NPS净推荐值分析

NPS净推荐值,是用于研究用户向他人推荐某品牌/产品/服务可能性的指数,用于了解用户对品牌/产品/服务的主动推荐意愿情况,是一个常见的忠诚度指标。

NPS净推荐值的数据收集方式很简单,只需要设计一个问卷题,比如“你向朋友/同事推荐使用SPSSAU的可能性有多大(打分0~10分)”,最低打分为0分,最高为10分,分值越高代表推荐意愿越强。收集完成数据后直接进行计算即可。首先将分值进行分组,共分为三组,分值介于0~6分为贬损者,分值介于7~8分为被动者,分值高于8分为推荐者;当然希望推荐者越多且贬损者越少越好,而NPS值则衡量这种推荐程度,NPS值计算公式为:NPS值=推荐者% - 贬损者%,即推荐者的占比减去贬损者占比。

至于NPS值多高算高,这并没有固定标准,通常50%是一个比较高的值。研究者可收集多次数据,然后对比查看NPS值及3种类型用户的变化情况,综合衡量用户的忠诚度变化情况。

NPS净推荐值案例

  • 1、背景

    当前市场部门同事希望研究公司品牌的忠诚度情况,分别在年初,年中和年末收集三次NPS数据,每次收集的样本数据为116份。现希望了解用户的忠诚度情况,并且判断忠诚度变化情况。

  • 2、理论

    NPS的计算非常简单,首先需要注意一点,即数据打分一定是介于0~10分(包括0分和10分),数字越大代表推荐可能性越高。将分值进行分组,分值介于0~6分为贬损者,分值介于7~8分为被动者,分值高于8分为推荐者,当然分组的过程由SPSSAU自动处理,最终计算NPS值,其计算公式为NPS值=推荐者% - 贬损者%。

    • 特别提示:
    • NPS原始数据分值一定需要介于0~10分之间(包括数字0和10),如果不是这样,可使用SPSSAU数据处理->数据编码进行处理,将数字进行替换后再分析NPS。

  • 3、操作

    本例子中共收集三次NPS数据,除了想了解用户的忠诚度情况,还想查看用户忠诚度的变化情况,操作截图如下:

    如果想把用户类别(即贬损者,被动者和推荐者)保存起来,用于其它的分析使用,比如研究不同性别群体(如果有这样的数据)与用户类别的差异情况,那么选中‘保存类别’项即可。

  • 4、SPSSAU输出结果

    SPSSAU共输出2类表格;第一个表格是各分数段占比情况,该表格列出0~10分时,分别每个分数的占比百分比情况(或者数字频数情况);第二个表格展示各类型占比(或数字频数情况)及NPS值,并且通过图形展示结果。

  • 5、文字分析

    上表格展示各打分值的占比情况,明显可以看到,打分基本集中在5分或以上,以8~10分较多,特别需要注意5分即贬损者的情况,第2次时占比较高。同时第1次NPS打分时,有个别样本会选择1,2,3分,可能有个别用户对产品产生反感情绪。

    上表格展示出三种类型用户,分别三次NPS打分的占比情况,并且可通过下图查看数据情况。从NPS值来看,第1次和第2次均在10%左右,推荐者比贬损者占比多出10%左右,整体用户忠诚度相对不高,第3次时NPS值为44.8%,明显高于第1和第2次,意味着用户忠诚度有着明显的提升。

  • 6、剖析

    涉及以下几个关键点,分别如下:

    • NPS原始数据分值一定需要介于0~10分之间(包括数字0和10),如果不是这样,可使用SPSSAU数据处理->数据编码进行处理,将数字进行替换后再分析NPS。

    • 如果想把用户类别(即贬损者,被动者和推荐者)保存起来,用于其它的分析使用,比如研究不同性别群体(如果有这样的数据)与用户类别的差异情况,那么选中‘保存类别’项即可。