净推荐值

净推荐值（Net Promoter Score，NPS）是一种计量客户将会向其他人推荐某个企业或服务可能性的指数。这是弗莱德·雷切德（Fred Reichheld）针对企业良性收益与真实增长所提出的用户忠诚度的分析指标，专注于用户口碑如何影响企业成长，在传统大公司比较流行。

需要用户回答的问题是：“您在多大程度上愿意向您的朋友或同事推荐XX公司/产品？（0～10分，10分表示非常愿意，0分表示非常不愿意）”。标准的NPS问题需要用户给出0～10分之间的分数，NPS的计算方法如图所示：

image.png

用户会根据分值分为三类。

●推荐者（Promoters）：分值在 9～10 分，铁杆粉丝，反复光顾，向朋友推荐。

●被动者（Passives）：分值在 7～8 分，总体满意但不忠诚，容易转向竞争对手。

●贬损者（Detractors）：分值在0～6分，对产品不满意、不忠诚，不断抱怨或投诉。

推荐者与贬损者是对企业实际的产品口碑有影响的用户，这两部分用户在用户总数中所占百分比之差，即净推荐值（NPS）。相对单纯的满意度分析，推荐意愿更能代表用户内心对产品的满意度，并能预测未来的发展趋势。当然，一般而言，NPS还会跟随另一个主观问题，用于收集用户意见做进一步的分析，即基于你的评价结果，您认为XX公司/产品还需要做哪些改进？

不良数据和良性数据

在《终极问题2.0——客户驱动的企业未来》一书中提到了不良利润和良性利润的概念。不良利润是以恶化用户关系为代价赚取的利润，从用户那里榨取价值，损害公司的口碑。对应的良性利润则是通过用户的积极使用而获得的利润，用户进行正面口碑传播，产品可持续增长。

其实不仅仅是利润，所有的KPI数据都是这样，如用户量增长可分为不良增长和良性增长；点击率可分为不良点击率和良性点击率。不良数据是不惜以降低用户体验、恶化用户关系、损害产品形象为代价带来的数据增长；良性数据则是通过提高用户体验、提升用户忠诚度带来的数据持续增长。

只关注数据，而不关注数据是良性数据还是不良数据，后果是极其严重的。以贬损者为主的产品，推广成本会变高。老用户流失率变高，难以唤回，新用户需要用更高的成本打消怀疑。而以推荐者为主的产品，推广成本更低，增长速度也会更快。

NPS的数据收集

NPS的数据收集应该用什么方式进行，取决于收集信息的目的。如果收集的是一次消费体验的评价，那么NPS的填写入口可能是消费体验的末端；如果收集的是关于产品整体的评价，则应该投放给使用过产品的用户，如短信和产品内广告位，都是不错的选择。区别在于，针对一次消费体验的评价，可以比较及时地反映出产品变化带来的影响。而关于产品整体的评价，有一定的滞后性，可以作为长期跟踪的指标。

NPS其实是一种特殊的调查问卷，所以也要遵守调查问卷的数据收集规则，要保证用户选择没有系统性偏差，要保证问题没有诱导性，还要保证数据量。

NPS数据的处理

NPS数据分为三类：NPS分数、NPS分数下的用户主观意见、NPS分数对应的用户相关信息。NPS不仅是能反映产品体验的监控指标，还是一系列能反映产品问题的数据，是帮助团队找到产品问题的关键抓手。主观信息可以进行人工分类，也可以用算法提取文本信息，这取决于投放的数据量和公司技术实力。使用NPS分数、分数对应的文本、分数对应的用户相关信息，可以知道影响用户NPS分数的问题是什么，然后对这些问题进行有针对性的改进。

如果用户没有直接填写主观问题，也可以将用户的打分和用户的站内行为进行关联，分析不同体验对用户的影响。比如电商产品有非常多的品类，就可以分析不同品类产品之间NPS的差异，并有针对性地优化。关于分析相关性的方法前面已经提到，这里不做赘述，逻辑回归就是一个相对快速的处理方法。

NPS的现状

NPS作为调查问卷，难以避免有系统性误差，但只要在设计收集方式时做足够的分析，就可以尽可能避免这些问题。目前，这个源自国外的方法并没有在大多数互联网公司推行开，究其原因，主要是决策层对于NPS的认识不够，仍旧更关注一些直接指标。

公司决策层看待NPS的态度，是决定NPS能否推广的重要因素。如果NPS作为公司一个重要的指标，全公司愿意投入精力提升NPS指标，则NPS可以发挥关键性的作用，让公司走向良性发展。反之，NPS就会沦为无用的观察性指标。