NPS:关于产品和用户的终极问题

4 评论 24082 浏览 61 收藏 7 分钟

如果NPS变为公司一个重要的指标,全公司愿意为提升NPS指标负责,和投入精力,则NPS可以发挥关键性的作用,并不断让公司走向良性发展。如果NPS只是作为一个辅助的观测指标,没有部门愿意为了NPS而付出精力,NPS并没有太大的作用。

1. 什么是NPS

NPS即净推荐值(Net Promoter Score),是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。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。它是最流行的顾客忠诚度分析指标,专注于顾客口碑如何影响企业成长。

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分的打分,如下所示:

打分的用户会根据分值分为三类用户:

  • 推荐者(Promoter):分值在9~10分。具有狂热忠诚度,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,使用不满意不忠诚,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)。

相比于单纯的满意度分析,推荐意愿更能代表用户内心对于产品的满意度,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:基于问题一的评价结果,您认为XX公司/产品还需要做哪些改进?

2. 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》书中提到了不良利润是个很重要的概念。不良利润是个以恶化顾客关系为代价赚取的利润;从顾客那里榨取价值;损害公司的口碑。对应的良性利润则是通过与顾客的积极使用而获得利润;正面口碑传播;忠诚用户、可持续增长。

其实不仅仅是利润,所有的KPI数据都是这样,用户量增长可以分为不良增长和良性增长。点击率可以分类不良点击率,和良性点击率。不良数据是以降低用户体验,恶化用户关系带来的数据增长,损害产品形象。良性数据则是通过与提高用户体验提升用户忠诚度带来的数据增长,会带来持续的增长。

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。一个以贬损者用户为主的产品,推广成本会变高;老用户流失率变高,更加难以唤回,新用户需要用更高的成本打消怀疑。

NPS是一个度量产品健康程度关键指标。

3. NPS的分类投放

NPS的投放,取决于希望收集什么样的信息,如果收集的是一次消费体验的评价,那么投放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,则应该投放给目标用户,短信也好,广告位也要,都是不错的选择。

区别在于,针对一次消费体验的评价,可以比较及时的反馈到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,可以作为定期review的一个值,但短期内即使做了比较大的改动,变化也比较有限。

4. NPS数据的处理

NPS拿到的数据分为三类:

  1. NPS分数
  2. NPS分数下的用户主观意见
  3. NPS分数对应的用户相关信息

NPS不仅仅是一个分数,更重要的是需要让我们知道,哪些是产品的关键抓手。主观信息可以人工分类,也可以语义分析,取决于投放的数据量和公司技术实力。而有了分数,以及分数对应的文本,分数对应的用户相关信息,这可以分析NPS分数比较关键的信息。

关于分析相关性的内容也比较多,不做赘述,逻辑回归就是一个相对比较快速处理的方法。

5. NPS的天花板

NPS本身会由很多问题,比如在不同渠道投放,会有不同程度的误差,比如这个源自国外的方法可能对于国内用户有些不适应。但这其实都不是关键性的问题,最关键的问题是——公司领导层如何看待NPS,如何看待NPS反馈的问题。

如果NPS变为公司一个重要的指标,全公司愿意为提升NPS指标负责,和投入精力,则NPS可以发挥关键性的作用,并不断让公司走向良性发展。如果NPS只是作为一个辅助的观测指标,没有部门愿意为了NPS而付出精力,NPS并没有太大的作用。

如果要比喻的话,NPS更像是民众满意度或者环境污染情况,然而政绩的考核点是GDP。如果GDP好看了,民众满意度和环境污染情况便可以不用在意,结果会怎样?可以想象的。

相关书籍推荐:弗雷德•赖克哈尔德 《终极问题2.0客户驱动的企业未来》

 

作者:潘一鸣,知乎专栏:产品逻辑之美

本文由 @潘一鸣 原创发布于人人都是产品经理。未经许可,禁止转载。

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. 关于
    分析相关性的内容可以推荐一些吗?其中逻辑回归就是一个相对比较快速处理的方法,这个可以举具体的例子说明吗 ?

    来自浙江 回复
  2. 第一次了解NPS,学习了

    来自广东 回复
  3. 那个0-10分的评分示意图,打9分10分的,应该是“推荐者”。你是不是Ctrl C加Ctrl V粘贴的贬损者😀

    回复
    1. 嗯,对的,这个图不小心搞错了。

      来自北京 回复