NPS：不稳定的指标

我们最近发表了一篇专栏文章，重点介绍了与净推荐值 (NPS) 相关的一系列问题。它不衡量口碑（因为我们不衡量实际做出的推荐），我们从未证明其对客户真实忠诚度的影响（仅对他们声明的“忠诚意图”），并且相同的NPS可以对应非常多变的情况，等等......如果推荐意图是一个有用的指标，它不能是最终指标。这里我们要关注一个特别的点：NPS的巨大波动性。

如果医生告诉您他可以通过单一指标诊断您的总体健康状况，您会相信吗？

快速回顾一下 NPS。
NPS 是根据推荐意图问题计算得出的，按 0 到 10 的 11 个等级进行评分。从 0 到 6 的分数汇集了所谓的“批评者”，从 7 到 8 的分数汇集了所谓的“被动”个人，从 9 到 10 的分数汇集了“推荐者”。 NPS实际上是支持者与反对者的百分比的平衡。 NPS 越高，公司的状况越有利，反之亦然。
基本上，我们并不反对使用推荐问题，它一直被用来提供对客户心态的看法（除其他外）。我们质疑其对公司经济活动的预测性质，尤其是其发起人 Fred Reichheld 所声称的成为“终极问题”的能力。请参阅我们之前的评论。

在实践中，波动性是一个真正的问题
虽然计算 NPS 的原始问题（即推荐意图满分 10 分）可能从一个客户群到另一个客户群或从一个调查波到另一个调查波相对稳定，但另一方面，相应的 NPS 可能显示出非常高的波动性。
在纯粹的数学层面上，这显然会带来问题，因为如果该 NPS 的唯一组成部分是稳定的（推荐意图），则 NPS 本身不稳定是没有道理的。因此，它往往会破坏诊断而不是澄清诊断。
在管理层面上，这是最重要的，它迫使研究人员通过返回原始指标（推荐问题）来解释 NPS 中任何令人惊讶的变化，从而正确看待这些变化。因此，我们基本上可以想知道 NPS 的用途是什么。

这是这种变化的示例。我们根据与主要零售品牌的推荐意图相关的 4,600 次真实采访数据集进行研究。该问题采用 11 分制，总体样本分布如下：

在这里，我们绘制了这些子组的 23 个平均值及其 23 个相关的 NPS。

A为了研究 NPS 的稳定性，我们进行了无放回的随机抽取，将每次访谈分配到 23 个不同的组，每个组包含 200 次访谈（23 x 200 = 4600 次访谈）。这使得模拟 23 个客户“细分”或 23 个调查“波次”的存在成为可能。

我们可以立即观察到调整线周围 NPS 的不稳定性质。例如，如果我们观察分别用红色标记的两个点的平均值（第一个点为 6.87，第二个点为 6.90），我们可以计算出（标准差分别为 2.05 和 2.34）它们的差异并不显着。
换句话说，如果这两个平均值对应于连续两波调查，则推荐意图应该被认为是稳定的。然而，NPS 从-8% 变为-14%。鉴于其不稳定性和不可预测性，我们如何解释这个旨在简单、具有教育意义和直观的指标？更不用说明显不正确的变化方向。
NPS 是一个可以显示出巨大波动性的指标，但不会反映推荐意图的重大变化。我们认为，在沟通 NPS 之前，这是需要认真考虑的一点。

我们更新我们的建议：

• 就平均分或原始推荐百分比进行沟通，
• 收集过去x个月的实际推荐，而不是推荐的意图，
• 使用多个相关指标、满意度、忠诚度意图、客户资历来构建您的客户关系健康诊断。我们能否想象用单一指标进行健康诊断（在医学层面）？不。不再需要诊断客户关系的状态。..