ARMEDANGELS setzt deshalb auf PollHero, um direkt an der Größentabelle qualitative Nutzerfeedbacks zu erfassen – ohne zusätzliche Tools, komplizierte Integrationen oder sichtbare Drittanbieter-Komponenten.

Mit einer sogenannten „Always On Survey“ sammelt ARMEDANGELS kontinuierlich Insights dazu, wie hilfreich die bereitgestellten Größeninformationen wirklich sind und welche Informationen Nutzerinnen und Nutzern konkret fehlen.

Das Ergebnis: schnelle Erkenntnisse, konkrete Optimierungspotenziale und datenbasierte Entscheidungen zur Verbesserung der Produktinformationen.

Herausforderung

Auch mit Größentabellen, Modellangaben und Maßinformationen bleiben bei vielen Fashion-Produkten Fragen offen:

• Reichen die vorhandenen Maße wirklich aus?
• Sind Passform und Schnitt verständlich erklärt?
• Fehlen bestimmte Produktinformationen?
• Verstehen Nutzer die Größenlogik?
• Wo entstehen Unsicherheiten vor dem Kauf?

Klassische Webanalyse liefert hier oft nur indirekte Hinweise. ARMEDANGELS wollte deshalb qualitative Insights direkt im Nutzungskontext erfassen – genau dort, wo Nutzer Entscheidungen treffen.

Das Ziel:

• Friktionen bei der Größenwahl sichtbar machen
• Produktinformationen gezielt verbessern
• Unsicherheiten reduzieren
• Conversion-Potenziale identifizieren
• Retourenrisiken langfristig senken

Die Lösung: Embed Umfrage direkt unter der Größentabelle

ARMEDANGELS nutzt dafür eine PollHero Embedded Survey direkt unterhalb der Größentabelle auf Produktdetailseiten.

Die dauerhaft eingeblendete Embed Umfrage sammelt kontinuierlich Feedback von echten Nutzern – direkt im Nutzungskontext auf der Produktdetailseite.

Schritt 1: Schnelles Feedback mit Emoji-Bewertung

Direkt unter der Größentabelle wird die Frage eingeblendet:

„Waren diese Informationen hilfreich?“

Nutzer antworten mit fünf Emojis – von sehr positiv bis sehr negativ.

Die Hürde zur Teilnahme ist dadurch extrem niedrig und ARMEDANGELS erhält direktes Feedback genau in dem Moment, in dem Nutzer eine Größenentscheidung treffen.

Schritt 2: Intelligente Folgefrage bei negativem Feedback

Der eigentliche Mehrwert entsteht durch die Survey-Logik von PollHero.

Wenn Nutzer einen negativen bis neutralen Emoji auswählen, wird automatisch die Folgefrage ausgespielt:

„Welche Information hättest du gebraucht?“

Dadurch erhält ARMEDANGELS nicht nur Bewertungen, sondern konkrete qualitative Insights zu fehlenden Informationen, Unsicherheiten bei der Passform oder Problemen bei der Größenauswahl.

Native Integration im ARMEDANGELS Design

Die Umfrage wurde vollständig im Look & Feel von ARMEDANGELS umgesetzt.

Dank der Custom CSS Möglichkeiten von PollHero integriert sich die Embed Umfrage nahtlos in das bestehende Shop-Design – inklusive Typografie, Farben, Abständen und UI-Elementen.

Für Nutzer wirkt die Umfrage dadurch wie ein nativer Bestandteil des Shops und nicht wie eine externe Drittanbieterlösung.

Schnelle Integration mit Direct Injection

Für die technische Integration nutzte ARMEDANGELS das Direct Injection Feature von PollHero.

Dabei wird lediglich definiert, an welchem CSS-Selektor die Embed Umfrage platziert werden soll – beispielsweise vor, nach oder innerhalb eines bestimmten Elements.

So konnte die Umfrage direkt unterhalb der Größentabelle eingebunden werden, ohne zusätzlichen Entwicklungsaufwand oder individuelle Frontend-Anpassungen.

Die Integration war dadurch innerhalb kürzester Zeit live.

AI Themencluster machen Probleme sofort sichtbar

Die offenen Antworten werden mit den AI Themenclustern von PollHero automatisch analysiert und gruppiert.

Dadurch erkennt ARMEDANGELS sofort, welche Probleme besonders häufig auftreten und wo konkreter Optimierungsbedarf besteht.

Dabei werden unterschiedliche Problemfelder sauber voneinander getrennt, beispielsweise:

• Mehr Abmessungen
• Unsicherheit wegen Produktpassform
• Unsicherheit wegen Größenauswahl
• Mehr Produktinformationen

Das ist besonders wertvoll, weil unterschiedliche Probleme unterschiedliche Lösungen benötigen.

Fehlende Maße lassen sich beispielsweise über zusätzliche Produktinformationen lösen, während Unsicherheiten bei der Passform eher bessere Fit-Beschreibungen oder Model-Referenzen benötigen.

Ergebnisse und Mehrwert

Mit PollHero hat ARMEDANGELS einen skalierbaren Research-Kanal direkt im Shop etabliert.

Die Vorteile:

• Kontinuierliche qualitative Insights
  Feedback wird dauerhaft direkt im Nutzungskontext gesammelt – ohne separate Research-Projekte.
• Schnellere Identifikation von UX-Problemen
  Probleme bei Größenberatung und Produktinformationen werden früh sichtbar.
• Datenbasierte Optimierung
  Produktinformationen können gezielt anhand realer Nutzerbedürfnisse verbessert werden.
• Native User Experience
  Die Umfrage integriert sich vollständig in das bestehende Brand- und Shop-Erlebnis.
• Kein zusätzlicher Entwicklungsaufwand
  Dank Direct Injection konnte die Integration schnell und flexibel umgesetzt werden.
• Bessere Priorisierung durch AI Themencluster
  Das Team erkennt sofort, welche Probleme den größten Einfluss haben.

Fazit

Der Einsatz von PollHero bei ARMEDANGELS zeigt, wie wirkungsvoll qualitative Nutzerfeedbacks direkt im E-Commerce-Kontext eingesetzt werden können.

Mit einer intelligenten Always On Survey direkt an der Größentabelle gewinnt ARMEDANGELS kontinuierlich wertvolle Insights zur Größenberatung und Produktkommunikation.

Durch die Kombination aus:

• nativer Integration
• intelligenter Folgefrage
• schneller Implementierung
• AI-basierter Themenanalyse
• flexiblem Survey-Targeting

entsteht ein leistungsstarker Feedback-Prozess, der Produktinformationen und User Experience nachhaltig verbessert.

Gerade im Fashion E-Commerce, wo Unsicherheiten bei Größenwahl und Passform direkten Einfluss auf Conversion und Retouren haben, liefert dieser Ansatz messbaren Mehrwert.

Wer mehrere Tausend Euro in eine individuelle Zaunlösung investiert, möchte sicher sein, die richtige Entscheidung zu treffen. Genau deshalb spielen verständliche Produktinformationen bei Zaun-Idee eine zentrale Rolle.

Viele Konfigurationsoptionen – etwa Drahtstärke, Beschichtung oder Montagearten – sind erklärungsbedürftig. Um Nutzer:innen im Entscheidungsprozess zu unterstützen, setzt Zaun-Idee auf umfangreiche Info-Dialoge direkt im Konfigurator. Klickt ein Nutzer auf ein Info-Icon, öffnet sich ein Modal mit zusätzlichen Erklärungen und Hintergrundinformationen.

Das Problem dabei:
Es war unklar, ob die Inhalte tatsächlich helfen.

Die Herausforderung

Die Informationsdialoge wurden bisher nach bestem Wissen und Gewissen erstellt. Es gab jedoch keine Möglichkeit zu verstehen:

• Wurde die eigentliche Frage des Nutzers beantwortet?
• Waren die Informationen verständlich genug?
• Fehlen wichtige Inhalte?
• Sorgen die Texte für Sicherheit oder eher für zusätzliche Unsicherheit?

Klassische A/B-Tests waren keine praktikable Lösung.
Die Anzahl der Nutzer, die einzelne Info-Dialoge öffnen, war zu gering, um belastbare Testergebnisse zu erhalten.

Dadurch fehlte eine wichtige Grundlage für die Optimierung der Inhalte.

Die Lösung mit PollHero

Mit PollHero hat Zaun-Idee direkt innerhalb der Info-Dialoge eine Embedded Survey integriert.

Nach dem Lesen der Informationen können Nutzer unmittelbar Feedback geben:

• Wurden die Informationen als hilfreich wahrgenommen?
• Wurde das Informationsbedürfnis erfüllt?
• Welche Fragen bleiben offen?

Zusätzlich können Nutzer freies Feedback hinterlassen und konkrete Verbesserungsvorschläge direkt im Kontext der jeweiligen Produktinformation übermitteln.

Die Umfrage ist dabei nahtlos in den Dialog integriert und stört den Nutzungskontext nicht.

Warum Embedded Surveys hier besonders gut funktionieren

Gerade in komplexen Konfiguratoren ist Timing entscheidend.
Das Feedback wird exakt in dem Moment abgefragt, in dem Nutzer eine Informationsentscheidung treffen.

Dadurch erhält Zaun-Idee qualitativ hochwertiges Feedback direkt am relevanten Touchpoint – statt allgemeiner Aussagen ohne Kontext.

Die Embedded Surveys von PollHero eignen sich dafür besonders gut, weil sie:

• direkt im bestehenden UI integriert werden können
• ohne iframe per Shadow Root eingebunden werden
• flexibel an das bestehende Design angepasst werden können
• auch in komplexen Webanwendungen performant funktionieren

Die Ergebnisse

Mit PollHero kann Zaun-Idee die Qualität der Informationsdialoge erstmals datenbasiert weiterentwickeln.

Statt Vermutungen gibt es jetzt kontinuierliches Nutzerfeedback direkt aus dem Konfigurator.

Das ermöglicht:

• die langfristige Optimierung von Info-Dialogen
• weniger Unsicherheit während der Konfiguration
• weniger unnötige Rückfragen beim Kundensupport
• geringere Absprungraten durch besser verständliche Informationen
• mehr Sicherheit bei hochpreisigen Kaufentscheidungen

Besonders wertvoll:
Die Inhalte können jetzt kontinuierlich verbessert werden – auch ohne klassische Testing-Setups oder hohe Trafficzahlen.

Direkteres Nutzerfeedback entlang der Customer Journey

Der Einsatz bei Zaun-Idee zeigt, wie Embedded Surveys nicht nur für klassische Feedbackformulare genutzt werden können, sondern gezielt zur Optimierung komplexer Entscheidungsprozesse.

Gerade bei erklärungsbedürftigen Produkten helfen kontextbezogene Micro-Feedbacks dabei, Unsicherheiten frühzeitig sichtbar zu machen – bevor sie zu Kaufabbrüchen oder Supportfällen werden.

Mit PollHero erhält Zaun-Idee damit eine kontinuierliche Feedbackschleife direkt im Produktkonfigurator.

Wie einfach, kompliziert, intuitiv oder verwirrend ist der Self-Check-In? Als (fast komplette) Selfservicing Hotelkette hat Ruby Hotels wenig Möglichkeiten, Feedback über den Self-Check-In-Prozess zu erhalten. Quantitative Daten, wie zum Beispiel die Zeit, die durchschnittlich für den Check-In gebraucht wird, werden zwar gesammelt, jedoch sagt das nur bedingt etwas über den Prozess aus. Eine längere Check-In-Zeit bedeutet nicht automatisch, dass der Check-In nicht angenommen wird bzw. im Sinne des Customer Satisfaction Scores (CSAT) nicht gut ankommt, da viele Faktoren dafür sorgen können, dass Gäste länger für den Check-In brauchen.

Um qualitative Daten zu sammeln, hat PollHero eine simple Zufriedenheits-Survey aufgesetzt, um den CSAT zu messen.

Fragen & Ergebnisse

Wie läuft der Check-In-Prozess ab?

Vor der Ankunft erhalten Gäste eine Mail mit der Bitte, den Pre-Arrival Flow auszufüllen — dieser Schritt ist optional und kann auch bei Ankunft im Hotel erledigt werden, spart dann aber Zeit am Check-In-Kiosk.

Im Pre-Arrival Flow bzw. im ersten Schritt des Check-Ins werden die Daten abgeglichen: Name oder Reservierungsnummer, Anzahl an Gästen und gebuchten Zimmern. Diese Infos werden über Custom User Attributes abgefragt.

Danach stehen den Gästen Zusatzoptionen wie beispielsweise eine Green Option (Zimmerreinigung erst nach 3 Nächsten, dafür gibt es ein gratis Getränk), zur Verfügung. Zuletzt muss die Keycard authentifiziert werden, danach ist der Check-In-Prozess abgeschlossen und den Gästen wird eine Dankesseite ausgespielt. Ruby Hotels trackt bereits pro Hotel, wie lange der Check-In dauert, aber nicht, wie zufrieden die Gäste mit dem Self-Check-In sind.

Hier kommt PollHero ins Spiel.

Der Zufriedenheits-Check

Auf der Dankesseite wird im Ruby Hotels Design eine simple 5-stufige Emoji-Frage ausgespielt:

Wie zufrieden warst du mit dem Self-Check-In?

Die Umfrage wurde mit dem PollHero Custom CSS Feature erstellt, da das ikonische Ruby Hotels Design nicht fehlen durfte. So gibt es in der Customer bzw. Guest Experience keinen visuellen Bruch und die Gäste wissen weiterhin, dass es sich um eine Umfrage von Ruby Hotels handelt.

Ausgespielt wird die Umfrage auf Basis der Sprache, die die Gäste zuvor gewählt haben: Deutsch, Englisch, Niederländisch, Italienisch, Französisch.

Selbstverständlich können in italienischen Hotels deutsche Umfragen oder in englischen Hotels französische Umfragen ausgespielt werden.

Das Ergebnis

89,1 Prozent aller Gäste klicken einen Emoji und lassen Ruby Hotels wissen, wie sie den Check-In-Prozess empfunden haben. Eine fantastische Antwortrate!

Die Ergebnisse werden pro Hotel gesammelt, sodass die Zufriedenheitsrate pro Hotel, Stadt und Land runtergebrochen und verglichen werden kann.

Außerdem kann hotelunabhängig die Zufriedenheit auf die Anzahl der Gäste und Zimmer bestimmt werden. Sind Gäste mit hoher Personenzahl unzufriedener und dauert ihr Self-Check-In deutlich länger? Dann sollte der Prozess verschlankt werden. Oder verändert die Personenanzahl die Zufriedenheit nicht?

Zudem kann die Zufriedenheit über die Zeit getrackt werden. Gibt es plötzlich einen Abfall in der Zufriedenheit? Vielleicht ist in Köln gerade Karneval oder in München sind die Wiesn, weswegen der Check-In länger dauert und die Gäste unzufriedener zurücklässt. Der Zeitvergleich hilft Ruby Hotels dabei, Ausreißer besser zu verstehen und als solche zu erkennen.

Der Ausblick

Ruby Hotels stellt in naher Zukunft ihren Self-Check-In-Prozess um. Die Zufriedenheitsumfrage bleibt fester Bestandteil. Neben den quantitativen Daten wird auch der Emoji-Zeitvergleich helfen, die Qualität des neuen Prozesses zu beurteilen. Sind die Gäste seit Implementierung des neuen Prozesses weiterhin zufrieden? Oder ist der Customer Satisfaction Score (CSAT) seitdem abgefallen?

Die Zufriedenheitsabfrage bietet aber noch mehr Potenzial: mithilfe von Custom User Attributes könnten die E-Mail-Adresse, Handynummer, Anzahl der Gäste und weiter Infos klar einer Umfrageantwort zugeordnet werden, um gezielt Rückfragen zu stellen. Entweder direkt mit PollHero Logiken oder per E-Mail. Gib ein Gast an, besonders unzufrieden gewesen zu sein, könnten sie im nächsten Schritt direkt fragen, welche Probleme es gab oder eine E-Mail oder WhatsApp mit Rückfragen verschicken.

Aber dieser Schritt ist noch Zukunftsmusik.

ABlyft arbeitet stetig daran, die Plattform zu verbessern und die User Experience zu steigern. Dazu zählt vor allem, neue Features zu entwickeln, die Funktionen stärken, komplett neu sind oder bereits vorhandene Features komplementieren. Dabei gibt es einige Prioritäten, bei anderen Features ist es aber schwerer zu entscheiden, welche Aufgaben Vorrang haben. Um IT-Ressourcen effizient planen und verteilen zu können, ist eine Priorisierung allerdings unabdingbar. Gemeinsam mit PollHero hat ABlyft deswegen eine Umfrage innerhalb ihrer Plattform gestartet, um die Meinung ihrer Kundschaft einzufangen.

Die Fragen & das Ergebnis

Der Fragebogen zur Feature-Umfrage simpel gehalten: lediglich drei Fragen reichen aus, um Ergebnisse zu erhalten, die ABlyft wirklich weiterbringen und bei der Gewichtung der zu entwickelnden Features helfen.

Aus Diskretions-Gründen haben wir die Features für den Case zensiert.

1. Welche neuen Features würdest du gerne auf ABlyft sehen? (Long Free Text)
2. Welche dieser Features möchtest du als nächstes sehen?
   1. Feature A
   2. Feature B
   3. Feature C
   4. Sonstiges
3. Auf welche dieser Features könntest du am ehesten verzichten?
   1. Feature A
   2. Feature B
   3. Feature C
   4. Sonstiges

Wird die Freitext-Frage an den Anfang gestellt, ist die Wahrscheinlichkeit höher, dass Kundschaft eigene Ideen einbringt, statt Multi Select Antworten zu wiederholen. Die Antworten wurden willkürlich vermischt ausgespielt, um einen Bias auszuschließen, etwa, dass die erste Antwort häufig gewählt wird, weil die erste Position impliziert, dass sie am wichtigsten wäre.

Das Ergebnis: Die ABlyft Kundschaft ist sich einig.

Feature C ist mit 57,8% die am häufigsten gewählte Antwort auf Frage 2. Auch in den Freitext-Antworten aus Frage 1 kam das Feature häufig zur Sprache.

Die Antworten aus Frage 3 decken sich mit dem Ergebnis: mit 10,2% der Antworten landet Feature C auf dem letzten Platz. Heißt, auf das Feature kann wirklich nicht verzichtet werden.

Insgesamt war die Verteilung bei Frage 2 wie folgt:

• Feature C: 57,8%
• Feature A: 26,9%
• Feature B: 15,3%

Das Ergebnis hat ABlyft dabei geholfen, ihre IT-Ressourcen effizient auf das von der Kundschaft favorisierte Feature zu fokussieren. Durch die einfache Priorisierung der Themen können die Features außerdem schneller entwickelt und ausgerollt werden. Ein voller Erfolg!

Immer wieder kam es auf der englischen Website von Ruby zu Stornierungen. Reisepläne können sich ändern, aber die Anzahl an Stornierungen war ungewöhnlich hoch. Gemeinsam mit PollHero hat Ruby gezielt auf der englischsprachigen Stornierungsseite eine Umfrage mit sechs Fragen geschaltet. Ausgelöst wurde die Umfrage sobald ein Hotelgast auf die Bestätigungsseite der Stornierung weitergeleitet wurde.

Die Fragen & Ergebnisse

1. Why did you cancel your booking?
   1. I booked another hotel
   2. I found a cheaper price elsewhere
   3. I changed or cancelled my travel plans
   4. I had issues while booking or booked double
   5. I wasn’t sure about the payment conditions
   6. I was only checking availability or prices
   7. Other
2. What made you choose the other hotel?
   1. Better price
   2. Better location
   3. Better reviews
   4. Better amenities / comfort
   5. More flexible cancellation policy
   6. Other
3. Which issues did you encounter? (Free Text)
4. What could have encourage you to keep your booking?
   1. Lower price
   2. More flexible rate
   3. Option to pay later
   4. Special offer
   5. Nothing – I would have cancelled anyway
5. How likely are you to book with us again? (1, not very likely, to 10, very likely)
6. What can we improve?

Bereits nach der ersten Frage war klar: Die meisten Gäste hatten Probleme bei der Buchung, nicht mit den Preisen oder dem Hotel an sich.

40 % gaben Option d) „I had issues while booking or booked double“ an. Und auch die Freitext-Antworten im Other-Feld zeigen ähnliche Probleme:

„I’ve forgotten to add breakfast – I’ll make a new booking including them“

„I booked the wrong room and will rebook“

„By mistake I booked a hotel in Stuttgart, not in Zurich“

Diese These wird dadurch gestützt, dass die Rating-Frage nach einer erneuten Buchung ein durchschnittliches Rating von 9,4 erhalten hat.

Das Ergebnis

Es ist eindeutig, dass die Stornierungen nicht an Ruby und den Hotels selbst liegen, sondern am Buchungs-Prozess. Basierend auf den Antworten aus der Umfrage wird Ruby den Prozess umstellen, sodass eine Änderung an der Buchung, zum Beispiel das Hinzubuchen von Frühstück oder das Upgrade von Zimmern, klar kommuniziert und einfacher möglich ist.

Die Ergebnisse der Umfrage haben Ruby dabei geholfen, ihre Roadmap und den Backlog wichtiger Änderungen besser zu strukturieren und klare Priorisierungen festzulegen.

Der Auftrag für PollHero: herausfinden, wie viel Wissen die Moze Zielgruppe über Shishas hat, welche Kriterien für einen Kauf relevant sind und welche Informationen sie auf den Product Detail Pages vermissen.

Dafür hat PollHero eine Product Relevance Survey entwickelt, die Moze auf den PDPs ihrer Eigenmarken-Shishas ausgespielt hat.

Fragen & Analyse

Der Fragebogen der Onsite Umfrage umfasst sechs Fragen:

1. Wie gut kennst du dich mit Shisha Produkten aus? (Rating 1 – 5)
2. Wie oft rauchst du Shisha? (Single Select Frage)
3. Wie zufrieden bist du mit den Informationen auf unserer Produktseite? (Rating 1 – 5)
4. Welche Informationen fehlen dir? (Freitext-Frage)
5. Was ist dir beim Kauf einer Shisha am wichtigsten? (Multi Select Frage)
6. Wie triffst du am ehesten deine Entscheidung beim Kauf von solchen Produkten? (Single Select Frage)

Besonders aufschlussreich waren die Antworten der Freitext-Frage zu fehlenden Informationen:

• „Oft fehlen Kleinigkeiten wie zb das Gewicht eines Mundstücks. Oft gibt es zu Produkten auch nur ein Bild, welches einfach nicht ausreicht. Wie bei dem neuen Moze Molassefänger.“
• „Durchmesser von den Mundstücken“
• „Genauere Daten der Pfeifen, wie Innendurchmesser der Rauchsäule + Tauchrohr, passende Fotos zu einzelnen Produkten zB alle einzelne Adaptern für den Moze Molassefänger, wo passen die Gewinde noch alles?“
• „Größe der Shisha übersichtlicher“

Viele der Antworten zeigen, dass Details und Maße zu den Shishas und dem Zubehör fehlen. Bedenkt man, dass glaubwürdige Daten und Fakten der wichtigste Entscheidungsfaktor beim Kauf sind, sind die Antworten verständlich.

Das Ergebnis

Basierend auf der Auswertung der Umfrage hat sich Moze mit unserer Partneragentur growganic zusammengeschlossen und einen A/B-Test durchgeführt:

Wenn wir weitere Informationen anzeigen, dann steigen Verkäufe der Modelle, weil die Nutzenden mehr Details über ihre Produkte haben.

Das Ergebnis überzeugt. Während der Testlaufzeit ist der ARPU um 6,68 Prozent gestiegen (sogar um 35,85 % auf Desktop!) und Moze konnte seine Conversion Rate auf die Shisha-Eigenmarken um 7,44 Prozent erhöhen.

Die Insights der Umfrage haben Moze, wie erwartet und erwünscht, dabei geholfen, ihre Zielgruppe besser zu verstehen und den Shop nach ihren Bedürfnissen zu verändern. Ein klarer Gewinn für Brand und Kundschaft!