt. Der Guest Satisfaction Score (GSS) in der Hotellerie und der Passenger Satisfaction Index bei Airlines sind branchenspezifische Adaptionen.
Unternehmens-CSI: Individuelle Indizes, die ein Unternehmen für sich selbst definiert, indem es die relevantesten Zufriedenheitsdimensionen und deren Gewichtung festlegt.
Wie berechnet man den CSI?
Die Berechnung umfasst drei Schritte:
- Dimensionen definieren: Welche Aspekte der Kundenerfahrung sollen gemessen werden (z. B. Produktqualität, Servicefreundlichkeit, Preis-Leistungs-Verhältnis)?
- Gewichtung festlegen: Wie wichtig ist jede Dimension für die Gesamtzufriedenheit? Die Gewichtung kann durch Kundenbefragungen oder Regressionsanalysen ermittelt werden.
- Index berechnen: Gewichteter Durchschnitt der Einzelbewertungen, normiert auf 0–100.
Rechenbeispiel
Ein Hotel misst die Zufriedenheit in vier Dimensionen (Skala 1–5):
| Dimension | Bewertung | Gewicht | Gewichtet |
|---|---|---|---|
| Check-in-Erlebnis | 4,2 | 20 % | 0,84 |
| Zimmerqualität | 3,8 | 35 % | 1,33 |
| Restaurant | 4,5 | 15 % | 0,675 |
| Personalfreundlichkeit | 4,0 | 30 % | 1,20 |
| Gesamt | 100 % | 4,045 |
Ein CSI von 80,9 liegt im oberen Bereich und deutet auf eine insgesamt hohe Kundenzufriedenheit hin. Die Zimmerqualität (3,8) ist die schwächste Dimension und bietet das größte Verbesserungspotenzial.
Benchmarks nach Branche
| Branche | CSI-Durchschnitt (ACSI 2024) |
|---|---|
| Brauereien | 84 |
| Lebensmittelindustrie | 83 |
| Vollsortiment-Restaurants | 82 |
| Banken | 78 |
| Hotels | 76 |
| Airlines | 76 |
| Telekommunikation (Mobilfunk) | 74 |
| Energieversorger | 73 |
| Krankenkassen | 72 |
Quelle: ACSI Industry Scores 2024
Der branchenübergreifende ACSI-Durchschnitt liegt seit Jahren stabil bei etwa 77 Punkten. Branchen mit hohem persönlichem Kontakt (Gastronomie, Lebensmittel) schneiden tendenziell besser ab als regulierte Branchen mit wenig Wettbewerb (Energieversorger, Krankenkassen).
CSI verbessern
Schwächste Dimension priorisieren. Der CSI zeigt sofort, welche Dimension den stärksten Hebel hat. Im Rechenbeispiel oben hätte eine Verbesserung der Zimmerqualität den größten Einfluss, weil sie das höchste Gewicht (35 %) und die niedrigste Bewertung (3,8) hat.
Gewichtung regelmäßig validieren. Was Kunden wichtig ist, verändert sich. Eine jährliche Treiber-Analyse (z. B. Key-Driver-Analysis) stellt sicher, dass die Gewichtung noch die tatsächliche Priorität der Kunden widerspiegelt.
Closed-Loop-Feedback einführen. Bei niedrigen Einzelbewertungen systematisch nachfassen, Ursache ermitteln und Maßnahmen kommunizieren.
Touchpoint-Optimierung statt Gesamtoptimierung. Statt pauschal „die Zufriedenheit zu steigern", gezielt die Touchpoints verbessern, die den CSI am stärksten beeinflussen.
CSI vs. CSAT vs. NPS
| Kriterium | CSI | CSAT | NPS |
|---|---|---|---|
| Was wird gemessen | Gesamtzufriedenheit (multi-dimensional) | Zufriedenheit mit einer Interaktion | Weiterempfehlungsbereitschaft |
| Skala | 0–100 (Index) | 1–5 oder 1–10 | −100 bis +100 |
| Dimensionen | Mehrere, gewichtet | Eine | Eine |
| Zeitbezug | Gesamtbeziehung | Moment-bezogen | Gesamtbeziehung |
| Aufwand | Hoch (Fragebogen, Gewichtung) | Niedrig (eine Frage) | Niedrig (eine Frage) |
| Branchen-Vergleichbarkeit | Hoch (standardisierte Modelle) | Mittel | Hoch |
Der CSI eignet sich besonders für Unternehmen, die verstehen wollen, welche Aspekte der Kundenerfahrung die Gesamtzufriedenheit treiben. CSAT und NPS sind schlanker, liefern aber keine dimensionale Analyse.
Pro und Kontra
Pro
- +Ganzheitliches Bild der Kundenzufriedenheit über alle Touchpoints
- +Zeigt genau, welche Dimensionen verbessert werden müssen
- +Branchenübergreifend vergleichbar durch standardisierte Modelle (ACSI, ECSI)
Kontra
- –Aufwändiger in der Erhebung als einfache Einzelfragen (CSAT, NPS)
- –Gewichtung der Dimensionen ist subjektiv und muss regelmäßig validiert werden
- –Höhere Befragungsbelastung für Kunden durch mehrdimensionalen Fragebogen
Einfluss von KI auf den CSI
KI kann die CSI-Messung und -Verbesserung auf zwei Wegen unterstützen. In der Messung ermöglicht KI-gestützte Textanalyse die automatische Extraktion von Zufriedenheitsdimensionen aus offenen Kundenfeedbacks, was die Notwendigkeit langer Fragebögen reduziert. Statt den Kunden fünf Einzelfragen zu stellen, kann KI aus einer offenen Antwort („Das Zimmer war toll, aber der Check-in hat ewig gedauert") die Bewertung pro Dimension ableiten.
In der Verbesserung identifiziert KI Muster in den Daten, die für menschliche Analysten unsichtbar sind. Sie erkennt z. B., dass die Zimmerqualität nur dann schlecht bewertet wird, wenn der Check-in nach 22 Uhr stattfindet, und ermöglicht so gezielte Maßnahmen statt pauschaler Verbesserungen.