凈推薦值（NPS）是一種計量某個客戶將會向其他人推薦某個企業或服務可能性的指數。
“您是否會愿意將“品牌名&產品名”推薦給您的朋友或者同事？”這個問題其實調研的就是凈推薦值，也叫NPS，意在了解用戶對該品牌或產品主動推薦的意愿，是一個常見的用戶忠誠度指標。
背景
我們迫切需要了解用戶對app的真實使用感受與評價，因此決定基于NPS做一次用戶調研，目的是計算App的NPS值，并且找出低評價的元素。 定位了低分元素后，會根據其比重指導之后的產品優化方向與重心。準備
基于網上已有的NPS調研方法，經過整理形成了適合自己產品的計劃：
確認滿意度因素
設計問卷
問卷問題的設計，主要包括2個方面：1. 用戶畫像的相關問題
年齡、性別、身份、受教育程度、收入水平、找工作類型、找工作頻率（產品屬性是招聘類，因此需要知道找工作的畫像）； 用戶畫像的相關問題，在于做問卷分析時，比較不同類型用戶的數據差異，從而得出客觀全面的結論。2. 用戶滿意度相關問題
首先是整體滿意度：“你對pp的滿意程度(1-10分)”； 然后是各個因素滿意度： “你對產品設計的滿意度(1表示非常不滿意，5表示非常滿意)：- 信息傳達效率（1，2，3，4，5）
- 頁面美觀（1，2，3，4，5）
- 操作流暢性（1，2，3，4，5）
- ……”
投放方式與渠道
前期計劃通過短信形式向曾經使用過我們App的人投放，但由于存在大量的流失用戶，經測試，使用短信的回收率過低，從而導致樣本數過少。因此決定在App內通過Banner展示形式向所有活躍用戶投放。 這樣投放的好處在于樣本數足夠，壞處在于由于已流失用戶未計入樣本中，會導致整體滿意度和NPS偏高。 這里建議如果有條件，盡量還是通過短信方式定向人群投放，這樣可以保證投放范圍即在理想的隨機范圍內，保證收集數據的客觀性與隨機性。 通過第三方調研問卷的工具（問卷星，金數據等）生成問卷后，即可進行投放。接下來就是最重要的數據計算、數據分析的工作了數據分析
數據分析主要依靠的是spss工具，計算的是各因素的平均滿意度以及和整體滿意度的相關系數，即各因素的重要性。具體的計算方式網上都有現成的計算公式，這里不再細講。 最終會得到這樣一份數據（圖中數據為實例，非真實數據）：
四分圖模型
NPS計算
結論
- 不同用戶畫像的滿意度數據存在差異，比如學生用戶對用戶體驗方面要求更高，因此在用戶體驗方面的滿意度會偏低；比如女生用戶更看中運營活動；
- NPS在整個行業中屬于偏高水平，但由于統計標準不一致，因此存在一定誤差；
- 最終將問題定位在1，2，3，4，5等因素上，這些因素是明顯重要性很高，但滿意度很低的因素。說明用戶非常看重這些因素，但并不滿意。
聲明：本文由網站用戶香香發表，超夢電商平臺僅提供信息存儲服務，版權歸原作者所有。若發現本站文章存在版權問題，如發現文章、圖片等侵權行為，請聯系我們刪除。
