什么是NPS

净推荐值（NPS：Net Promote Score）最早于2003年由贝恩公司创始人之一佛雷德·赖克哈尔徳（Fred Reichheld）提出：通过计算推荐者与贬损者的人数比例，来判断用户对于公司的认可度。

雷德·赖克哈尔徳认为：

  1. 使用NPS来衡量用户忠诚度，从而区分企业的”不良利润”和”良性利润”，即哪些是以伤害用户利益或体验为代价而获得的利润，哪些是通过与用户积极合作而获得的利润。而追求良性利润和避免不良利润是企业赢得未来和长期利益的关键因素。
  2. 此外，传统的满意度模型比较复杂，理解成本较高，而且调研问卷冗长，导致用户的参与意愿不高。而NPS较为简化的流程和突出核心问题，大大增加了用户参与调查的积极性

（本段内容摘自：http://www.woshipm.com/user-research/757893.html/comment-page-1）

基于公司的可持续发展依赖的是客户/用户群体持续的支持和认可的假设，客户/用户的满意度成为了衡量一家公司未来价值和发展潜力非常重要的指标。NPS体系的核心思想是提倡良性利润，以互联网产品为例，以恶化用户关系为代价换取点击率或KPI达成都是违背用户价值理念的。

为什么采用NPS

互联网产品中，用于衡量用户与产品关系的指标有很多，常见的例如活跃度，留存率，用户满意度等，当然也包括NPS净推荐值。为什么NPS很重要呢？

想象一下你最近一次选择一家餐厅就餐的过程：你是出于什么样的原因决定选择去餐厅就餐呢？你是如何确定去哪一家餐厅呢？你会不会发现很多情况下，是因为某个朋友推荐了某家餐厅，或者是搜索了一下大众点评的高评分餐厅呢？

“…日趋激烈的市场竞争驱动企业转化增长方式，促使企业从跑马圈地的粗放经营走向重视用户价值、培养忠诚用户并提升社会美誉的精细经营，企业营销的核心转向对消费者口碑和忠诚度的关注。据洞察中国（CHINA INSIGHT）的研究统计，75%的中国消费者在使用或购买产品时更信赖家人和朋友推荐，因此，如何让用户推荐其正在使用或消费的产品成为企业关心的核心问题。”
（本段内容摘自：http://www.woshipm.com/user-research/757893.html/comment-page-1）

另外，NPS也通过一个简单、直白的数值，向C-level的领导层们反映了产品的受欢迎程度，而这一数值被认为直接与产品利润/公司估值相关。

传统的NPS方案

  1. 询问用户：

”您有多大可能会向您的朋友或同事推荐XX产品？（0-10分，10分表示非常愿意，0分表示非常不愿意）“

  1. 将用户分类

推荐者（9-10分）：铁杆粉丝，反复购买并且乐于推荐该产品
被动者（7-8分）：总体满意但没有建立坚定的忠诚度，有可能会考虑竞争对手的产品。
贬损者（0-6分）：使用不满意，流失率很高，会不断抱怨或投诉
不回应者（0分）：一般倾向于将不回应者的数据归类为贬损者，因为甚至不愿意花时间填写的用户对于产品的态度可以推测为消极态度。更为安全的做法则是进一步对不填答者的用户行为数据或业务数据进行深入分析，并与填答者的数据进行比较，以避免用户抽样造成的NPS分值偏差。
NPS=推荐者% - 贬损者%，用这个差值直接反应用户对于产品的认可程度和购买意愿。

1_CIVpBkSfhqLbwiwzk-n9KA.png

1_3ziIKQbjjetrYePBqUhQmQ.png

NPS的局限性

“Dichotomy will be the death of thinking”. 二分法将导致思维的死亡

——Prof. Dave Snowden, the author of the Cynefin framework,

世界是复杂的，不是非黑即白。在使用NPS方法测量企业用户忠诚度的同时，也需要认识到方法本身的局限性和不足：

1）单一计算规则无法反映真实情况

100 用户给了0分评价，NPS值 = -100
100 用户给了6分评价，NPS值 = -100
完全不同的用户反馈可能会产生完全相同的NPS值。因此，单纯的NPS值并不能完整反映用户对产品的真实反馈。

2）NPS忽略了复杂的环境变量，即时的主观评价不与产品表现稳定相关

NPS模型虽然简洁直观，但是人的行为是复杂的，很难用一个数值指标来完全客观代表用户对于产品的真实评价。例如，不同时间段人对同一产品的回应也可能不相同，我们也无法避开态度与行为的不一致性——人们回答“会”，可也许事实上根本不会；我们也无法判断用户的满意度是仅仅针对于某一产品，还是受了公司印象的影响；甚至在不同的产品使用阶段，由于对于产品的记忆和了解程度不一，或者主观情绪的不一致，同一用户对于产品的评判也会发生改变。

3）NPS调查的结果较难用来产品优化和决策

因为NPS调查过程中，鲜有用户会反馈需要什么新功能，也无法得知某个细分领域的客户流失情况。所以，虽然NPS指标可以帮助公司直观地获知用户对于产品的整体评价，但是却较难针对产品的细部优化提出非常具有洞察力和建设性的指导建议。

4）调查本身可能会给用户带来困扰

由于需要观测定期监测NPS分值表现，用户将反复不断地被邀请回答一模一样的问题：”嘿，您愿意推荐我们的产品吗？“ 可以想象，这个事件本身就可能对于NPS的指标产生影响甚至可能会成为产品不良体验的一部分，从而导致用户对产品忠诚度的降低。

如何优化

1. 控制环境变量

通过将环境变量分组，通过控制变量法分别进行NPS的测试，通过比较不同组合的NPS数值，从而更好分析用户的忠诚维度。可以参考的变量如：用户来源渠道，文化背景，公司背景，城市，时间段，价格等。以下是一个采取控制变量法针对用户样本进行细分的案例：

由于不同的使用时间段内，用户对于产品有不同程度的了解，某些用户对于产品的第一印象仍然比较新鲜，更容易提供有效的建议和反馈，而某些用户会因为频繁地使用产品而形成固有的习惯和思维定势。因此，为了较为全面客观地获取产品在用户群中的反馈，将用户样本按照使用时长分类：

  1. 完全不了解产品的新用户
  2. 接触产品15~30天左右的初级用户。
  3. 持续使用产品半年以上的忠实用户

2. 增加常规产品体验调查，将优化后的NPS典型问题融入其中

多次高频向用户发送NPS的单一问题会增加用户的负担，可以考虑将其融合到一些产品日常可选的调查当中。Airbnb是一个很好的案例。每次旅程结束，Airbnb都会在App以及通过邮件邀请用户对旅程进行评分，用户可以自主选择是否作答。这些评分内容包括位置的准确性，入住的便捷性，交流体验，性价比等等。从2003年开始，Airbnb将NPS的典型问题融入到问卷清单中，”您有多大可能会向您的朋友或同事推荐Airbnb？（0-10分，10分表示非常愿意，0分表示非常不愿意）“ 如此，既能不断跟进NPS评分的整体变化，又符合用户一直以来的产品认知和印象，让用户觉得自己参与了优化产品、提供建议的进程中，增加对平台的信任度，从而减少了回答问卷时的反感和抵触情绪。

另外，由于无法预计用户是否真正会将产品推荐给他人，仅仅只是了解用户的推荐意愿并不直观了解真实的用户增长情况。因此，根据询问目的，可以适当修改NPS问题，例如：您在过去的6个月内是否已经向您的朋友或同事推荐了该产品呢？

3. 将用户分类

推荐者（9-10分）：铁杆粉丝，反复购买并且乐于推荐该产品
被动者（7-8分）：总体满意但没有建立坚定的忠诚度，有可能会考虑竞争对手的产品。
贬损者（0-6分）：使用不满意，流失率很高，会不断抱怨或投诉
不回应者（0分）：一般倾向于将不回应者的数据归类为贬损者，因为甚至不愿意花时间填写的用户对于产品的态度可以推测为消极态度。更为安全的做法则是进一步对不填答者的用户行为数据或业务数据进行深入分析，并与填答者的数据进行比较，以避免用户抽样造成的NPS分值偏差。
NPS=推荐者% - 贬损者%，用这个差值直接反应用户对于产品的认可程度和购买意愿。

4. 选择典型用户深入探讨原因

NPS的核心，是以衡量用户忠诚度来探索企业未来的发展潜力。因此，仅仅得出一个当下的评估结果是远远不够的，更重要的是获取对当下产品的优化建议。因此，深入了解用户推荐或不推荐产品的原因，才能因时制宜地采取措施，完善符合用户期待的产品功能，从而导致企业的良性增长。
一个有效的建议是，挑选部分典型用户一起深入探讨用户对于产品的细节意见和态度。可以围绕”您给出这个分数的主要原因是什么？请告诉我有哪些原因促进/阻碍了你实现你的目的？“，进行1v1的用户访谈，并绘制完整的用户旅程图。

5. 增加用户忠诚度的观察维度

NPS采用的忠诚度评估仅仅是询问用户是否愿意推荐，结果可能会出现失真。可以根据产品的特性增加更多忠诚度评估维度，如计算特定时间段内的产品复购率，并结合NPS值进行评估，查看二者是否体现出一致性，从而验证NPS值的真实和有效性。

6. 制定产品提升方案和建议

整理并总结NPS分值背后用户选择/不选择使用产品的真实原因，确定需要增加/减少的功能项，结合其他的科学衡量方法，例如卡诺分析模型等，确定产品优化的下一步计划，并将决议的过程和结果在团队内公开和透明，并落实具体的负责人，形成发现问题、优化、评估的管理闭环。以下是一个建议机制的案例：
根据X的调研结果，我们发现XX会导致XXX。因此我们针对XX制定了优化方案并进行了第二轮调查，发现如果我们改变XX, 就会提高我们的NPS指标。


建议阅读

  1. 《你需要致力于增长的一个数字（The Number You Need to Grow）》哈佛大学商业评论
  2. Calendar and Time Diary Methods in Life Course Research, Chapter: Global and episodic reports of hedonic experience, Publisher: Sage, Editors: Robert Belli, Duane Alwin, Frank Stafford, pp.157-174