文章從預(yù)測性NPS是什么、為什么要使用、怎么使用和其局限性4個方面對預(yù)測性NPS展開了討論，一起來看看~

當(dāng)你在向公司領(lǐng)導(dǎo)匯報完本期的NPS數(shù)據(jù)表現(xiàn)，詳細(xì)分析上升、下降變化原因后；會議上有人challenge你：未來NPS的走向是什么樣的？如果不加人為控制，NPS值最高/低是多少？

也許你依據(jù)經(jīng)驗迅速反饋了一個數(shù)據(jù)。有人繼續(xù)challenge你：預(yù)測的依據(jù)是什么？你是如何保證科學(xué)性的？瞬時你會感覺敵方“攻擊力”達(dá)到了“火力全開”；小編曾經(jīng)也遇到過類似challenge 的場景，今天就和大家分享下如何“開掛”擊退“敵方”。

一、什么是預(yù)測性NPS

相信不少互聯(lián)網(wǎng)用戶研究/體驗師聽說過RNPS、TNPS或者CNPS等，但預(yù)測性NPS不少人還是第一次聽說。很多人的下意識反應(yīng)：這是個什么鬼？是正宗的NPS嗎？

預(yù)測性NPS是不直接與調(diào)研用戶接觸，基于歷史NPS數(shù)據(jù)，將結(jié)構(gòu)性和非結(jié)構(gòu)性數(shù)據(jù)源轉(zhuǎn)變?yōu)樵u分的輸入，利用馬爾科夫鏈，預(yù)測未來NPS的走向。

使用預(yù)測性NPS的前提是滿足馬爾科夫鏈中的“馬氏性”和“平穩(wěn)性”，

也就是假定每期NPS值只與上期NPS結(jié)構(gòu)（貶損、中立、推薦）有關(guān)，而與其余前期的狀態(tài)無關(guān)，這就滿足了“馬氏性”。

同時，在外部經(jīng)濟(jì)環(huán)境穩(wěn)定、社會輿論穩(wěn)定、人口特征比較穩(wěn)定、企業(yè)管理技術(shù)和方法沒有發(fā)生重大變化的情況下，可以認(rèn)為用戶推薦態(tài)度由一種狀態(tài)轉(zhuǎn)移到另一種狀態(tài)的概率在各期是保持不變的，即每期的轉(zhuǎn)移概率矩陣基本保持穩(wěn)定，滿足了馬氏鏈的“平穩(wěn)性”要求。

這樣，就可以通過往期的數(shù)據(jù)資料模擬出比較精確的預(yù)測性NPS。

貝恩公司公開推廣預(yù)測性NPS在2018年，其最早有跡可循的是其公司官網(wǎng)在2017年發(fā)表的一篇文章：“The Future of Feedback: Sometimes You Don’t Have to Ask”

二、為什么要采用預(yù)測性NPS

1. 預(yù)測性NPS的洞察更全面、不受回收用戶的限制

現(xiàn)在幾乎全部的NPS調(diào)研都是通過發(fā)放問卷，讓用戶填寫；但問卷調(diào)研的天然短板限制了不一定所有用戶都會回答問卷，這樣實際NPS值，也就是對客戶推薦度的有限了解和洞察。

預(yù)測性NPS基于往期受訪者，對“從未響應(yīng)”的用戶進(jìn)行推測，得到的預(yù)測性NPS值，可以更加全面、不受限制的了解和洞察用戶。

2. 減輕用戶調(diào)研負(fù)擔(dān)，快速洞察

現(xiàn)在常規(guī)的問卷調(diào)研，無論線上還是線下，遇到的顯著問題就是：回收率較低、回收用戶結(jié)構(gòu)有偏差、用戶因經(jīng)常收到調(diào)研問卷，而產(chǎn)生抱怨、惱怒等負(fù)面情緒；但預(yù)測性NPS可以跳過直接調(diào)研，減輕用戶的“調(diào)研負(fù)擔(dān)”。

常規(guī)的NPS調(diào)研，從問卷制定、用戶選取、問卷推送、數(shù)據(jù)分析、報告呈現(xiàn)，最快也需要15-30天左右的時間。預(yù)測性NPS，基于歷史數(shù)據(jù)，通過優(yōu)化分析和決策制定，可以更快速地執(zhí)行洞察和服務(wù)補(bǔ)救；可以讓你在一日、甚至幾個小時之內(nèi)，得到未來多期的數(shù)據(jù)。

三、預(yù)測性NPS是怎么計算的

舉個例子，A公司NPS調(diào)研按照月度進(jìn)行，1月NPS值為30%（推薦、中立、貶損分別為50%、30%、20%）；想知道在目前形式保持不變的情況下，12個月后的NPS值是多少？

第一步：選取1月回收的推薦、中立、貶損各4K名用戶（按照回收400，回收率10%，推算），再次發(fā)送NPS問卷。

第二步：計算原來推薦用戶新的態(tài)度占比，即回收用戶中推薦、中立、貶損的占比；假設(shè)原來推薦用戶中推薦、中立、貶損的比例分別為（70%，20%，10%）；原來中立用戶中推薦、中立、貶損的比例分別為（30%，60%，10%）；原來貶損用戶中推薦、中立、貶損的比例分別為（10%，40%，50%）；

第三步：預(yù)測推算

• 2月份的NPS值為S2=S1*P，(倆矩陣相乘)，其中S1=（50%，30%，20%），P就是轉(zhuǎn)化率；
• 3月份的NPS值為S3=S2*P，(跟S1無關(guān)，只跟S2有關(guān))
• 4月份的NPS值為S4=S3*P，(跟S1、S2無關(guān)，只跟S3有關(guān))
• …
• 12月份的NPS值為S12=S11*P，(只跟它前面一個狀態(tài)相關(guān))

具體，S2的詳細(xì)計算過程，可以參考如下腦圖：

四、預(yù)測性NPS的局限性

1. 很難預(yù)測新服務(wù)的客戶體驗

如上所述，預(yù)測性NPS是基于過往歷史NPS數(shù)據(jù)進(jìn)行的計算，新服務(wù)/產(chǎn)品由于沒有過往數(shù)據(jù)，而無法預(yù)測。

2. 預(yù)測性NPS只是用戶體驗數(shù)據(jù)源的擴(kuò)充，而非取代直接用戶調(diào)研

眾所周知，NPS是主觀的用戶體驗指標(biāo)，很容易受到輿論的影響；預(yù)測性NPS的前提條件是在現(xiàn)有狀態(tài)保持不變的情況下，其中主要的一個維度就是社會輿論，因此預(yù)測性NPS只是對現(xiàn)有NPS的無限進(jìn)化。但現(xiàn)在社會輿論變化極快，因此也決定了預(yù)測性NPS不能代替每期直接的用戶調(diào)研，只能是作為用戶體驗數(shù)據(jù)源的擴(kuò)充。

作者：三金體驗；微信公眾號：用戶在左 體驗在右

本文由 @三金體驗 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。