如何做好一场NPS调研？

我们在工作中经常遇到的一个词，那就是“产品NPS调研”。当部分项目缺少专业的用研人员时，设计师、产品经理则经常会接受上级的要求，投身于NPS调研工作。

笔者也曾在2022年的某天突然接到一款产品年度NPS调研的任务。那么，NPS调研究竟该怎么做？下面将根据笔者的个人经历复盘，带领大家重温NPS的调研方法。

01、NPS基础知识

1.1 什么是NPS？

NPS的核心就是：调研用户对你产品的忠诚度。

1.2 NPS的计算规则

如何计算NPS值？我们一般通过询问用户“是否愿意向朋友推荐我们的产品和服务？”来获得评分，并根据评分将用户分为三类：

9～10分的是推荐者， 是产品忠实地用户；

7～8分的是被动者，他们很容易被竞品吸引走；

0～6分的是贬损者，他们更有可能去传播产品的负面信息。

NPS最终的分值等于“推荐者占比”减去“贬损者占比”。

02、设计NPS问卷

想要做NPS问卷调研，一定要确保它结果的科学合理性，这样才能在汇报时经得起别人的挑战。接下来我们来看一看需要注意哪些点。

2.1 问卷回收数量

2.1.1 需要回收多少问卷？

对于一次问卷调研，如果回收的数量太小，那么最终得到的评分也不足以客观的评价产品的真实体验。那么，我们需要回收多少份问卷才能够达标呢？

具体的详情规则就不一一细说了，感兴趣的童鞋可以去搜一下“样本数量计算”的相关资料。在样本的计算公式中需要我们填写3个数值，大家可以通过输入下面的数据快速计算出样本：

总体数量：也就是我们的用户总数，如果很大或者你不知道是多少时可以为空

置信水平：一般通用值填写95%

置信区间：一般通用值填写5%

通过以上公式计算出的样本数量，就是你本次问卷需要回收的最小数值。当时产品的用户体量为2W，那么问卷至少需要回收376份，才可以相对准确的保障本次问卷结论合理有效。

可是回顾这款产品历史问卷的回收量，居然没有一次的数量能够达标。那么，麻烦的问题又来了，我们该如何回收到376份问卷呢？

2.1.2 如何提升问卷回收量？

为了提升问卷回收量，我开始查找资料、咨询用研老师、对比历史问卷数据，寻找能够使问卷回收量达标的办法。

精简提炼问题，降低问卷跳出率

纵观历史数据，发现在前几次调研中，存在一个普遍的现象，就是问卷的跳出率一直很高，持续在70%～80%之间，是什么导致了这种情况呢？

最重要的一点就是：问卷的题目太多、内容过于复杂。用户点进问卷后，发现填写过于麻烦，便直接退出了。

所以问题的精简提炼是优化的第一步，结合产品2022年的大目标，剔除掉历史问卷中关联度较低的问题设置，逐渐将NPS的调研题目缩短至两题：NPS值评分&开放式反馈。

在精简至这一步的时候，我们也遭到了许多质疑：只有2两道题，能支撑起NPS的数据统计吗？

现在就来答疑解惑一下，按照NPS的问卷调研要求，核心问题必须具备三大块：“筛选目标用户、NPS评分&分支维度、补充型问题”。

首先，由于我们用的推送渠道是服务号，这基本就可以确定填写者都是产品的用户；问卷通过企业openID登陆，我们可以通过后台的用户使用频率进行筛选，既可以区分用户层级，又可以筛查出久未使用的用户问卷，所以“筛选目标用户”的题目便被后台处理所取代。

其次，我们将NPS的“分支维度题”&“补充型问题”作了结合，合并成一道针对NPS具体得分设置的三类评分用户各自专属的开放式反馈题：

9～10分的推荐者：感谢您的评分，您愿意推荐我们的主原因是什么？我们还有哪些需要改进的地方？

7～8分的被动者：我们在哪些方面优化会增强您推荐的意愿呢？

0～6分的贬损者：很抱歉给了您不好的体验，请问您不愿意推荐我们的原因是什么？

通过以上三条分支的后续追问，我们就可以得到”用户推荐的亮点”，“可优化的改进点”和“不满意的缺点“，便于接下来的分析与优化。

选择合适的推送渠道

完成问卷内容的制作之后，接下来就是推送渠道的选择。当前公司常见的问卷渠道有：站内信、应用banner、邮件、服务号等，选择一个曝光力度最大的渠道，会使关注到问卷邀约的用户大幅增加，那么回收率也会相应提升。

从不同渠道的问卷回收历史数据来看，服务号的曝光度是最大的，最近一次的服务号推送回收数据达到了180份。所以，本次的问卷发放渠道仍然选定服务号来完成，但180份这个数据值距离我们的目标还差得远，接下来则是调整推送时间。

选择干扰性较小的推送时间

选择一个合理且干扰性较小的时间段发出问卷邀约，用户才会更可能的接受本次调研。通过调研周围同事的工作习惯、以及询问其它产品服务号的反馈数据对比，我们得出了最佳的时间点：5:45PM。在此时间段的问卷邀约，会得到最大的反馈率。

增加奖品吸引，提升用户填写意愿

经过上述的优化调整之后，我们仍然在担心问卷能否回收到376这个数字。毕竟在大家日常生活及工作中，所接触到的信息干扰越来越多。对于各方产品投来的问卷邀请，测评邀约等，可能已很大程度上使用户形成了厌烦心理，这样的情况会导致用户遇到你的问卷推送时，大概率选择“无视”、甚至“取关”。

针对可能出现的这种情况，我们增加了关键的一项“刺激因素”：奖品吸引。通过奖品运营，让用户重拾填写的兴趣，增加问卷参与者。

2.2 问卷调研频率

除了问卷的回收数目要求之外，我们还需要注意问卷的调研频率。

产品在2022年度是按季度展开调研活动的，但是我们从中发现了一些问题。由于版本的发布时间不固定，按照季度来定期调研可能会导致新功能还未被用户充分体验的情况，不仅无法收获更多有效信息、浪费资源，还会使被调研者有一种“反馈不被重视”的感觉。

对此我们重新调整了调研频率规划，按照“版本覆盖率”&“反馈消化程度”来合理触发新一轮的NPS调研。确保每次调研的前提条件一定是上一个版本覆盖率高于70%，且上一次问卷反馈已基本处理完毕后，才可以开启下一次的调研。

03、NPS结论分析

经过上面的问卷优化调整，产品2022年度NPS的问卷回收数达到576份，达到了最小回收数376份的目标。接下来，最重要的阶段，则是如何通过回收到的问卷，来正确的分析出结果、提出关键性结论为产品提升质量了。那么我们该如何分析问卷数据呢？

3.1 过滤无效样本

回收问卷后的第一步，就是需要对问卷数据进行预处理，检查是否存在无效问卷、异常反馈等。例如：问卷题目大量漏填、相似答案过多、答题速度过快……这些问卷都应该被算作“无效样本”被作废处理。如果不做这一层数据清洗的准备，那么得到的结果就很容易被这些无效样本所影响。

产品曾经在2022年Q3的一次线下活动中发起了NPS问卷调研的邀请活动，并搭配上奖品奖励。但由于周围有很多其它公司内产品摊位都增设了奖品激励的内容，造成参与者产生“速战速决”的心态。问卷NPS值一度飙升至70+，却多为无效反馈，导致此次调研只能作废重来。

3.2 问卷数据分析

过筛掉“无效样本”后，接下来我们就需要对问卷数据进行具体分析了。

3.2.1 NPS得分

NPS的分值肯定会是大家最关心的数据，当这个数字出来之后，我们需要与历史值做一下对比，是提升还是下降，这将会是一个很直观的趋势对比。如果没有历史值比较，那就按照一个大致的区间评估范围：

低于0分：贬损者超过推荐者，用户满意度堪忧；

0～30分之间：产品不错，但仍有改进空间；

30～70分之间：产品在用户满意度方面做得很好；

高于70分：太棒了，你的大多数用户都是产品拥护者！

当然，我们不能仅凭一个分值去主观的断定该产品的好与坏，还需要关注该产品所在行业的均值。也就是各年度的行业净推荐值基准，将自己的分值与行业基准分数比较之后，才能得到一个更加客观的评分。

3.2.2 反馈数据整理

问题的分类整理是调研结论的核心工作，公司内部常用的问卷平台，例如：小易问卷、网易定位等，它们会帮助我们进行很多基础类的整理分类，这将会节省很多人力成本。

对于反馈梳理，我们也可以尝试不同的角度，来助力大家快速定位核心问题所在：

站在用户层面看反馈

站在不同用户群体的层面去看总反馈的占比，比如：问卷的全部用户、推荐者用户、被动者用户、贬损者用户；这四个用户群他们的高频关键字都是什么？

高频的负面反馈当然是团队未来需要投入优化的具体项；那么对于一些正面反馈，例如在问卷中，我们发现大量推荐者提到“VPN功能更加快捷、稳定”，这一点就可以成为我们未来增长、运营的发力点。可以通过VPN功能的宣传推广，吸引更多用户转化为产品的拥护者。

站在反馈层面看用户

查阅具体问题的用户占比是为了更快的抓住产品核心痛点与爽点，如果出现某一类问题明显在“某一类用户”占比偏大，那就需要格外关注了。

在调研中我们发现了用户反馈的“XXX问题”的“贬损者”占比超过80%，这就证明该问题一旦出现，用户大概率会直接放弃使用我们的产品，这一反馈是值得产品团队注意的痛点。

（3）用户后续跟进

完成了问卷的总结分析之后，这些数据还有进一步的利用价值。

通过NPS的反馈评论，结合产品后台用户行为数据分析，就能快速定位出那些对产品使用与调研具有强烈参与意愿的用户了，而他们就是产品珍贵的建议者。

我们要学会充分利用这些“珍贵用户”，大胆的邀请他们加入产品的后续互动：问题回访、用户访谈或者新功能内测体验等等……他们大概率不会拒绝我们的邀约，而且后续的互动会更加提升他们的参与感，为产品获得更多的拥护者。