nps计算公式深层讲解

在实际业务场景中，经常使用NPS来了解用户对于公司产品满意度。

 

一、问卷设计结构一般如下所示：

• 问卷分流：打9～10分则询问推荐原因，打7～8分则询问改进点，打0～6分则询问不推荐原因；

• 选项一致：保证「推荐 / 中立 / 贬损」用户分流出的多选题的选项，在数量和内容上均为一一对应关系；

 

二、NPS计算原理和公式

首先，我们认为在NPS问卷中用户对0-10分完成选择后，进入到Q2问题也就是具体的推荐贬损原因子项时，做出任何一个子项的选择，都代表对此类问题的关注，也一定程度上体现了此类问题在用户心中的重要性。因此，我们通过选择某一NPS子项问题的用户数占所有参加NPS问卷调研的用户数的比例来定义关注度这个指标，衡量NPS子项问题的重要性。

子项关注度=选择NPS子项问题的用户数/参加NPS问卷调研的总用户数

 

其次，对于每一个NPS子项问题来说，关注它的用户中推荐者和贬损者人数占比的差异，即子项NPS本身也是这个子项问题在用户心中推荐程度最直接的体现。

子项NPS=子项的推荐者占比-子项的贬损者占比

 

 

众所周知，NPS的统计方法为下方公式：

本次调查问卷，推荐者人数（即NPS打分在9～10分者）为2人，贬损者人数（即NPS打分在0～6分者）为6人，所以该案例的总NPS为：

 

为了综合评价每个子项问题在NPS问卷中发挥的作用，我们将关注度和子项NPS相乘，作为针对每一类NPS问题相对客观的衡量。乘积较大者，可作为NPS正向问题中的代表，乘积较小者（考虑正负），则是NPS中负向贡献较多，用户反馈较差的问题。

例如，一个业务线的总体NPS为30%，其中一个子项问题的关注度为30%，其推荐者和贬损者占比的差异又达到了33%，则这个NPS子项的初始贡献值为30%*33%=10%。

 

但我们还需要考虑一个问题，即NPS问卷对于Q2中的子项问题是否有选择个数的限制，如果个数限制不是1，则会造成一个推荐者的声音在若干个子项中有所体现，有必要对当前的初始贡献值进行修正。

 

在这里，我们采用著名心理学家凯利提出的归因模型中的折扣原则，即如果在归因的过程中有多种因素共同产生作用时，需要将各因素进行不同的加权处理。在NPS归因的应用中，对于同时选择多个子项问题的用户，我们在无法衡量其所选子项的重要顺序时，赋予各子项问题相同的权重w，达到每个用户声量总和的归一化，即当一个推荐者同时选择3个子项时，每个子项均代表于1/3个推荐者声音，则修正后子项贡献值=SUM(加权后推荐者数量)-SUM(加权后贬损者数量)/总人数。

 

权重w=1/用户所选择子项NPS的数量

至此，我们对于NPS重点问题的筛选和定位方法已经有了一套相对完整的算法，可以对每个子项NPS分别计算贡献值，采用这套算法后每个NPS子项分值的算术和，刚好等于总体的NPS分值，这个数学特征对后续我们深入进行NPS变化的分析以及客群差异的对比分析有着重要的作用。

 

2.2、子项NPSNPS与子项关注度的计算

每个子项的NPS值也可以参照NPS统计方式推导出来，以方便性子项为例：

同样，可以推导出子项的关注度，以代表哪个子项的影响程度更高。

方便性关注度=(所有选择过配送的人数/总样本数)×100%

因此我们可以通过这个公式计算出方便性NPS与关注度。

 

子项NPS加权(方便性、车辆价格、车辆外观)

子项关注度加权(方便性、车辆价格、车辆外观)：

 

2.3、贡献度解释
 

子项	NPS	关注度	贡献度
方便性	-0.4444	0.3	-13.33%
价格	-0.5185	0.35	-23.33%
车辆外观	-0.1333	0.2	-3.33%

通过NPS贡献值的贡献，可以了解到各个指标对满意度整体贡献度，整体来说，价格负向贡献23.33%；其次为方便性，负向贡献13.33%；最后用户才较为关注车辆外观。

 

 

三、变化原因挖掘
       当NPS在一段时期中出现显著变化时，我们希望找到产生变化的主要原因，也就是定位出对于整体NPS变化贡献较大的子项问题。这里我们采用上面的子项NPS贡献值指标，来测算在两个统计周期中子项贡献值的变化幅度对于整体NPS变化的影响。               

通过对比不同周期变化幅度来解释整体NPS的变化原因。

子项贡献度	贡献度周期1	贡献度周期2	变化幅度
方便性	-13.33%	-5.33%	5%
价格	-23.33%	-13.33%	10%
车辆外观	-3.33%	-11.34%	-8%
总体NPS	-40%	-30%	-10%

同样，对于两个不同特征客群间NPS的差异，我们也可以通过子项贡献度模型定位出各个问题对不同客群的影响，并量化不同子项贡献值差异在整体客群NPS差异中的贡献度，找出造成不同客群间差异的主要原因。

综上所述，我们可以利用数据模型，监控用户的主观体验变化，定位体验（NPS）变化的根本原因，并进一步结合客观业务指标，来指导优化业务，提升用户体验，形成真正的体验闭环。

附件

关注公众号「水沐教育科技」，在手机上阅读所有教程，随时随地都能学习。内含一款搜索神器，免费下载全网书籍和视频。

微信扫码关注公众号