凈推薦值（NPS）是一種計量某個客戶將會向其他人推薦某個企業(yè)或服務可能性的指數。
“您是否會愿意將“品牌名&產品名”推薦給您的朋友或者同事？”這個問題其實調研的就是凈推薦值，也叫NPS，意在了解用戶對該品牌或產品主動推薦的意愿，是一個常見的用戶忠誠度指標。
背景
我們迫切需要了解用戶對app的真實使用感受與評價，因此決定基于NPS做一次用戶調研，目的是計算App的NPS值，并且找出低評價的元素。 定位了低分元素后，會根據其比重指導之后的產品優(yōu)化方向與重心。準備
基于網上已有的NPS調研方法，經過整理形成了適合自己產品的計劃：
確認滿意度因素
設計問卷
問卷問題的設計，主要包括2個方面：1. 用戶畫像的相關問題
年齡、性別、身份、受教育程度、收入水平、找工作類型、找工作頻率（產品屬性是招聘類，因此需要知道找工作的畫像）； 用戶畫像的相關問題，在于做問卷分析時，比較不同類型用戶的數據差異，從而得出客觀全面的結論。2. 用戶滿意度相關問題
首先是整體滿意度：“你對pp的滿意程度(1-10分)”； 然后是各個因素滿意度： “你對產品設計的滿意度(1表示非常不滿意，5表示非常滿意)：- 信息傳達效率（1，2，3，4，5）
- 頁面美觀（1，2，3，4，5）
- 操作流暢性（1，2，3，4，5）
- ……”
投放方式與渠道
前期計劃通過短信形式向曾經使用過我們App的人投放，但由于存在大量的流失用戶，經測試，使用短信的回收率過低，從而導致樣本數過少。因此決定在App內通過Banner展示形式向所有活躍用戶投放。 這樣投放的好處在于樣本數足夠，壞處在于由于已流失用戶未計入樣本中，會導致整體滿意度和NPS偏高。 這里建議如果有條件，盡量還是通過短信方式定向人群投放，這樣可以保證投放范圍即在理想的隨機范圍內，保證收集數據的客觀性與隨機性。 通過第三方調研問卷的工具（問卷星，金數據等）生成問卷后，即可進行投放。接下來就是最重要的數據計算、數據分析的工作了數據分析
數據分析主要依靠的是spss工具，計算的是各因素的平均滿意度以及和整體滿意度的相關系數，即各因素的重要性。具體的計算方式網上都有現成的計算公式，這里不再細講。 最終會得到這樣一份數據（圖中數據為實例，非真實數據）：
四分圖模型
NPS計算
結論
- 不同用戶畫像的滿意度數據存在差異，比如學生用戶對用戶體驗方面要求更高，因此在用戶體驗方面的滿意度會偏低；比如女生用戶更看中運營活動；
- NPS在整個行業(yè)中屬于偏高水平，但由于統(tǒng)計標準不一致，因此存在一定誤差；
- 最終將問題定位在1，2，3，4，5等因素上，這些因素是明顯重要性很高，但滿意度很低的因素。說明用戶非常看重這些因素，但并不滿意。
聲明：本文由網站用戶香香發(fā)表，超夢電商平臺僅提供信息存儲服務，版權歸原作者所有。若發(fā)現本站文章存在版權問題，如發(fā)現文章、圖片等侵權行為，請聯系我們刪除。
