Welche Servicebausteine muss ein Unternehmen zwingend beherrschen, welche begeistern nur – und wo lohnt sich Investition wirklich? Für diese Frage liefert das Kano-Modell seit Jahrzehnten den Denkrahmen. In einer gemeinsamen Publikation mit Björn Stöcker (BAUR Versand) hat Aydin Nasseri einen neuen methodischen Ansatz vorgestellt, der die verbreitete Penalty-Reward-Kontrastanalyse (PRCA) in wichtigen Punkten übertrifft.
Das Problem mit der klassischen Analyse
Die PRCA klassifiziert Servicekomponenten, indem sie Antwortskalen in Dummy-Variablen für „Bestrafung“ und „Belohnung“ umkodiert. Die Studie zeigt an realen Kundendaten eines Online-Händlers (zwei CATI-Befragungen mit 480 und 500 Befragten), dass drei in der Literatur gängige Umkodierungs-Varianten für dieselbe Servicekomponente zu unterschiedlichen, teils widersprüchlichen Einstufungen kommen. Hinzu kommt ein strukturelles Problem: Zufriedene Kunden sind in Befragungen stark überrepräsentiert, unzufriedene antworten selten – die Datenbasis für „Bestrafungs“-Effekte ist dünn.
Der neue Ansatz: kubische Terme
Statt Antworten umzukodieren, schlagen die Autoren vor, den Zusammenhang zwischen Serviceleistung und Gesamtzufriedenheit mit einem Polynom dritten Grades zu modellieren. Die Vorteile:
- Alle Antworten fließen ein – keine Information geht durch Dummy-Kodierung verloren.
- Der Wendepunkt darf wandern: Die PRCA nimmt stillschweigend an, dass er in der Skalenmitte liegt. Die Praxis zeigt: oft liegt er woanders – der kubische Term bildet das ab.
- Alle drei Kano-Kategorien (Basis-, Leistungs- und Begeisterungsfaktoren) lassen sich aus einer einzigen Kurve ablesen – grafisch oder über eine einfache Wertetabelle der Steigungen.
Im direkten Vergleich kommt der neue Ansatz teils zu diametral anderen Einstufungen als die PRCA – etwa wenn eine Komponente fälschlich als Begeisterungsfaktor gilt, tatsächlich aber ein Basisfaktor ist. Solche Fehlklassifikationen führen zu falschen Investitionsentscheidungen mit weitreichenden Folgen. Über die zwei Befragungswellen hinweg konnten die Autoren zudem den von Kano beschriebenen Lebenszyklus von Servicekomponenten empirisch beobachten: Was gestern begeisterte, wird morgen vorausgesetzt.
Kernaussage der Studie: Wer Servicekomponenten nach Kano einordnen will, sollte kubische Terme der klassischen Penalty-Reward-Kontrastanalyse vorziehen – die Methode nutzt alle Daten, erlaubt flexible Wendepunkte und schützt vor teuren Fehlentscheidungen.
Die Publikation im Original
Der vollständige Fachaufsatz (englisch) ist als Open-Access-Publikation beim KIT Scientific Publishing erschienen und frei zugänglich: DOI: 10.5445/KSP/1000098012/03
Eine praxisnahe Einführung in die zugrunde liegenden Methoden finden Sie in unseren Beiträgen zum Kano-Modell und zur Penalty-Analyse.
Quelle: Björn Stöcker, Aydin Nasseri: „Penalty Reward Contrast Analysis (PRCA) for Categorizing Service Components: A New Approach“, Archives of Data Science, Series A, Vol. 6, No. 2 (2020), KIT Scientific Publishing, ISSN 2363-9881, DOI 10.5445/KSP/1000098012/03 (Open Access).