Mit Zendesk-CSAT Kunden finden, die kurz vor der Kündigung stehen

Zendesk-CSAT wird meist als Teamkennzahl gelesen: welcher Anteil der gelösten Tickets in diesem Monat gut bewertet wurde. Pro Kunde gelesen, wird daraus etwas anderes: eine Liste von Menschen, die Ihnen gerade mit einem Klick gesagt haben, dass etwas schiefgelaufen ist. Manche von ihnen sind kurz davor zu gehen.

Dieser Ratgeber erklärt, was die Zufriedenheitsdaten von Zendesk enthalten, wie Sie sie herausbekommen, wie Sie schnell auf schlechte Bewertungen reagieren und wie Sie testen, ob Bewertungen in Ihrem Geschäft Churn vorhersagen. Er stützt sich auf die Dokumentation von Zendesk zur CSAT-Nutzererfahrung, zum Senden einer CSAT-Umfrage, zu Zufriedenheitsgründen, zu unerwarteten schlechten Bewertungen sowie die API-Referenzen Satisfaction Ratings und CSAT Survey Responses (alle abgerufen im November 2026).

Wie Zendesk CSAT erhebt

Die Umfrage ist an gelöste Tickets gebunden. Für Messaging-Kanäle erstellt Zendesk einen System-Trigger, der die Umfrage direkt nach dem Lösen eines Tickets zeigt. Für E-Mail sendet laut dem Artikel zur CSAT-Erfahrung von Zendesk eine Standardautomation die Anfrage 24 Stunden, nachdem das Ticket auf solved gesetzt wurde.

Mit der aktuellen Umfrage, beschrieben in Eine CSAT-Umfrage senden, wählen Admins die Bewertungsskala (zwei, drei oder fünf Punkte) und können eine offene Frage hinzufügen. Zendesk unterstützt auch Zufriedenheitsgründe: ein Dropdown mit Gründen, das erscheint, wenn ein Kunde negativ bewertet. Die Gründe sind für den Kunden optional.

Umfragen im Messaging zeigen das Kommentarfeld erst, nachdem der Kunde eine Bewertung angeklickt hat.

Wie die Daten aussehen

Es gibt zwei Darstellungen in der API, und es hilft, beide zu kennen.

Satisfaction Ratings. Der ältere Endpoint Satisfaction Ratings (GET /api/v2/satisfaction_ratings) liefert Bewertungen mit einem Score von offered, unoffered, good oder bad. Sie können nach Score filtern, einschließlich Varianten mit und ohne Kommentar, und nach einer start_time. „Offered“ bedeutet, dass dem Kunden eine Umfrage gesendet wurde und er nicht geantwortet hat; „unoffered“ bedeutet, dass keine Umfrage gesendet wurde.

CSAT Survey Responses. Die API CSAT Survey Responses deckt die neuere Umfrage ab, mit Bewertungen gruppiert als bad, neutral oder good. Zendesks Leitfaden zum Abrufen von CSAT-Antworten empfiehlt diese Daten für genaueres Feedback, wenn Sie die neuere Umfrage nutzen.

In beiden Fällen führt jede Bewertung zu einem Ticket zurück und das Ticket zu einem Anfragenden und oft zu einer Organisation. Das ist der Weg zu einem Kunden.

Ein Datenqualitätsproblem, das Sie zuerst beheben sollten

Zendesk dokumentiert eine bekannte Ursache für unerwartete schlechte Bewertungen: E-Mail-Sicherheitsscanner, die jedem Link in einer Nachricht folgen. Da die Bewertung den zuletzt angeklickten Link speichert, erzeugt ein Scanner, der erst „good“ und dann „bad“ anklickt, eine schlechte Bewertung, die der Kunde nie abgegeben hat. Die von Zendesk empfohlene Lösung ist, die direkten Links für good und bad in der CSAT-E-Mail durch einen Link zur Landingpage der Umfrage zu ersetzen.

Wenn Sie schlechte Bewertungen als Churn-Signal nutzen wollen, beheben Sie das zuerst. Sonst sind manche Ihrer „unzufriedenen Kunden“ ein Mailfilter bei einem großen Unternehmen.

Auf schlechte Bewertungen reagieren

Der schnellste Gewinn braucht keine Analyse: Jemand liest jede schlechte Bewertung innerhalb eines Tages und handelt.

1. Bauen Sie eine Ansicht. Zendesk dokumentiert eine Ansicht für Bewertungen mit Kommentar mit Bedingungen wie „Satisfaction Is Bad with comment“. Erstellen Sie eine für schlechte Bewertungen mit und ohne Kommentar.
2. Legen Sie eine verantwortliche Person fest. Eine Teamleitung oder einen Customer Success Manager, nicht den Agenten, der das Ticket bearbeitet hat.
3. Lesen Sie Kommentar und Grund, und sehen Sie sich dann das Konto an: Plan, Kundendauer, jüngste Abrechnungsereignisse, andere offene Tickets.
4. Antworten Sie persönlich auf das, was der Kunde gesagt hat. Eine kurze Nachricht einer namentlichen Person, die etwas behebt oder erklärt, bewirkt mehr als eine allgemeine Entschuldigung.
5. Taggen Sie das Ergebnis (csat-followup-done, csat-followup-churned), damit Sie es später messen können.

Für das Reporting veröffentlicht Zendesk ein Explore-Rezept für schlechte Bewertungen mit Kommentar.

Gründe und Kommentare lesen

Scores sagen Ihnen, dass etwas schiefgelaufen ist; Zufriedenheitsgründe und Kommentare sagen Ihnen, was. Lesen Sie vor jeder Statistik einen Monat schlechter Bewertungen mit Kommentar und sortieren Sie sie in eine Handvoll Themen:

• Support-Erfahrung: langsame Antwort, unklare Antwort, Ticket zu früh geschlossen.
• Produktproblem: ein Fehler, eine fehlende Funktion, etwas, das nicht wie beworben funktioniert.
• Abrechnungsproblem: eine unerwartete Belastung, eine Verlängerung, die der Kunde vergessen hatte, eine verweigerte Erstattung.
• Nicht Ihretwegen: eine versehentlich angeklickte Bewertung oder eine Beschwerde über etwas außerhalb Ihrer Kontrolle.

Die zweite und dritte Gruppe lohnen den Vergleich mit Churn am meisten. Ein Kunde, der sich über eine langsame Antwort ärgert, bleibt vielleicht, sobald es behoben ist; ein Kunde, der sich über eine Belastung ärgert, ist auch ein Risiko für einen Streitfall, prüfen Sie also gleichzeitig seine Abrechnung.

Testen, ob Bewertungen Churn vorhersagen

Eine schlechte Bewertung fühlt sich wie ein Churn-Signal an. Prüfen Sie es.

Den Datensatz erstellen

1. Exportieren Sie Bewertungen für einen Zeitraum, über eine der beiden APIs oben, mit Ticket-ID, Anfragendem, Organisation, Score, Grund, Kommentar und Datum.
2. Exportieren Sie die Kunden aus der Abrechnung mit Startdatum, Kündigungsdatum und Art des Churns (freiwillig oder fehlgeschlagene Zahlung).
3. Ordnen Sie Anfragende per E-Mail Kunden zu. Zendesk-Nutzer können mehrere E-Mail-Identitäten haben; nutzen Sie alle. Entscheiden Sie im B2B, ob eine Bewertung eines beliebigen Nutzers für die Organisation zählt.
4. Legen Sie ein Zeitfenster fest. Bewertungen in den 90 Tagen vor einem Stichtag; Churn in den 90 Tagen danach.

Gruppen vergleichen

Gruppe	Definition
Mindestens eine schlechte	Eine oder mehrere schlechte Bewertungen im Zeitfenster
Nur gute	Nur gute Bewertungen
Angeboten, nie beantwortet	Umfragen gesendet, keine Antwort
Keine gelösten Tickets	Keine Umfrage im Zeitfenster angeboten

Berechnen Sie den freiwilligen Churn in jeder Gruppe, mit der Kundenzahl neben jeder Rate. Lassen Sie Churn durch fehlgeschlagene Zahlungen weg; siehe unfreiwilliger Churn, warum er sich anders verhält. Die Churn-Formeln finden Sie in So berechnen Sie die Churn-Rate.

Mit Vorsicht lesen

• Antwortquoten prägen alles. Wenn wenige Kunden antworten, ist die Gruppe „schlecht“ klein und selbstselektiert. Die Gruppe „angeboten, nie beantwortet“ kann ebenso aufschlussreich sein wie die schlechten Bewertungen.
• Gründe zählen mehr als Scores. Eine schlechte Bewertung mit dem Grund „Problem nicht gelöst“ ist ein anderes Signal als „Agent war langsam“. Schlüsseln Sie den Vergleich nach Grund auf, wenn Sie genug Daten haben.
• Nachfassen ändert das Ergebnis. Wenn Sie anfangen, auf schlechte Bewertungen zu reagieren, sollte ihr Zusammenhang mit Churn schwächer werden. Das ist das Ziel, keine fehlerhafte Analyse.
• Korrelation, nicht Kausalität. Eine schlechte Bewertung kann Symptom einer bereits getroffenen Entscheidung sein. Sie sagt Ihnen trotzdem, mit wem Sie sprechen sollten.

Wenn CSAT in Ihren Daten Kündiger nicht von Bleibenden trennt, sehen Sie sich andere Support-Signale an; siehe So erkennen Sie Churn-Signale in Zendesk-Tickets.

Das mit NoChurn umsetzen

Der Zendesk-Connector von NoChurn ist nur lesend: Er sendet keine Umfragen, ändert Ihre CSAT-Einstellungen nicht und schreibt nicht in Tickets. Er liest Tickets und ihre Zufriedenheitsbewertungen, ordnet Anfragende per E-Mail Kunden in der Abrechnung zu (unsichere Zuordnungen werden Ihnen zur Bestätigung vorgeschlagen, nie automatisch zusammengeführt) und nutzt sie als Eingaben für den Churn-Score von 0 bis 100 und für die Churn-Treiber, die die am stärksten mit Churn korrelierten Attribute ordnen (Korrelation, nicht Kausalität). Sie können per API weitere Attribute senden, etwa Produktnutzung, um zu sehen, wie Support-Signale im Vergleich abschneiden. Siehe NoChurn + Zendesk.