Gastbeitrag von CRXO Kathrin Michel
Warum KI und CX Programme mehr Daten bereitstellen als je zuvor und die Customer Experience entlang der Journey trotzdem lückenhaft bleibt. Und was das mit einer strukturellen Entscheidung zu tun hat, die die meisten Unternehmen noch nicht getroffen haben.
Warum KI und CX Programme mehr Daten bereitstellen als je zuvor und die Customer Experience entlang der Journey trotzdem lückenhaft bleibt. Und was das mit einer strukturellen Entscheidung zu tun hat, die die meisten Unternehmen noch nicht getroffen haben.
ie hatte recherchiert. Modelle verglichen. Konfiguriert. Testberichte gelesen. Wochenlang. Der Kaufentschluss war so gut wie gefasst.
Dann ging sie zum Händler. Wollte eine Probefahrt machen. Der Händler musste absagen. Der Probewagen hatte keine Winterreifen aufgezogen. Unter acht Grad durfte das Fahrzeug nicht bewegt werden.
Sie ging. Wechselte den Händler. Und die Marke gleich dazu. Schrieb darüber öffentlich.
In wie vielen CX Systemen taucht dieser Moment auf?
In keinem. Nicht weil die Befragung zu spät kam, sondern weil die Person nie ins CRM eingetragen wurde. Kein Kauf. Keine Probefahrt. Kein Datensatz. Für das System existiert diese Person nicht.
Das klassische Feedbackmodell hat ein Strukturproblem: Es erfasst nur, wen das Unternehmen schon kennt und was es aktiv gefragt hat. Lost Leads, abgebrochene Journeys und unerfüllte Erwartungen hinterlassen keine Spur im Dashboard.
Dieser Moment ist kein Ausreißer. Er ist die Regel. Und er wiederholt sich tausendfach in Händlernetzen, unabhängig davon, wie ausgereift das CX Programm dahinter ist.
Klassische CX Programme im Automotive basieren auf einem einfachen Ablauf: Befragen, aggregieren, visualisieren. NPS nach dem Kauf. CSAT nach dem Servicetermin. Dashboard. Quartalsbericht. Netzranking.
Das Problem liegt nicht im Instrument. Es liegt im Datenmodell dahinter: Nur wer im System ist, kann befragt werden. Nur wer befragt wird, taucht im Dashboard auf.
Was draußen bleibt: der Interessent, der nie gekauft hat. Das Gespräch im Autohaus, das eskaliert ist, ohne dass ein Ticket eröffnet wurde. Die Frage, die im Chat auftauchte. Die Google Bewertung mit drei Sternen. Das Muster in tausend Service E Mails. Die Aufzeichnung des Serviceanrufs, die niemandem vorliegt. Das Feedback, das nicht als Antwort auf eine strukturierte Umfrage gegeben wurde, sondern im Moment der Frustration, öffentlich, ungefragt, real. Diese Signale entstehen täglich in jedem Händlernetz und verschwinden, ohne je ausgewertet zu werden.
Hinzu kommt Survey Fatigue. Kunden in Händlernetzen werden nach jedem Kontaktpunkt befragt: nach dem Kauf, nach dem Werkstattbesuch, nach dem Beratungsgespräch. Die Folge: sinkende Rücklaufquoten, selektivere Antworten, verzerrte Daten. Nicht weil Kunden nichts mehr sagen wollen, sondern weil das Modell sie überbeansprucht.
KI und CX Technologie liefern heute mehr Daten und Analysen als je zuvor. Und trotzdem bleibt die Customer Experience entlang der Journey lückenhaft, weil die relevantesten Signale außerhalb des Messmodells entstehen.
Feedback war nie der vollständige Spiegel der Kundenrealität im Automotive. Wir haben nur lange so getan, als ob.
Die meisten CX Programme im Automotive messen konsequent dort, wo der Kunde bereits im System ist: Sales Experience nach dem Kauf, After Sales und Service, Produktfeedback. Das ist sinnvoll, aber es ist nicht der Ort, an dem der Kaufentscheid fällt.
Die Automobilindustrie investiert gerade erheblich in KI, in der Erwartung, dass bessere Analyse die Lücken in der Customer Experience schließt. Kunden agieren heute anders: Entscheidungen beginnen lange vor dem ersten Händlerkontakt, meist digital. Wohnzimmerrecherche, Reviews und Communities, Smartphone Konfigurator. Erwartungen sind geprägt durch Plattformen wie Amazon oder Spotify: nahtlos, schnell, intuitiv.
Was diese Phase produziert, ist erheblich: Verhaltenssignale, Bewertungsmuster, Abbruchpunkte. Das sind keine Randphänomene. Es ist das ehrlichste Bild der Kundenrealität, das heute verfügbar ist.
Was oft fehlt: ein systematisches Verständnis dessen, warum sich Kunden gegen eine Marke entscheiden, bevor sie je im System auftauchen. Dabei wird genau hier Wettbewerb entschieden.
Ein einzelner negativer Moment, etwa eine abgesagte Probefahrt, eine unbeantwortete Chatanfrage oder eine Erwartung, die im Übergang von digital zu physisch nicht aufgegriffen wird, kann ausreichen, um einen potenziellen Kunden zu verlieren. Dieser Moment entsteht häufig weit außerhalb des strukturierten Feedbackkanals. Und er entscheidet, ob eine Marke im nächsten Kaufzyklus noch auf der Liste steht.
Die Branche investiert in KI und das zu Recht. Aber der Glaube, dass mehr Analysekapazität automatisch zu einem vollständigeren Bild der Kundenrealität führt, greift zu kurz. Manche Anbieter suggerieren, KI mache Umfragen obsolet. Andere behaupten, unstrukturierte Daten seien plötzlich auswertbar.
Beides stimmt so nicht.
Text Analytics, Speech Analytics und Social Listening gibt es seit über fünfzehn Jahren. Große Plattformanbieter haben diese Funktionen seit langem im Portfolio. Was sich verändert hat, ist etwas anderes und Präziseres:
KI macht diese Analyse erstmals skalierbar. Für Händlernetze ohne zentrale Analyseteams. Für Importeure, die über hunderte Standorte hinweg Signale konsolidieren müssen. Für Märkte ohne dedizierte Data Science Kapazität. Was früher sechsstellige Implementierungsprojekte und NLP Spezialisten brauchte, wird heute zugänglich für Organisationen jeder Größe.
Konkret: Chatprotokolle können automatisch auf Muster analysiert werden. Service Call Aufzeichnungen werden ausgewertet, ohne dass jemand manuell zuhört. CRM Kommentare, Bewertungen und App Verhalten: Signale, die bisher im Rauschen untergegangen sind, werden sichtbar und nutzbar. Nicht als Ersatz für Umfragen, sondern als Ergänzung, die den blinden Fleck des klassischen Modells adressiert.
Der eigentliche Shift liegt nicht in der Technologie. Er liegt in der Entscheidung, das Erfassungsmodell zu überdenken und KI als Hebel zu nutzen, um Signale zu erschließen, die bisher strukturell unsichtbar waren.
Wer heute ein CX Programm mit ausgereiftem Survey Setup betreibt, steht vor einer anderen Frage als ein Unternehmen, das gerade anfängt. Es geht nicht darum, das Bestehende abzulösen. Es geht darum, den blinden Fleck systematisch zu adressieren.
Erstens: Die Datengrundlage über klassische Surveys hinaus erweitern. Reviews, Social Feedback, Conversational Data und Service Call Protokolle existieren in fast jedem Händlernetz. Sie werden selten systematisch ausgewertet. Ein Importeur mit dreihundert Händlern hat täglich Tausende solcher Signale und sieht davon im Dashboard keines. Keine Frage der Technologie. Eine Frage der Priorisierung.
Zweitens: Fokus auf Lost Leads und Abbruchpunkte entlang der Journey. Nicht nur analysieren, was nach dem Kauf passiert ist, sondern verstehen, warum jemand nicht gekauft hat. Warum der Konfiguratorprozess abgebrochen wurde. Was in der Phase vor dem ersten Händlerkontakt schiefgelaufen ist, bevor jemand überhaupt ins System kam.
Drittens: Insights konsequent in Handeln übersetzen. Das entscheidende Problem ist heute selten die Datenverfügbarkeit. Es ist die Lücke zwischen Erkenntnis und Wirkung. Kundensignale müssen dort ankommen, wo sie etwas verändern: im Autohaus, im Netz, im Moment des Kundenkontakts und schneller als der Wettbewerb reagiert. Ein schlechtes Netzranking ist das Ergebnis von Signalen, die zu spät ankamen oder nie ankamen. Ein gutes ist das Ergebnis konsequenter Übersetzung von Insight in Handeln.
Customer Feedback ist nicht tot. Aber es war nie genug. Wir haben nur eine Zeit lang so getan, als ob.
Die Interessentin, die wegen einer abgesagten Probefahrt die Marke gewechselt hat: Ihr Signal existierte. Es war real. Es hat eine Kaufentscheidung verändert und ist öffentlich geworden. Es taucht bis heute in keinem CRM Eintrag auf, weil das Datenmodell sie nicht vorgesehen hat.
CX Programme im Automotive werden in den nächsten Jahren nicht daran gemessen, wie gut sie erfassen, was sie bereits kennen. Sie werden daran gemessen, ob sie die Signale empfangen, die Wettbewerb wirklich entscheiden: vor dem ersten Händlerkontakt, außerhalb strukturierter Kanäle, im Moment der echten Kundenrealität.
KI ist dabei ein Werkzeug. Ein mächtigeres als je zuvor. Aber die strukturelle Entscheidung, welche Signale ein Unternehmen erfassen will, kann KI nicht treffen. Das ist eine Führungsentscheidung. Von gefragten Daten zu echten Signalen. Von Messen zu Verstehen. Von Verstehen zu Steuern.
Und er betrifft jeden OEM, jeden Importeur und jede Handelsgruppe, unabhängig davon, wie weit das bestehende CX Programm bereits entwickelt ist.
Kathrin Michel ist CRXO bei moveXM und beschäftigt sich mit der Frage, wie Unternehmen aller Reifegrade Customer Experience als echtes Steuerungsinstrument nutzen können.
Wenn Sie sich gerade mit der Frage beschäftigen, wie sich Ihr CX-Ansatz weiterentwickeln sollte: