如何活用NPS-別光只看NPS多少了

幾年前 NPS(註) 被提出時,許多公司趨之若鶩地採用。當時在顧問公司任職,向客戶推廣 NPS 時,也相對容易能得到管理階級的買單。主要是因為它簡單、直接、且與管理者最關心的收益成正相關。隨著時間過去,我漸漸在業界中看到越來越多針對 NPS 系統性的批評,不少在美國的科技公司開始回頭採用普通的滿意度調查。這其中,許多用戶研究員似乎特別不喜歡 NPS,時不時拿它來開玩笑。某天同事在郵件中分享了下面這則貼文,立即引發一連串的討論。有些人說:"我和我朋友聊的東西比 NPS 有趣多了!"

翻譯:
問題-你有多大的可能性會跟朋友或同事推薦 Windows 10 作業系統?
回答-完全不可能。我想要讓你知道,人們不會跟有事沒事跟別人互相推薦作業系統

又例如,我在 Amazon 擔任用戶研究員的朋友向我抱怨她的 MBA 同事大力推薦導入 NPS ,卻忽略了他們在做的產品存在著用戶間相互競爭的關係-該產品是協助 Amzon 物流最後一哩路的運送,在城市中的任何人都可註冊當送貨員,透過這個 app 去定點取貨運送到購買者家(類似 Uber 的概念)。然而,送貨員人數往往比需要遞送的貨多,在此情況下送貨員當然不會推薦朋友來搶自己的生意,因此該產品的 NPS 總是很低落,但並不能因此來衡量產品。

NPS 真的如此無用嗎?

幾個月前,我目前所在的微軟產品團隊決定捨棄測量了近一年的 NPS,因為他們看不到 NPS 跟主要 KPI – 月活躍用戶數 (Monthly Active Users) 的關聯性。我發現覺得 NPS 無用的原因之一是,很多團隊把 NPS 當作一個魔法數字,許多人每天盯著它些微的起伏看,一稍微提高就相當激動,好像提高後就會有更多的利潤跟活躍用戶進來

然而,光是緊盯著 NPS 看並無法帶來太多有意義的資訊。更重要的是找出 NPS 背後的驅動因素 (Driving Factors)。

簡單來說,更好地利用 NPS 的方式之一是找出「是甚麼原因讓某些人成為超級推薦者(NPS=10)、又是甚麼原因讓人變成極端的貶損者(NPS=0)」,接著拿這些因素去刺激中立者,看是否能改變他們的給分。要達到此目的,需同時利用質化與量化研究。以下按步驟拆解說明。

第一步:透過深度訪談釐清用戶與產品至今的互動

首先,從目前用戶中找出推薦者與貶損者,招募他們進行一對一訪談。在訪談中,畫一條時間軸,請對方列出從還不知道該商品開始,到知曉、開始使用至今的所有環節。同時,請用戶在時間軸中列出影響他對商品觀感的重要事件,並詢問「當時的你會給多少 NPS」,來理解該事件對用戶來說是加分或扣分。

注意事項:

  • 一個人跟產品的互動往往是跨不同渠道的。用戶在車站中看到的廣告、跟朋友的對話等都有可能影響對產品的看法。探問用戶時注意不要僅縮限於跟產品直接的互動。
  • 在訪談前,先對該用戶的時間軸可能的樣貌建立假設,在訪談中特別注意與你假設不同的地方,並進一步詢問背後的原因。
  • 事先準備曾經刊登過的廣告、電子報、網站註冊頁面等用戶可能看過的材料,以幫助用戶回想。
  • 若用戶無法順著時間順序回顧,可請他從印象最深刻的事件開始。
    過程中專注於用戶的實際行為(聽到的事、做的決定、看到的東西等),而非意見。

第二步:將事件歸納整理為驅動因素

訪談結束後,你應該會蒐集到許多影響用戶對產品看法的事件。透過一般的歸納法將性質相近的事件歸為同一類。注意新產生的類別不能太廣泛,不然會失去意義。例如以汽車保險商品為例,「客戶服務」便是個太廣的類別,因為其中可包含道路救援跟一般事項詢問,而用戶對這兩者的體驗可能大相逕庭。

第三步:利用問卷調查理解各個驅動因素的 NPS

總結了驅動因素後,我們需要宏觀地理解各個因素目前的表現。此步驟可透過對既有用戶進行問卷訪查達成。問卷的第一題詢問對該公司或產品的總體 NPS,接著詢問每個驅動因素-例如「道路救援服務」-的 NPS。

基本上,可將第一題視為關係性的 NPS,其他的則為交易性的 NPS。關係性 NPS 與交易性 NPS 的差異可參考此篇文章

第四步:計算個別驅動因素 NPS 表現與總體 NPS 的關聯性

在最後一步中,利用問卷調查獲得的資料計算個別驅動因素的 NPS 表現與總體 NPS 的關聯性。此步驟的目的是了解哪些驅動因素對提升總體 NPS 有最直接的影響

計算完成後,繪製一個 2×2 矩陣,X 軸為驅動因素的 NPS,Y 軸為該驅動因素與總體 NPS 的關聯性。將各個因素放置到矩陣中對應的位置上,可以容易地看出哪些是應該先著手加強的地方-理論上應先改善目前 NPS 低,但跟總體 NPS 有高度關聯的驅動因素。


以上這些步驟是為了更好地利用 NPS,不僅著重在表層的總體評分,而是進一步了解造成評分高或低的原因。如果有給分者的數據,可進一步分析是「誰」在「甚麼情況」下給出了某個 NPS 分數。其中「誰」可以是該用戶的地點、使用產品的頻率與狀況、常用的功能等,而「情況」則例如給分的平台(手機還是電腦?)、給分前 24 小時的行為等。

你的公司是否有其他利用 NPS 的方法?也和我們分享吧!


註:NPS是由美國貝恩顧問公司貢獻研發的指標,以一個問題—“從0-10分,你會有多大可能性推薦我們的產品或服務給你的親朋好友?”衡量用戶對企業品牌/商品的忠誠度。回答的人,0-6分叫貶損者,7-8分叫中立者,9-10分叫推薦者,推薦者的比例減去貶損者比例,就是一家企業的NPS分數。

Elsa Ho

過去於新加坡、中國、日本、台灣擔任 UX 顧問,客戶涵蓋金融業、非營利、新創團隊、電子商務等。目前於美國Uber專職於用戶研究。熱衷於跨國的行為、教育、及文化觀察。期望藉由分享一點個人經驗,使華語圈的 UX 內容更加豐富。