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。
