交互设计学习:净推荐值方法

2018/3/27

净推荐值( Net Promoter Score,NPS )是一种对用户忠诚度进行度量的方法,他是由贝恩咨询公司客户忠诚度业务的创始人 Fred Reichheld 针对企业良性收益与真实增长所提出的用户忠诚度概念。

概念

净推荐值实施起来非常简单,我们应该在很多地方都看到过,比如在使用 Adobe 的产品时有时候会弹出这个问卷让你填写:

我们只需要让用户回答一个问题:你在多大的程度上愿意向身边的朋友(亲人、同事等)推荐我们的产品?然后将答案的选项从非常不愿意(0)到非常愿意 (10)分为 11 个等级,让用户来选择。

接下来将统计的数据按照打分区间分为三部分:

  • 推荐者:9-10
  • 被动者:7-8
  • 贬损者:0-6

最后算出每部分的百分比,并使用推荐者百分比减去贬损者百分比计算得到净推荐值。一般来说,净推荐值在 50% 以上的产品是还不错的,而净推荐值在 70%-80% 之间则证明你的产品拥有忠诚度很高的一批客户。

意义

净推荐值容易和满意度混淆,但是满意度只能表示我们当前的产品可以满足当前用户,或者正好解决了用户的痛点。不同于满意度,净推荐值因为中和了用户的积极评价和消极评价,很适合用来预测企业或者产品的长期走势。

缺点

净推荐值可以量化用户的忠诚度,但是它也容易受到一些因素的影响,比如样本的可靠性、问题的描述、甚至这 11 个分值排列的顺序。因此在实际使用时我们还需要用其他统计学方法进行数据检验和校正。

同时,净推荐值并不一定适合所有领域,比如在一些垄断行业用户没有选择,而且有一些被调研者可能不是最终的决策者。

最后,它不能给你更详尽的解释,需要结合其它定性定量的方法来分析原因。

使用方式

净推荐值的使用方式比较灵活,我们可以灵活使用它。

首先,十分制不是必需的,采用十分制只是因为比较符合常识,而且能把不同态度区分开来,你也可以使用五分制。

其次,问题的文案也可以根据不同场景来定义。比如,想要研究某个功能是否受用户喜欢可以这么问:基于你的使用体验,你会继续使用某某功能的可能性有多大?而分值的文案也可以改成“很不可能”和“很有可能”。