净推荐值（NPS）是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。
“您是否会愿意将“品牌名&产品名”推荐给您的朋友或者同事？”这个问题其实调研的就是净推荐值，也叫NPS，意在了解用户对该品牌或产品主动推荐的意愿，是一个常见的用户忠诚度指标。
背景
我们迫切需要了解用户对app的真实使用感受与评价，因此决定基于NPS做一次用户调研，目的是计算App的NPS值，并且找出低评价的元素。 定位了低分元素后，会根据其比重指导之后的产品优化方向与重心。准备
基于网上已有的NPS调研方法，经过整理形成了适合自己产品的计划：
确认满意度因素
设计问卷
问卷问题的设计，主要包括2个方面：1. 用户画像的相关问题
年龄、性别、身份、受教育程度、收入水平、找工作类型、找工作频率（产品属性是招聘类，因此需要知道找工作的画像）； 用户画像的相关问题，在于做问卷分析时，比较不同类型用户的数据差异，从而得出客观全面的结论。2. 用户满意度相关问题
首先是整体满意度：“你对pp的满意程度(1-10分)”； 然后是各个因素满意度： “你对产品设计的满意度(1表示非常不满意，5表示非常满意)：- 信息传达效率（1，2，3，4，5）
- 页面美观（1，2，3，4，5）
- 操作流畅性（1，2，3，4，5）
- ……”
投放方式与渠道
前期计划通过短信形式向曾经使用过我们App的人投放，但由于存在大量的流失用户，经测试，使用短信的回收率过低，从而导致样本数过少。因此决定在App内通过Banner展示形式向所有活跃用户投放。 这样投放的好处在于样本数足够，坏处在于由于已流失用户未计入样本中，会导致整体满意度和NPS偏高。 这里建议如果有条件，尽量还是通过短信方式定向人群投放，这样可以保证投放范围即在理想的随机范围内，保证收集数据的客观性与随机性。 通过第三方调研问卷的工具（问卷星，金数据等）生成问卷后，即可进行投放。接下来就是最重要的数据计算、数据分析的工作了数据分析
数据分析主要依靠的是spss工具，计算的是各因素的平均满意度以及和整体满意度的相关系数，即各因素的重要性。具体的计算方式网上都有现成的计算公式，这里不再细讲。 最终会得到这样一份数据（图中数据为实例，非真实数据）：
四分图模型
NPS计算
结论
- 不同用户画像的满意度数据存在差异，比如学生用户对用户体验方面要求更高，因此在用户体验方面的满意度会偏低；比如女生用户更看中运营活动；
- NPS在整个行业中属于偏高水平，但由于统计标准不一致，因此存在一定误差；
- 最终将问题定位在1，2，3，4，5等因素上，这些因素是明显重要性很高，但满意度很低的因素。说明用户非常看重这些因素，但并不满意。
声明：本文由网站用户香香发表，超梦电商平台仅提供信息存储服务，版权归原作者所有。若发现本站文章存在版权问题，如发现文章、图片等侵权行为，请联系我们删除。
