凈推薦值（NPS）是一種計(jì)量某個(gè)客戶將會(huì)向其他人推薦某個(gè)企業(yè)或服務(wù)可能性的指數(shù)。

當(dāng)我們想知道用戶對產(chǎn)品有什么意見或?qū)Ξa(chǎn)品是否滿意時(shí)，常常會(huì)通過用戶調(diào)研的形式去了解用戶的真實(shí)感受。而在用戶調(diào)研中，一個(gè)非常常見的問題是：

“您是否會(huì)愿意將“品牌名&產(chǎn)品名”推薦給您的朋友或者同事？”

這個(gè)問題其實(shí)調(diào)研的就是凈推薦值，也叫NPS，意在了解用戶對該品牌或產(chǎn)品主動(dòng)推薦的意愿，是一個(gè)常見的用戶忠誠度指標(biāo)。

背景

我們迫切需要了解用戶對app的真實(shí)使用感受與評(píng)價(jià)，因此決定基于NPS做一次用戶調(diào)研，目的是計(jì)算App的NPS值，并且找出低評(píng)價(jià)的元素。

定位了低分元素后，會(huì)根據(jù)其比重指導(dǎo)之后的產(chǎn)品優(yōu)化方向與重心。

準(zhǔn)備

基于網(wǎng)上已有的NPS調(diào)研方法，經(jīng)過整理形成了適合自己產(chǎn)品的計(jì)劃：

接下來就按照這個(gè)計(jì)劃去具體執(zhí)行：

這里可以理解為凈推薦值和滿意度有一定的相關(guān)性，即我們所認(rèn)為的，如果對產(chǎn)品滿意的話，那么他有一定意愿推薦給其他人使用。因此引入了一個(gè)相關(guān)系數(shù)k來代表二者的相關(guān)性。

用1-k來代表其他因素，比如品牌影響力。其他因素我們贊不關(guān)心，這里主要細(xì)分到滿意度。

整體滿意度是整個(gè)APP的滿意度，可以細(xì)分為各分子的滿意度以及其重要性，重要性指的是各分子滿意度和整體滿意度的相關(guān)性。因此下一步我們需要知道哪些因素會(huì)影響用戶對產(chǎn)品的整體滿意度，并且是我們關(guān)心的。

確認(rèn)滿意度因素

這里我和各個(gè)部門溝通，向他們收集可能影響用戶滿意度的因素，這里每個(gè)因素的滿意度都會(huì)間接影響到用戶對App的整體滿意度。因此我需要提前確定我們關(guān)注哪些因素。

這樣在實(shí)際的調(diào)研中就可以通過數(shù)據(jù)定位用戶滿意度在哪塊是非常低的，從而進(jìn)行針對性的優(yōu)化。（圖中為示例，非真實(shí)數(shù)據(jù)）

設(shè)計(jì)問卷

問卷問題的設(shè)計(jì)，主要包括2個(gè)方面：

1. 用戶畫像的相關(guān)問題

年齡、性別、身份、受教育程度、收入水平、找工作類型、找工作頻率（產(chǎn)品屬性是招聘類，因此需要知道找工作的畫像）；

用戶畫像的相關(guān)問題，在于做問卷分析時(shí)，比較不同類型用戶的數(shù)據(jù)差異，從而得出客觀全面的結(jié)論。

2. 用戶滿意度相關(guān)問題

首先是整體滿意度：“你對pp的滿意程度(1-10分)”；

然后是各個(gè)因素滿意度：

“你對產(chǎn)品設(shè)計(jì)的滿意度(1表示非常不滿意，5表示非常滿意)：

• 信息傳達(dá)效率（1，2，3，4，5）
• 頁面美觀（1，2，3，4，5）
• 操作流暢性（1，2，3，4，5）
• ……”

最后是NPS值：“你向朋友或同事推薦使用app的可能性有多大？（0-10分）”

這些問題分別算的是整體滿意度、各因素滿意度、NPS值。

投放方式與渠道

前期計(jì)劃通過短信形式向曾經(jīng)使用過我們App的人投放，但由于存在大量的流失用戶，經(jīng)測試，使用短信的回收率過低，從而導(dǎo)致樣本數(shù)過少。因此決定在App內(nèi)通過Banner展示形式向所有活躍用戶投放。

這樣投放的好處在于樣本數(shù)足夠，壞處在于由于已流失用戶未計(jì)入樣本中，會(huì)導(dǎo)致整體滿意度和NPS偏高。

這里建議如果有條件，盡量還是通過短信方式定向人群投放，這樣可以保證投放范圍即在理想的隨機(jī)范圍內(nèi)，保證收集數(shù)據(jù)的客觀性與隨機(jī)性。

通過第三方調(diào)研問卷的工具（問卷星，金數(shù)據(jù)等）生成問卷后，即可進(jìn)行投放。接下來就是最重要的數(shù)據(jù)計(jì)算、數(shù)據(jù)分析的工作了

數(shù)據(jù)分析

數(shù)據(jù)分析主要依靠的是spss工具，計(jì)算的是各因素的平均滿意度以及和整體滿意度的相關(guān)系數(shù)，即各因素的重要性。具體的計(jì)算方式網(wǎng)上都有現(xiàn)成的計(jì)算公式，這里不再細(xì)講。

最終會(huì)得到這樣一份數(shù)據(jù)（圖中數(shù)據(jù)為實(shí)例，非真實(shí)數(shù)據(jù)）：

即每個(gè)因素都會(huì)計(jì)算出兩個(gè)指標(biāo)：滿意度、重要性

滿意度代表這個(gè)因素的獨(dú)立滿意度

重要性代表這個(gè)因素的滿意度和整體滿意度的相關(guān)性。

通過對用戶畫像的組合，我們可能會(huì)得到多組不同畫像用戶的數(shù)據(jù)。同上圖，接下來就是將各個(gè)因素進(jìn)行組合分析。

四分圖模型

橫軸為重要性，縱軸為滿意度，將各個(gè)因素按其數(shù)據(jù)代入圖中，我們會(huì)得到這樣一個(gè)四象限分布的圖，也叫四分圖模型。

這個(gè)模型即客觀反饋了我們需要重要優(yōu)化的地方，有優(yōu)勢的地方，優(yōu)先級(jí)不高的地方，以及繼續(xù)保持即可的地方。

再細(xì)分，可以按照不同類型業(yè)務(wù)來分，如下：

從圖中可以看到，需要優(yōu)先改進(jìn)的是活動(dòng)真實(shí)性、活動(dòng)更新頻率。它們的重要性很高，但滿意度卻很低。因此我們需要重點(diǎn)關(guān)注這3個(gè)方面的優(yōu)化問題。

NPS計(jì)算

凈推薦值(NPS)=(推薦者數(shù)/總樣本數(shù))×100%-(貶損者數(shù)/總樣本數(shù))×100%。

結(jié)論

1. 不同用戶畫像的滿意度數(shù)據(jù)存在差異，比如學(xué)生用戶對用戶體驗(yàn)方面要求更高，因此在用戶體驗(yàn)方面的滿意度會(huì)偏低；比如女生用戶更看中運(yùn)營活動(dòng)；
2. NPS在整個(gè)行業(yè)中屬于偏高水平，但由于統(tǒng)計(jì)標(biāo)準(zhǔn)不一致，因此存在一定誤差；
3. 最終將問題定位在1，2，3，4，5等因素上，這些因素是明顯重要性很高，但滿意度很低的因素。說明用戶非?？粗剡@些因素，但并不滿意。

通過以上結(jié)論，我們可以定時(shí)去監(jiān)測用戶對產(chǎn)品的滿意度變化，并且定位當(dāng)前優(yōu)先級(jí)高的問題，并觀察解決效果。

歡迎大家來討論~

#專欄作家#

王偉華，微信公眾號(hào)：夜漫產(chǎn)品（learnerwwh），一只略帶文藝情懷的產(chǎn)品汪，擅長社交，資訊領(lǐng)域產(chǎn)品，心理學(xué)愛好者，目前正處于知識(shí)體系搭建階段。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，不得轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議