编辑导语：NPS是指通过测量用户的推荐意愿，从而了解用户之于产品或服务的忠诚态度，算是近几年用户体验领域上的当红指标。然而随着时间过去，业界中针对NPS的批评越来越多，是什么原因呢？
NPS 净推荐值最早是由贝恩顾问公司的Fred Reichheld 于 2003 年在《哈佛商业评论》文章 《The One Number You Need to Grow》首次提出NPS（Net Promoter Score），通过测量用户的推荐意愿，从而了解用户之于产品或服务的忠诚态度。
NPS的问题大家应该都见到过，「从0-10分，请问你有多大意愿推荐我们的产品或者服务给你的亲朋好友？」，10分代表极度推荐，5分代表中立，0分代表完全不推荐。
NPS 算是近几年用户体验领域上的当红指标，像Apple、Microsoft、PayPal 等公司早已采用 NPS 作为长期策略制定以及日常体验优化依据。主要是因为它简单、直接、且与管理者最关心的收益成正相关。
但随着时间过去，渐渐在业界中看到越来越多针对 NPS 的批评，不少公司开始采用普通的满意度调查。
多数在用 NPS 的企业往往只是每隔一段时间就例行性问一下用户打几分，了解自己的 NPS 分数，却没有持续地做，也没有透过不同的研究方法了解分数背后、影响分数的原因，像是推荐者为什么推荐，中立者存在什么不满，那就无法进步，因为只有 what 没有 why，可以说只是把 NPS 做为另一个用户满意度指标在用，失去采用 NPS 的意义。
产品存在着用户间相互竞争的关系。比如有一款产品是让城市中的任何人都可以注册成为送货员。然而，送货员人数往往比需要递送的货多，在这个情况下送货员当然不会推荐朋友来抢自己的生意，因此这个产品的NPS一般会比较低，但并不能因此来衡量产品口碑的好坏。
很多团队把 NPS 当作一个魔法数字，每天盯着数据的起伏看，一稍微提高就相当激动，好像提高后就会有更多的收益或者用户进来。NPS做为一个先行指标，告诉你未来可能会发生什么事而不是结果，光是盯着 NPS 看并无法带来太多有意义的信息。期间不断地去优化体验，通过这样的闭环创造更多的忠诚用户，但是这需要时间发酵，不可能在今天做了体验优化明天就看到成效。
如果我们要用好 NPS，避免发生上述几个情况，我们需要找出 NPS 背后的驱动因素。
简单来说，更好地利用 NPS 的方式之一是找出是什么原因让某些人成为超级推荐者、又是什么原因让人变成极端的批评者，接着用这些因素去刺激中立者，看是否能改变他们的给分。
从用户中招募出推荐者和批评者，与他们进行深度访谈。在访谈中，画一条时间轴，请用户列出从还不知道该产品开始，到知晓、开始使用至今的所有环节。同时，请用户在时间轴中写出影响他对产品印象的重要事件，并询问「当时的你会给多少 NPS」，来理解该事件对用户来说是加分或扣分。
若用户无法顺着时间顺序回顾，可从印象最深刻的事件开始。访谈过程中多注意用户的实际行为（听到的事、做的决定、看到的东西等），而非意见。
当访谈结束后，一般会搜集到许多影响用户对产品看法的事件。通过归纳法将性质相近的事件归为同一类。然后开始对既有用户进行问卷调查。问卷的第一题询问对产品的总体 NPS，接着询问每个驱动因素的 NPS。
绘制一个 2×2 矩阵，X 轴为驱动因素的 NPS，Y 轴为该驱动因素与总体 NPS 的关联性。将各个驱动因素放到矩阵中对应的点上，我们需要先改善目前 NPS 低，但跟总体 NPS 有高度关联的驱动因素。
以上，NPS 不只是反映用户忠诚度的指标，更是体验优化和管理的利器，正确使用 NPS 才能更好地发挥效用。
参考链接：
NPS：https://www.bain.com/insights/introducing-the-net-promoter-system-loyalty-insights
The Difference Between Transactional and Relationship NPS ：https://www.retently.com/blog/transactional-relationship-nps/
NPS Considered Harmful ：https://jmspool.medium.com/net-promoter-score-considered-harmful-and-what-ux-professionals-can-do-about-it-fe7a132f4430
本文由 @阿饼讲设计 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
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。