关于净推荐值(NPS)的理解

关于净推荐值(NPS)的理解NPS在产品领域用来衡量用户对产品体验的评价情况,同时也可以用在某个员工在公司受到大家的评价情况,类似等等。本文将主要关注在产品领域。如何衡量你的用户对产品的使用满意度呢?NPS就是一个非常重要的标准。那么,如何搭建NPS模型,利用NPS指标更加直观、具体地完成用户调研呢?以下,笔者将详细为大家讲述。现在几乎所有的互联网公司,都会说:“以用户为中心”,那到底是什么以用户为中心?…

大家好,又见面了,我是你们的朋友全栈君。

NPS在产品领域用来衡量用户对产品体验的评价情况,同时也可以用在某个员工在公司受到大家的评价情况,类似等等。本文将主要关注在产品领域。

如何衡量你的用户对产品的使用满意度呢?NPS就是一个非常重要的标准。那么,如何搭建NPS模型,利用NPS指标更加直观、具体地完成用户调研呢?以下,笔者将详细为大家讲述。

关于净推荐值(NPS)的理解

现在几乎所有的互联网公司,都会说:“以用户为中心”,那到底是什么以用户为中心?

比如说:一味的相信AB测试工具,或者是点击率、停留时间等数据,如果只看这些,是无法反映出用户是否真实的对你满意。

而有一个指标是:可以衡量用户对你的产品是否真的满意——NPS(NetPromoter Score)净推荐值。

NPS的核心就是:调研用户是否愿意将这个产品推荐给其他人,以此体现用户是否对你的产品真正满意。

NPS是衡量一个产品是否真正的获得了用户的认可的一个非常重要的标准。

由于笔者所做的工作经常会跟NPS打交道,因此,就写一篇文章来梳理一下NPS的概念以及用法。

这篇文章会从“NPS是什么?”到“如何自己动手搭建NPS模型?”到最后的数据验证,完整地阐述的一个NPS调研流程。

如今,国内外的各大厂都纷纷在将NPS作为一个重要的指标引入工作环境中,包括:十几年前就开始的苹果和微软,以及逐渐开始重视NPS的阿里巴巴、滴滴、京东等。简单来说,NPS是一个能够反应公司良心利润和持续增长力的指标。

举例来说:苹果零售店从2007年开始测量NPS值,当时他有163家,平均门店的NPS值是58%,如今这个数量已经增加到320家,nps也升至70%。最好门店甚至达到了90%以上。

简单来说,NPS可以直接反应公司的进步,与业绩呈正相关。

一、NPS是什么

关于用户体验你必须知道的指标 - NPS

作为设计师,你肯定看过这个画面,Adobe系列软件,会弹出这个弹窗,让你评分和推荐,这个其实就是NPS调研。

关于用户体验你必须知道的指标 - NPS

NPS全称(NetPromoter Score)即:净推荐值,是反应客户忠诚度的一个指数。

其最早由Fred Reichheld在2003年《哈佛商业评论》,例如:一家公司想要了解客户是否满意,那么,可以在问卷中设置NPS题型——“你有多大可能把我们(或这个产品/服务/品牌等等)推荐给朋友或同事?请从0-10分打分。”

净推荐值净推荐值(NPS)=(推荐者数/总样本数)×100%-(贬损者数/总样本数)×100%

二、NPS取代CSAT的原因

客户满意度(Consumer Satisfaction),也叫客户满意指数,缩写CSAT,是对服务性行业的顾客满意度调查系统的简称,是一个相对的概念,是客户期望值与客户体验的匹配程度。

CSAT要求用户评价对特定事件/体验的满意度,大都使用的是五点量表,包括五个选择:非常满意、满意、一般、不满意、非常不满意。

如今越来越多的公司把评估标准从CSAT转为NPS。

关于用户体验你必须知道的指标 - NPS

简单来说,NPS可以更好体现重复购买的预测准确度,以及新增消费金额的预测准确度。

具体原因如下:

  • NPS可以更好体现用户的行为,而满意度调查只能看出用户的态度。
  • 10分制的NPS的颗粒度更细一些,满意度调研通常是5分制,“非常满意”、“满意”、“一般”、“不满意”、“非常不满意”。
  • NPS则更侧重用户对公司、产品或者服务的整体感受,满意度往往侧重于用户对某项产品或服务的满意程度。
  • 满意度与公司的增长之间的关联往往很小;满意度测量的是一时的态度,难以预测用户购买行为。满意度高不代表着忠诚度高。

三、如何搭建NPS问卷模型

关于用户体验你必须知道的指标 - NPS

1. 多维度

NPS建模包含的关键变量分为四个维度:

  • 背景信息:用户过往的使用经历。
  • 体验与预期的匹配度:用户对品牌的预期、与对产品本身的使用体验匹配度如何?
  • 口碑感知:可理解为外部社交环境对用户的影响。
  • 售后体验:有可能发生的售后行为,可理解为潜在风险因素。

2. 问为什么

去问用户“是否对你的产品满意?”,不如直接问他“是否愿意把这个产品推荐给朋友?”,能根据这个答案来预测用户未来的行为。

并且,等他回答完愿意与否之后,还必须追问一个为什么:“您认为我们的公司(or产品)还需要做哪些改进?”,基于这个问题进一步收集用户的意见进行分析。

3. 分类

问卷结束之后,根据顾客的分值选择,将他们分成三类:

关于用户体验你必须知道的指标 - NPS

  • 推荐者(Promoter):选择9-10分的顾客为推荐型顾客,是具有狂热忠诚度的人,他们会继续购买并引见给其他人。
  • 中立者(Passives):选择7-8分的顾客为中立满意型顾客,他们习惯了和你的公司打交道,也还满意,但是没有热情推荐,甚至很容易被竞争对手吸引走,总体满意但并不狂热,将会考虑其他竞争对手的产品。
  • 贬低者(Detractors):选择0-6分的顾客为贬低型顾客,使用并不满意或者对你的公司没有忠诚度。他们和你的公司关系很一般甚至很差,80%的公司坏口碑来自他们。

NPS计算公式的逻辑是:推荐者会继续购买并且推荐给其他人来加速你的成长,而批评者则能破坏你的名声,并让你在负面的口碑中阻止成长。

现在,NPS已经成为了一个非常重要的来衡量产品的指标,这种调查工具以消费体验为核心,可以直观反映出人们内心对品牌的认可程度和购买意愿。

关于用户体验你必须知道的指标 - NPS

我们拿电商举例子:

在深圳消委会发布的电商NPS报告里,总体推荐情况前十名品牌分为:天猫、京东、苏宁易购、唯品会、淘宝、蜜芽、国美在线、网易考拉、亚马逊、网易严选。

关于用户体验你必须知道的指标 - NPS

产品真实性推荐率排名:排名前三的是网易严选、网易考拉、京东。

此外,电商平台使用的便捷性,也是大部分人选择电商平台的主要考量因素之一。

在这项评比中,淘宝、网易严选、网易考拉分别获得72.7%、72.5%、68.9%的推荐率。

关于用户体验你必须知道的指标 - NPS

大家想关心自己公司在市场中的NPS状况,可以搜索“深圳消委会电商NPS报告”、与“中国顾客推荐度指数(简称C-NPS)”查看。

四、数据分析

关于用户体验你必须知道的指标 - NPS

经过调研之后,我们得到了数据,以及对这些数据有了一个初步的分类,总共分成:推荐者、中立者、贬低者。

通过这个,我们能得到产品的净推荐值——我们得到了一个非常粗颗粒度的数据。

接下来,我们就可以进一步拆分数据,我们可以再次的细分客户类别,把以前的“推荐型客户”、“中立型客户”、“贬低型客户”再次分为:

关于用户体验你必须知道的指标 - NPS

推荐型用户(高忠诚度):

  • A1正推荐——产生利润的用户
  • A2负推荐——不产生利润的用户

中立用户(中忠诚度):

  • B1正中立——产生利润的用户
  • B2负中立——不产生利润的用户

贬低用户(低忠诚度):

  • C1正贬低——产生利润的用户
  • C2负贬低——不产生利润的用户

接下来,会进行一个相详细的用户分析,来确定用户画像和针对策略。

1. 正面贡献值(推荐型客户)

这些用户是我们最重要的用户,正推荐的用户被称为“超级用户”,是利润的重要来源。

选择了“正推荐”的这部分用户是最需要被重视的用户。他们虽然可能只是20%的人,但往往贡献了80%的利润(2/8原则),对于这部分用户,所要做的就是维持用户的满意度,留住他们。在这方面需要向航空公司和酒店业学习,他们建立了非常完善的积分会员制度来维系一个忠实会员。

对于“负推荐”这部分的客户而言,我们所需要做的是提高渗透率,优化产品,了解用户为什么不想购买产品,然后说服用户购买你更多的产品,为你提供更多的利润。最重要的是,把他们转换成“正推荐”的客户。

2. 波动贡献值(中立满意型客户)

这些用户是我们可以挖掘和发展的群体,这部分用户具有最大的潜力。

提高“正中立”用户的忠诚度是优先级最高的——针对他们的需求优化你的产品,找到真正能让他们感动的服务和产品点,打动他们,把他们转化成你的铁杆粉丝。

而对于“负中立”客户,建议放弃,或者把资源的投放的优先度等级降低,理由和“负贬低”客户一样。

3. 负贡献值(贬低型客户)

相比较于推荐型用户,第二重要的群体是“贬低型”的用户。

因为这部分用户的口碑很差,大幅度提升了公司的产品运营成本,同时也让其他的用户不想来买你的产品。

对于“正贬低”的用户,表面上看,你好像是从他身上得到利润了,但其实这是得不偿失的。因为这部分的用户对你产品和服务在不停的贬低,消耗掉你巨大的营销资源,并且增加你获取新用户的成本。总体看来,虽然表面上看你赚到了钱,长远来看,其实是非常吃亏的。

那应该怎么办?

我建议最好的办法就是沟通,真诚的与用户进行沟通,找到用户的痛点进行优化,解决问题,努力将这部分用户转化成对你更有利的用户。但是。如果用户的要求超过了你的解决能力,那么建议战略性放弃,将资源投入更有价值的用户上。

对于“负贬低”用户,毫不犹豫的放弃。

总结一下:

  • 正面利润:通过与用户建立长期良好的关系而得到的利润;通过忠诚用户正面的口碑传播,使得产品可持续发展。
  • 负面利润:以恶化用户关系作为代价,从用户那里赚取利润,进而损害公司的口碑,透支未来的发展。

通过以上的分析,你了解到了这个用户的态度和行为,以及这个用户是否是你应该继续发展的用户,净推荐值可以帮助企业找到工作中的缺陷存在。

举例来说:如果你赚到了一笔生意,但是给你钱的客户是个贬损者,付完钱他就开始对你进行负面传播,那么实际上你可以说没有收益。

对于公司也是一样,如果付费的用户都是贬损者,那么,我认为这些用户产生的利润为负。

总结

关于净推荐值(NPS)的理解

在现有的环境中,大量的市场趋于饱和、利润增速放缓,因此我们可以转向重视用户价值的运营方式,维持超级用户群体,努力将贬损者转化成推荐者,持续的发现问题并且优化,行为一个以用户为核心的运营优化体系。

具体做法是:在进行NPS时,通过对产品、服务细分成不同板块与同行业相似产品或者服务进行比较, 逐板块分析,寻找自身产品弱点。

在某些领域, 或同领域内的各个产品都有自己的优势,也有非常显著的缺点这样的情况下,去分析“如何持续保持在特定板块的领先趋势?”。同时,逐步缩减其他产品优势所在领域的劣势 。

NPS的管理方法本质是:协助我们进行用户体验的根源分析,找出需要优化的方向,持续的改善用户体验,并持续追求改善结果,不断迭代的一种管理机制。

但是,请注意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,因此,我们在操作的时候需要考虑到将额外因素考虑在内,以保证结论的准确性。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/130151.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • SqlSessionTemplate详解——Mybatis+Spring Boot整合

    SqlSessionTemplate详解——Mybatis+Spring Boot整合Mybatis+SpringBoot整合——SqlSessionTemplate简介通俗地讲,SqlSessionTemplate是Mybatis—Spring的核心,是用来代替默认Mybatis实现的DefaultSqlSessionFactory,也可以说是DefaultSqlSessionFactory的优化版,主要负责管理Mybatis的SqlSession,调用Mybatis的sq…

  • 2021全国大学生电子设计竞赛–电源–三相逆变(硬件)「建议收藏」

    2021全国大学生电子设计竞赛–电源–三相逆变(硬件)「建议收藏」废话不多说,直接上电路!三相逆变系统的框架如下::那么,降压电路不用多说,网上多得是1、下面说一下逆变驱动电路,也是通篇一律,这里贴上电路图,2、LC滤波器很多人会问我,LC如何选取,还有人在问,为啥我做出来之后发现电感在出声?答:第一个问题,网上可以搜得到,就是一个公式,以基波50HZ进行计算就行。第二个问题,有时候电感明明很大了,仍然出声音,其实那不是电感的问题,由于瓷片电容本身结构的问题,所以就睡导致在高频下的振荡出声,如果换成安规电容或者CBB就会…

  • http://www.cnblogs.com/skyme/p/3457723.html

    http://www.cnblogs.com/skyme/p/3457723.htmlhttp://www.cnblogs.com/skyme/p/3457723.html点击打开链接

  • Gradle DSL method not found: ‘google()’

    Gradle DSL method not found: ‘google()’

  • 计算一段日期内的周末天数(星期六,星期日总和)(

    计算一段日期内的周末天数(星期六,星期日总和)(简介:这是计算一段日期内的周末天数(星期六,星期日总和)(的详细页面,介绍了和php,有关的知识、技巧、经验,和一些php源码等。class='pingjiaF'framebord

  • R语言与统计分析[通俗易懂]

    R语言与统计分析[通俗易懂]R语言与统计分析汤银才主编高等教育出版社二○○八年五月内容介绍本书以数据的常用统计分析方法为基础,在简明扼要地阐述统计学基本概念、基本思想与基本方法的基础上,讲述与之相对应的R函数的实现,并通过具体的例子说明统计问题求解的过程.本书注重思想性、实用性和可操作性.在内容的安排上不仅包含了基础统计分析中的探索性数据分析、参数的估计与假设检验,还包括的非参数统计分

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号