2011年在深圳组内分享了净推荐值（Net Promoter Score，NPS）的概念及操作方法，然后见其成为公司产品体验考核主要指标之一；来到上海后，企业产品、电商等也开始将其纳入产品考核。陆续会有人问我这个概念相关的操作方法、行业标准、数据解释与应用等，NPS就仅仅是一个数据测量方式、一个监控指标吗？用户的三个分类对商业预测分别有什么价值？如何与用户生命周期价值结合？它与满意度、忠诚度有什么关系？它的信度、效度如何？它适用于互联网产品吗？考核企业产品与个人产品时又有什么不同？……有些问题可以很简单的回答，有些问题又不敢很简单的回答，它的背后涉及到与财务数据的关系，涉及到产品本身的复杂性等等。于是开始啃文献，给自己挖了一个很大的坑，只好慢慢的来填。写这篇文章之前一直在纠结，先写大家最关心的问题，还是先介绍最基本的原理，最后决定处理成系列，慢慢的来分享，毕竟文献中有些方法与结果（比如企业产品的分析），没有实际应用过，还是应当有所保留的。等实践过后，再来分享……

1、 净推荐概述

净推荐（Net Promoter）是Fred Reichheld（2003）针对企业良性收益与真实增长所提出的用户忠诚度概念。请用户回答“您在多大程度上愿意向您的朋友（亲人、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），根据用户的推荐意愿，将用户分为三类：推荐者、被动者、贬损者，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（Net Promoter Score，NPS），如下图所示。

商业价值：操作方法

下面将对这六个要素分别进行阐述。

元素1：创造以用户为中心的价值观

这是企业文化，也是NPS的内在文化，让员工了解自身角色、责任，及企业对改善用户忠诚度的重视，有利于整个项目的推行。这一点一直是我们公司强调的理念，不再赘述。

元素2：发展企业/产品蓝图

项目的执行需要有明确的目标与计划。不同的企业/产品会有不同的发展步调，最佳的计划应该基于产品与消费者关系的更新，随着企业所处环境的变化而不断进化与变革。计划需要考虑关键用户的体验点，不同的体验点如何影响全面的用户体验，哪个对忠诚度影响最大。最重要的是，数据的搜集与分析应该是基于消费者驱动的视角，而不是全面内部观点。

元素3：建立可信的数据

数据质量是整个项目成功的根本，数据如果不能准确可靠地代表用户对产品的感知和行为，那么一切都无从谈起。可信的数据首先要找到对的用户（who），然后要确定正确的提问时间（when）。例如，某企业产品的净推荐值，调查管理员还是普通员工，在使用3个月还是使用一年后提问，都会影响到数据的可信度。

元素4：根源分析

企业通常认为很了解用户的行为驱动力，但数据往往证明与我们想象中的很不一样。推理分析（基于回归）和陈述分析（基于开放性问题）都可以帮助我们了解用户的忠诚驱动力。让员工直接阅读用户在开放性问题中对推荐打分的解释，尤其是那些非常正面或非常负面的评论，可以帮助他们更好的认识用户对产品的评价，推动后续的执行。

元素5：驱动行动和问责

前面谈到改善NPS分数是所有人的职责，数据需要与每个员工的工作绩效挂钩，让所有人行动起来。

元素6：改革与变化

净推荐项目的目标是一直随着公司和市场环境而变化的。项目领导者需要反复聆听用户反馈与市场状况，使用复杂的分析技术（包括净推荐的分类，不同群体的反馈，战略规划根源的探讨，用户共创产品、服务和业务流程等）来改革与完善项目。

4、净推荐的优缺点

优点：与长期利润增长正相关，可操作性强，易理解和接受，能直接与竞品比较，帮助企业明确业务优先级，弥补了用户满意度调查（ACSI）所得信息太多又缺乏重点的问题。

缺点：需要结合用户的具体信息去考虑，如“生命周期”等；净推荐值≠用户满意度，它只能为企业提供“预警装置”；最后，它不能给你解释，需要结合其它定性定量的方法来分析原因。

以上阐述了那么多基本原理与操作模型，是希望大家对这个概念与方法有更全面的了解。目前国内真正全面考虑，深入执行这一方法的公司可能还没有。公司的产品体验考核也只是引入NPS的概念，或针对全量用户，或针对分类用户进行考察，对年度的产品考核来说，或许这已满足需求。但是从对产品的价值来看，净推荐应该还有更多可以挖掘的价值。期待有更多的人来共同探讨~

————————————————————————————————-

Tips：目前对外公布的企业（付费产品），最佳NPS为50-80%，平均NPS为5-10%，有些甚至是负数。互联网公司目前也有进行该数据的统计，但没有对外公布。Satmetrix2010年对“互联网服务”的调查发现，各国的NPS有所不同，下图是法国的数据。

来源：腾讯CDC