产品经理应该如何充分利用“NPS”提高用户忠诚度?

3 评论 12405 浏览 56 收藏 14 分钟

NPS 对于产品经历来说是一个非常有用的工具,它可以指导公司留住用户并激励用户将产品推荐给他人,如何最大程度发挥它的作用是身为产品经理需要思考的事情。

净推荐值(NPS)是衡量用户满意度最有用的工具之一。很多公司用 NPS 做决策,因为它能指导公司留住用户并激励用户将产品推荐给他人。

NPS 的核心是衡量用户满意度并收集用户反馈。NPS 调研问卷会调查用户有多大的可能将一个品牌,一份产品或者一项服务推荐给其他人。

基于反馈,我们可以把用户分为以下三类:

产品|产品经理应该如何充分利用“NPS”

  1. 贬损者(0-6分):对产品不满意。他们更可能在社交媒体上散布消极评论,损害他人对产品的看法。
  2. 被动者(7-8分):对产品持中立态度。他们不讨厌产品,也不会迫不及待地推荐产品给其他人。这些用户最容易转向竞争对手。
  3. 推荐者(9-10分):是最理想的用户。他们对产品十分忠诚,并且愿意向朋友和家人介绍你的产品。

除了 NPS 得分,NPS 调研还会询问用户对产品看法的由来。企业一分析原因就能知道未来的重心应该在哪。可能是用户界面有问题,或者是流程不合理等等。

NPS 有以下优点:

  • 提供定量和定性的反馈;
  • 人们更愿意回答问题少的调研;
  • 总分易于计算。

NPS = 贬损者百分比-推荐者百分比。最终得分在-100 ~ +100。NPS 反映用户满意度。理想分数为 +50 分。

然而,不是所有人都使用 NPS 做商业决策。

产品|产品经理应该如何充分利用“NPS”

当然,要想了解用户,NPS 不是唯一的方法。NPS 只做了基本运算,所以有些人担心他们得不出有价值且能指导实践的启发。

NPS 无法反映用户未来的行动,所以就无法对产品增长做出贡献。有评论指出,NPS 没有考虑用户目前的行动,而是考虑用户未来的行动,而这个行动可能发生也可能不发生。

生活是千变万化的,所以没有一条定律适合所有的情况。从另一种角度想,NPS 并非无用。

CXL 前市场官 Alex Birkett 给出这样的解释:

如果你仅凭自己得到了一个数据就觉得自己很了解用户,这个想法是很危险的,因为你没有真正意识到不同用户与公司的互动之间有多微妙的区别。

尽管很多人不使用 NPS,但在一些情况下,NPS 依然是很有用的。通过 NPS 了解用户群并基于用户反馈找到一个和用户互动的方法比单单使用 NPS 制定一个用户方案更有效。让我们来看一看具体做法。

何时该用 NPS,何时不该用?

NPS 十分有用,但它不是决策的通用方法,因此我们有必要搞清楚什么时候可以用 NPS。

何时不该用?

如果你确切地知道有多少人喜欢你的产品,有多少人不喜欢,就无需使用 NPS。很多 NPS 工具将用户反馈整合到一起,因此它无法替你对用户分层。

特别是当同一群用户得出的 NPS 结果不同的时候,情况就会非常复杂。如果不知道数据背后的真正驱动因素,你最后得到的将只是一串数据而已。

今天用户得分可能是 9 或 10,明天可能就变成了 5 或 6。一个订阅者,每月消费不变,NPS 得分可能改变。所以 NPS 得分和用户购买行为没有直接关系。

如果两者不相关,我们就不能说 NPS 反映用户忠诚度。另外,如果你没有一群特定的忠实用户或者忠实用户不够多,也不要用 NPS。

在这种情况下,得到的结果没有什么意义。基于此结果做出的决策也有可能损坏产品形象。

何时应该使用?

收集完大量用户数据,包括偏好、位置、消费习惯等,按照有利于你的方法对用户分类。如果按消费习惯分类用户,就能用 NPS 定位目标用户群。

使用这个方式,你不用重复地问同一群人同样的问题,而是将调研错开来,分开分析每一个用户群。

对于经常购买或者有更多订阅包的用户,你可以在他们使用 App 的时候发起内部调研。

产品|产品经理应该如何充分利用“NPS”

这样,用户更有可能回答你的问题,并提供真实且有深度的反馈。

当然,你不妨一次对一个特定的用户群发起调研,比如说,当用户登录后,你可以先确认用户类别,然后发起调研。在研究用户的过程中,从用户引导到用户激励到用户留存,NPS 都可以帮到你。

用户引导

用户引导是使产品成功的很重要的一部分,它决定了用户的去留。率先引导用户,能大大提升用户留存率。你可以借助 NPS 将用户分为两类,取消升级的用户和确认升级并对转化率做贡献的用户。

用户试用期结束后,及时发起调研,询问即将流失的顾客对产品的感受。基于用户反馈,你可以对产品进行改进。

以下是 Mention (注:一个社交媒体和网络监控工具)如何解决这类情况并提高转化率的例子。

在试用期结束之后,Mention 发现他们对于“是什么东西使某些用户留下来,某些用户离开”没有明确的概念。在试用期即将过期的时候,他们用 NPS 收集了定量的用户反馈。

通过这种方式,Mention 得到了启发,并应用于实践。Mention 的目标不是看用户打了多少分,而是想用 NPS 减少用户流失率,提高收入。

产品|产品经理应该如何充分利用“NPS”

这个方法对 Mention 来说很奏效。他们一得到调研结果,就把用户分为推荐者,被动者,和贬损者。用 NPS 对用户进行分类很有用,它使 Mention 对不同的用户群采取了不同的措施,并发送相关邮件。

  • 推荐者升级付费包将获得折扣。
  • 被动者试用期免费续期。
  • 贬损者收到一份感谢邮件。

产品|产品经理应该如何充分利用“NPS”

对于 Mention,保留用户最好的方法是给被动者和推荐者提供特殊价值。被动者更愿意再多花一点点钱买一项完整的服务,而推荐者更容易转化为忠实用户持续购买你的产品。

在 Mention 的例子中,NPS 是有用的,因为 Mention 知道定位哪些用户以及提供给用户什么价值。最终用户将得到一次有意义的体验,而且很可能会承认这个产品对他们意义非凡。

这些用户本可以离开,但是 Mention 小小的努力留住了他们,并且他们会继续购买产品。由此 Mention 达到了收入增长的目的。

激励

在研究用户过程中,激励用户是第二大要事。这是你确保用户体验达到最好的最佳机会。激励影响业绩的潜在增长,因为用户越快地理解产品并喜欢产品提供的服务,他们作为忠实用户的时间就越长。

NPS 有助于有效激励用户。当你比较 NPS 调研结果和用户在产品上的真实表现,你就会发现推荐者和贬损者的界限。

Sachin Rekhi,一位产品运营官,设计了一项实验并发现用户的某些行为和 NPS 结果(登录,搜索,页面等等)是相关的。他还发现,特定的产品运营方法和更高的 NPS 之间有很强的相关性。

我们得到的启发是:当你发现什么时候用户第一次感受到了产品承诺的价值,你就知道什么时候应该激励用户了。所以与其把重心放在贬损者身上,努力把他们转化成推荐者,不如引导推荐者领会产品价值。

你可以先看看用户能对产品采取的所有行动,比如升级内容,将产品加入联系列表,撰写评论,再比较这些行为是否和 NPS 结果保持一致。

比较两个用户,一个在刚使用产品的几天内就升级了内容,另一个什么也不做。给两个人都发一份 NPS 问卷,来看看是不是升级了内容的那个用户分数更高。

如果更高,给更多的用户发送 NPS 问卷。如果那些升级了内容的用户都得到了更高的 NPS 分数,你就会发现两者的相关性。现在,重点就是确保升级内容的用户尽可能多。

留存

为了留住用户,我们得根据用户反馈和用户进行互动。这里我们关注的不是 NPS 得分,而是 NPS 问卷之后和用户的对话。NPS 得分只是对话的上一步。SatisMeter 的合伙人 Ondrej Sedlacek 解释道:

NPS 不是分数,而是倾听用户,帮助用户解决问题。人们往往会忽略在得到用户反馈后就马上采取改进措施。其实你可以重新为不满意的用户提供一个解决方案,解决他们的困扰,进而有效减少流失率。

即使 NPS 问卷只需要几秒钟完成,还是有必要花时间告诉用户,他们的贡献对你来说很有价值,并且他们的反馈能让这个产品变得更好。如果你面临着严重的问题,获得反馈就尤其重要。倾听用户的声音可以帮助你改善用户关系,并提高留存率。

获得反馈后,你要列出解决每个用户群困扰的相应措施。举个例子,对于贬损者,你可以引导他们提供更多关于用户体验的信息。这个方法有三大好处,你可以:

  • 抓住用户痛点;
  • 了解用户如何使用产品。如果用户使用产品的方法和预期不一致,可以适当提供些建议;
  • 了解用户喜欢产品的的哪些方面,以及未来想看到什么内容。

我们的目标不仅是要用定量数据改进产品,提高留存率,还要满足每个 NPS 用户群的需求。

充分利用 NPS

NPS 是一个非常有用的工具,只要你明白什么时候用可以最大程度发挥它的作用。

如此一来,你拿到的信息不仅有意义,还能带来启发。最后再次强调,不应只关注运算得到的 NPS 得分,而更应该关注如何用获取的信息满足每一个用户的需求。

 

原作者:Justin Fyles

原文链接:https://www.appcues.com/blog/nps-score

作者:「即能小程序」,公众号:「即能学习」

本文由 @即能 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 计算公式 NPS = 贬损者百分比-推荐者百分比

    反过来了吧?

    来自广东 回复
  2. 说实话,作用不大,数据不够真实

    来自重庆 回复
  3. 那对于习惯性好评的用户如何区分处理呢

    来自广东 回复