r语言中计算NPS的包：

https://cran.r-project.org/web/packages/NPS/index.html


在企业与客户的互动中，最关键的环节就是有效地收集客户反馈，作为决策的依据。通常企业达成这一目标的做法，就是进行所谓“客户满意度调查”。不过，这种方法却有一个明显的缺陷，收集的信息太多又缺乏重点，结果是问的问题太多，很难从中获得正面的行动建议。这些“东一榔头西一棒子”的意见让管理者感到困惑，无法调集资源解决问题。甚至于有时候，由于问题的不当，或是对客户提出的意见置若罔闻，结果满意度调查反而导致客户不满。 

　 
贝恩咨询公司荣誉董事弗莱德.莱希哈尔德在他的新书《终极问题：驱动良性收益与真实增长的方法》中，只是通过一个简单而重要的问题，轻松地避开通常的客户调查方法中的陷阱，触及事实的核心，这个问题就是：你在多大程度上愿意向你的朋友推荐我们公司？ 

这是一个量化的问题，受访者需要按照自己推荐意愿的强度从0到10给被调查的公司打分。而按照他们所给出的分数，“终极问题体系”把所有的受访者分成了三类。10或9的受访者被称为“推荐者”（Promoters，说好话的）；8或7的受访者被称为“被动者”（Passives）；而0到6的所有受访者则被称为“贬损者”（detractors，说坏话的）。然后，统计出这三类人各自在整个样本中所占的百分比，最后用推荐者所占的百分比减去贬损者所占的百分比，就得到一个“净推荐值”（net promoter score，简称为NPS）。如图所示： 

　 　 
很明显，靠着问题的简单性和“终极性”，莱希哈尔德的新方法绕开了现有客户调查方法的陷阱，比如问题缺乏相关度、低响应率、高调查费用以及调查堕落成公司公告等等。 

这样的一种方法至少有下面几个好处。首先，它足够“严重”。因为，如果一个人愿意把某个公司推荐给他的朋友，那么他实际上是在用他自己的信用来保证这种推荐。同时，这种调查方式又足够简单和单纯，它既不会被人看成是某种公司广告，也不会让受访者感觉受到“侵犯”，更不会象通常的客户满意度调查那样因为问题太多反而降低了所收集的信息的有效性。更重要的是，这样的提问是直接与公司的经营状况联系在一起的。不过，这里的经营状况，不是单纯在指利润。 

　 
事实上，弗莱德.莱希哈尔德提出这种方法的主要目的，就是区分所谓的良性利润和恶性利润。在他看来，在当前的商业社会中，有大量的企业都是在通过牺牲企业未来的增长潜能而“攫取”利润。比如，很多的基金公司都会给予新客户优惠，而这部分钱，实际上是由老客户承担的。在这个意义上，按照莱希哈尔德的看法，这些公司实际上是在惩罚那些忠诚的客户。尽管这种做法会在短期内吸引大量的新客户并因此获得好看的利润数据，但是这种利润只能被看成是一种恶性利润，因为它的代价是公司丧失其依照可持续的模式进行增长的潜能。换句话说，终极问题体系的作用领域实际上是公司的整体战略，而不是仅仅牵涉到销售部门或者服务部门。它的目的是保证企业的增长潜力，或者说，为企业能够获得一种可持续的增长模式提供线索。 

而像“你是否愿意向你的朋友推荐我们公司”这样的问题，如果你能获得一种肯定的回答，那么这种肯定首先就是基于某种较高的忠诚度的。在这个意义上，可以说这个问题勾勒出的是一种忠诚扩散的经营前景。而如果你的NPS指标过低，那么就说明公司的经营出现了方向性的问题。 

有些公司在分析推荐者/贬损者数据的时候，可能会忽视了受访者的具体信息，比如所谓的“生命周期”，其实就是老顾客和新顾客之间的区别。按他的说法，处于不同生命周期的客户，他的推荐热情是不一样的。事实上，那些老客户，也就是那些经历过产品的（多次）更新换代过程的客户。而要想对分析推荐者/贬损者数据进行有意义的分析，就必须依赖这样的信息。换句话说，要把数据还原到受访者具体的处境中。比如，这个顾客是不是刚刚参加过你的公司的某个活动？她是不是刚打过客服电话？等 等 

在采用NPS指标最容易犯的错误是，简单地把它当成是原先的客户满意度调查方法的一个替代物。而实际上NPS这种方法最多只能充当某种“预警装置”。事实上，正是因为它本身的简单性，所以它无法为如何改进公司的经营提供正面的或具体的建议。所以，正确的使用方法是在NPS指标报警之后再进行更为深入的追踪调查，以确定发生问题的具体原因。