In klantentevredenheids en loyaliteitsonderzoek spelen de antwoorden die we verkrijgen uit zg.  "open vragen" een belanrijke rol. Zij vormen een rijke bron aan informatie, omdat de respondent (klant of medewerker) hier in eigen woorden zijn/haar ervaringen en meningen kan formuleren. Multi-level coding is een methode van codering van deze antwoorden, waarbij alle relevante informatie wordt gecodeerd en gesorteerd.

Een voorbeeld kan dit toelichten:
Stel dat een individuele klant in een open vraag (naar de achtergronden van ontevredenheid met een leverancier van telefonie/kabel/ internet services) aangeeft dat vooral de “telefonische wachttijden van het callcenter” en de tijdens de wachttijd “gedraaide achtergrondmuziek” als negatief werden ervaren. Op basis van deze informatie weten we dat van alle potentieel mogelijke problemen (zoals de tarieven, de levervoorwaarden, de leverbetrouwbaarheid enz.) het “callcenter” voor deze specifieke klant de voornaamste bron van problemen is.
Dit kan dan gemakkelijk op meerdere niveaus (multi-level) worden gecodeerd als:
1.  First level code - callcenter
2.  Second level - wachttijden
3.  Third level - achtergrondmuziek
Via `multi level coding` worden in eerste instantie de antwoorden per persoon individueel gecodeerd, de optelsom van de antwoorden van alle personen geeft daarna het totaalbeeld.

Anders gezegd: alle antwoorden van alle klanten samen geven snel inzicht in de belangrijkste “issues” welke voor een gebrek aan klantentevredenheid zorgen bij al onze klanten.
Stel dat  hieruit de volgende top 5 aan klachten naar voren komt:
1. “Tarieven” (28%), met als sub codes “tarieven bovengemiddeld vergeleken met concurrenten” (14%) , “onduidelijkheden in tarievenstructuur” (6%) .
2. “Problemen met installatie” (23%), met als voornaamste sub-codes: “onduidelijke doe-het-zelf installatie instructies”(11%) , “mankementen in geleverde apparatuur” (7%).
3. “Leveringsvoorwaarden” (17%), met als sub-codes “gebrekkige leveringsgaranties”( 8%) , “niet acceptabele koppelverkoop” (5%).
4. “Call Center”(12%) , met als sub-codes  “lange wachttijden” (5%), “niet deskundige adviseurs” (3%) en “kosten welke in rekening worden gebracht voor telefonische ondersteuning”(2%)
5. “Kwaliteit van geleverde apparatuur”(8%) met als sub-codes “doet minder dan wat is beloofd” (3%) en “betrouwbaarheid/levensduur”(3%).

Uit deze analyse blijkt al meteen dat een overgroot deel van alle potentiële problemen terug te voeren zijn tot een 5-tal hoofdcategorieën en krijgen we inzicht in de frequentie waarmee ze voorkomen. De frequentie waarmee subcategorieën voorkomen geeft verdere verfijning aan onze inzichten. Uit deze coderingen verkrijgen we een eerste inzicht in waar we onze verbeterpunten moet zoeken.

De volgende stap in de analyses op weg naar conclusies en implementatie van verbeterstappen is de z.g. “Root cause Analysis”.