產品經理應該如何充分利用“NPS”提高用戶忠誠度?

3 評論 12299 瀏覽 56 收藏 14 分鐘

NPS 對于產品經歷來說是一個非常有用的工具,它可以指導公司留住用戶并激勵用戶將產品推薦給他人,如何最大程度發揮它的作用是身為產品經理需要思考的事情。

凈推薦值(NPS)是衡量用戶滿意度最有用的工具之一。很多公司用 NPS 做決策,因為它能指導公司留住用戶并激勵用戶將產品推薦給他人。

NPS 的核心是衡量用戶滿意度并收集用戶反饋。NPS 調研問卷會調查用戶有多大的可能將一個品牌,一份產品或者一項服務推薦給其他人。

基于反饋,我們可以把用戶分為以下三類:

產品|產品經理應該如何充分利用“NPS”

  1. 貶損者(0-6分):對產品不滿意。他們更可能在社交媒體上散布消極評論,損害他人對產品的看法。
  2. 被動者(7-8分):對產品持中立態度。他們不討厭產品,也不會迫不及待地推薦產品給其他人。這些用戶最容易轉向競爭對手。
  3. 推薦者(9-10分):是最理想的用戶。他們對產品十分忠誠,并且愿意向朋友和家人介紹你的產品。

除了 NPS 得分,NPS 調研還會詢問用戶對產品看法的由來。企業一分析原因就能知道未來的重心應該在哪??赡苁怯脩艚缑嬗袉栴},或者是流程不合理等等。

NPS 有以下優點:

  • 提供定量和定性的反饋;
  • 人們更愿意回答問題少的調研;
  • 總分易于計算。

NPS = 貶損者百分比-推薦者百分比。最終得分在-100 ~ +100。NPS 反映用戶滿意度。理想分數為 +50 分。

然而,不是所有人都使用 NPS 做商業決策。

產品|產品經理應該如何充分利用“NPS”

當然,要想了解用戶,NPS 不是唯一的方法。NPS 只做了基本運算,所以有些人擔心他們得不出有價值且能指導實踐的啟發。

NPS 無法反映用戶未來的行動,所以就無法對產品增長做出貢獻。有評論指出,NPS 沒有考慮用戶目前的行動,而是考慮用戶未來的行動,而這個行動可能發生也可能不發生。

生活是千變萬化的,所以沒有一條定律適合所有的情況。從另一種角度想,NPS 并非無用。

CXL 前市場官 Alex Birkett 給出這樣的解釋:

如果你僅憑自己得到了一個數據就覺得自己很了解用戶,這個想法是很危險的,因為你沒有真正意識到不同用戶與公司的互動之間有多微妙的區別。

盡管很多人不使用 NPS,但在一些情況下,NPS 依然是很有用的。通過 NPS 了解用戶群并基于用戶反饋找到一個和用戶互動的方法比單單使用 NPS 制定一個用戶方案更有效。讓我們來看一看具體做法。

何時該用 NPS,何時不該用?

NPS 十分有用,但它不是決策的通用方法,因此我們有必要搞清楚什么時候可以用 NPS。

何時不該用?

如果你確切地知道有多少人喜歡你的產品,有多少人不喜歡,就無需使用 NPS。很多 NPS 工具將用戶反饋整合到一起,因此它無法替你對用戶分層。

特別是當同一群用戶得出的 NPS 結果不同的時候,情況就會非常復雜。如果不知道數據背后的真正驅動因素,你最后得到的將只是一串數據而已。

今天用戶得分可能是 9 或 10,明天可能就變成了 5 或 6。一個訂閱者,每月消費不變,NPS 得分可能改變。所以 NPS 得分和用戶購買行為沒有直接關系。

如果兩者不相關,我們就不能說 NPS 反映用戶忠誠度。另外,如果你沒有一群特定的忠實用戶或者忠實用戶不夠多,也不要用 NPS。

在這種情況下,得到的結果沒有什么意義?;诖私Y果做出的決策也有可能損壞產品形象。

何時應該使用?

收集完大量用戶數據,包括偏好、位置、消費習慣等,按照有利于你的方法對用戶分類。如果按消費習慣分類用戶,就能用 NPS 定位目標用戶群。

使用這個方式,你不用重復地問同一群人同樣的問題,而是將調研錯開來,分開分析每一個用戶群。

對于經常購買或者有更多訂閱包的用戶,你可以在他們使用 App 的時候發起內部調研。

產品|產品經理應該如何充分利用“NPS”

這樣,用戶更有可能回答你的問題,并提供真實且有深度的反饋。

當然,你不妨一次對一個特定的用戶群發起調研,比如說,當用戶登錄后,你可以先確認用戶類別,然后發起調研。在研究用戶的過程中,從用戶引導到用戶激勵到用戶留存,NPS 都可以幫到你。

用戶引導

用戶引導是使產品成功的很重要的一部分,它決定了用戶的去留。率先引導用戶,能大大提升用戶留存率。你可以借助 NPS 將用戶分為兩類,取消升級的用戶和確認升級并對轉化率做貢獻的用戶。

用戶試用期結束后,及時發起調研,詢問即將流失的顧客對產品的感受?;谟脩舴答?,你可以對產品進行改進。

以下是 Mention (注:一個社交媒體和網絡監控工具)如何解決這類情況并提高轉化率的例子。

在試用期結束之后,Mention 發現他們對于“是什么東西使某些用戶留下來,某些用戶離開”沒有明確的概念。在試用期即將過期的時候,他們用 NPS 收集了定量的用戶反饋。

通過這種方式,Mention 得到了啟發,并應用于實踐。Mention 的目標不是看用戶打了多少分,而是想用 NPS 減少用戶流失率,提高收入。

產品|產品經理應該如何充分利用“NPS”

這個方法對 Mention 來說很奏效。他們一得到調研結果,就把用戶分為推薦者,被動者,和貶損者。用 NPS 對用戶進行分類很有用,它使 Mention 對不同的用戶群采取了不同的措施,并發送相關郵件。

  • 推薦者升級付費包將獲得折扣。
  • 被動者試用期免費續期。
  • 貶損者收到一份感謝郵件。

產品|產品經理應該如何充分利用“NPS”

對于 Mention,保留用戶最好的方法是給被動者和推薦者提供特殊價值。被動者更愿意再多花一點點錢買一項完整的服務,而推薦者更容易轉化為忠實用戶持續購買你的產品。

在 Mention 的例子中,NPS 是有用的,因為 Mention 知道定位哪些用戶以及提供給用戶什么價值。最終用戶將得到一次有意義的體驗,而且很可能會承認這個產品對他們意義非凡。

這些用戶本可以離開,但是 Mention 小小的努力留住了他們,并且他們會繼續購買產品。由此 Mention 達到了收入增長的目的。

激勵

在研究用戶過程中,激勵用戶是第二大要事。這是你確保用戶體驗達到最好的最佳機會。激勵影響業績的潛在增長,因為用戶越快地理解產品并喜歡產品提供的服務,他們作為忠實用戶的時間就越長。

NPS 有助于有效激勵用戶。當你比較 NPS 調研結果和用戶在產品上的真實表現,你就會發現推薦者和貶損者的界限。

Sachin Rekhi,一位產品運營官,設計了一項實驗并發現用戶的某些行為和 NPS 結果(登錄,搜索,頁面等等)是相關的。他還發現,特定的產品運營方法和更高的 NPS 之間有很強的相關性。

我們得到的啟發是:當你發現什么時候用戶第一次感受到了產品承諾的價值,你就知道什么時候應該激勵用戶了。所以與其把重心放在貶損者身上,努力把他們轉化成推薦者,不如引導推薦者領會產品價值。

你可以先看看用戶能對產品采取的所有行動,比如升級內容,將產品加入聯系列表,撰寫評論,再比較這些行為是否和 NPS 結果保持一致。

比較兩個用戶,一個在剛使用產品的幾天內就升級了內容,另一個什么也不做。給兩個人都發一份 NPS 問卷,來看看是不是升級了內容的那個用戶分數更高。

如果更高,給更多的用戶發送 NPS 問卷。如果那些升級了內容的用戶都得到了更高的 NPS 分數,你就會發現兩者的相關性?,F在,重點就是確保升級內容的用戶盡可能多。

留存

為了留住用戶,我們得根據用戶反饋和用戶進行互動。這里我們關注的不是 NPS 得分,而是 NPS 問卷之后和用戶的對話。NPS 得分只是對話的上一步。SatisMeter 的合伙人 Ondrej Sedlacek 解釋道:

NPS 不是分數,而是傾聽用戶,幫助用戶解決問題。人們往往會忽略在得到用戶反饋后就馬上采取改進措施。其實你可以重新為不滿意的用戶提供一個解決方案,解決他們的困擾,進而有效減少流失率。

即使 NPS 問卷只需要幾秒鐘完成,還是有必要花時間告訴用戶,他們的貢獻對你來說很有價值,并且他們的反饋能讓這個產品變得更好。如果你面臨著嚴重的問題,獲得反饋就尤其重要。傾聽用戶的聲音可以幫助你改善用戶關系,并提高留存率。

獲得反饋后,你要列出解決每個用戶群困擾的相應措施。舉個例子,對于貶損者,你可以引導他們提供更多關于用戶體驗的信息。這個方法有三大好處,你可以:

  • 抓住用戶痛點;
  • 了解用戶如何使用產品。如果用戶使用產品的方法和預期不一致,可以適當提供些建議;
  • 了解用戶喜歡產品的的哪些方面,以及未來想看到什么內容。

我們的目標不僅是要用定量數據改進產品,提高留存率,還要滿足每個 NPS 用戶群的需求。

充分利用 NPS

NPS 是一個非常有用的工具,只要你明白什么時候用可以最大程度發揮它的作用。

如此一來,你拿到的信息不僅有意義,還能帶來啟發。最后再次強調,不應只關注運算得到的 NPS 得分,而更應該關注如何用獲取的信息滿足每一個用戶的需求。

 

原作者:Justin Fyles

原文鏈接:https://www.appcues.com/blog/nps-score

作者:「即能小程序」,公眾號:「即能學習」

本文由 @即能 原創發布于人人都是產品經理,未經許可,禁止轉載

題圖來自?Unsplash,基于 CC0 協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 計算公式 NPS = 貶損者百分比-推薦者百分比

    反過來了吧?

    來自廣東 回復
  2. 說實話,作用不大,數據不夠真實

    來自重慶 回復
  3. 那對于習慣性好評的用戶如何區分處理呢

    來自廣東 回復