A visszajelzések elemzésekor könnyű csak a válaszadókról gondolkodni. Pedig a vezetői következtetést az is befolyásolja, kik nem jelentek meg az adatban. A…
A visszajelzések elemzésekor könnyű csak a válaszadókról gondolkodni. Pedig a vezetői következtetést az is befolyásolja, kik nem jelentek meg az adatban. A sok válasz sem oldja meg automatikusan ezt a kérdést.
Először a hozzáférést vizsgáld
A könyv a nagy adatmennyiség mellett is alapvetőnek tekinti, hogy a vizsgált minta megfelelően kapcsolódjon a megismerni kívánt ügyfélkörhöz. 1 Helyi visszajelzésgyűjtésnél ezért először azt kell átgondolni, minden fontos vendéghelyzetben elérhető volt-e a lehetőség.
Kimaradhatnak például azok, akik nem találkoztak a meghívóval, nem értették a nyelvét, vagy nem tudták kényelmesen használni a felületet. Ezek vizsgálandó lehetőségek. A válaszok hiányából nem állapítható meg, hogy a kimaradók elégedettek vagy elégedetlenek voltak.
Saját példa: az esti vendégek hiánya
Egy kitalált étteremben az ebédidős munkatársak rendszeresen megmutatják a visszajelzés lehetőségét, az esti csapat viszont ritkán. A hónap végén sok ebédvélemény és kevés esti jelzés érkezik.
Az összesítésből ettől még lehet tanulni az ebédről, de nem indokolt az egész napi működést ugyanazzal a bizonyossággal jellemezni. Előbb az esti meghívás körülményeit kell áttekinteni. Ha a csapat csak a pontszám növelésével foglalkozik, ez az információs rés könnyen rejtve marad.
Készíts egyszerű lefedettségi listát
Írd össze azokat a csoportokat vagy helyzeteket, amelyek között üzletileg lényeges különbség lehet: szolgáltatástípus, napszak, helyszín vagy foglalási mód. Csak olyan bontást használj, amelyhez megfelelő adat és értelmes kérdés tartozik.
Mindegyiknél nézd meg, hogyan jutott el a meghívás a vendéghez. Ahol nem ismered a helyzetet, ne becsülj biztos arányt. Először működési megfigyeléssel tisztázd, hogy egyáltalán elérhető volt-e a visszajelzés útja.
A javítás után se ígérj reprezentativitást
Ha egységesebb lett a meghívás, az fontos előrelépés. Az önkéntes kitöltés azonban továbbra is sajátos válaszadói kört eredményezhet. A nagyobb darabszámot ezért ne nevezd automatikusan a teljes vendégkör torzítatlan képének.
A havi riportban egy rövid mondat is elegendő lehet a határ megjelölésére: a válaszok többsége az ebédidős látogatásokhoz kapcsolódott, az esti tapasztalatokról kevesebb információnk van. Ez nem gyengíti a használható eredményt. Segít abban, hogy a csapat pontosan ott hozzon döntést, ahol a visszajelzések valóban támpontot adnak.
Ne pótold a hiányzó véleményt feltételezett pontszámmal
Ha kevés esti vendég válaszolt, nem tudjuk, milyen értékelést adtak volna a többiek. A hiányzó csoportot nem lehet az ebédvendégek átlagával vagy egy vezetői becsléssel egyszerűen kitölteni. Egy ilyen kiegészítés új feltételezést hozna létre, amelyet az olvasó könnyen valódi mérésnek nézne.
A következő adatgyűjtési időszakot inkább úgy tervezzétek, hogy a korábban nehezen elért helyzetben is világos legyen a lehetőség. A módosítás után ellenőrizzétek a folyamatot, és külön jelezzétek, hogy a lefedettség változott. A korábbi és új adat ettől nem válik értéktelenné, csak más körülmények között keletkezett.
A riportban a bizonytalanságot konkrétan fogalmazd meg. Nem általában „kevés az adat”, hanem például az esti kiszolgálásról kevés közvetlen jelzésünk van. A pontos hiányból következő feladat születhet; az általános bizonytalansági mondatból viszont a csapat nehezebben érti meg, hol kellene jobban figyelnie.
Források és módszertan
- Fornell, Morgeson III, Hult és VanAmburg: The Reign of the Customer (2020). 9.2. Globalization and the “Marketing Metrics Problem”.
A cikk szakirodalmi összefoglaló. A példák szemléltető, kitalált helyzetek; nem RateWise-ügyféleredmények.
KÖVETKEZŐ LÉPÉS
Fordítsd a vendégjelzéseket konkrét döntésekké.
A RateWise egy helyen segít összegyűjteni, áttekinteni és követni a visszajelzéseket.
Bemutatót kérek ↗