Translating the determination of subjective customer perceptions from the health care sector to the service industry: A study for the automotive industry

Language
en
Document Type
Doctoral Thesis
Issue Date
2018-07-09
Issue Year
2018
Authors
Meinzer, Stefan
Editor
Publisher
FAU University Press
ISBN
978-3-96147-093-8
Abstract

The automotive industry is in the middle of a disruptive change in which a competitive differentiation based on the car as a product itself is not sufficient anymore. Customer centricity is one of the most important management goals in this industrial sector. The consequence is a shift from a product-focused company towards a service provider where the car is just one element to achieve the target of maximum customer satisfaction. Understanding subjective customer perceptions in this complex service environment is the resulting challenge. In order to achieve the highest outcome of a medical treatment perceived by the patients, patient centricity is the core focus of the health care sector since years. The determination of perceived patient satisfaction has been well researched and various measurement approaches exist. This work focuses on the knowledge transfer of perceived satisfaction determination from the health care sector to the automotive industry. A case study has been conducted that illustrates the managerial implications and recommendations for improvement of the established customer satisfaction determination in the automotive industry. Each service process of a car is generating a vast amount of data. This work shows how to make maximum use of this value by answering these two questions: 1. Can dissatisfied customers be classified before the customer service interaction ends based on data that is produced during a service visit? 2. Can the indicators for dissatisfaction be derived from service process data? Based on the knowledge derived in this work, new data-driven service and business models can be developed for the automotive industry to really achieve customer centricity.

Abstract

Die Automobilindustrie befindet sich in einem disruptiven Wandel, in dem die Differenzierung zum Wettbewerb über das Auto als Produkt alleine nicht mehr ausreicht. Den Kunden in den Mittelpunkt zu stellen, ist das wichtigste resultierende Ziel der Service Industrie. Die Konsequenz ist der Wandel von einem produkt-orientierten Unternehmen zu einem service-orientierten Unternehmen, in dem das Produkt Auto ein Instrument ist, um die Kundenzufriedenheit zu maximieren. Die subjektive Wahrnehmung der Kunden korrekt zu erfassen und zu verstehen ist die daraus resultierende Herausforderung vor der die Unternehmen derzeit stehen. Um den maximalen Behandlungserfolg aus Sicht der Patienten im medizinischen Umfeld zu erreichen, bildet der Patientenfokus seit Jahren ein Kernelement des klinischen Sektors. Die Erfassung der subjektiv wahrgenommenen Pateientenzufriedenheit ist in zahlreichen Studien ausgiebig erforscht und durch etablierte Erhebungs-Methoden validiert. Das Ziel dieser Arbeit bildet der Wissenstransfer zur Erfassung der wahrgenommenen Zufriedenheit aus dem klinischen Sektor auf die Automobilindustrie. In einem Praxisbeispiel werden Management-Implikationen und Empfehlungen zur Verbesserung der aktuellen Erfassung der wahrgenommenen Kundenzufriedenheit in der Automobilindustrie erarbeitet. Jede Serviceaktion eines Fahrzeugs generiert massenhaft Daten. Durch die Beantwortung der folgenden zwei Fragen, zeigt diese Arbeit auf, wie der Nutzen aus diesen Daten maximiert werden kann: 1. Können unzufriedene Kunden noch während der Service-Interaktion klassifiziert werden, basierend auf den währenddessen generierten Daten? 2. Können die Indikatoren der Unzufriedenheit aus den Daten der Serviceprozesse abgeleitet werden? Durch die Beantwortung dieser Fragen können auf Basis dieser Arbeit neue datengetriebene Geschäftsmodelle für die Automobilindustrie entwickelt werden, um das Ziel die Kundenzufriedenheit zu maximieren, erreichen zu können.

Notes
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-092-1
Faculties & Collections
Zugehörige ORCIDs