NPS又叫凈推薦值，是一種顧客忠誠度分析指標，NPS這個指標在做調研的時候真的有用嗎？下面這篇文章是筆者分析關于NPS的相關內容，大家一起往下看看吧1

最早聽說NPS（凈推薦值）這個指標，是在知識付費興盛的那幾年，在彭縈的一個關于品牌的音頻課程里。在談到如何做調研的時候，老師說到：

“當有100個人瘋狂愛你的時候，一個爆品就被打造出來了?？墒侨绾味x真愛呢？在HeyJuice的第一批產品賣給我多個親朋好友之后，我開始給他們一個個打電話。沒有任何調查問卷，我只問一個問題：你有多大可能向你身邊的朋友同事推薦我們產品呢？從0-10打分”。

NPS這個指標是由一個美國人Fred Reichheld在2003年首次提出的，是一種用于衡量客戶忠誠度和滿意度的指標。在過去的20年里，NPS這個指標在全世界范圍內得到廣泛的應用，大家普遍認為這是一個簡單而又強大的方法。

“要想實現可持續、可盈利的業績增長，需要轉化更多的推薦者，減少批評者，并致力于使整個組織的NPS得分透明化?！?/p>

——Frederick Reichheld

那么現在，NPS這個指標似乎也成為了像日活、留存、GMV一樣的大家都可以理解的、可以快速達成相同認知的一個行業通識。但這是只是其一。如果你在一個行業工作足夠久的時間，就會發現很多乍看上去很合理，但實際運行起來狗屁不通的事情。

NPS這個指標真的這么簡單又可行嗎？今天我之所以帶上我喜歡的那頂黑色思考帽，來提出NPS的風險、問題和缺點，是因為在我的職業經歷中，看到了不同類型、不同時期的團隊和公司在使用NPS這個指標時遇到的各種實際問題，甚至是難以深究、難以邏輯自洽的困境。

一、你的NPS準嗎，NPS能KPI化嗎？

進行一項簡單的調研，就可以迅速得到一個數據，用來衡量一個用戶的主觀滿意度這個難以衡量的東西，這聽上去的確非常誘人。這也是NPS這個指標得到廣泛應用的原因。但這種簡單的調研方式，真的容易得到一個準確的調研結果嗎？

作為設計團隊，在我們的一次問卷調研中，插入了一個NPS問題。負責用戶研究的同學在回收數據之后，在做報告時產出了一個NPS值的結果。這個無意中得到的結果讓我感到非常驚訝，因為我們的調研結果與產品團隊的調研結果差異非常大。產品團隊的NPS調研結果比設計團隊的調研結果高十幾個百分點。類似一方調研結果是5%，另一方的調研結果是18%。

針對同一時間周期的調研，隔壁團隊給出的NPS值為啥跟我調研結果差異這么大？

出于設計師的好奇，以及對專業的一點認真，我們私下比對了兩次調研樣本量、問卷題目、回收數據和計算方式。發現都沒什么問題，樣本量都有幾百個，回收數據也都是真實的，NPS的算法也沒出錯，唯一的一點差異在于題目的一個小細節。

差異在于0-10分的選項分布的順序，一個是0分在前面，一個是10分在前面。

NPS問卷的幾種常見錯誤做法

是的，這么一點細微的不同，就會給調研結果帶來這么大的差異。而在不同公司的實際調研場景中，容易帶來調研結果偏差的細節還有很多很多。

上面這張圖列舉了NPS調研問題的幾種常見錯誤，這些細微的差異，都會對調研結果帶來很大的影響。

如果把10分的選項排在前面，那么自然得到9分和10分的概率也會增加；如果把引導的問題寫作“對產品是否滿意”這樣的話術，那就與“推薦”給他人使用的含義產生了特別大的差異，用戶在回答時的感受和調研的結果也會產生很大偏差。

那么再把這個數據用NPS的計算公式算一下，偏差就更大了。另外，問卷的表單控件形式也很重要，如果采用常規的縱向排列的單選列表來呈現，就與橫向的選擇樣式非常不一樣，也會影響調研結果。

再舉個例子，一個業務的季度復盤中談到，相比上個季度，這個季度的NPS漲了一倍多，從15%漲到30%。單從這個數據的變化，似乎可以得出這樣的結論：在過去3個月的時間里，這個產品的用戶體驗和用戶滿意度得到了很大的提升。

但你輕易敢下這樣的結論嗎？誰也不能這樣肯定。如果我告訴你，這次調研僅調研了20個用戶呢？NPS值的置信度會不會更加令人懷疑了？

NPS調研的信度水平取決于所調研的樣本量占總用戶量的比例。如果to B的產品總共就20個客戶，與C端100萬DAU的產品只調研20個相比，置信度完全不同。一般來說，要想得到的調研結果可信，那就需要盡可能提高調研樣本的整體占比。

NPS在執行層面存在一些問題，容易出現偏差，因此不適合作為團隊的KPI考核指標。如果公司將NPS納入OKR或KPI中，那么可以想象，他們可能更難獲取客觀、真實的NPS調研數據。因為只要在調研時做一些樣本傾斜，對調研問題進行微小修改，就可以直接影響結果走向。

二、誰應該負責NPS指標的監測？

我們常說，不能既當運動員，又當裁判員。但這種情況還是時有發生。

如果一家公司真的重視NPS這個指標，那么就應該由一個客觀中立的部門負責NPS的調研就報告呈現。這個客觀中立的部門不應該是設計部門、產品部門。

但現在互聯網行業對NPS指標感興趣的部門還恰恰就只是產品部門和設計部門。那個客觀中立的數據分析部門并不負責這個事情，這種主觀感受層面的調研并不是數據部門所擅長的。所以在用戶滿意度、用戶體驗度量這個問題上，就出現了這個既當運動員，又當裁判員的情況。

除了數據分析團隊，用戶研究團隊也可以實現客觀中立。然而，要考慮公司組織架構設計中用研團隊的匯報對象是誰。

這樣說不僅僅是指人性，而更重要的是公司對客戶體驗管理這件事的認知程度與重視程度。

三、只看到得分有啥用，怎么改進呢？

NPS作為一個簡易可行的滿意度調研指標，還有另外一個明顯的缺點：NPS是一個單一指標，過于籠統。

如果我們只看到一個NPS的數值，未免覺得有點空洞。比如一個產品的NPS調研數值是-25%，那大家可以直觀的感受到這是一個用戶滿意度非常差的產品，但具體差在哪兒，應該如何改進？NPS的數據無法告訴你。

所以很多人希望通過NPS打分之后的那一個附加問題來獲取更多的用戶反饋，更專業的用戶研究同學還會在NPS調研問卷中附加年齡、性別、行業等基礎問題，方便將數據收集上來之后來對調研結果進行交叉分析，形成一份系統的報告。

同時，還有一些公司認為僅僅產出一份報告還不夠，他不能形成具體的問題追蹤流程，無法持續的監控產品的用戶體驗變化，無法體現產品在具體每個環節的優劣，所以就以NPS這個總體滿意度為核心，依托于客戶旅程地圖的分析，發展出來了一套系統的滿意度指標體系。

通過這種方式，可以在服務和產品的各個體驗觸點進行布控，線上實時回收體驗問題，并可以通過可視化的監控頁面可以看到體驗問題的全局動態變化情況。如果哪個地方問題比較突出，還可以直接與內部系統打通，形成一個待辦工單。

這個方式看上去會比較有效，但非常復雜、實現成本高。所以現在也有乙方的體驗咨詢公司提供相關的服務，幫助甲方完成這個聲勢浩大的工程。

這樣的方式，仔細想想似乎很科學沒什么問題，也對。但仔細想想，似乎又有什么不對。

NPS這個指標如此受歡迎難道不是因為他的簡單可行嗎？為什么繞了一圈，最后落地的解決方案又演變的如此復雜呢？諾曼在《設計心理學2:與復雜共生》一書中提到：

特斯勒（Larry Tesler）說道，把系統的一部分變得簡單，那么剩下的部分就會變得更復雜。這個原理就是今天所謂的“特斯勒的復雜守恒定律”。

NPS這個指標看上去把一個極其復雜的問題進行了最大限度的簡化，但我們在使用這個指標時，別忘了用戶的主觀體驗與滿意度的變化問題是復雜的，它受到設計因素、性能因素、內容質量、社會因素、心理因素、個體差異、環境因素等很多問題的直接影響。