NPS是全局指挥棒,还是负面KPI?

NPS(用户净推荐值)最近几年备受各大公司的关注,即平安、booking、携程、飞猪之后很多公司考虑将这一指标纳入产品体验的检测范围内,但随着领导的追捧,也引来无数执行者的吐槽,大部分的观点只有一个:这么虚无缥缈的指标,基本没用。

有幸管理了一段时间NPS指标,有百万的样本量可以进行深入的分析和研究,应该说是一次从完全陌生,到怀疑再到重新审视的过程,这里分享几点启示。



1. NPS指标定位是什么?

大部分人第一个问题是,NPS和用户满意度和投诉率有什么区别?可以这样理解,他们的触发场景和表达强度是完全不一样的。

NPS- 符合心意或非常失望时才表达 - 考虑到推荐要符合自己平时的形象、气质和兴趣,我推荐给朋友的一定是我觉得有价值或者非常有趣的产品

用户满意度- 根据本次服务按需表达 - 你的服务或产品是否解决了我的问题,满足了我的此时此刻的需求

投诉率- 非常气愤带来的被迫表达 - 对于此次的服务,我非常不满意,我要表达的我意见

既然表达的场景和强度不一样,那么用户想要传递出来的信息也是完全不同的。NPS更适合做产品定位、人群分析、产品创新方面的内容,通过用户数据交叉分析,找到认同你的用户为什么认同,又有哪些影响他们不认同;10分的留言中,有哪些是用户带着感慨万千的预期写下的,这些给他们带来惊喜的时刻是否可以发展为标准产品,给更多的人带来惊喜?


2. 我们可以从NPS中得到什么?

很多公司也监控指标,但是往往看的只有一点:整体数值有没有上升?如果下降了,要面临的问题更棘手:无从查起。

将NPS细化成细节指标才能进行有效分析
我在管理指标的时候,根据用户留言涉及到的业务、服务、投诉、品牌等维度,分成25组小指标,每组小指标细化成明确的问题或情绪维度。当主指标波动的时候,可以第一时间发现哪些指标出现了波动,根据口碑分析找到波动原因

不同类型的指标代表不同的问题,需要更适合的处理方式
我们做过实验,每月数据上千之后,基本要达到4000/月以上的数据才能得到稳定的数据量,从25个指标的分类可以发现,有些问题用户提及的非常少,指标波动性比较大。

提及量级主要受产品本身性质影响,举个栗子
需要观察的问题:APP是否好用的问题,互联网大部分产品已经比较成熟,用户行为培养的比较健全,很少会有用户提及此类问题,所以这类指标适合观察监控,寻找可以改进的点以及创新点。
需要处理的问题:遇到下单卡顿、优惠、信息不符类的问题,这类问题就比较适合推送到其他部门,case by case的解决,再进行规模性的排查

3. 谁来对NPS负责,怎么负责?


对的人看到的是全局走向和创新机会,错的人看到的是待完成的KPI
其实,NPS并不是给底层员工看的,更适合有一定高度的管理者“纵观全局”。但是以现在公司的制度,往往直接将NPS当做KPI完成,常常会本末倒置。

这也说明了目前互联网企业一定的管理困局:如果领导者高度不够,缺少全局观念,建立不起团队对于这个指标的正确理解,就会导致下面的人为了完成KPI而盲目完成提升NPS的任务。但如此宽泛的指标又难以因为一两项举措而达到效果,最终只能唉声叹气抱怨NPS只是个没有用的垃圾指标。

NPS可以作为战略分析的一部分,也可做为创新方向指导
从全局出发,NPS适合与其他指标进行交叉分析,深入分析不同类型用户反馈、特质、行为,为产品、会员、品牌、竞品检测等方面提供方向性指导。
例如,我们在于会员身份交叉分析后发现,高级别用户对于我们的感受并没有随着级别增加而变高;通过文本梳理,我们发现用户对于竞品的评价的变化更贴合真实情况的变化。

从细节出发,通过NPS文本留言分析,可以发现有很多用户在意的““Aha moment”,当他们打了10分,并且声情并茂的向你描述为什么如此兴奋的时候,这就是你产品可以重点关注的最大亮点。很多人说互联网产品创新很难,其实并不是缺少idea,只是大公司往往并不在意用户的描述,这些高光时刻甚至算不出好看的ROI,变这样丢弃了。

写在最后
不同的产品性质决定了有些行业的NPS基础值是非常高,并不适合拿来互相对比,分值高也不能证明做的好,打分场景,打分的人群,打分的动机都会影响到指标的真实度。盲目认为上升就是好,只能是一场一个人的自嗨盛宴。NPS需要的是自上而下的理解和驱动,这也是大部分企业虽然有这个指标,却无法用好的主要原因。