前段时间因为制定体验评价体系，顺带思考总结了下NPS的缺点。如果有读者在工作中对NPS有其他的体会感悟，欢迎在后台留言补充。

NPS（Net Promoter Score），净推荐值，是一种计量某个客户将会向其他人推荐某个企业的产品或服务可能性的指数。指数计算很简单，在问卷里设1道题目问受访者在多大程度上愿意向亲朋好友推荐XX公司的产品/服务，受访者在0-10分间打分，0分代表非常不愿意，10分代表非常愿意。处理数据时，将评分在6分及以下的归为“贬损者”，7-8分的归为“被动者”，9-10分的归为“推荐者”。最终结果的计算也很简单：NPS=推荐者占比-贬损者占比。

NPS示意图

这样一个指标，也许是因为简单易懂，也许是因为贝恩公司推广有力（NPS最早由贝恩咨询的Fred Reichheld提出），现在已经被广泛运用于各行各业，作为公司产品/服务的综合体验评价指标。其实这也很好理解，毕竟公司老板一般都喜欢拿简单的少数几个宏观数据来说事，比如市场占有率、利润率等，NPS也可以作为其中之一。然而，现在在某些公司里NPS已经被戴上光环过分神化了，比如我曾见过某大企业将NPS列为全体员工KPI关键指标，无论是前台的客服、Mkt还是后台的IT、admin都要经受它的判决，但是NPS本身又是比较简(cu)单(bao)的，一言不合就会一棍子打死所有人。

NPS的缺点

1. 计量粗糙

明明是个10分制量表，却笼统归为3类，那为什么还要用10分题呢？这跟直接给3个级别的度量指标是一样的效果：不会推荐、不确定、会推荐。这种只用3个级别度量的方式，虽然简单易理解，但是粗放不精确。

2. 信息曲解

0分和6分都会归为“贬损者”，但实际上受访者在填问卷的时候，给0分和给6分蕴含的情感和倾向肯定是不同的。给0分的很可能是对该产品/服务感到失望甚至愤怒，在口碑传播中给予贬损评价的可能性更高；给6分的则有可能是不确定，也可能是带有一点推荐倾向（毕竟6分已经超过中间值5分了）。然而最终却将这些人都划分为“贬损者”，其实会曲解受访者要表达的真实意思。

3. 信息丢失

计量粗糙也会造成信息丢失。比如9分和10分在实际中是会被受访者赋予不同的含义，既然10分代表极值，9分就意味着还没达到最好。但9-10分统一被归为“推荐者”，我们就看不到其中蕴含的不同的信息了。

另外，在NPS分值计算中，7-8分的那部分“被动者”信息也是丢失的，我们听不到他们的“声音”。剔除了“被动者”之后样本量必然会减少，测量误差也会变大。而且同样是20%的NPS，对应的可能是50%推荐者和30%贬损者，也可能是30%推荐者和10%贬损者，但我们并不知道真实情况是哪一种。

4. 受行业影响

NPS有时会被用于跨行业对比，个人觉得这样可能会有失公允。举个栗子，P2P行业的投资人即使在某个平台上获得了满意的收益和服务，也不一定会向他人推荐，一是因为投资有风险，给别人推荐了万一对方遭受损失，人情上也不好过；二是有些投资人不喜欢和他人谈论自己的投资情况，对他们而言投资理财还是相对隐私的信息。这些行业特性会影响NPS的结果，如果是同行内不同平台间倒还有可比性，如果是跨行业对比，比如拿P2P行业跟OTA行业对比，那结果可能就不具备太多参考性。

更好地利用NPS

1. 在引入NPS前，先衡量一下它是否适用于本公司的产品/服务。不同行业的产品/服务，用户推荐的可能性也会不同。比如我们通常会推荐一家餐厅，但很少会推荐一块墓地（这个例子有点极端，可以替换为加油站、医院神马的，或者我之前举例的P2P，大家意会就好……）。如果客户的推荐并不是影响公司发展的重要因素，那么就不太适合采用NPS进行综合体验评价。

2. 我们不一定非要照搬NPS的整套做法，可以参考这个思路去制定测量方式，比如把问卷选项变为“一定不会推荐、可能不会推荐、不确定、可能会推荐、一定会推荐”，这样描述更清晰减少误解，且只分了5个等级，对用户而言更容易选择。

3. 我们也可以用NPS结合其他体验评价指标一起分析，可能可以得到更好的效果。比如Airbnb的数据团队曾发现更高的NPS（他们也称之为LTR）一般与更高的推荐率和复购率（一年内再次预定率）相对应。他们比较了一系列嵌套逻辑回归模型，除LTR外还考虑了顾客旅行后的综合评分，以及清洁度、位置、性价比等6个子维度，结果表明仅用LTR预测复购率时精确度能达到55.997%，用综合评分和LTR一起预测复购率时精确度能达到63.58%。而且综合评分在预测复购率以外的其他方面还可以发挥更多的价值，比如增加平台信任度、促使房东建立名声、保证服务质量。（感兴趣的童鞋可以阅读他们官方博客英文原文：http://nerds.airbnb.com/nps-rebooking/）

4. 我们不能只关注NPS的数值，了解数值背后的原因，才能有效指导体验改善。国内有的互联网大企业在做问卷调查的同时，也会配合电话回访或者测试去了解贬损的原因，整理后反馈给各相关部门指导改进工作，而这些部门也更重视这些贬损原因。