編輯導語：NPS是指透過測量使用者的推薦意願，從而瞭解使用者之於產品或服務的忠誠態度，算是近幾年使用者體驗領域上的當紅指標。然而隨著時間過去，業界中針對NPS的批評越來越多，是什麼原因呢？

NPS 淨推薦值最早是由貝恩顧問公司的Fred Reichheld 於 2003 年在《哈佛商業評論》文章 《The One Number You Need to Grow》首次提出NPS（Net Promoter Score），透過測量使用者的推薦意願，從而瞭解使用者之於產品或服務的忠誠態度。

NPS的問題大家應該都見到過，「從0-10分，請問你有多大意願推薦我們的產品或者服務給你的親朋好友？」，10分代表極度推薦，5分代表中立，0分代表完全不推薦。

NPS 算是近幾年使用者體驗領域上的當紅指標，像Apple、Microsoft、PayPal 等公司早已採用 NPS 作為長期策略制定以及日常體驗最佳化依據。主要是因為它簡單、直接、且與管理者最關心的收益成正相關。

但隨著時間過去，漸漸在業界中看到越來越多針對 NPS 的批評，不少公司開始採用普通的滿意度調查。

01 是什麼原因造成了這樣的局面呢？

1. 這些公司把 NPS 當成是另一個滿意度指標

多數在用 NPS 的企業往往只是每隔一段時間就例行性問一下使用者打幾分，瞭解自己的 NPS 分數，卻沒有持續地做，也沒有透過不同的研究方法瞭解分數背後、影響分數的原因，像是推薦者為什麼推薦，中立者存在什麼不滿，那就無法進步，因為只有 what 沒有 why，可以說只是把 NPS 做為另一個使用者滿意度指標在用，失去採用 NPS 的意義。

2. 很多產品或者場景並不適合使用 NPS

產品存在著使用者間相互競爭的關係。比如有一款產品是讓城市中的任何人都可以註冊成為送貨員。然而，送貨員人數往往比需要遞送的貨多，在這個情況下送貨員當然不會推薦朋友來搶自己的生意，因此這個產品的NPS一般會比較低，但並不能因此來衡量產品口碑的好壞。

3. 以為採用 NPS 後會馬上看到成效

很多團隊把 NPS 當作一個魔法數字，每天盯著資料的起伏看，一稍微提高就相當激動，好像提高後就會有更多的收益或者使用者進來。NPS做為一個先行指標，告訴你未來可能會發生什麼事而不是結果，光是盯著 NPS 看並無法帶來太多有意義的資訊。期間不斷地去最佳化體驗，透過這樣的閉環創造更多的忠誠使用者，但是這需要時間發酵，不可能在今天做了體驗最佳化明天就看到成效。

如果我們要用好 NPS，避免發生上述幾個情況，我們需要找出 NPS 背後的驅動因素。

簡單來說，更好地利用 NPS 的方式之一是找出是什麼原因讓某些人成為超級推薦者、又是什麼原因讓人變成極端的批評者，接著用這些因素去刺激中立者，看是否能改變他們的給分。

02 同時利用定性和定量的研究

1. 透過使用者訪談了解使用者和產品之間的關係

從使用者中招募出推薦者和批評者，與他們進行深度訪談。在訪談中，畫一條時間軸，請使用者列出從還不知道該產品開始，到知曉、開始使用至今的所有環節。同時，請使用者在時間軸中寫出影響他對產品印象的重要事件，並詢問「當時的你會給多少 NPS」，來理解該事件對使用者來說是加分或扣分。

若使用者無法順著時間順序回顧，可從印象最深刻的事件開始。訪談過程中多注意使用者的實際行為（聽到的事、做的決定、看到的東西等），而非意見。

2. 總結驅動因素，並透過問卷調查獲得每個驅動因素的 NPS

當訪談結束後，一般會蒐集到許多影響使用者對產品看法的事件。透過歸納法將性質相近的事件歸為同一類。然後開始對既有使用者進行問卷調查。問卷的第一題詢問對產品的總體 NPS，接著詢問每個驅動因素的 NPS。

3. 計算出每個驅動因素的NPS 與總體 NPS 的關聯性

繪製一個 2×2 矩陣，X 軸為驅動因素的 NPS，Y 軸為該驅動因素與總體 NPS 的關聯性。將各個驅動因素放到矩陣中對應的點上，我們需要先改善目前 NPS 低，但跟總體 NPS 有高度關聯的驅動因素。

以上，NPS 不只是反映使用者忠誠度的指標，更是體驗最佳化和管理的利器，正確使用 NPS 才能更好地發揮效用。 參考連結：

The Difference Between Transactional and Relationship NPS ：https：//www。retently。com/blog/transactional-relationship-nps/

本文由 @阿餅講設計 原創釋出於人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基於 CC0 協議