European Customer Satisfaction Index
Customer Experience
Der European Customer Satisfaction Index (ECSI) ist das in der EU standardisierte Kausalmodell zur Messung von Kundenzufriedenheit. Sechs reflektiv gemessene latente Variablen erklären zusammen, wie Markenbild und wahrgenommene Qualität die Zufriedenheit treiben und in Loyalität umschlagen.
- N
- 250
- LVs
- 6
- R²(SAT)
- 0.71
Klonen erfordert ein kostenloses OpenPLS-Konto.
Theorie-Background
Der ECSI ist die europäische Antwort auf den amerikanischen ACSI (Fornell et al., 1996) und wurde Ende der 1990er Jahre von der European Foundation for Quality Management entwickelt. Ziel war ein branchenübergreifend vergleichbarer Index, der nicht direkt die Zufriedenheit erfragt, sondern sie über ein Strukturgleichungsmodell aus ihren Antezedenzien rekonstruiert.
Das Modell ist methodisch sauber spezifiziert: alle sechs Konstrukte sind reflektiv gemessen (Mode A), die Pfadstruktur enthält drei Mediator-Ebenen (Erwartungen, Qualität, Wert) und endet bei Loyalty als finaler abhängiger Variable. Der typische Anwendungsfall sind quartalsweise Befragungen, deren Ergebnisse über Jahre vergleichbar bleiben.
In der PLS-SEM-Literatur ist der ECSI zum De-facto-Benchmark für Pfadmodelle mit mehreren Mediator-Ebenen geworden. Praktisch jedes Lehrbuch (Hair et al., 2022; Henseler, 2021) führt eine Variante davon als Einstiegsbeispiel.
Strukturmodell
Sechs reflektive LVs, zehn gerichtete Pfade. Image ist die einzige rein exogene Variable, Loyalty die rein endogene.
Image
Markenbild und Reputation aus Kundensicht.
Erwartungen
Erwartete Qualität vor der Inanspruchnahme.
Wahrgenommene Qualität
Erlebte Service- und Produktqualität.
Wahrgenommener Wert
Qualitäts-Preis-Verhältnis aus Kundensicht.
Zufriedenheit
Gesamtbeurteilung der Erfahrung.
Loyalität
Wiederkauf- und Weiterempfehlungsabsicht.
Hypothesen
| H1 | IMAG → SAT | + | Ein stärkeres Markenbild erhöht die Zufriedenheit direkt. |
| H2 | IMAG → LOY | + | Markenbild wirkt zusätzlich direkt auf Loyalität, unabhängig von Zufriedenheit. |
| H3 | EXPE → QUAL | + | Höhere Erwartungen korrelieren positiv mit der wahrgenommenen Qualität. |
| H4 | QUAL → SAT | + | Wahrgenommene Qualität ist der stärkste direkte Treiber von Zufriedenheit. |
| H5 | VAL → SAT | + | Wahrgenommener Wert erhöht Zufriedenheit zusätzlich zu Qualität. |
| H6 | SAT → LOY | + | Zufriedenheit ist die zentrale Brücke zu Loyalität. |
Methodik & Daten
Der mitgelieferte Datensatz enthält N = 250 simulierte Antworten auf 27 Indikatoren (alle siebenstufige Likert-Skala). Die Kovarianzstruktur wurde so generiert, dass sich die in der Literatur typischen Effektstärken reproduzieren. Reale ECSI-Studien arbeiten meist mit Stichproben zwischen N = 250 und N = 1.000 pro Branche.
Erwartete Ergebnisse
- R²(SAT) ≈ 0,71
- Image, Erwartungen, Qualität und Wert erklären gemeinsam rund 71 % der Varianz in der Zufriedenheit — substantiell nach Hair-et-al.-Schwellen (R² ≥ 0,75 = stark).
- R²(LOY) ≈ 0,52
- Loyalität wird zu rund 52 % aus Image und Zufriedenheit erklärt. Die direkte Image→Loyalty-Wirkung ist klein, aber signifikant.
- SAT → LOY ≈ 0,55
- Der mit Abstand stärkste Pfad. Bestätigt die zentrale ECSI-These: Zufriedenheit ist die Hauptbrücke zur Loyalität.
Reproduzieren in 60 Sekunden
- 1
Projekt klonen
Ein Klick im OpenPLS-Workspace erstellt eine vollständige Kopie: Modell, Indikatoren und Datensatz, sofort editierbar.
- 2
Berechnung starten
OpenPLS löst Outer Weights, Path Coefficients, R², HTMT, SRMR und Bootstrap-Konfidenzintervalle in wenigen Sekunden.
- 3
Mit erwarteten Metriken vergleichen
Die unten dokumentierten Schlüsselmetriken stammen aus dem publizierten Original. Deine Werte sollten innerhalb der Bootstrap-95 %-CIs liegen.
Referenzen
- Fornell, C., Johnson, M. D., Anderson, E. W., Cha, J., & Bryant, B. E. (1996). The American Customer Satisfaction Index: Nature, Purpose, and Findings. Journal of Marketing, 60(4), 7–18. doi.org/10.1177/002224299606000403
- Tenenhaus, M., Esposito Vinzi, V., Chatelin, Y.-M., & Lauro, C. (2005). PLS path modeling. Computational Statistics & Data Analysis, 48(1), 159–205. doi.org/10.1016/j.csda.2004.03.005
- Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (3rd ed.). SAGE. us.sagepub.com/en-us/nam/a-primer-on-partial-least-squares-structural-equation-modeling-pls-sem/book270548