如何利用NPS为品牌打造出更多忠诚客户?

为什么客户更喜欢可口可乐而不是百事可乐？

为什么某个产品出了丑闻，依然有很多忠实用户拥护？

为什么我的产品用的人很多，客户满意度却很低，究竟是哪个环节出了问题？

要想解答以上问题，就不得不提到本文的重点——NPS净推荐值。

一、什么是NPS净推荐值？

NPS，即净推荐值，亦称口碑，是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。

通常来说，NPS值越高，产品或品牌的口碑越好，其客户的忠诚度也会越高。

NPS概念最早由贝恩咨询公司客户忠诚度业务的创始人弗雷德里克·雷赫德在“你需要致力于一个增长德一个数字”一文中提出，后来被苹果微软等大厂作为重要指标引入工作环境中。

NPS计算公式：（推荐者数/总样本数）*100%-（贬损者数/总样本数）*100%

例如：10个人中，有7个人愿意向朋友推荐，2个人不愿意推荐，那么NPS得分为50% NPS有可能是负数，可以理解为贬损者是在投反对票。如果反对票多于推荐票，那么得分就是负分NPS特别的“敏感”，从而让体验不好的用户更容易被重视。

口碑好的公司NPS可能是60%，口碑不好的公司，NPS可能是-20%。

所以相比满意度，NPS评分不会太过于集中，每个用户的评分和感受和很重要。

NPS的核心逻辑是根据愿意推荐的程度让客户在 0~10 之间来打分，然后根据得分情况来建立客户忠诚度的 3 个范畴，分别为：

推荐者（ 得分在 9~10 之间）：是具有狂热忠诚度的人，他们会继续购买并引见给其他人；

被动者（ 得分在 7~8 之间）：总体满意但并不狂热，将会考虑其他竞争对手的产品；

贬损者（ 得分在 0~6 之间）：使用并不满意或者对你的公司没有忠诚度。

二、选错NPS，可能会做无用功

NPS作为一个被企业所依赖的体验管理指标，在大环境的影响下越来越受欢迎。很多企业想要通过NPS净推荐值分析当前业务满意度情况，但常常无从下手，或者明明NPS的值很高，满意度却依然在下降。

出现这个情况，很可能是你在评测的时候选错了NPS类型。

NPS可细化为关系型、场景型、交易型，不同类型的NPS，有不一样的使用场景。

关系型 NPS

指的是在客户关系整个生命周期中，客户对于某个公司/品牌的整体认知状况

场景型 NPS

用于捕捉客户努力完成目标时的体验，可能使用多个交互渠道或设备

交易型NPS

反映了客户在关键节点上的体验，如使用设备执行特定任务时的感受

什么时候用关系型NPS呢？

关系型NPS，即Relationship NPS，通常不考虑具体的使用场景，而是根据过往对该产品/品牌的整个使用体验、你对产品/品牌的定位、实际感受，以及产品/品牌的竞品、外宣新闻来判断。

关系型NPS重粘性，侧重长期体验。因此，常常是选择一个固定的时间周期，定期对用户询问是否愿意推荐该产品或品牌。

什么时候用交易型NPS呢？

交易型NPS，即Transactional NPS，衡量的是你在某一次服务中的体验感受，通常而言，如果你这次接受服务的体验很好，那么你的推荐意愿就会很高。

交易型NPS受到环境影响大，重服务，更关注短期体验。因此，常常在用户结束产品服务的时候发起调研。

三、影响 NPS 基准的因素

影响NPS的主要因素有很多，主要因素可分为外部环境因素、产品因素以及客户自身因素。

外部环境因素

外部环境因素常见的有行业竞争。在竞争激烈的行业，客户对产品出错的容忍度较低。除此之外，不可抗力的客观因素。比如， Qualtrics 研究表明，疫情期间，航空、旅游等受影响的行业， NPS 基准分数降幅最大，NPS 得分最低。

产品因素

产品的设计是否能符合顾客期望，性能是否能满足顾客需求，外形是否能符合顾客的审美观，产品的使用是否能满足顾客的习惯等以及使用过程中的体验与感受等，以及产品的售后服务等等。

客户自身因素

客户自身因素常见的有客户容忍度，不同性别、年龄、人群、职业对同一产品或服务的容忍度不同，容忍度低的人群NPS净推荐值自然会低。另外客户需要付出的成本也会影响NPS分值。比如，月薪1w的人群愿意接受500元购买某个产品，但月薪5千的人绝对产品售价贵，因此给出的NPS分值可能会低。

四、NPS是如何帮助企业提升用户体验？

NPS作为衡量客户满意度和忠诚度的常用指标，其目的在于量化客户的消费感受，并外化为“向他人推荐产品的意愿程度”，在此基础上，企业通过分析和整改，最后达到提升品牌忠诚度等长远目标。

从管理目标来看，NPS是调研用户是否愿意将产品推荐给其他人，以此体现客户是否对产品真正满意，对于了解客户的购买意愿、推荐意愿等更有帮助。

从管理成效上看，NPS着重了解客户对公司、产品或服务的整体感受，对于辅助实现公司增长这一管理目标息息相关。

这就要求企业具备一定的调研、分析、赋能能力。

调研能力：不仅要求企业设计问卷的能力，还要有问卷投放及数据监测等要求。

分析能力：获取客户体验数据后 ，整理数据、分析数据，以便实现价值最大化的能力，这一步也是考验企业的数据分析能力，也是最难的一步。

赋能能力：依据数据分析所作出的结果，研判客户忠诚度、客户消费趋势、推荐意愿等，从而为下一步运营生产提供决策依据。

五、NPS问卷如何设计？

NPS问卷设计的搭建主要包括四个部分：

第一步，了解客户的背景

第二步，了解客户的推荐行为意愿

第三步，了解影响客户推荐意愿的因素

第四步，了解客户推荐意愿打分背后的原因

六、NPS净推荐值如何分析？

下面通过一个案例数据来给大家看下，如何通过「NPS净推荐值分析」，快速了解客户满意度和忠诚度

案例分享

某款游戏市场推广一段时间后，需要了解客户将会向他人推荐某款游戏的可能性。

问卷设计

提问客户向朋友推荐游戏的可能性有多大，打分制，1-10分。

注意NPS算法的打分范围在0-10之间。

数据分析

计算NPS得分，开始分析

分析结果

通过分析结果得出，打分0-6分的贬损者占比26%，打分7-8的被动者占比36%，打分9-10的推荐者占比38%。

因此，客户将会向他人推荐某款游戏的可能性为推荐者占比38%-贬损者占比26%=12%。

总结

标准的NPS计算分值只是一个经验公式，并不意味着 6 份以下就一定是贬损者。NPS指标计算的意义在于，将客户准确分类以便进一步细化运营决策。

如果企业有比较完备的顾客行为数据，最好的方式是把客户的行为作测试，寻找最适合自己顾客行为的NPS计算分制。