全面解析净推荐值NPS

市场营销学告诉我们:争取一位新用户的成本是留住一位老用户的5倍,然而在利润贡献方面,老用户确是新用户的16倍。由此可知用户的忠诚度至关重要,今天将为大家介绍一个可衡量用户忠诚度的重要指标-NPS,希望对大家有所启发呀~

01 .

NPS是什么

NPS是净推荐值(Net Promoter Score)的简称,亦称口碑。是一种衡量用户向其他人推荐某品牌/产品/服务的可能性指标,是国际上最通用的忠诚度分析指标。


像苹果、平安、滴滴、移动等众多公司都会使用NPS调研问卷,来衡量企业或者产品在用户心中的认可度和购买意愿以及推荐意愿,从而有效预测企业未来持续盈利情况;在设计调研过程中也会通过NPS来调查用户的推荐意愿,以及询问用户的体验感受,从而帮助我们更好的提升产品用户体验。

02 .

NPS如何计算

净推荐值NPS的计算方式特别简单,通过问卷形式采集用户推荐产品意愿的相关数据,最后根据计算公示得出NPS分数即可。

 01  NPS问卷设计 

NPS问卷问题设计得特别简单粗暴:“您向朋友/同事推荐使用XX产品/服务的可能性有多大?”。打分范围为0~10分,分数越高推荐意愿越强。

NPS问卷通常会再加一个问题询问用户打分理由是什么?收集到这些数据能够帮助我们从不同用户类型的角度去分析产品做的好的地方,做得不好的地方,获取用户真实的反馈,从而给我们提供优化方向,不断提升产品用户体验。

 02  计算NPS 

当数据采集结束后,我们需要对问卷数据进行分析整理,通过用户打分分数把用户分为推荐型用户、被动型用户、贬损型用户这三类。不同用户类型也代表了用户不同的忠诚度。


用户净推荐值NPS= 推荐型用户% - 贬损型用户%

NPS数值越大,用户对产品的忠诚度也就越高。


通过以上2步我们就能得出NPS分值,衡量出用户的忠诚度了。我们还可以进一步分析NPS数据,问卷设计我们设计了2到题目,其中有一项是询问用户打分原因的,这1道题采集到的数据我们也应该进行细致处理,收集不同类型用户的真实反馈,帮助我们优化产品,提升用户体验。

03 .

最大化NPS价值

在数据分析阶段,我们还可以把推荐型用户、被动型用户、贬损型用户根据用户带来的收益进一步细化为后以下6类:


推荐型用户、负推荐型用户

正被动型用户、负被动型用户

正贬低型用户、负贬低型用户

在分析数据的时候,我们可以重点关注正推荐型、正被动型、正贬低型用户的真实反馈,重点获取这3类用户的痛点或诉求。对于负贬低型用户的反馈我们可以完全选择忽略。

正推荐型用户(超级用户)

这类用户是产品的超级用户,复购率、消费额都比较高,是产生利益的重要来源。这类用户的声音应该是我们重点关注的,需要维护好与这类用户的关系

正被动型用户(潜力用户)

这类用户的探索与发展空间特别大,将来极有可能变为我们产品的忠实用户,具有极大潜力。优先听取这类用户的诉求,去优化我们的产品,去吸引、打动这类用户,将这批用户转化为我们的忠实用户

正贬低型用户(耗损用户)

这部分用户虽然从表面来看带来了利润,但是这类用户传播了坏口碑,增加了我们获取新用户的成本,从长期来看这类用户是一种耗损用户,所以我们也应去关注这类用户的声音,努力提升产品在这类用户中的口碑,减少耗损

很多设计师通过NPS数值测量出用户忠诚度后就结束了,不会进一步去利用这些数据,既然都做了相关设计调研,采集到这些数据,那么我们就不妨再多分析一步,将采集到的数据价值最大化。

04 .

最后

以上就是关于净推荐值NPS的全部分享啦,希望对你有所帮助呀,一起加油~

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,053评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,527评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,779评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,685评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,699评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,609评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,989评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,654评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,890评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,634评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,716评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,394评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,976评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,950评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,191评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,849评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,458评论 2 342

推荐阅读更多精彩内容