SPSSPRO,让数据分析更简单,问卷调查类数据分析不再愁 产品介绍 帮助中心 客户端
微信登录
  • 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

    • 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

    • 研究模型

      • 需求优先级分析
      • 词云图
      • 用户满意度分析
        • 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
      • 趋势相关分析
      • 销售量预测
      • PP图-QQ图
      • 产品定价模型
      • 价格敏感度分析
      • ROC曲线
    • 信号分析

    • 自定义算法

用户满意度分析

操作视频
SPSSPRO教程-用户满意度分析

# 1、作用

用户满意度分析基于NPS净推荐值分析,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工具。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

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


用户满意度分析案例

# 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【用户满意度分析】;
step5:查看对应的数据数据格式,【用户满意度分析】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


图表说明:
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;
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

# 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]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.
[2] Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com.

建议反馈