關於NPS(凈推薦值),大家有沒有什麼使用的案例或心得?

凡客網購後的問卷調查已經有點NPS的意思了,還有其它什麼公司在用么?有什麼成果或者經驗分享么?


1. 凈推薦值(Net Promoter Score)概述

凈推薦值(NPS)又稱凈推薦者得分:是一種計量某個客戶將會向其他人推薦某個企業或服務可能性的指數。是Fred Reichheld(2003)針對企業良性收益與真實增長所提出的用戶忠誠度概念。它是最流行的顧客忠誠度分析指標,專註於顧客口碑如何影響企業成長。

終極問題:您有多大意願向您的朋友推薦XXX產品?

推薦者(Promoter):具有狂熱忠誠度,鐵杆粉絲,反覆光顧,向朋友推薦。

被動者(Passives):總體滿意但不忠誠,容易轉向競爭對手。

貶損者(Detractors):使用不滿意不忠誠,不斷抱怨或投訴。

NPS的得分值在50%以上被認為是不錯的。如果NPS的得分值在70-80%之間則證明你們公司擁有一批高忠誠度的好客戶。調查顯示大部分公司的NPS值還是在5-10%之間徘徊。
其中2005年左右統計分析:亞馬遜的NPS是73%;ebay是71%;蘋果是66%;聯邦快遞56%;戴爾是50%。

不良利潤與良性利潤:

不良利潤:以惡化顧客關係為代價賺取的利潤;從顧客那裡榨取價值;損害公司的口碑。

良性利潤:通過與顧客的積極使用而獲得利潤;正面口碑傳播;忠誠用戶、可持續增長。

滿意度的不足:滿意度與公司的增長之間的關聯往往很小;滿意度測量的是一時的態度,難以預測用戶購買行為。滿意度高不一定忠誠度高。

什麼情況下向他人推薦:理智上,他們必須相信該公司提供的價值是優於一般水平(滿意);情感上,他們與這家公司的關係是融洽的;推薦是以自身信譽做擔保的,強預測行為

參考文獻:

終極問題2.0客戶驅動的企業未來

http://www.amazon.cn/gp/product/B00CIJF45W/ref=fs_rd_1

終極問題:創造好利潤,促進真成長

http://www.amazon.cn/dp/B0017XIC7M

案例:凈推薦值預測離網率

凈推薦值是一個評估監控的結果,可以追蹤用戶的忠誠度變化情況。

研究發現,凈推薦值和用戶離網率相關。它揭示了網路性能是用戶對移動運營商忠誠度的主要驅動力。愛立信對消費者的信息進行收集分析、建模,針對北美某運營商2012年的調查結果進行了模擬,結果顯示,如果該運營商客戶的平均網速能提高5%,其用戶的凈推薦值將從-4變成+5。如下圖所示,用戶滿意度的提高為運營商帶來三方面的積極影響:一是可以延長用戶的在網時間;第二,推薦者的增加,通過口碑傳播,為運營商帶來更多的新用戶;第三,貶低者的減少,降低了離網率和簽證離網率,單個客戶的價值增加15%。

案例圖片來源:吳銳. 智能網路投資剖析[J]. 電信技術,2013,10:92-94.

智能網路投資剖析

2. 凈推薦值的測量

問卷題項:推薦意願評分+VOC(Voice of Customer)評分原因

A1.您有多大意願向您的朋友推薦XXX產品?(10代表非常願意,0代表非常不願意)

升序

0(非常不願意)

1

2

3

4

5

6

7

8

9

10(非常願意)

降序

10(非常願意)

9

8

7

6

5

4

3

2

1

0(非常不願意)

A2.您做出上述評分的具體原因是?

升序和降序的差異與問卷前端展示有關係,若在手機上呈現,有可能手機1屏無法顯示所有選項,對於這樣的情況,建議在調研中同時採用升序和降序方式,最終回收數據完畢後,對升序和降序的數據進行卡方檢驗/三類人群的百分比差異/NPS的差別,若兩種方式無差異則最終NPS的計算則按所有數據進行計算,若差異顯著建議選擇能最大限度區分出三類人群的呈現方法。

注意:當數據非正態分布,無法採用T檢驗,而應採用卡方檢驗,將用戶分為貶損者,被動者,推薦者三類,按升序降序進行分組。樣本量太大時用卡方檢驗做獨立性檢驗會失效。由同一個分布抽取出來的兩個樣本,如果抽取的樣本量非常大,使用卡方分布做獨立性檢驗的時候,基本都會拒絕原假設,認為兩樣本不是來自同一個分布。隨著樣本越大,卡方值往往會相應增大,任何細微的差異都可能導致統計上的顯著,所以一般在報告卡方檢驗結果說明有統計學意義時,還應當通過行列表的關聯性分析給出兩變數的密切程度(列聯繫數考慮了樣本量),綜合判斷。當然肯定還要根據情況分析是否符合實際意義。

3. 數據的分析

step1:數據清洗,剔除重複作答樣本,剔除目標用戶之外的樣本。

step2:計算NPS,不同人群(如性別,年齡,會員等級等)的NPS。

step3:VOC文本數據挖掘,對VOC進行不同維度分類,對每條VOC進行分類打標籤,如商品質量好-3,商品質量未提及-2,商品質量差-1。

step4:計算VOC各維度提及百分比,對某維度如商品質量(3或1)則為提及,提及百分比反應了用戶對該維度的重視,某維度被用戶提及次數越多表示該維度越能影響用戶的推薦意願。(注意:在一條VOC中,可能會提及1個或2個及上維度,因此某一維度的提及次數有可能大於總樣本人數)

step5:數據對比與分析,若有歷史NPS調研數據,可進行對比,解釋NPS的變化或不同人群NPS的變化;提高NPS的措施,按用戶提及百分比確定各維度內容的優先順序,優先改進提及百分比大的維度。此外還可以與其他競品的NPS進行對比,了解在行業領域內的排名。

數據來源:Chnbrand2015 年中國顧客推薦度指數(C-NPS)研究Chnbrand - 中國顧客推薦度指數(C-NPS)研究成果發布平台 C-NPS上榜品牌

4. 總結

NPS可以反映用戶對企業的忠誠度,對於企業的意義在於確定改進的方向,有效提升用戶忠誠度,讓更多用戶自發去推薦企業的產品/服務,提高良性利潤佔比,提高企業口碑和銷售額,促進企業持續增長。


NPS就一道題目,但是之前的經驗來看NPS的數值受到樣本人群非常大的影響。

做產品滿意度調研的時候,會分別在自己平台和第三方平台投放問卷,NPS的差異還是很明顯的。

數值可以參考。

通常會把NPS按人群再和產品總體滿意度,子維度滿意度交叉。


衡量客戶對於商品以及商家的認可程度,不是嘴上說好就一定好。但如果用戶把這件東西推薦給他人,那非常能肯定的一點是,用戶自己一定非常喜歡。

推薦是一件非常慎重的事,因為關係到推薦者的信譽。這也確保推薦作為衡量指標的客觀準確性。

隨處可見的推薦按鈕,也從側面折射出推薦的重要性。為了獲得幾乎無成本且高質量的轉介紹客戶,有些商家往往不惜成本,回贈推薦者高昂的傭金,以激勵推薦行為。

有願意推薦的,自然也有不願意自己朋友上當受騙而不主張推薦,甚至站在反對方陣營里的用戶。2者抵消後,最終存在的影響反映了整體上用戶對產品是褒是貶,以及對產品和商家的忠誠度。於是便有了「凈推薦值」的概念及其計算公式。

凈推薦值(NPS)=(推薦者數/總樣本數)×100%-(反對者數/總樣本數)×100%

(註:有些地方將detractors翻譯為「貶損者」,個人認為不妥,原因是貶損者準確地是指已發聲的那類用戶,類似於在網上給了差評,相比較造成的影響更大。而更多的反對者可能採取默忍態度,而這在中國更為普遍)

為確定凈推薦值,可以直截了當地提問:」您是否會願意將「XX產品」推薦給您的朋友或者同事?」

根據推薦的意願程度,讓客戶在0-10之間打分,然後根據得分建立3個等級的客戶忠誠度:

推薦者(得分在9-10之間):是忠實狂熱的用戶,他們會繼續購買產品或推薦給其他人。

搖擺者(得分在7-8之間):總體滿意但沒到狂熱的程度,會考慮其他競爭對手的產品。

反對者(得分在0-6之間):不滿意、無忠誠度。   

NPS的得分值在50%以上被認為是不錯的。如果NPS的得分值在70-80%之間則表明公司高忠誠度客戶的構成比非常高。

調查顯示大部分公司的NPS值在5-10%之間徘徊。


我們公司的NPS是-30


第一次回答問題,好激動啊!

本人學生黨,並沒有實際的使用案例,好在關於NPS, 本人也是閱讀了一定量的文獻,也做過一些案例分析,稍微分享下。

有關定義,樓上介紹的差不多了。介紹下它的演算法。 凈推介值(NPS)=Promoter %- Detractor %。其核心問題就是:在多大程度上,您願意將我們公司推薦給您的朋友或同事? NPS並不是傳統的測量客戶滿意度的方法,並且僅僅測量NPS並不能導致成功。為什麼越來越多的公司現在願意使用NPS方法呢?主要原因 1. 簡潔 這種測評方法只需要2-3個簡單的問題,不會是受訪對象感到壓力或者不耐煩,而且關鍵的「推薦可能性」的問題也只是1-10的打分。 2. 操作簡單 問卷並不是唯一的獲知NPS的方法,公司完全可以通過電話、郵件或網路來收集最有用的數據信息,當然同時很大程度上降低了公司的成本。 3. 快速跟進 這個問題好比是當你打電話採訪某個客戶時,對方給出的分值是5, 也就是detractor, 這是你可以及時的詢問這種反饋發生的原因,客戶的考量並且在可能的情況下及時解決問題。

貝恩諮詢的研究也表明,那些長期盈利的公司的NPS是一般普通公司NPS的兩倍多。2012年美國NPS高分領跑者:USAA聯邦儲蓄銀行---83%, Amazon.com---76%, USAA 汽車保險--74%, Trade Joe"s--73%, Costco 和Apple --71%.

但是NPS測評的是客戶對於公司的整體印象,是一個宏觀的概念, 它並不能解決也不能確定導致客戶不忠誠的具體原因, 所以該測評方法不是最直接的測評方法,對於客戶忠誠度的提高沒有直接的幫助。 最好可以結合客戶費力度一起測評。


客戶滿意度CSAT(Customer Satisfaction)和凈推薦值NPS(Net Promoter Score),還有一個相對比較新興的研究方向,就是客戶費力度CES(Customer Effort Score),但都屬於用來跟蹤和評估客戶體驗工作的有效性的指標。

簡單介紹下NPS

凈推薦值最早是由貝恩諮詢企業客戶忠誠度業務的創始人佛瑞德·賴克霍徳(Fred Reichheld)在2003提出,它通過測量用戶的推薦意願,從而了解用戶的忠誠度。

做凈推薦值的調研比較簡單,只需要一個問題:「您是否會願意將XXX(企業或者產品)推薦給您的朋友或者同事嗎?」然後根據願意推薦的程度讓客戶在0~10之間打分並根據得分情況來判斷三種客戶:

推薦者Promoters(得分在9~10之間):是具有狂熱忠誠度的人,他們會繼續購買並引薦給其他人

被動者Passives(得分在7~8之間):總體滿意但並不狂熱,將會考慮其他競爭對手的產品

貶損者Detractors(得分在 0~6之間):使用並不滿意或者對你的企業沒有忠誠度

凈推薦值(NPS)=(推薦者數/總樣本數)×100%-(貶損者數/總樣本數)×100%

NPS詢問的是意願而不是情感,對用戶來說更容易回答,且相比於CSAT,這個指標更為直觀,不僅直接反應了客戶對企業的忠誠度和購買意願,而且在一定程度上可以看到企業當前和未來一段時間的發展趨勢和持續盈利能力。

如果調研發現凈推薦值的得分值在50%以上可以被認為客戶對你的感知較好,而如果凈推薦值的得分值在70~80%之間則證明企業擁有一批高忠誠度的好客戶。

需要注意下,因為這個調查反映的是客戶的推薦意願,但客戶可能會因為各種原因而給出不夠準確的答案或者就算打了高分的客戶也可能沒有動力去付諸實踐。他不能夠完全取代客戶滿意度調查,你也很難直接操控提升NPS,最好是作為客戶滿意度的一部分來進行調研,如果你提高了客戶的滿意度(CSAT),將會反過來提高你的NPS得分。

更詳細的介紹,可以參考 關於客戶體驗你必須知道的3大指標:CSAT/NPS/CES


我接觸了一段時間 也有實際操作 目前遇到2個問題:1是做調研的時候發現國內用戶對nps的理解有很嚴重的偏差 很多4-6分的 voc的極性確實正向的 覺得不錯 造成了剔除數據的人工成本太高 2很多都停留在nps數字上 怎麼分類看問題 抓出用戶關心高頻問題 以及去改善 基本很少


在中國nps實施得比較完善的是平安!


有關於NPS的書或者整套的理論體系及案例嘛?

求推薦


隨後,隨著NPS在全球各大企業實踐應用的增多,Fred總結經驗,並把NPS從一個指標提煉上升到一個系統,2011年出版了 《終極問題2.0:客戶驅動的企業未來 》。

Fred Reichheld 把以傷害顧客利益/體驗而獲得的利潤稱之為「不良利潤」,這樣的經營模式造成用戶流失,轉向競品,甚至會阻止身邊其他人使用;

與之相反,與用戶積極合作,真正踐行「以用戶為中心」而獲得的利潤是「良性利潤」,這種經營模式會帶來用戶回購,推薦。而有效區分這兩種利潤的指標就是忠誠度。

忠誠度是某人(如客戶、僱員或朋友)願意投資或付出用以加強一種聯繫的意願度。對於客戶,忠誠度就意味著與提供優質服務,給自己帶來長期價值的供應商保持合作關係,即使這個供應商在某個交易中所提供的價格並不是最低的。
http://980.so/4zOcET


想請問一下:NPS的得分值在50%以上被認為是不錯的。如果NPS的得分值在70-80%之間則表明公司高忠誠度客戶的構成比非常高。調查顯示大部分公司的NPS值在5-10%之間徘徊。

那麼分值在10-50%之間,是什麼水平呢


我是平安的,也很想和大家探討一下關於提升NPS的問題


酷魚柏杉,你們的課程培訓在什麼地方?我們有這方面的需求,能夠給他聯繫方式,詳細溝通一下,謝謝!


我目前了解到的SAP,西門子中國,平安,五星電器在用NPS客戶凈推薦值。我們7月份即將開始以客戶凈推薦值為主線的《客戶忠誠度量化與經營》課程第二期,歡迎關注。


數據用來衡量利潤(良性、不良),原因用來提升NPS及服務。


推薦閱讀:

為何 IT 行業的新品發布會很少進行視頻直播?難點在哪?
互聯網的「產品結構圖」應該如何繪製?
如何做出一個「有靈魂」的移動客戶端產品,讓用戶在一個個細節中體會設計者的初心?
為什麼微博不能阻止別人關注我?而SNS和IM就可以
為什麼盧正雨的《絕世高手之大俠盧小魚》沒有火起來?

TAG:用戶體驗 | 產品經理 | 互聯網產品 | 用戶體驗設計 | 用戶研究 | 用戶行為研究 |