產(chǎn)品經(jīng)理的選修課:改善用戶推薦(NPS)的MNA方法論

2 評(píng)論 3654 瀏覽 41 收藏 9 分鐘

編輯導(dǎo)語(yǔ):“以用戶為中心”被越來(lái)越多的非互聯(lián)網(wǎng)公司所重視,隨后便是接觸關(guān)于NPS的各種資料,然后招聘用研新同學(xué),開(kāi)始做自身品牌/產(chǎn)品/服務(wù)的NPS調(diào)研。那么,如何在外力幫助很小的情況下,開(kāi)展NPS調(diào)研并落地推動(dòng)呢?本文作者對(duì)NPS—MNA方法論進(jìn)行了分析,希望能給你帶來(lái)幫助。

“以用戶為中心”被越來(lái)越多的非互聯(lián)網(wǎng)公司所重視,這也是很多傳統(tǒng)公司開(kāi)始接觸用戶體驗(yàn)的第一階段,隨后就是接觸關(guān)于NPS(凈推薦值)的各種資料;接下來(lái)HR開(kāi)放headcount,招聘用研新同學(xué)入職;立刻做自身品牌/產(chǎn)品/服務(wù)的NPS調(diào)研,但這些傳統(tǒng)公司的特點(diǎn)就是:

  • 用研剛成立,無(wú)歷史材料沉淀
  • 部門人數(shù)不多,很可能專職做用戶研究/市場(chǎng)調(diào)研的就1個(gè)人

新入職的同學(xué)如何在外力幫助很小的情況下,開(kāi)展NPS調(diào)研并落地推動(dòng),成為了首當(dāng)其沖的問(wèn)題。

改善用戶推薦(NPS)的MNA方法論

作者結(jié)合自己6年的NPS項(xiàng)目研究經(jīng)驗(yàn),嘗試定義如何系統(tǒng)性地改善NPS—MNA方法論。

方法論框架圖

改善用戶推薦(NPS)的MNA方法論

第一步:用戶體驗(yàn)流程圖繪制

主要包括兩個(gè)階段:體驗(yàn)流程梳理和用戶反饋分析。以XX的線上店鋪舉例說(shuō)明:

1. 用戶體驗(yàn)流程梳理

基于XX的淘寶店鋪售賣情況,初步梳理用戶下單主流程圖,包括每個(gè)主要環(huán)節(jié)下所涉及的功能點(diǎn),作為體驗(yàn)地圖的初步框架參考。

2. 用戶反饋分析

此階段主要分為4個(gè)部分:資料搜集、分析、分類和提煉總結(jié),詳細(xì)步驟如下圖。

改善用戶推薦(NPS)的MNA方法論

依據(jù)以上流程,我們梳理出了5個(gè)體驗(yàn)階段、19個(gè)體驗(yàn)環(huán)節(jié)。

改善用戶推薦(NPS)的MNA方法論

以“產(chǎn)品使用”為例,總反饋條數(shù)1707條。

問(wèn)題分類,主要問(wèn)題是:印刷的顏色、清晰度以及裁剪不符合要求(130條),印刷品材質(zhì)不符(74條),印刷品味道較大(8條),其余1495條為主觀好評(píng)。

第二步:?jiǎn)柧碚{(diào)研

依據(jù)第一步用戶體驗(yàn)流程圖的結(jié)果,篩選出用戶可以接觸較多的體驗(yàn)環(huán)節(jié),并拆分為一級(jí)、二級(jí)體驗(yàn)環(huán)節(jié),詳細(xì)如下:

改善用戶推薦(NPS)的MNA方法論

整個(gè)NPS的問(wèn)卷邏輯主要分為三部分,用戶推薦(NPS)評(píng)分問(wèn)題、評(píng)分原因(到一級(jí)體驗(yàn)維度)、評(píng)分原因繼續(xù)挖掘(針對(duì)一級(jí)體驗(yàn)維度細(xì)化到二級(jí)維度)。

以XX的【AAAA】為例:用戶推薦(NPS)評(píng)分問(wèn)題。

Q1. 根據(jù)您在【AAAA】的購(gòu)物體驗(yàn),您有多大可能將【AAAA】推薦給您熟悉的采購(gòu)人員?(0-10分評(píng)分,0分絕對(duì)不會(huì)推薦,10分肯定會(huì)推薦)【單選題】

一級(jí)體驗(yàn)維度:

Q2 – 1. (針對(duì)Q1選擇了9-10分的用戶,循環(huán)顯示選項(xiàng))請(qǐng)問(wèn)您愿意推薦【AAAA】的原因是?(多選。1-7項(xiàng))

Q2 – 2. (針對(duì)Q1選擇了0-8分的用戶,循環(huán)顯示選項(xiàng))請(qǐng)問(wèn)您認(rèn)為【AAAA】在哪些方面做出改善,您會(huì)更愿意推薦?(多選。1-7項(xiàng))

二級(jí)體驗(yàn)維度:

針對(duì)Q2選到的選項(xiàng)進(jìn)行提問(wèn),以“產(chǎn)品質(zhì)量”為例。

Q3 – 1. (針對(duì)Q2-1選擇產(chǎn)品質(zhì)量,循環(huán)顯示選項(xiàng))您覺(jué)得“產(chǎn)品質(zhì)量”在哪些方面做的好?多選

Q3 – 2. (針對(duì)Q2-2選擇產(chǎn)品質(zhì)量,循環(huán)顯示選項(xiàng))您覺(jué)得“產(chǎn)品質(zhì)量”在哪些方面需要改善?多選

第三步:分析子NPS和關(guān)注度

對(duì)于回收來(lái)的數(shù)據(jù),經(jīng)過(guò)清洗、甄選合格數(shù)據(jù)后,分析每個(gè)體驗(yàn)環(huán)節(jié)的子NPS和關(guān)注度。

1. 子項(xiàng)NPS

計(jì)算方法是:

子項(xiàng)NPS=子項(xiàng)的推薦者占比-子項(xiàng)的貶損者占比

背后原理:對(duì)于每一個(gè)NPS子項(xiàng)問(wèn)題來(lái)說(shuō),關(guān)注它的用戶中推薦者和貶損者人數(shù)占比的差異,即子項(xiàng)NPS本身也是這個(gè)子項(xiàng)問(wèn)題在用戶心中推薦程度最直接的體現(xiàn)。

2. 子項(xiàng)關(guān)注度

計(jì)算方法是:

子項(xiàng)關(guān)注度=選擇NPS子項(xiàng)問(wèn)題的用戶數(shù)/參加NPS問(wèn)卷調(diào)研的總用戶數(shù)

背后原理:首先,我們認(rèn)為,在NPS問(wèn)卷中用戶對(duì)0-10分完成選擇后,進(jìn)入到具體的推薦貶損原因子項(xiàng)時(shí),做出任何一個(gè)子項(xiàng)的選擇,都代表對(duì)此類問(wèn)題的關(guān)注,也一定程度上體現(xiàn)了此類問(wèn)題在用戶心中的重要性。因此,我們通過(guò)選擇某一NPS子項(xiàng)問(wèn)題的用戶數(shù)占所有參加NPS問(wèn)卷調(diào)研的用戶數(shù)的比例來(lái)定義關(guān)注度這個(gè)指標(biāo),衡量NPS子項(xiàng)問(wèn)題的重要性。

3. 得到分析數(shù)據(jù)

依據(jù)前兩步,得到一級(jí)、二級(jí)體驗(yàn)環(huán)節(jié)的分析數(shù)據(jù),以一級(jí)體驗(yàn)環(huán)節(jié)為例,展示分析數(shù)據(jù)。

第四步:通過(guò)“NPS(用戶推薦)影響因素及改善模型”找到具體改進(jìn)點(diǎn)

NPS(用戶推薦)影響因素及改善模型的原理是:根據(jù)第三步得到的子NPS和子關(guān)注度,以關(guān)注度作為橫坐標(biāo),子NPS作為縱坐標(biāo),將所有的體驗(yàn)環(huán)節(jié)劃分為四大區(qū)域。方便我們進(jìn)一步分析,找到關(guān)鍵需要改進(jìn)的方向和指標(biāo)。 其中象限內(nèi)的橫線是關(guān)注度均值,縱線是子NPS均值。

階段1

針對(duì)一級(jí)體驗(yàn)環(huán)節(jié)搭建改善模型,找到需要改善的一級(jí)體驗(yàn)?zāi)K,分析結(jié)果顯示產(chǎn)品質(zhì)量的用戶關(guān)注度高于平均值(33%),但推薦意愿低于平均值(62%),是下一步的工作重點(diǎn):

改善用戶推薦(NPS)的MNA方法論

  • 穩(wěn)定保持區(qū):NPS和關(guān)注度均在平均水平以上,繼續(xù)穩(wěn)定保持即可
  • 錦上添花區(qū):用戶推薦水平在均值以上,但關(guān)注度較低,可以不斷持續(xù)優(yōu)化
  • 亟須改善區(qū):是驅(qū)動(dòng)用戶提升推薦意愿最有潛力的方面,但目前推薦意愿較低,亟須改善
  • 長(zhǎng)期關(guān)注區(qū):用戶推薦意愿和關(guān)注度均不高,仍需要長(zhǎng)期關(guān)注

階段2

針對(duì)落到“亟待改善”區(qū)的一級(jí)體驗(yàn)環(huán)節(jié),進(jìn)行其二級(jí)體驗(yàn)環(huán)節(jié)的改善模型分析。對(duì)一級(jí)體驗(yàn)環(huán)節(jié)“產(chǎn)品質(zhì)量”通過(guò)NPS(用戶推薦)影響因素及改善模型,進(jìn)行再次分析。

分析結(jié)果發(fā)現(xiàn):提高產(chǎn)品的清晰度并減少色差是增進(jìn)用戶對(duì)“產(chǎn)品質(zhì)量”推薦意愿的主要手段;產(chǎn)品清晰度及色差的關(guān)注度均為24%,但推薦意愿(分別為68%及65%)均顯著低于產(chǎn)品模塊的NPS均值。

改善用戶推薦(NPS)的MNA方法論

 

 

微信公眾號(hào):用戶在左 體驗(yàn)在右,主要分享用戶體驗(yàn)、市場(chǎng)調(diào)研、數(shù)據(jù)分析等個(gè)人心得。

本文由@用戶在左 體驗(yàn)在右 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)作者許可,禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash,基于CC0協(xié)議。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 很不錯(cuò)呢,感謝

    回復(fù)
    1. 歡迎關(guān)注公眾號(hào),查閱更多文章~~

      來(lái)自山東 回復(fù)