• 产品简介

  • 我的数据

  • 数据处理

  • 数据分析

    • 描述性分析

    • 问卷分析

      • 信度分析
      • 多选分析
      • 选择题【多选&多选】
      • 选择题【多选&单选】
      • 选择题【单选&多选】
      • NPS净推荐值分析
        • 1、作用
        • 2、输入输出描述
        • 3、案例示例
        • 4、案例数据
        • 5、案例操作
        • 6、输出结果分析
        • 7、注意事项
        • 8、模型理论
        • 9、参考文献
      • 对应分析
      • 区分度分析
      • 效度分析
      • 联合分析
      • 路径分析
      • 结构方程模型(SEM)
      • 调节作用
      • 验证性因子分析
      • 权重分析(熵权法)
      • MaxDiff模型
      • 产品定价模型
      • Kano模型
      • 平行中介效应
      • 链式中介效应
      • TURF分析
      • 惩罚分析
      • DP专项算法
    • 综合评价

    • 差异性分析

    • 相关性分析

    • 预测模型

    • 统计建模

    • 计量经济模型

    • 医学统计模型

    • 机器学习分类

    • 机器学习回归

    • 规划求解

NPS净推荐值分析

操作视频
SPSSPRO教程-NPS净推荐值分析

# NPS净推荐值分析

# 1、作用

NPS(Net Promoter Score),净推荐值,又称净促进者得分,亦可称口碑,是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。它是最流行的顾客忠诚度分析指标,专注于顾客口碑如何影响企业成长。通过密切跟踪净推荐值,企业可以让自己更加成功。

# 2、输入输出描述

输入:一个的定量变量(0-10 的整数)。
输出:客户将会向他人推荐某个产品或者服务的可能性。

# 3、案例示例

案例:分析客户将会向他人推荐某个刚上市的零食的可能性。

# 4、案例数据

NPS净推荐值分析案例

一个的定量变量(0-10 的整数)指的是NPS得分,因为NPS算法的打分范围在0-10之间。

# 5、案例操作


Step1:新建分析;
Step2:上传数据;
Step3:选择对应数据打开后进行预览,确认无误后点击开始分析;

Step4:选择【NPS 净推荐值分析】;
Step5:查看对应的数据数据格式,【NPS 净推荐值分析】要求输入 0-10 的整数值;
Step6:点击【开始分析】,完成全部操作。

# 6、输出结果分析

输出结果 1:NPS 统计分析表

图表说明:上表展示了贬损者(0-6 分)、被动者(7-8 分)、推荐者(9-10 分)的占比情况,包括各评分的频数与百分比。
1)推荐者(得分在 9-10 之间):是具有狂热忠诚度的人,他们会继续购买并引荐给其他人;
2) 被动者(得分在 7-8 之间):总体满意但并不狂热,将会考虑其他竞争对手的产品;
3)贬损者(得分在 0-6 之间):使用并不满意或者对你的公司没有忠诚度;
4)推荐者会继续购买并且推荐给其他人来加速你的成长,而批评者则能破坏你的名声,并让你在负面的口碑中阻止成长;
结果分析:一般来说, NPS 低于 0 分就意味着贵公司有很多问题亟待解决。NPS 在 0 分到 30 分之间,意味着表现不错,但是仍有进步的空间;超过 30 分,则说明表现很优异,客户的满意程度较高,如果 NPS 超过 70 分,表明客户相当满意,可以通过他们的推荐积攒良好的口碑,NPS 分数越高,客户推荐度也越高,获取新客户的可能性就越大,从而为公司带来更多的收益。
此产品的 NPS 得分为 12.0,表示 NPS 客户满意度表现良好,但是还有很大的改进的空间。
其中贬损者频数与百分比占为 0.26(0.26%),被动者频数与百分比占为 0.36(0.36%),推荐者频数与百分比占为 0.38(0.38%)。
​

输出结果 2:scoreNPS 图

图表说明:上表展示了 score 的 NPS 得分,以及贬损者(0-6 分)、被动者(7-8 分)、推荐者(9-10 分)的占比情况和各评分的百分比。
结果分析:产品客户满意度分配平均,推荐者占多数,但也有部分贬损者。

# 7、注意事项

  • 如果数据不是 0-10 的整数,则可以使用 SPSSPRO-数据处理里的数据编码功能进行转换。

# 8、模型理论

净推荐值( Net Promoter Score,NPS) 最早是由贝恩咨询公司客户忠诚度业务的创始人佛雷德·赖克哈尔徳( Fred Reichheld)在 2003 年哈佛大学商业评论《 你需要致力于增长的一个数字》的文章中提到,是针对企业良性收益与真实增长所提出的用户忠诚度概念。
根据愿意推荐的程度让客户在 0~10 之间来打分,然后根据得分情况来建立客户忠诚度的 3 个范畴,分别为:
推荐者( 得分在 9~10 之间):是具有狂热忠诚度的人,他们会继续购买并引见给其他人;
被动者( 得分在 7~8 之间):总体满意但并不狂热,将会考虑其他竞争对手的产品;
贬损者( 得分在 0~6 之间):使用并不满意或者对你的公司没有忠诚度。
推荐者所占的百分比- 贬损者所占的百分比=净推荐值

# 9、参考文献

[1] Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com.
[2] 康黎.NPS 在客户服务中的提升策略[J].企业技术开发,2015,34(11):78-79.

建议反馈