淨推薦值 NPS
SurveyMars 現在支持淨推薦值 (NPS) 調查。它是用於研究用戶向他人推薦品牌/產品/服務的可能性的指數。它有助於了解用戶主動推薦品牌/產品/服務的意願，是一個常見的忠誠度指標。
什麼是NPS
淨推薦值 (NPS) 是一種通過詢問客戶向他人推薦您的品牌/產品/服務的可能性來衡量客戶忠誠度的研究方法。數據收集很簡單 - 您只需設計一個調查問題，要求受訪者以 0 到 10 分的範圍對他們推薦的可能性進行評分，其中 0 代表最低可能性，10 代表最高可能性。
收集數據後，分數會自動分為三組：
- 批評者：分數在0-6分之間。這些用戶不太可能推薦甚至可能阻止其他人使用您的產品/服務。
- 被動：分數在7-8分之間。這些用戶很滿意，但熱情不足以主動推薦。
- 促銷員：得分超過 8 分 (9-10)。這些用戶非常滿意，並且可能會向其他人推薦您的產品/服務。
NPS值衡量推薦程度。公式為：NPS 值 = 支持者% - 反對者%，即支持者的百分比減去批評者的百分比。結果範圍從 -100% 到 100%。
創建 NPS 問題
1. 導航至調查設計頁面並選擇“NPS”要添加到您的調查的問題類型。
2. 輸入您的 NPS 問題。例如：“您向朋友或同事推薦[產品/服務名稱]的可能性有多大？（評分從 0 到 10 分）”
3. 配置比例設置。確保等級範圍從 0 到 10，其中 0 代表“完全不可能”，10 代表“極有可能”。
4.（可選）根據分數添加後續問題：
- 對於分數≤6：添加一個問題詢問低分的原因
- 對於 7-8 分：添加一個問題，詢問中等分數的原因
- 對於 9-10 分：添加一個問題，詢問高分的原因
5.（可選）調整問題的任何其他設置：
6. 單擊結束保存您的 NPS 問題。
7.分享您的調查並收集數據。
淨推薦值分析
1. 導航至調查的分析部分。
2. 單擊「分析結果」從分析選項。
了解 NPS 結果
NPS 值使用以下公式自動計算：NPS 值 = 支持者% - 反對者%
您可以分析分數的分佈並識別模式。例如：
- 如果分數集中在8-10範圍內，則表明用戶忠誠度較強
- 如果有很多分數在 0-6 範圍內，則表明需要改進的地方
- 如果分數分佈均勻，則可能表明用戶情緒不一
解釋 NPS 值
對於什麼構成高 NPS 值，沒有固定的標準。通常，50% 被認為是相對較高的值。然而，解釋取決於您的行業和比較基線。
NPS 值範圍：
- 負 NPS（-100% 至 -1%）：表明批評者數量多於支持者，表明用戶嚴重不滿。這需要立即引起注意。
- 低 NPS（0% 至 30%）：表明支持者多於批評者，但總體忠誠度相對較低。還有改進的空間。
- 中等 NPS（31% 至 50%）：表明良好的客戶忠誠度。支持者的數量明顯多於反對者。
- 高 NPS（51% 至 100%）：表明卓越的客戶忠誠度。絕大多數用戶都是推廣者。
跟踪一段時間內的 NPS
研究人員可以多次採集NPS數據，對比三類用戶的NPS值和變化，綜合衡量用戶忠誠度的變化。
1. 定期（例如每季度、每半年或每年）收集 NPS 數據。
2. 比較不同時間段的 NPS 值以識別趨勢。
3. 分析批評者、被動者和推薦者分佈的變化，以了解推動忠誠度變化的因素。
4. 使用這些見解來衡量改進的有效性並確定需要注意的領域。
案例研究示例
背景：營銷部門想要研究品牌忠誠度。 NPS數據共採集年初、年中、年末3次，每次採集116個樣本。
數據收集：每項調查均詢問受訪者：“您向朋友或同事推薦我們品牌的可能性有多大？（評分從 0 到 10 分）”
分數分佈表
下表顯示了三項調查的分數（0-10）百分比分佈：
| 分數 | 調查1 (%) | 調查2（%） | 調查 3 (%) |
|---|---|---|---|
| 0 | 0.9 | 0.0 | 0.0 |
| 1 | 1.7 | 0.0 | 0.0 |
| 2 | 0.9 | 0.9 | 0.0 |
| 3 | 0.9 | 0.0 | 0.0 |
| 4 | 2.6 | 1.7 | 0.9 |
| 5 | 8.6 | 12.1 | 3.4 |
| 6 | 12.1 | 10.3 | 5.2 |
| 7 | 15.5 | 17.2 | 10.3 |
| 8 | 19.0 | 20.7 | 15.5 |
| 9 | 17.2 | 15.5 | 25.0 |
| 10 | 20.7 | 21.6 | 39.7 |
類別分佈和 NPS 值
下表顯示了批評者、被動者和推薦者的分佈，以及計算出的 NPS 值：
| 類別 | 調查1 | 調查2 | 調查3 |
|---|---|---|---|
| 批評者 (0-6) | 27 (23.3%) | 28 (24.1%) | 11 (9.5%) |
| 被動 (7-8) | 40 (34.5%) | 44 (37.9%) | 30 (25.9%) |
| 促銷員（9-10） | 44 (37.9%) | 43 (37.1%) | 75 (64.7%) |
| 淨推薦值值 | 14.6% | 13.0% | 55.2% |
| 受訪者總數 | 116 | 116 | 116 |
NPS 趨勢比較
結果分析：
- 第一次調查（年初）：NPS 值為 14.6%，表明推薦者（37.9%）比批評者（23.3%）高出約 14.6%，整體用戶忠誠度較低。一些受訪者選擇了 1、2 或 3 分，表明一些用戶對該產品有負面感受。分數集中在5-10分範圍內，其中8-10分較為常見。
- 第二次調查（年中）：NPS 值為 13.0%，與第一次調查相似，沒有顯著改善。值得注意的是，批評者的比例（24.1%）略高於第一次調查，而獲得5分的受訪者比例（12.1%）相對較高。分佈與第一次調查相似。
- 第三次調查（年底）：NPS值大幅提升至55.2%，用戶忠誠度顯著提升。支持者從 37.9% 上升至 64.7%，反對者則從 23.3% 下降至 9.5%。這表明全年的改進是非常有效的。 9-10分的分數佔據主導地位，39.7%的受訪者給出了10分滿分。
主要見解：通過多次收集 NPS 數據，該公司能夠跟踪用戶忠誠度的變化並衡量其改進的有效性。從 14.6% 到 55.2% 的顯著增長證明了持續監控和改進的價值。批評者的大幅減少（從 23.3% 到 9.5%）和推薦者的增加（從 37.9% 到 64.7%）表明這些改進引起了用戶的良好反響。
常問問題
Q1：我應該使用什麼分數範圍來收集 NPS 數據？
答：NPS 原始數據分數必須在 0 到 10 之間（包括 0 到 10）。如果您的數據不在此範圍內，請在分析 NPS 之前使用數據編碼來轉換數字。這是準確計算 NPS 的關鍵要求。
問題 2：什麼被認為是良好的 NPS 值？
答：沒有固定的標準，但通常 50% 被認為是一個相對較高的值。然而，解釋取決於您的行業和比較基線。最好將您的 NPS 與行業基准進行比較並跟踪隨時間的變化。
問題 3：我應該如何解釋負 NPS 值？
答：NPS 值為負值表示批評者多於支持者，這表明用戶的不滿情緒明顯。這需要立即關注提高產品/服務質量。重點了解低分的原因並解決最關鍵的問題。
問題 5：我應該多久收集一次 NPS 數據？
答：建議定期（例如每季度、每半年或每年）收集 NPS 數據，以跟踪用戶忠誠度隨時間的變化。這有助於衡量改進的有效性並確定趨勢。頻率取決於您的業務週期以及實施變更的速度。
問題 6：為什麼被動（得分 7-8）不包含在 NPS 計算中？
答：被動者不包含在 NPS 公式中，因為它們代表中性情緒 - 他們感到滿意，但沒有足夠的熱情來主動推薦。 NPS 公式側重於推薦者（積極推薦）和貶低者（可能勸阻他人）之間的差異，這提供了更清晰的客戶忠誠度衡量標準。
問題 7：我可以比較不同產品或服務的 NPS 值嗎？
答：是的，您可以比較不同產品、服務或時間段的 NPS 值。但是，請確保數據收集方法和問題措辭一致，以便進行有效的比較。還要考慮可能影響 NPS 值的行業特定因素。
重要提示
- NPS 原始數據分數必須介於 0 到 10 之間（包括 0 到 10）。
- NPS 值範圍為 -100% 至 100%。正值表示支持者多於批評者，負值表示相反。
- 通過多次收集 NPS 數據，您可以跟踪用戶忠誠度的變化並衡量改進效果。定期監控有助於識別趨勢並衡量變化的影響。
- 通常，50% 或更高的 NPS 值被認為相對較高，但解釋取決於行業基準。將您的 NPS 與競爭對手和行業標准進行比較。
- 分類過程（批評者、被動者、推薦者）由系統自動處理。 0-6 分是貶低者，7-8 分是被動者，9-10 分是推薦者。
- 被動者不包含在 NPS 計算公式中，但監控它們很重要，因為它們代表了轉化為推動者的潛力。
