产品运营的绩效考核(从《启示录》出发，聊聊产品绩效考核指标NPS的使用)

（通常产品经理考核标准总是那样的“虚”——产品完成度/工作质量/交付质量打分等，其实就是leader主观评价）《启示录》此书中作者观点：产品的表现就是产品经理的绩效，而产品表现根据NPS（用户净推荐值）来衡量。

从《启示录》出发，聊聊产品绩效考核指标NPS的使用

文章围绕产品绩效考核指标NPS展开简要介绍和分析，并对其运营方法进行了总结，希望通过此文能够加深你对NPS的认识。

昨日review完《启示录：打造用户喜爱的产品》，引发我的深度思考，产品经理绩效是什么？以及如何衡量你做的产品成败？（通常产品经理考核标准总是那样的“虚”——产品完成度/工作质量/交付质量打分等，其实就是leader主观评价）

《启示录》此书中作者观点：产品的表现就是产品经理的绩效，而产品表现根据NPS（用户净推荐值）来衡量。即，NPS值高->产品好->产品经理好。

抛开此方法是否适用于我国暂且不议（我国产品经理通常负责不了一个完整的产品，而是“产品块”经理，米国相对而言就是一个萝卜一个坑），先聊聊NPS到底是什么和怎么用，无论是否直接与产品经理绩效挂钩，至少它与产品绩效挂钩。

NPS：net promoter score. 其中Promoter为支持者的意思。

其最早由Fred Reichheld在2003年《哈佛商业评论》中提出，例如一家公司想要了解客户是否满意，那么可以在问卷中设置NPS题型。

“你有多大可能把我们（或这个产品/服务/品牌等等）推荐给朋友或同事？请从0-10分打分”

它原理如下：9-10分为推荐者；7-8分为中立分子；0-6分为贬损者。

净推荐值(NPS)=(推荐者数/总样本数)×100%-(贬损者数/总样本数)×100%。

譬如一个网站调研了10个用户，9-10分，1人；7-8分，3人；0-6分，6人。

那么此网站的NPS=（1/10）×100%-（6/10）×100%=-50%

God..多么可怕的数字，但目前绝大多数半死不活的网站或应用NPS应该都如此。

做网站或者应用服务，本质上也是“服务”。PV/注册量/DAU等指标，只能量化出来局部，很难量化用户对于整体服务的满意度。（就好比决定你去一家餐厅吃饭，最后调研问整体评价打分，而不是上菜速度/菜量/单个菜品评分）。

NPS的核心就是衡量忠诚度的，调研用户是否愿意将这个产品推荐给其他人，以此体现用户是否对你的产品真正满意。

（当然，这里边包含了一个逻辑前提：你觉得产品好=你会推荐给别人，但是现实世界很多东西并不便与人分享，如私密社交、两性社区、P2P等。所以私密社交、特殊类别社区、特殊工具产品、P2P更应该以DAU/交易数/CSAT来衡量。）

如今国内外的各大厂都纷纷在将NPS作为一个重要的指标引入工作环境中，包括十几年前就开始的苹果和微软，以及逐渐开始重视NPS的阿里巴巴、滴滴、京东等。

个人认为，阿里京东等重视NPS：因NPS也是支持裂变、广告投放、运营的基石。如果NPS低，那么做运营及推广动作拉新效果也不显著，也留不住用户。NPS是一个能够反应公司良心利润和持续增长力的指标。

举例，苹果零售店从2007年开始测量NPS值，当时他有163家，平均门店的NPS值是58%，如今这个数量已经增加到320家，nps也升至70%。最好门店甚至达到了90%以上。简单来说，NPS可以直接反应公司的进步，与业绩呈正相关。

NPS前身为客户满意度(Consumer Satisfaction)，也叫客户满意指数，缩写CSAT。是对服务性行业的顾客满意度调查系统的简称，是一个相对的概念，是客户期望值与客户体验的匹配程度。现在我们手机听到的客服打分、App Store的五星评分，还都是基于CSAT。

NPS由CSAT演化而来，比CSAT粒度更细，不仅衡量满意，并且用于预测未来走势（如裂变），与业绩更相关。

我个人职业生涯运用NPS的经验并不多，可以用“屈指可数”形容。

（究其原因，大概入行后皆是成熟型企业，大多由专人对接反馈。）

唯一一次我参与的NPS调研，还是自己当家做主后，对自有产品——法拍房及房知道进行问卷调研。问卷星现在还留着当时的量表。依稀记得，房知道NPS-20%，法拍房NPS50%；也就是说10个人里边有2个骂房知道的，10个人里边有5个夸法拍房的，拿到量表结果后我满脑子都是“惊不惊喜意不意外”…

（逻辑上也能理解，房知道毕竟既不是高频也不是刚需，产品很鸡肋。法拍房相对而言就比较“刚”，比较有用。）

下边说一下，业内资深用研数据人士怎么用NPS的（素材from数易创研）：

（1）多维度

NPS建模包含的关键变量分为四个维度：

背景信息：用户过往的使用经历

体验与预期的匹配度：用户对品牌的预期、与对产品本身的使用体验匹配度如何

口碑感知：可理解为外部社交环境对用户的影响

售后体验：有可能发生的售后行为，可理解为潜在风险因素

（2）问为什么

去问用户是否对你的产品满意，不如直接问他是否愿意把这个产品推荐给朋友，能根据这个答案来预测用户未来的行为。

并且等他回答完愿意与否之后，还必须追问一个为什么：“您认为我们的公司（or产品）还需要做哪些改进？”，基于这个问题进一步收集用户的意见进行分析。

（3）分类

问卷结束之后，根据顾客的分值选择，将他们分成三类：

推荐者（Promoter）：选择9-10分的顾客为推荐型顾客，是具有狂热忠诚度的人，他们会继续购买并引见给其他人。中立者（Passives）：选择7-8分的顾客为中立满意型顾客，他们习惯了和你的公司打交道，也还满意，但是没有热情推荐，甚至很容易被竞争对手吸引走，总体满意但并不狂热，将会考虑其他竞争对手的产品。贬低者（Detractors）：选择0-6分的顾客为贬低型顾客，使用并不满意或者对你的公司没有忠诚度。他们和你的公司关系很一般甚至很差，80%的公司坏口碑来自他们。

NPS计算公式的逻辑是推荐者会继续购买并且推荐给其他人来加速你的成长，而批评者则能破坏你的名声，并让你在负面的口碑中阻止成长。

我们拿电商举例子，在深圳消委会发布的电商NPS报告里，总体推荐情况：前十名品牌分为：天猫、京东、苏宁易购、唯品会、淘宝、蜜芽、国美在线、网易考拉、亚马逊、网易严选；

（一脸懵逼，网易严选NPS总分这么低…）

产品真实性推荐率排名：排名前三的是网易严选、网易考拉、京东；

此外，电商平台使用的便捷性也是大部分人选择电商平台的主要考量因素之一。在这项评比中，淘宝、网易严选、网易考拉分别获得72.7%、72.5%、68.9%的推荐率。

大家想关心自己公司在市场中的NPS状况，可以搜索“深圳消委会电商NPS报告”、与“中国顾客推荐度指数(简称C-NPS)”查看。

（God，房产中介行业的NPS最高是我的前东家——Century21.）

经过调研之后，我们得到了数据，以及对这些数据有了一个初步的分类，总共分成：推荐者、中立者、贬低者。通过这个，我们能得到产品的净推荐值。我们得到了一个非常粗颗粒度的数据。

接下来，我们就可以进一步拆分数据，于是我们可以再次的细分客户类别，把以前的“推荐型客户”、“中立型客户”、“贬低型客户”再次分为：

A：推荐型用户（高忠诚度）

A1正推荐—产生利润的用户

A2负推荐—不产生利润的用户

B：中立用户（中忠诚度）

B1正中立—产生利润的用户

B2负中立—不产生利润的用户

C：贬低用户（低忠诚度）

C1正贬低—产生利润的用户

C2负贬低—不产生利润的用户

接下来，会进行一个相详细的用户分析，来确定用户画像和针对策略。当然此时说的产生利润，p.s.我认为应以“是否付费”来衡量，而不是按照净利润衡量。

A：正面贡献值（推荐型客户）

这些用户是我们最重要的用户，正推荐的用户被称为“超级用户”，是利润的重要来源。

选择了“正推荐”的这部分用户是最需要被重视的用户。他们虽然可能只是20%的人，但往往贡献了80%的利润（2/8原则），对于这部分用户，所要做的就是维持用户的满意度，留住他们。在这方面需要向航空公司和酒店业学习，他们建立了非常完善的积分会员制度来维系一个忠实会员。（因为疫情原因，我有一个季度没用滴滴打车，滴滴就做了专门的回访和优惠券赠予。在滴滴的用户画像库内，我应该也是A1用户。）

对于“负推荐”这部分的客户而言，我们所需要做的是提高渗透率，优化产品，了解用户为什么不想购买产品，然后说服用户购买你更多的产品，为你提供更多的利润。最重要的是，把他们转换成“正推荐”的客户。

B：波动贡献值（中立满意型客户）

这些用户是我们可以挖掘和发展的群体，这部分用户具有最大的潜力。

提高“正中立”用户的忠诚度是优先级最高的。针对他们的需求优化你的产品，找到真正能让他们感动的服务和产品点，打动他们，把他们转化成你的铁杆粉丝。

而对于“负中立”客户，建议放弃，或者把资源的投放的优先度等级降低，理由和“负贬低”客户一样。

C：负贡献值（贬低型客户）

相比较于推荐型用户，第二重要的群体是“贬低型”的用户。

因为这部分用户的口碑很差，大幅度提升了公司的产品运营成本，同时也让其他的用户不想来买你的产品。

对于“正贬低”的用户，表面上看，你好像是从他身上得到利润了，但其实这是得不偿失的，因为这部分的用户对你产品和服务在不停的贬低，消耗掉你巨大的营销资源，并且增加你获取新用户的成本，总体看来，虽然表面上看你赚到了钱，长远来看，其实是非常吃亏的。

那应该怎么办？我建议最好的办法就是沟通，真诚的与用户进行沟通，找到用户的痛点进行优化，解决问题，努力将这部分用户转化成对你更有利的用户。但是如果用户的要求超过了你的解决能力，那么建议战略性放弃，将资源投入更有价值的用户上。

对于“负贬低”用户，毫不犹豫的放弃。当然，如果一款产品都是此类用户，那么趁早不运营该产品，及时止损。

通过以上的分析，你了解到了这个用户的态度和行为，以及这个用户是否是你应该继续发展的用户，净推荐值可以帮助企业找到工作中的缺陷存在，举例来说，如果你赚到了一笔生意，但是给你钱的客户是个贬损者，付完钱他就开始对你进行负面传播，那么实际上你可以说没有收益。对于公司也是一样，如果付费的用户都是贬损者，那么我认为这些用户产生的利润为负。（由此可见为和链家能够在中介行业一枝独秀，就是因为其A1客户占比大。房产交易属于低频高消，“坑蒙拐骗”事情很多，C1客户占比很大。）

作者：金奇隽

案例：NPS预测离网率净推荐值是一个评估监控的结果，可以追踪用户的忠诚度变化情况。研究发现，净推荐值和用户离网率相关。它揭示了网络性能是用户对移动运营商忠诚度的主要驱动力。爱立信对消费者的信息进行收集分析、建模，针对北美某运营商2012年的调查结果进行了仿真，结果显示，如果该运营商客户的平均网速能提高5%，其用户的净推荐值将从-4变成+5。

如下图所示，用户满意度的提高为运营商带来三方面的积极影响：一是可以延长用户的在网时间；第二，推荐者的增加，通过口碑传播，为运营商带来更多的新用户；第三，贬低者的减少，降低了离网率和签证离网率，单个客户的价值增加15%。

将0-6分之间的用户定义为“贬损者”的计分方式不合理

在Fred Reichheld对NPS的用户分类中，选择0-6分之间的用户被定义为“贬损者”，但在Larry Freed看来：推荐意愿并不能衡量负面口碑，即：不推荐≠贬损，NPS的计分方式把不推荐都视为贬损（流失，阻止他人使用等），而真正采取贬损行为的人未必有那么多。这样的计分会造成贬损用户的占比被夸大。

【对策】为了解决这个问题，Larry Freed提出了WOMI(口碑指数)的概念和计算方法。在NPS的基础上额外增加一道题目来衡量用户的负面评价：贬损意愿，即

第一步：使用标准的NPS问题：你在多大程度上愿意推荐【公司/产品名】给你的朋友/同事？获得推荐者的占比；

第二步：补充个问题：你有多大可能劝阻他人与这家企业发生业务往来？

获得“坚定的贬损者”的占比（即选择10分或9分的用户占比）

WOMI=9或10分的推荐百分比—9或10分的贬损百分比

综上，NPS是产品经理工作重要指标（甚至是产品上线后的核心指标），产品经理关注表面数据的同时，要多多关注NPS（现如今行业对于NPS关注度严重不足）。虽然，任何数据模型都会有它应用的领域和局限，但不失为一个可量化的抓手，但愿NPS在行业内普及后，能够推动把各类“数字建筑”优化一波。

我亦写此文自勉。

http://discovery.shujushuo.net/?p=2168https://baijiahao.baidu.com/s?id=1655669194476125701&wfr=spider&for=pchttps://www.zhihu.com/question/20230375/answer/59767768http://www.woshipm.com/pmd/586143.html

作者：老卢；微信号：cofflover_shan；公众号：老卢产品私房话

本文由 @老卢 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议