Branche Die Kritiker und Befürworter tauschen ihre Argumente aus

Montag, 05. Dezember 2016

Der Net Promoter Score (NPS) wird seit Jahren kritisch hinterfragt. Sylvia Knecht hat sich die Kritiker und Befürworter näher angeschaut.
  • Marsden et. alt. gehört zu den Befürwortern des NPS und bestätigt die Aussage: ‚The one number You need to growth’. Sie stützen ihr Ergebnis auf das Korrelationsverfahren.
  • Auch Keinigham et. alt. führen eine Korrelationsanalysen durch und verneinen die Reichheld´sche These.
  • Ihr Ergebnis dient Stokburger-Sauer / Hammerschmidt (2007) aber wiederum als Beleg für den NPS als Wachstumsindikator.
  • Morgan und Rego widersprechen über den erbrachten Beweis der Methode der multiplen Regression.

Was nun? Bei einer solchen uneinheitlichen Meinungslandschaft hilft in der Regel eine saubere Analyse. Betrachten wir die Ergebnisse konkret unter den Modellvarianten, mit denen geprüft wurde:

Reichheld selbst verwendet das Regressionsmodell. Dabei werden Zusammenhänge zwischen mehreren Merkmalen durch ein mathematisches Modell abgebildet. Man unterscheidet dabei grundsätzlich zwischen abhängigen und unabhängigen Variablen. Man unterscheidet zwischen der Einfachregression (Erklärung einer abhängigen durch eine unabhängige Variable) und der Mehrfachregression oder multiplen Regression (Erklärung einer abhängigen durch mehrere unabhängige Variable). Wie der Name schon sagt, handelt es sich bei der linearen Regression um ein Modell. Dessen Angemessenheit für die Analyse gegebener Daten ist jeweils zu prüfen.

Hier ist die abhängige Variable das Umsatzwachstum. Die unabhängige Variable ist bei Reichheld der NPS. Als Beleg für den NPS als Wachstumstreiber dient das aus der Statistik bekannte Bestimmtheitsmaß, was als valider Wachstumsprädikator anerkannt ist.

Und genau hier beginnt die Problematik. Denn das Bestimmtheitsmaß ist damit im Falle der Einfachregression nichts weiter als der quadrierte Korrelationskoeffizient oder einfacher ausgedrückt: der Produkt-Moment-Korrelation. Es geht also im Grunde nur um den Zusammenhang von mindestens zwei intervallskalierten Merkmalen.

Und das sagt überhaupt nichts über die Kausalität aus. Zudem würde man bei Reichheld das gleiche Ergebnis erhalten, wenn man Ursache und Wirkung austauscht. Zusätzlich sind die Daten des Wachstums dem NPS zeitlich vorgelagert, und gehen damit als Leadind- und eben nicht als Lagging- Indikator in die Analyse ein. Reichheld musste sich daher von Sharp (2008) gefallen lassen, dass dieser seine Analysen deshalb als ‚fake science‘ bezeichnete.

Das ist auch kritisch bei Marsden et. alt. anzumerken. Sie versuchen den Beweis der These über das Korrelationsverfahren. Hierbei wird eine Beziehung zwischen zwei oder mehreren Merkmalen, Ereignissen, Zuständen oder Funktionen beschrieben. Zwischen Merkmalen, Ereignissen oder Zuständen braucht keine kausale Beziehung zu bestehen: manche Elemente eines Systems beeinflussen sich nicht gegenseitig; oder es besteht eine stochastische (= vom Zufall beeinflusste) Beziehung zwischen ihnen.

Es ist ihnen aber nicht gelungen, einen signifikanten Korrelationskoeffizient zwischen Umsatz-wachstum und NPS herzustellen. Hinzu kommt, dass bei ihren Studien (2005) weitere Ungereimtheiten auffallen: So ist die Berechnung nur mit wenigen Firmen durchgeführt worden. Ganze 16 Unternehmen, nämlich 12 Banken und 4 Kraftstoffhandel, wurden befragt. Tatsache ist aber nun einmal, dass je mehr Unternehmen in die Berechnung der Korrelationsanalyse eingehen, umso signifikanter wird das Ergebnis. Zudem wurde nach der Weiterempfehlungsquote innerhalb der letzten 12 Monate gefragt. Das zugrunde gelegte Umsatzwachstum selbst stammt aber aus dem Jahr 2004. Somit liegt dito ein Kausalitätsproblem vor, denn das Signifikanzniveau sagt grundsätzlich zunächst einmal nichts über die Stärke des Zusammenhangs aus.

Auch Keinigham bestätigt dieses Ergebnis in 2007 mit der Methode der Korrelationsanalysen. Auch hier konnten zwischen NPS und Umsatzwachstum keinen signifikanten Korrelationskoeffizienten festgestellt werden. In der Analyse kommt dito deutlich heraus, dass Marsden et. alt. zu wenige Wertvariablen miteinander verglichen haben.  Auch hier steht das Wachstum nicht in Korrelation zum ‚neuen‘ NPS.

Je geringer aber der Wert des Korrelationskoeffizienten ist, desto ungenauer ist seine Aussage. Zwar kann er Werte zwischen −1 und +1 annehmen. Bei einem Wert von +1 (bzw. −1) besteht ein vollständig positiver (bzw. negativer) linearer Zusammenhang zwischen den betrachteten Merkmalen. Wenn der Korrelationskoeffizient jedoch den Wert 0 aufweist, hängen die beiden Merkmale überhaupt nicht linear voneinander ab. Allerdings können diese ungeachtet dessen in nichtlinearer Weise voneinander abhängen. Damit ist der Korrelationskoeffizient kein geeignetes Maß für die (reine) stochastische Abhängigkeit von Merkmalen.

Morgan und Rego haben sich der validen Möglichkeit der Weiterempfehlung des NPS über die Auswertung einer multiplen Regressionsanalyse beschäftigt. Ihre abhängige Variable war das Umsatzwachstum, weitere erfolgsrelevante Faktoren wie der NPS wurden berücksichtigt. Der NPS wurde dabei aber nicht auf Basis beabsichtigter, sondern tatsächlich vorgenommener Empfehlungen berechnet und weicht auch in diesem Punkt von der Ursprungsthese ab.

Dabei konnten sie keine signifikanten Korrelationskoeffizienten zwischen NPS und dem Umsatzwachstum nachweisen. Sie kommen, nach Ansicht der Autorin, zu Recht zu der Annahme, dass über die Methode der multiplen Regression kein Beweis der vorab gestellten Reichheld´schen These erbracht werden kann.

Zurück zum Hauptartikel
Jetzt suchen >>
stats