净推荐值（NPS）：用户忠诚度测量的基本原理及方法（来源于网络）
文章分享了一个衡量用户与产品或服务之间关系的指标：NPS，干货满满，希望对你有益。
image
初识NPS
作为互联网行业的用户体验从业者，我们都或多或少会接触一些衡量用户与产品或服务之间关系的指标，常见的指标如活跃度、留存率、用户满意度等。
近几年，NPS（Net Promoter Score净推荐值）在国内流行起来，越来越多的行业及企业开始使用NPS指标作为衡量用户口碑的工具，如通信服务行业的中国移动、金融保险行业的中国平安、互联网行业的天猫和腾讯、家电企业海信等。中国平安从2013年开始引入NPS评价指标，并在2016年8月首次对外发布了公司NPS的相关数据，平安集团经过两年多的NPS建设及实施，不断推进用户口碑的显著改善和各项业务指标数据的良性增长。
NPS被越来越多的国内企业接受和使用，根本上是受到企业内部经营和外在环境等因素的综合影响。首先，日趋激烈的市场竞争驱动企业转化增长方式，促使企业从跑马圈地的粗放经营走向重视用户价值、培养忠诚用户并提升社会美誉的精细经营，企业营销的核心转向对消费者口碑和忠诚度的关注。
据洞察中国（CHINA INSIGHT）的研究统计，75%的中国消费者在使用或购买产品时更信赖家人和朋友推荐，因此，如何让用户推荐其正在使用或消费的产品成为企业关心的核心问题。
其次，借鉴NPS在欧美等国家取得的成功经验，近几年苹果、微软、亚马逊、飞利浦等国际企业通过遥遥领先的NPS水平，实现了市场份额和营收利润的双赢。
而且，随着社交网络的发展，领先的NPS为企业带来的效果还将不断放大。最后，国内用户体验团队专业性和影响力的不断提升，使企业具备了构建和实践NPS体系的能力，国内很多互联网公司NPS体系搭建的推动和践行者均由用户研究团队在主导和负责。
什么是NPS
净推荐值（NPS）最早由贝恩咨询公司客户忠诚度业务创始人佛雷德·赖克哈尔徳（Fred Reichheld）在2003年哈佛大学商业评论《你需要致力于增长的一个数字（The Number You Need to Grow）》的文章中首次提到。
雷德·赖克哈尔徳提出净推荐值主要有以下几个方面的考虑：
首先，他认为NPS是衡量忠诚度的有效指标，通过衡量用户的忠诚度，可以帮助区分企业的”不良利润”和”良性利润”，即哪些是以伤害用户利益或体验为代价而获得的利润，哪些是通过与用户积极合作而获得的利润，追求良性利润和避免不良利润是企业赢得未来和长期利益的关键因素。
其次，与其它衡量忠诚度的指标相比，NPS分值与企业盈利增长之间存在非常强的相关性，如图一所示，高NPS分值公司的复合年增长率比普通公司高两倍以上。而其它指标如满意度、留存率与增长率的相关性较弱，无法准确定义用户是由于忠诚还是其它原因使用或购买某个产品。此外，传统的满意度模型比较复杂，理解成本较高，而且调研问卷冗长，导致用户的参与意愿不高。
image
图一
*数据来源：2016年贝恩中国大众品牌净推荐值研究
NPS模型可以简单的被理解为两个主要部分，第一个部分是根据用户对一个标准问题的回答来对用户进行分类，这个问题的通常问法是：
“你有多大可能把我们（或这个产品/服务/品牌）推荐给朋友或同事？请从0分到10分打分”。
这个问题是雷德·赖克哈尔徳在对20个常用的用户忠诚度测试问题进行调查和筛选，并结合不同行业上千名用户的实际购买行为数据综合分析后最终确定的，他认为基于这个问题采集的答案最能有效预测用户的重复购买和推荐行为。
另外一个部分是在第一个问题基础上进行后续问题提问：“你给出这个分数的主要原因是什么？”，为用户提供反馈问题和原因的完成流程。因此，NPS的核心思想是按照忠诚度对用户进行分类，并深入了解用户推荐或不推荐产品的原因，然后鼓励企业采取多种措施，尽量的增加推荐者和减少批评者，从而赢得企业的良性增长。
NPS的计算方式如图二所示，根据用户愿意推荐的程度在0-10分之间来打分，0分代表完全没有可能推荐，10分代表极有可能推荐，然后依据得分将用户分为三组：
image
图二
- 推荐者（得分在9-10分之间）：是产品忠诚的用户，他们会继续使用或购买产品，并愿意将产品引荐给其他人。
- 被动者（得分在7-8分之间）：是满意但不热心的用户，他们几乎不会向其它人推荐产品，并且他们可以被竞争对手轻易拉拢。
- 贬损者（得分0-6分之间）：是不满意的用户，他们对产品感到不满甚至气愤，可能在朋友和同事面前讲产品的坏话，并阻止身边的人使用产品。
NPS值就是用推荐者所占百分比与贬损者所占百分比的差额，即净推荐值（NPS）=（推荐者数/总样本数）100%-（贬损者数/总样本数）100%，净推荐值的区间在-100%到100%之间。
一般来说，NPS分值在50%以上被认为是不错的，如果NPS得分在70-80%之间说明企业已经拥有一批高忠诚度的口碑用户。2016年，贝恩公司对中国市场消费品及消费服务行业的NPS水平进行研究，各行业主要品牌的NPS值如图三所示。
image
图三
*数据来源：2016年贝恩中国大众品牌净推荐值研究
对于打算实践NPS的企业来说，建立可靠可信的NPS测量机制是至关重要的，NPS测量的质量可能受到以下几个方面因素的影响。
首先，用户抽样方法的可靠性，能否获得目标用户较高的回应率，如果用户回应率较低，可能会产生误导性的结果。雷德·赖克哈尔徳列举了某企业的用户回应率较低时，估算的企业NPS值（50%）与真实NPS值（-22%）之间存在较大的偏差，如图四所示。针对互联网产品而言，线上问卷调查的用户填答率通常不高，有必要进一步对不填答者的用户行为数据或业务数据进行深入分析，并与填答者的数据进行比较，以避免用户抽样造成的NPS分值偏差。
其次， NPS值和用户行为之间的关系，即NPS值是否预示了真实的用户行为，能否避免测量过程中的各种反馈偏差、作弊和人为操作等问题，所以有必要在测量过程中定期的对测量结果和真实用户行为数据进行关联分析，确保用户行为与NPS值相吻合。
最后，测量时是否选择了合适的分制，分制是否符合不同地区用户的打分习惯，以及是否能确保用户理解正确。目前，从0分（完全没有可能）到10分（极有可能）的十分制标准是较为通用的选择。
image
图四
*图表来源：终极问题2.0：客户驱动的企业未来
如何实践NPS
虽然NPS的模型简单且容易理解，但真正在企业搭建NPS评测体系并不是一件容易的事，例如中国平安、天猫等企业都曾平均花费2-3年甚至更长时间计划和落实NPS体系，实践NPS对于企业来说是一件长期和需要持续投入的项目。一般来说，以下几个方面对企业选择和实践NPS并取得成功会产生重要的影响，如图五所示：
image
图五
1）树立以用户为中心的价值观念
NPS体系的核心思想是提倡良性利润，鼓励企业与用户积极合作，以互联网产品为例，以恶化用户关系为代价换取点击率或KPI达成都是违背用户价值理念的。树立自上而下的用户为中心公司价值观，有助于不同职能部门员工加深理解自身的工作和责任，便于NPS项目的推行和落地。
2）将NPS落实到公司流程
NPS管理可能涉及企业多个部门，比如财务、行政、人力资源、市场研究、产品、运营、研发、设计、客服等，将NPS调研获得的分值和用户反馈等作为关键决策的依据，并建立由各部门组成的优化机制和流程，形成从问题发现、优化、效果评估的管理闭环，真正将分值作为产品优化和体验改善的驱动力。
3）建立可信赖的数据监测和根本原因分析（root-cause analysis）机制
数据质量是NPS管理的关键，主要包括两个方面的数据监测，一方面是定期调查的NPS分值表现以及真实的用户行为和业务数据表现，NPS分值如果不能准确可靠地反映用户对产品的感知和行为，则无法评价用户的忠诚度水平和预测未来增长。另一方面是为用户提供反馈打分原因及理由的渠道，例如在问卷中直接提供开放性问题或利用互联网产品本身的问题反馈渠道，正确的问题处理机制和快速的产品执行力是实现减少贬损者和提升产品口碑的关键。
4）可建立适当的问责制
将NPS值与员工的工作绩效挂钩，作为员工考核绩效的一部分。雷德·赖克哈尔徳认为企业应根据自身情况选择恰当的时机，但不应该操之过急，过早的把NPS和员工绩效挂钩可能会产生负面效果，如NPS值本身被“KPI化”，盲目追求高分值从而导致目标和过程被扭曲，以及可能会对相关责任人产生较大压力，产生排斥心理或催生出作弊和人为操纵的问题。理想的时机是在企业能够合理解释NPS分数以及掌握数据随机变化范围的规律以后。
NPS的局限性
在使用NPS方法测量企业用户忠诚度的同时，也需要认识到方法本身的局限性和不足，NPS在方法论本身仍在不断优化过程中，在使用NPS过程中需要注意以下几个方面的问题：
1）NPS不能完全代替满意度测量
因为NPS模型本身的简洁性，无法从多个角度描述用户满意度，而满意度研究考察的角度相对丰富和全面，因此，可以考虑在NPS指标报警后结合用户满意度研究进行综合分析，确定问题发生的具体原因和普遍性。此外，可以将NPS结合其它指标进行分析，以便取得更好的效果，例如Airbnb的NPS团队曾尝试将NPS分值与用户的综合评分相结合进行分析，可以更加精准的预测用户的复购率。
2）NPS值并不能解释所有情况下的企业增长
因为在用户忠诚度之外仍有许多其它因素影响增长，如广告促销或线上线下的运营活动带来的用户数量和营收增长，或者企业本身具有垄断性质，即使NPS值很低，但仍然有可能实现增长。在互联网行业，尤其像电商行业，线上促销和日常运营活动较多，有必要通过合适的方式区分哪些是自然流量增长和哪些是运营活动带来的增长，并在NPS分值与增长关系的预测中给以适当的考虑。
3）NPS调查的结果不能用来决策哪些功能需要设计和开发
因为NPS调查过程中，鲜有用户会反馈需要什么新功能，所以，涉及到用户需求或服务创新的问题可能需要采用其它适合的研究方法。
