Umfrageergebnisse auswerten & Signale erkennen

Die Auswertung Ihrer Umfrage ist einer der wichtigsten Schritte. Im folgenden zeigen wir Ihnen die unterschiedlichen Methoden und Tricks, wie Sie die Ergebnisse Ihres Fragebogen analysieren, Signale erkennen und zum Schluss interpretieren.

Fragebogen statistisch & inhaltlich auswerten

Die Auswertung einer Umfrage zeigt nicht nur, wie Teilnehmer geantwortet haben. Sie zeigt vor allem, welche Signale in den Ergebnissen verborgen sind.

Ob Mitarbeiterfeedback, Kundenbefragung, Seminarumfrage oder Fragebogen: Erst durch die Analyse wird sichtbar, wo Entwicklungen entstehen, welche Themen Aufmerksamkeit benötigen und wo konkreter Handlungsbedarf besteht.

In dieser Anleitung zeigen wir Ihnen, wie Sie Umfrageergebnisse statistisch und inhaltlich auswerten, Signale richtig interpretieren und daraus konkrete Maßnahmen ableiten.

Warum Ergebnisse analysieren

Die Analyse der Umfrageergebnisse ist ein wesentlicher Bestandteil Ihrer Befragung. Sie haben die Umfrage durchgeführt, um valide Daten zu erhalten.

Doch Daten allein liefern noch keine Erkenntnis.

Erst durch die Auswertung wird sichtbar, welche Signale in den Antworten stecken. Diese Signale zeigen Ihnen, wo Zufriedenheit entsteht, wo Probleme sichtbar werden, welche Themen wiederholt genannt werden und welche Entwicklungen Sie genauer betrachten sollten.

Das Ziel der Analyse ist deshalb nicht nur, Zahlen zu berechnen oder Antworten zusammenzufassen. Das Ziel ist, die Bedeutung der Ergebnisse zu verstehen und daraus konkrete Maßnahmen oder Thesen abzuleiten.

Ihnen ist die Interpretation zu zeitaufwendig? Dann bieten wir Ihnen mit unseren AI-Analysen eine vollständig automatisierte Interpretation der Ergebnisse inkl. passender Handlungsempfehlungen an. Dadurch sparen Sie enorm viel Zeit und erhalten sofort die wichtigen Insights aus den Ergebnissen.

Die Auswertung und Analyse Ihrer Umfrage wird in mehrere Schritte unterteilt.

Zuerst möchten wir Sie jedoch mit den klassischen Methoden der Analyse vertraut machen.

Die Auswahl der Fragetypen hat Einfluss auf die Analyse

Je nachdem, welche Fragetypen Sie in Ihrer Umfrage zum Aufbau des Fragebogens genutzt haben, hat dies Auswirkungen auf die Art der Analyse. Grundsätzlich wird zwischen quantitativen und qualitativen Daten unterschieden.

Quantitative Daten sind nichts anderes als Zahlen in verschiedenen Formaten. Zum Beispiel absolute oder relative Werte (%), Durchschnittswerte (ø) oder eine Standardabweichung.

Diese Zahlen erhalten Sie bei „Klickfragen“, also geschlossenen Fragen wie einer NPS-Skala, einem Sterne-Rating oder einer Beurteilungsmatrix.

Das Gute an Zahlenwerten ist, dass diese direkt miteinander vergleichbar und perfekt für die statistische Auswertung geeignet sind.

Zahlenwerte liefern häufig die ersten messbaren Signale. Sie zeigen Ihnen zum Beispiel, ob Zufriedenheit steigt oder sinkt, ob bestimmte Gruppen unterschiedlich bewerten oder ob einzelne Themen besonders kritisch wahrgenommen werden.

Wichtig ist jedoch: Ein Zahlenwert ist noch keine Interpretation. Ein Durchschnitt von 3,2 sagt Ihnen zunächst nur, wie bewertet wurde. Die eigentliche Frage lautet: Warum wurde so bewertet und welches Signal stecken dahinter?

Qualitative Daten hingegen sind Daten, die keine Zahlen enthalten. Dazu gehören freie Textantworten, die die Meinung der Teilnehmer widerspiegeln.

Die Auswertung qualitativer Daten auf manuellem Weg ist sehr zeitaufwendig – lohnt sich jedoch, denn darin liegt das „Gold“ einer Befragung.

Sie erfahren die persönliche Meinung jedes Einzelnen und erhalten tiefere Einblicke.

Fragebogen auswerten – Schritt für Schritt erklärt

Im Folgenden zeigen wir Ihnen Schritt für Schritt, wie Sie die Ergebnisse Ihrer Umfrage auswerten, analysieren und zum Schluss interpretieren.

Und zum Schluss möchten wir Ihnen noch weitere Methoden der Auswertung vorstellen:

01 Vorbereitung: Daten bereinigen

Bevor Sie mit der Auswertung Ihrer Ergebnisse beginnen, solltest Sie die Ergebnisse bereinigen. Bei der Bereinigung der Ergebnisse geht es darum, Teilnehmer zu entfernen, die Ihr Ergebnis verzerren.

Um Fake- oder unrelevante Teilnehmer zu erkennen, gehen Sie nach folgenden Kriterien vor:

Unrealistische Antwortzeiten

Zuerst schauen Sie, wie lang die durchschnittliche Antwortzeit über die gesamten Teilnehmer war, bzw. können Sie anhand der Anzahl der Fragen im Fragebogen die Zeit abschätzen.

Wenn wir von 10 Fragen ausgehen, wird die Beantwortungszeit zwischen 5-15 Minuten liegen – je nachdem ob Freitextantworten dabei waren oder nicht.

Und ob die Fragestellungen kurz und einfach oder komplex gestellt wurden. Gehen wir jetzt davon aus, dass der Durchschnitt ca. 10 Minuten für die Beantwortung benötigt hat.

Es wird Personen geben, die schneller lesen und antworten können. Bei denen kann die Beantwortungszeit auch bei nur 5 Minuten liegen oder im umgekehrten etwas länger. Somit wären alle Teilnehmer unter 5 Minuten verdächtig, ein Fake-Teilnehmer zu sein.

Um diese Fake-Teilnehmer nun aus den Ergebnissen zu löschen, legen Sie einen Zeitfilter in easyfeedback an. Und hier definieren Sie z.B. „alle Teilnehmer mit weniger als 30 oder 60 Sekunden“.

Nun haben Sie alle Teilnehmer auf einen Blick mit einer sehr kurzen Antwortzeit. Sie können diese Teilnehmer nun aus den Ergebnissen löschen oder den Ergebnis-Filter umdrehen, in dem Sie sich alle Teilnehmer „über 60 Sekunden“ anzeigen lassen. Damit werden die Fake-Teilnehmer ausgeschlossen.

Sie können die Umfrage Auswertung auch über Excel vornehmen. Da sortieren Sie sich einfach die Teilnehmer nach der „Beantwortungszeit“ von kurz zu lang.

Sporadisches Antwortverhalten

Alle, die nur so lala die Umfrage durchführen, haben kein ernstes Interesse an gutem Feedback und beantworten nur hier und da mal eine Frage aus dem Fragebogen.

Wenn also mehrere Fragen von einem Teilnehmer nicht beantwortet wurden, dann helfen Ihnen die restlichen Ergebnisse sehr wahrscheinlich auch nicht.

Wenn Sie diese Teilnehmer finden, dann löschen Sie diese ebenfalls aus den Ergebnissen.

Falsche Zielgruppe

Wenn Sie eine Umfrage zur KFZ-Nutzung durchgeführt haben und zu Anfang des Fragebogens eine Segmentierungsfrage stellen „Besitzen Sie ein KFZ?“, dann gehören alle, die mit „Nein“ geantwortet haben, nicht zu Ihrer Zielgruppe.

In easyfeedback müssen Sie diese Teilnehmer nicht löschen.

Sie können einen Filter erstellen, der nur die Ergebnisse der Personen anzeigt, die mit „Ja“ geantwortet haben.

Dadurch verfälschen diese nicht Ihr Ergebnis und Sie können sich die Gesamtstatistik jederzeit wieder anschauen.

Unrealistische Antworten

Eine weitere Möglichkeit, um die Ergebnisse zu bereinigen, sind Teilnehmer zu entfernen, die unrealistische Antworten gegeben haben.

Z. B. soll die Anzahl der Haustiere genannt werden und dafür haben Sie ein Dropdown mit „1-10“ zur Verfügung gestellt.

Alle, die nun 10 angewählt haben, sind schon sehr auffällig und eher unrealistisch.

Diese Teilnehmer sollten Sie entfernen, um die Ergebnisse nicht zu verfälschen.

Entweder löschen Sie diese, oder Sie erstellen einen Filter, der diese Teilnehmer nicht mehr berücksichtigt.

Gleichbleibende Antworten

Wenn Sie z. B. Matrix-Fragen im Fragebogen platziert haben und ein Teilnehmer immer „sehr zufrieden“, immer „unzufrieden“ oder immer „mittel“ ankreuzt, dann sollten Sie diese Teilnehmer aussortieren, da diese Ihnen keinen Mehrwert geben.

Dazu nehmen Sie wieder die XLS-Datei und suchen darin nach den Antwortoptionen zu der Matrix. Sie werden dann sehr schnell sehen, ob es Teilnehmer gibt, die immer die gleiche Antwort gegeben haben.

Merken Sie sich die Teilnehmer-ID in der ersten Spalte und löschen Sie diese aus den Einzelergebnissen der Umfrage.

Unnötige oder falsche Antworten

Wenn ein Teilnehmer am Anfang eingegeben hat, dass er ein KFZ besitzt, aber bei der Frage „Wie oft nutzt du dein KFZ im Monat?“ mit „0 Tagen“ antwortet, dann passt das nicht zusammen und dieser Teilnehmer sollte gelöscht werden.

Nachdem Sie nun die Ergebnisse für die Auswertung des Fragebogens bereinigt haben, bilden Sie Segmente:

02 Segmente bilden

Sobald Ihre Umfrage abgeschlossen ist, erhalten Sie die Gesamtergebnisse.

Diese geben Ihnne auf den ersten Blick einen guten Eindruck über den Rücklauf zu der Umfrage.

Jedoch wird damit nur das Ergebnis auf der Gesamtebene betrachtet.

Wenn Sie die Ergebnisse richtig analysieren möchten, müssen Sie tiefer eintauchen. Keine Angst – das ist nicht schwer.

Beispiel:

Es ist gut zu wissen, dass 80 % Ihrer Kunden mit Ihrem Produkt zufrieden sind. Aber diese Gesamtheit zeigt Ihnen nicht, wie dies einzelnenKundengruppen sehen.

Also ist die Frage doch eher: „Wie zufrieden sind meine Neukunden? Wie zufrieden sind meine Bestandskunden? Und wie zufrieden ist meine umsatzstärkste Kundengruppe?“

Sie brauchen also verschiedene Blickwinkel (Perspektiven), um auf die Ergebnisse der Umfrage zu schauen. Und dazu legen Sie Filter an.

Segmente helfen Ihnen, Signale genauer zu lokalisieren.

Ein Gesamtergebnis zeigt Ihnen nur, dass ein Thema vorhanden ist. Die Segmentierung zeigt Ihnne, wo dieses Thema besonders stark auftritt.

Beispiel: Wenn 80 % Ihrer Kunden zufrieden sind, klingt das zunächst positiv. Wenn aber nur 55 % Ihrer Neukunden zufrieden sind, während Bestandskunden sehr gut bewerten, entsteht ein klares Signal: Der Einstieg neuer Kunden sollte genauer analysiert werden.

Ohne Segmentierung bleibt dieses Signal im Gesamtergebnis verborgen.

Bei der Konzeption des Fragebogens haben Sie sich sicherlich Gedanken zu den Gruppen (Segmenten) der Teilnehmer gemacht.

Gruppen können z. B. nach der Altersklasse (18-25, 26-36 usw.), nach dem Geschlecht, der Abteilung im Unternehmen oder nach Kundengruppen definiert werden. Und für jede relevante Gruppe legen Sie nun einen Filter an.

Die Filter nutzen wir im späteren Verlauf bei der Betrachtung aus den einzelnen Perspektiven und für die Vergleiche.

03 Quantitative und qualitative Auswertung

Quantitative Auswertung (deskriptive Statistik)

Wie eingangs schon erwähnt, werden bei der quantitativen Auswertung rein die Zahlen ausgewertet.

Sie wird auch deskriptive Statistik genannt.

Was bedeutet deskriptive Statistik?

Bei der deskriptiven Statistik werden statistische Methoden zur Beschreibung der Daten genutzt, um über die Daten eine Aussage zu treffen.

Die Darstellung erfolgt in Form von Tabellen und Diagrammen.

Jedoch kann keine Aussage (Interpretation) über den Datensatz selbst erfolgen.

Die quantitative Auswertung liefert Ihnen also die messbare Grundlage. Sie zeigt, wie stark ein Signal ausgeprägt ist.

Beispiel: Wenn 35 % der Befragten eine Antwort negativ bewerten, ist das ein anderes Signal als bei 5 %. Die Zahl allein erklärt zwar noch nicht die Ursache, zeigt aber, wie dringend ein Thema betrachtet werden sollte.

Deshalb ist die quantitative Auswertung der erste Schritt, um relevante Signale zu erkennen und zu priorisieren.

Klassische Parameter sind:

Häufigkeitsverteilung (absolut und prozentual)

Die Häufigkeitsverteilung ist oft der erste Schritt.

Dabei schauen Sie sich die absolute und prozentuale Verteilung an:

Mittelwert

Der Mittelwert – arithmetisches Mittel oder Durchschnitt genannt – addiert alle Werte und wird durch die Gesamtzahl der Antworten geteilt.

Beispiel:
Bei der Frage „Mit wie viel Sternen bewerten Sie uns?“

Die Berechnung ist wie folgt: 4*1 + 3*2 + 8*3 + 2*4 + 7*5 /24 = ø 3,21
Der Durchschnittswert beträgt: 3,21

Modus

Der Modus ist der Wert, der am meisten gewählt wurde.

In dem vorherigen Beispiel ist 3 der Modus, da hier am meisten Personen eine Bewertung abgegeben haben.

Median

Der Median ist genau der Wert, der in der Mitte aller Beurteilungen liegt. Dazu werden alle Werte der Größe nach sortiert. Der Median-Wert ist dann der Wert, der direkt in der Mitte liegt:

Vereinfachtes Beispiel (ungerade Anzahl): 1, 1, 2, 3, 3, 4, 4, 5, 5
In diesem Beispiel ist der Meridian „3“, da dies der Wert in der Mitte ist.

Wenn die Anzahl der Werte gerade ist, werden die beiden Werte in der Mitte addiert und durch zwei geteilt:

Vereinfachtes Beispiel (gerade Anzahl): 1, 1, 2, 3, 4, 4, 5, 5
In diesem Beispiel ist der Meridian „3,5“ (3+4/2).

Standardabweichung

Die Standardabweichung zeigt die Streuung der Antworten in Bezug auf den Mittelwert an.

Wenn der Mittelwert die exakte nummerische Mitte anzeigt, zeigt die Standardabweichung an, wo sich die Masse der Antworten befindet und gibt damit Aufschluss darüber, in welcher Range die meisten Befragten eine Antwort gegeben haben.

Beispiel: In unserem obigen Beispiel ist der Durchschnittswert 3,21. Die Standardabweichung würde in diesem Beispiel 2,58 betragen.

Qualitative Auswertung

Die qualitative Auswertung beschreibt die Analyse von frei gegebenen Meinungen und Äußerungen.

Sprich alle Antworten, die Sie auf eine Freitextfrage erhalten haben. Zum Beispiel „Feedback, Anregungen und Kritik können Sie uns hier geben:“ Diese Antworten sind frei.

Quantitative Daten können Sie perfekt nutzen um Vergleiche anzulegen oder Trends zu erkennen. Jedoch kennen Sie die Gründe hinter der Meinung nicht. Dazu ist es wichtig Freitextfragen zu platzieren, um die Ergebnisse qualitativ zu beurteilen.

Es heißt „In offenen Textfragen liegt das Gold einer Befragung. Denn in den Textantworten liegen die Antworten auf die Fragen, die wir nicht gestellt haben.“

In offenen Textfragen liegen somit häufig die stärksten Signale einer Befragung.

Denn während Skalenfragen zeigen, wie stark ein Thema bewertet wird, erklären Freitextantworten häufig, warum ein Ergebnis so ausgefallen ist.

Beispiel: Eine Kundenbefragung zeigt Ihnen einen mittelmäßigen Zufriedenheitswert. Erst in den Freitextantworten wird sichtbar, dass viele Kunden nicht das Produkt selbst kritisieren, sondern die Reaktionszeit im Support.

Genau deshalb sind offene Fragen so wertvoll. Sie machen Ursachen, Erwartungen, Frustrationen und Verbesserungspotenziale sichtbar, die in geschlossenen Fragen oft verborgen bleiben.

Die manuelle Analyse ist sehr aufwendig. Mit der AI-Analyse von easyfeedback werden Ihre Ergebnisse automatisch interpretiert, analysiert und als Handlungsempfehlungen an sie übergeben.

Bei der qualitativen Analyse von Freitextantworten gibt es mehrere Methoden, die Sie kombinieren:

Sentiment-Bewertung

Bei der Sentiment-Bewertung schauen Sie sich jede einzelne Antwort an und kategorisieren diese in „Positiv, neutral oder negativ“.

Dazu kopieren Sie am besten alle Textantworten in eine Excel-Datei und schreiben in der Spalte daneben die Bewertung des Sentiments.

Tipp: Da dies sehr aufwendig ist, bieten wir Ihnen mit easyfeedback eine automatische Sentiment-Analyse an.

Themen-Bewertung

Als nächstes oder direkt zu der Sentiment-Bewertung notieren Sie sich daneben das Themengebiet, über welches in der Freitextantwort gesprochen wurde.

Beispiel aus einer Kundenumfrage: „Vielen Dank für den klasse Support. Wir sind sehr zufrieden und empfehlen euch weiter.“

Die Themen wären dann: Support; sehr zufrieden, Weiterempfehlung.

Tipp: Auch die Themen-Bewertung bieten wir Ihnen völlig automatisiert an. So sparen Sie eine Menge an Zeit.

Themenbereiche

Als nächstes Clusters Sie die einzelnen Themen zu Ober-Themen zusammen.

Zum Beispiel: Kundensupport; Preis; Beantwortungszeit; usw.

Jedes einzelne Feedback wird dann neben den einzelnen Themenbereichen auch einem Ober-Themenbereich zugeordnet.

Dadurch können Sie auf übergeordneter Ebene sehen, wie viele Rückmeldung zu einem Thema eingegangen sind.

Nachdem Sie nun alle Freitextantworten kategorisiert haben, können Sie über Filterfunktionen in Excel z. B. nur die positiven oder nur die negativen Rückmeldungen aus einem Bereich oder in Kombination anschauen.

Zur Darstellung sind u. a. Wortwolken sehr gut geeignet, da Sie mit diesen die Schlagwörter der Themenbereiche gut erkennen können.

04 Filtern & Vergleichen

Nachdem Sie sich nun Filter für Ihre Gruppen angelegt haben, können Sie tiefer in die Ergebnisse eintauchen:

Ergebnisse filtern

Als erstes filtern Sie die Ergebnisse nach den von Ihnen erstellten Gruppen.

So wechseln Sie die Perspektive auf die jeweilige Teilnehmergruppen und können im Verlauf der Ergebnisse sehen, wie diese geantwortet haben.

Aktivieren Sie einfach einen Filter und schauen Sie sich die Ergebnisse an.

Bei der Betrachtung der Ergebnisse werden Sie sich schnell weitere Kombinationsmöglichkeiten wünschen. Nehmen wir folgendes Beispiel an:

Sie haben eine Mitarbeiterumfrage zu den Motivationsgründen durchgeführt.

Als erstes haben Sie den eNPS genutzt, um die Zufriedenheit abzufragen.

Nun haben Sie einen Filter erstellt, der nur die unzufriedenen Mitarbeiter zeigt.

Im weiteren Verlauf sehen Sie, dass die Unzufriedenheit aus der Zusammenarbeit mit dem Vorgesetzten resultiert.

Nun wissen Sie die Gründe für die Unzufriedenheit, aber nicht aus welcher Abteilung.

Also benötigen Sie einen additiven Filter, um die Abteilung zu erfahren.

Dazu ergänzen Sie nun die Filter um das Kriterium „Abteilung“.

So sehen Sie nun, wie sich die Zufriedenheit in den einzelnen Abteilungen darstellt.

Ergebnisse vergleichen

Durch die Filter haben Sie jetzt einen tieferen Einblick in das Feedback der einzelnen Teilnehmergruppen erhalten.

Als nächstes vergleichen Sie die Ergebnisse.

Durch den Vergleich können Sie Gruppen gegenüberstellen und Unterschiede direkt sichtbar machen.

Vergleiche machen Unterschiede sichtbar — und Unterschiede sind häufig die wichtigsten Signale in einer Umfrage.

Wenn zwei Gruppen sehr ähnlich antworten, spricht das für ein einheitliches Meinungsbild. Wenn Gruppen jedoch deutlich unterschiedlich antworten, solltest Sie genauer hinschauen.

Beispiel: Kunden mit kurzer Vertragslaufzeit bewerten den Service deutlich schlechter als langjährige Kunden. Dieses Ergebnis ist mehr als nur ein Unterschied im Diagramm. Es ist ein Signal dafür, dass neue Kunden möglicherweise andere Erwartungen haben, schlechter abgeholt werden oder im Onboarding mehr Unterstützung benötigen.

Vergleiche helfen Ihnen also, nicht nur Ergebnisse zu sehen, sondern die dahinterliegenden Entwicklungen zu verstehen.

Ein gutes Beispiel ist z. B. nach der Zufriedenheit der Mitarbeiter oder Kunden zu vergleichen.

Dazu nutzen Sie z. B. die Ergebnisse aus der NPS-Abfrage (alles zum NPS und der NPS-Berechnung finden Sie hier).

Sie erstellen sich einen Filter für alle Promotoren und einen für alle Detraktoren.

Wenn Sie diese beiden Gruppen gegenüberstellen, erkennen Sie, welche Themen besonders stark mit Zufriedenheit oder Unzufriedenheit zusammenhängen.

Beispiel: Promotoren bewerten Produktqualität, Support und Preis-Leistung sehr positiv. Detraktoren bewerten die Produktqualität ebenfalls gut, aber den Support deutlich schlechter.

Das Signal lautet dann nicht: „Unser Produkt ist schlecht.“

Das eigentliche Signal lautet: „Unzufriedenheit entsteht vor allem durch die Support-Erfahrung.“

Genau diese Unterscheidung ist wichtig, damit Sie nicht die falschen Maßnahmen ableiten.

05 Kreuztabellen

Die Analyse per Kreuztabelle ist eine hervorragende Methode, um die Ergebnisse aus zwei Fragen in Relation zu stellen. Klingt schwer – ist es aber nicht.

Nehmen wir folgendes Beispiel an: Sie haben Ihre Kunden gefragt, wie lange sie bereits bei Ihnen Kunde sind und in einer zweiten Frage haben Sie die Kundenzufriedenheit mittels des NPS ermittelt.

Wie Sie den NPS einsetzen, welche Vorteile er hat und wie dieser berechnet wird, erfahren Sie hier im NPS-Rechner.

Nun werden die Antwortoptionen aus beiden Fragen horizontal und vertikal in einer Tabelle aufgelistet und in den kreuzenden Feldern die einzelnen Werte eingetragen.

Daher auch Kreuztabelle.

Durch diese Darstellung können Sie auf einen Blick die Zufriedenheit Ihrer Kunden nach dem Kundenlebenszyklus (Customer Life Time) ablesen und vergleichen.

Eine Kreuztabelle hilft Ihnen, Zusammenhänge zwischen zwei Fragen sichtbar zu machen.

Dadurch erkennen Sie nicht nur, wie eine Gruppe bewertet hat, sondern auch, welche Faktoren mit bestimmten Bewertungen zusammenhängen.

Beispiel: Wenn Kunden mit kurzer Vertragsdauer häufiger unzufrieden sind als langjährige Kunden, kann dies ein Signal für Probleme im Onboarding, in der Erwartungshaltung oder in der frühen Nutzung deines Angebots sein.

Die Kreuztabelle zeigt Ihnen also nicht nur Unterschiede. Sie hilft Ihnen, mögliche Ursachen hinter diesen Unterschieden zu erkennen.

Wenn Sie sich die Mühe nicht machen möchtest, dann legst Sie sich in easyfeedback mehrere Filter an.

Zum Beispiel legen Sie sich einzelne Filter an, die jeweils die Teilnehmer in Gruppen nach den Jahren des Customer Life Time aufteilen.

Also einen Filter für „1 Jahr“, einen Filter für „2-5 Jahre“ usw.

Wenn Sie dann in den Vergleichsmodus wechseln, können Sie die einzelnen Jahre auswählen. Damit sehen Sie, wie sich die Zufriedenheit der einzelnen Kunden nach Jahre unterscheidet.

06 Rücklaufquote – repräsentative Aussagen

Ein wichtiger Punkt bei der Interpretation der Ergebnisse ist, ob die Ergebnisse für die jeweilige Befragungsgruppe repräsentativ ist. Das bedeutet, ob die Ergebnisse mit der Meinung der Gesamtheit gleich gestellt werden kann.

Beispiel: Sie führen eine Mitarbeiterbefragung durch und möchtest am Ende sicher sein, dass die Antworten (nicht alle Mitarbeiter werden teilnehmen) das Meinungsbild aller Mitarbeiter widerspiegelt. Wenn Sie eine Fehlerspanne von 0 % erreichen möchten, dann benötigen Sie 100 % Teilnehmerquote. Da dies aber in den meisten Fällen nicht realistisch ist, müssen Sie mit einer Fehlerspanne die Ergebnisse interpretieren.

Um die Fehlerspanne zu berechnen, nehmen Sie als erstes die Populationsgröße. Dies ist die Gesamtzahl der Personen, deren Meinung repräsentiert wird – sagen wir 100 Mitarbeiter.

Als nächstes definieren Sie das Konfidenzniveau. Dieses gibt an, wie wahrscheinlich es ist, dass die teilnehmenden Mitarbeiter ein reales Feedback geben.

Und zum Schluss nehmen Sie die tatsächliche Anzahl an Mitarbeitern, die teilgenommen haben. Daraus ergibt sich dann die Fehlerspanne.

Hier können Sie die Fehlerspanne ganz einfach berechnen.

Wenn wir jetzt von einer Fehlerspanne (Irrtumswahrscheinlichkeit) von 5 % ausgehen, dann wenden Sie diese wie folgt an:

Bei der Frage „Wie zufrieden sind Sie mit dem Angebot in der Kantine?“ haben 40 % mit „sehr zufrieden“ geantwortet. Das Ergebnis wird nun mit 5 % + und – ausgegeben und lautet „35 – 45 % sind mit dem Angebot der Kantine sehr zufrieden.“

Um die Genauigkeit der Ergebnisse zu verbessern, ist eine geringe Fehlerspanne von Vorteil.

Mit dem Stichprobengrößen-Rechner können Sie ganz einfach ausrechnen, wie viele Teilnehmer im Verhältnis zu Ihrer Populationsgröße die Fehlerspanne beeinflussen.

07 Interpretation der Ergebnisse

Jetzt beginnt der wichtigste Teil der Auswertung: die Interpretation.

Bis hierhin haben Sie gesehen, wie die Ergebnisse pro Frage ausgefallen sind, welche statistischen Werte relevant sind und welche Unterschiede zwischen Gruppen bestehen.

Die entscheidende Frage lautet jetzt:

Was bedeuten diese Ergebnisse?

Bei der Interpretation geht es darum, einzelne Zahlen, Freitextantworten und Gruppenvergleiche miteinander zu verbinden. Erst dadurch erkennen Sie die Signale, die in deinen Umfrageergebnissen verborgen sind.

Ein Signal entsteht zum Beispiel, wenn:

ein Thema besonders häufig negativ bewertet wird
mehrere Freitextantworten denselben Kritikpunkt nennen
eine bestimmte Teilnehmergruppe deutlich anders antwortet
quantitative und qualitative Ergebnisse in dieselbe Richtung zeigen
ein Ergebnis deutlich von deiner Erwartung abweicht

Nehmen wir als Beispiel das Thema „Interne Kommunikation“.

Die Hauptfrage zeigt: 60 % der Befragten sind mit der internen Kommunikation zufrieden.

Auf den ersten Blick wirkt das Ergebnis positiv.

Jetzt prüfen Sie jedoch weitere Fragen, die mit Kommunikation zusammenhängen. Zum Beispiel:

Werden wichtige Informationen rechtzeitig weitergegeben?
Sind Entscheidungen nachvollziehbar?
Fühlen sich Mitarbeitende ausreichend eingebunden?

Zusätzlich schauen Sie in die Freitextantworten.

Wenn dort mehrfach erwähnt wird, dass strategische Entscheidungen zu spät oder unklar kommuniziert werden, entsteht ein differenziertes Signal.

Die Interpretation könnte dann lauten:

„Die interne Kommunikation wird grundsätzlich positiv bewertet. 60 % der Befragten sind mit der Kommunikation zufrieden. Gleichzeitig zeigen die Freitextantworten, dass insbesondere strategische Entscheidungen nicht immer rechtzeitig oder nachvollziehbar kommuniziert werden. Das Signal deutet nicht auf ein grundsätzliches Kommunikationsproblem hin, sondern auf Verbesserungsbedarf bei Transparenz und Informationsfluss zu wichtigen Unternehmensentscheidungen.“

Genau so wird aus einem Ergebnis eine belastbare Interpretation.

Wichtig ist dabei, nicht vorschnell zu interpretieren.

Ein einzelner niedriger Wert ist noch kein vollständiges Signal. Erst wenn mehrere Ergebnisse in dieselbe Richtung zeigen, entsteht ein belastbares Muster.

Deshalb sollten Sie bei der Interpretation immer drei Ebenen kombinieren:

Was zeigen die Zahlen?
Was sagen die Freitextantworten?
Welche Unterschiede zeigen sich zwischen Gruppen oder Segmenten?

Wenn alle drei Ebenen auf dasselbe Thema hinweisen, haben Sie ein starkes Signal gefunden.

Wenn Ihnen die manuelle Interpretation zu viel Aufwand ist, kann easyfeedback Ihnen diesen Schritt mit der AI-Analyse abnehmen.

Die AI-Analyse erkennt Muster, fasst relevante Ergebnisse zusammen und interpretiert die wichtigsten Signale aus Ihrer Befragung.

Dabei werden nicht nur einzelne Antworten betrachtet, sondern Zusammenhänge zwischen Bewertungen, Themen und Freitextantworten analysiert.

Handlungsempfehlungen

Nach der Interpretation leiten Sie aus den erkannten Signalen passende Maßnahmen ab.

Wichtig ist: Nicht jedes Signal erfordert sofort eine große Maßnahme.

Manche Signale zeigen akuten Handlungsbedarf. Andere zeigen Themen, die weiter beobachtet werden sollten. Wieder andere weisen auf Potenziale hin, die gezielt ausgebaut werden können.

Wenn wir beim Beispiel der internen Kommunikation bleiben, könnten passende Maßnahmen sein:

regelmäßige Updates zu strategischen Entscheidungen einführen
Führungskräfte stärker in die interne Kommunikation einbinden
ein festes Format für Fragen und Rückmeldungen schaffen

Die Maßnahme sollte immer zum Signal passen.

Dazu können Sie sich im Team zusammensetzen und Maßnahmen überlegen, oder Sie nutzen die AI-Analyse von easyfeedback. Mit der AI-Analyse werden Ihnne automatisch Handlungsempfehlungen mitgegeben.

Wenn das Signal „zu wenig Transparenz“ lautet, hilft eine reine Erhöhung der Kommunikationsfrequenz nicht automatisch. Entscheidend ist, dass die richtigen Inhalte klarer, früher und verständlicher kommuniziert werden.

08 Ergebnisse teilen

Um zum Schluss die Ergebnisse zu teilen und intern zu präsentieren, haben Sie mehrere Möglichkeiten.

Zum einen können Sie sich in PowerPoint eine Präsentation aufbauen und diese vortragen oder als Datei versenden. Alternativ können Sie die Ergebnisse und Interpretationen auch als digitales Dashboard teilen, sodass jeder die Möglichkeit erhält, sich diese anzuschauen.

Mit easyfeedback haben Sie die Möglichkeit, interaktive Dashboards zu teilen und für die einzelnen Empfängergruppen vorzubereiten.

Beim Aufbau Ihrer Präsentation – ob als Datei oder interaktivem Dashboard – können wir Ihnen zwei Konzepte empfehlen:

Von Groß zu Klein:
Zu Beginn Ihrer Präsentation präsentieren Sie die wichtigsten und aussagekräftigsten Zahlen bzw. KPIs. In der Regel interessiert sich die Geschäftsführung und das Management zunächst für das große Ganze, um einen Überblick über den aktuellen Stand des Unternehmens zu bekommen. Im Anschluss gehen Sie dann ins Detail und erklären, wie sich diese Zahlen zusammensetzen.
Story-Aufbau:
Bei dieser Technik präsentieren Sie die Ergebnisse in einer Story. Das bedeutet, Sie fangen mit dem Ziel an: „Das Ziel ist, die Mitarbeiterzufriedenheit in 2024 um XX % zu steigern. Dafür haben wir die folgende Befragung durchgeführt. Als erstes haben wir die Mitarbeiter gefragt, ob sie sich vorstellen können, in 5 Jahren noch bei uns tätig zu sein. Das Ergebnis ist XXX.“ Ziel ist es, Stück für Stück einen Spannungsbogen aufzubauen, um am Ende das Resultat zu präsentieren.

Mit der Präsentation der Ergebnisse haben Sie die Analyse abgeschlossen und können in die Umsetzung der Maßnahmen übergehen.

Tipp:

Mit einer Folgebefragung im nächsten Jahr oder Zyklus können Sie die Ergebnisse von der aktuellen Befragung vergleichen. Der Vergleich wird Ihnen zeigen, ob Ihre Maßnahmen einen positiven Effekt haben und sich Ihre Zahlen verbessern.

Weitere Methoden der Auswertung

Faktorenanalyse

Die Faktorenanalyse ist eine Methode zur Vereinfachung der Daten. Bei der Faktorenanalyse werden den Daten (Antwortoptionen) neue „vereinfachte“ Werte zugewiesen (kategorisiert).

Durch die Kategorisierung kann am Ende ein Wert pro Kategorie ermittelt werden und diese sind dann vergleichbar.

Der Nachteil bei der Methode ist, dass mehrere Antwortoptionen einer Kategorie zugeordnet werden und die Details, die zur Bewertung geführt haben, verloren gehen.

Regressionsanalyse

Die Regressionsanalyse ist eine statistische Methode, die verwendet wird, um die Beziehungen zwischen Variablen zu modellieren und zu analysieren.

Der Hauptzweck der Regressionsanalyse ist es, die Stärke und Art der Beziehung zwischen einer abhängigen Variable (auch Zielvariable genannt) und einer oder mehreren unabhängigen Variablen (Prädiktoren oder Einflussfaktoren) zu bestimmen.

Es gibt verschiedene Arten der Regressionsanalyse, die jeweils für unterschiedliche Datentypen und Forschungsfragen geeignet sind.

Korrelationsanalyse

Die Korrelationsanalyse ist ein statistisches Verfahren, das verwendet wird, um die Stärke und Richtung einer linearen Beziehung zwischen zwei quantitativen Variablen zu bestimmen.

Sie hilft dabei zu verstehen, ob und wie stark zwei Variablen miteinander zusammenhängen.

Da diese Methode nur statistisch mit der Wahrscheinlichkeitsrechnung stattfindet, ist es mathematisch gesehen ein eher zufälliger Zusammenhang.

Skalenniveaus

Die Analyse von Daten in Bezug auf Skalenniveaus ist ein wichtiger Aspekt der Statistik und Datenanalyse. Skalenniveaus beschreiben, wie Daten kategorisiert werden und welche mathematischen Operationen auf ihnen sinnvoll sind.

Es gibt vier grundlegende Skalenniveaus, die jeweils unterschiedliche Eigenschaften und analytische Möglichkeiten bieten:

Nominalskalenniveau:
Daten auf diesem Niveau sind rein kategorisch, ohne eine festgelegte Reihenfolge oder Rangfolge. Beispiele hierfür sind Geschlecht, Farben oder Nationalitäten.
Ordinalskalenniveau:
Daten auf ordinaler Skala haben eine natürliche Reihenfolge oder Rangfolge, aber die Abstände zwischen den Werten sind nicht notwendigerweise gleich. Beispiele sind Ranglisten oder Schulnoten.
Intervallskalenniveau:
Intervallskalierte Daten haben geordnete Kategorien mit gleichen Abständen zwischen den Werten, aber keinen echten Nullpunkt. Beispiele sind Temperatur in Celsius oder IQ-Werte.
Verhältnisskalenniveau (Ratioskala):
Daten auf diesem Niveau haben alle Eigenschaften der Intervallskala, zusätzlich gibt es einen absoluten Nullpunkt. Beispiele sind Gewicht, Höhe oder Alter

Die Kenntnis des Skalenniveaus ist entscheidend für die Auswahl der geeigneten statistischen Methoden und Analysen.

Eine falsche Interpretation des Skalenniveaus kann zu ungenauen oder sinnlosen Ergebnissen führen.

In der Praxis werden oft Transformationen durchgeführt, um Daten in eine geeignetere Form zu bringen, falls die gewählte Analyse dies erfordert.

Jetzt Online Umfrage erstellen

Erstellen Sie kostenlos Ihre erste Online Umfrage und laden Sie Teilnehmer per Link, E-Mail oder QR-Code ein.
Nutzen Sie Vorlagen oder lassen Sie sich von unserem KI-Assistenten Mr. Q bei der Erstellung Ihres Fragebogens unterstützen.