Для оценки лояльности клиентов компании используют NPS или Net Promoter Score. Этот показатель измеряет общее мнение клиента о бренде в сравнении с его восприятием отдельного взаимодействия или покупки, и позволяет улучшить качество обслуживания покупателей на основе общего настроения.
Как рассчитать NPS?
Как правило, менеджеры задают покупателям два типичных вопроса для вычисления NPS:
- Насколько вероятно, что вы посоветуете наш продукт/услугу другу или коллеге?
- Расскажите, пожалуйста, почему вы поставили такую оценку?
Первый вопрос всегда измеряется по шкале от 0 до 10 и используется для разделения пользователей на разные группы на основе их ответов. Второй вопрос – это продолжение, чтобы получить обратную связь в свободной форме о высоких или низких оценках клиентов.
Соберите ответы на первый вопрос и поделите клиентов на три разных сегмента:
- Критики (Detractors): их оценка – от 0 до 6. Недоброжелатели – это клиенты, которые обычно уходят и распространяют негативную информацию о вашем продукте.
- Нейтралы (Passives): их оценка – 7-8. Этот сегмент достаточно удовлетворен вашим продуктом, чтобы использовать его. Обычно они не будут критиковать, но и не будут продвигать это.
- Приверженцы (Promoters): клиенты, которые поставили 9-10 балов. Эти люди более чем довольны вашим продуктом и будут рады рассказать о нем.
Рассчитать итоговый балл NPS просто: отминусуйте процент критиков из процента промоутеров.
NPS формула: % приверженцев - % критиков = NPS
Например, если 10% респондентов являются критиками, 20% – нейтралами, а 70% – приверженцами, ваш показатель NPS будет 70% - 10% = 60%. На самом деле, достичь NPS выше 60% очень сложно. Все, что выше средних 40-50%, считается отличным показателем.
Почему NPS важен и зачем проводить расчеты постоянно?
Net Promoter Score не только измеряет лояльность пользователей и дает вам качественную обратную связь, но также позволяет предсказать отток клиентов и доходов. Вы можете измерить практически все с помощью NPS: оценить отдельные продукты, магазины или веб-страницы, опросить сотрудников (eNPS).
Три причины, чтобы проводить NPS:
- Лучшее понимание своего целевого рынка. Сможете понять, какая реакция у клиентов на ваш продукт/услугу, маркетинговые кампании и на сервисную службу. Главная задача – зацепить лояльных клиентов, которые станут промоутерами компании, а не просто покупателями.
- Низкие оценки в тесте NPS – это возможность сосредоточиться на обратной связи от клиентов-критиков и использовать эту информацию, чтобы улучшить продукт или услугу, разобраться с причинами низких оценок на основании комментариев к основным вопросам.
- Поможет сделать коммуникацию с клиентами-критиками эффективней. Важно следить за обратной связью клиентов, особенно, если они отмечают проблемы. Это может быть единичный случай недопонимания или ошибки пользователя, или даже масштабная жалоба, которую не решить быстро, но продолжая общаться с критиками, вы покажете, что их слышат и ценят. Возможно, такая стратегия поможет снизить вероятность оттока клиентов.
Получается, регулярные опросы NPS среди своих клиентов помогают бизнесу сегментировать пользователей и повышать уровень удовлетворенности клиентов.
Где и как обращаться к вашим пользователям?
Есть два основных канала, по которым можно распространять опросы NPS: транзакционные письма и внутри вашего приложения.
Транзакционные электронные письма инициируются событием в продукте или датой. NPS через электронную почту может собрать меньше отзывов, но этот опыт менее навязчивый. С другой стороны, опросы в приложениях, как правило, лучше вовлекают и охватывают, поскольку инициируются событиями, определяются поведением и проводятся в контексте.
Опрос NPS должен инициироваться каким-либо взаимодействием с продуктом. Например, можно попросить клиентов оставить отзыв после того, как они активируют новую функцию в приложении.
В любом случае, жестких таймингов и частоты нет. Все зависит от ваших стратегий и целей, но есть несколько общих правил:
- Не отправляйте опрос слишком рано: не заставляйте новых клиентов сразу же делать выводы.
- Обратите внимание на контекст. Лучшее время для опросов NPS – после того, как ваши клиенты почувствуют что-то хорошее внутри вашего продукта.
- Запрашивайте отзывы более одного раза, но не переусердствуйте. Критики могут внезапно стать нейтралами, нейтралы – либо критиками, либо приверженцами. Все меняется по мере развития вашего продукта и рынка. Оптимально проводить опросы пользователей каждые 2-4 месяца.
- Отправляйте опрос NPS в нужное время. Если вы проводите опрос своих клиентов по email, помните, что ваши электронные письма конкурируют как с личными, деловыми, так и со спамом. Лучшие дни для отправки электронных писем – вторник, четверг и среда в 10:00 или 14:00.
- Сначала уведомляйте пользователей, а затем опрашивайте. Предварительное уведомление может улучшить ваш индекс NPS.
Как эффективно проводить NPS?
Количество ответов на опросы никогда не достигает 100%, но есть несколько простых советов, как получить больше ответов от клиентов:
- Сделайте подходящий и привлекательный дизайн. Настройте цвета, шрифты и размеры текста, чтобы опрос выглядел как часть вашего продукта. Попробуйте использовать привлекающие внимание детали, чтобы NPS не сливался с вашим приложением и не был проигнорирован.
- Отправьте опрос NPS нужному количеству клиентов. Для получения статистически значимых результатов необходимо определить точное количество пользователей, которые увидят опрос, особенно если вы проводите его массово, без какого-либо контекста. Если вы делаете массовую рассылку (например, хотите опросить клиентов, которые работают с вами уже более двух лет), убедитесь, что у вас достаточно людей для опроса. Как очень маленькие, так и очень большие группы могут давать статистически неверные данные.
- Отправляйте опросы NPS как в приложении, так и через почтовые рассылки. Можно выбрать только один вариант из двух, но лучше отправить двумя каналами коммуникации в примерно одно и то же время. Вот алгоритм для повышения вовлеченности и скорости отклика: покажите свой опрос NPS в приложении после некоторого важного опыта. Если клиент откликнется, отлично, если нет, отправьте опрос еще раз через день, но по электронной почте. Благодаря этому у клиентов меньше шансов пропустить или не заметить опрос NPS.
- Сделайте опросы NPS более персонализированными. Персонализация важна во всех аспектах продаж и маркетинга. Большинство клиентов ожидают, что бренд будет хорошо их знать и предоставлять индивидуальный и персонализированный опыт.
- Предложите своим респондентам поощрение. Как правило, стимулы для анкет и опросов могут привести к неточным данным. Но если открываемость слишком низкая, а другие стратегии не работают, попробуйте предложить поощрение своим клиентам. Это может быть что-то вроде электронной книги, контрольного списка или даже недели бесплатного пользования продуктом.
Как анализировать данные NPS?
Рассмотрим четыре этапа анализа данных Net Promoter Score.
1. Посмотрите, какие показатели вовлеченности определяют ваших клиентов
Необходимо сопоставить своих недоброжелателей, нейтралов и промоутеров с показателями вовлеченности, которые демонстрируют:
- Количество зарегистрированных сеансов.
- Самые посещаемые страницы.
- Поведение в приложении.
- Средние сеансы.
- Рейтинг кликов.
- Среднее время в вашем продукте.
- Любые другие важные KPI продукта.
Если выяснить общие события и пути, связанные с промоутерами, можно попытаться перестроить взаимодействие с продуктом и сделать эти ключевые функции и действия более привлекательными для нейтралов и недоброжелателей.
2. Используйте все свои данные для интерпретации качественного исследования
Обычно компании собирают данные о пользователях. Предприятия с низким уровнем взаимодействия обычно собирают только имя и адрес электронной почты. А вот B2B-компании с высоким уровнем взаимодействия запрашивают информацию об отрасли, размере компании, названии, размере команды и прочее, поскольку эта информация важна для эффективных продаж. Такие данные можно использовать для заполнения профилей пользователей или проведения более глубокой сегментации. При этом вы можете узнать, какой тип клиентов имеет тенденцию быть наиболее (или наименее) лояльным к вашему бренду.
Другие типы данных, которые вы можете сопоставить с вашими атрибутами NPS:
- Демографические (возраст или местоположение).
- Поведенческие (действия пользователей в вашем продукте, время, проведенное в продукте...).
3. Выполните дословный анализ
Ответы на вопрос «Какова вероятность того, что вы от 1 до 10 порекомендуете наш продукт своему другу?» не будут давать понимания, как улучшить свой бизнес. Также следует проанализировать ответы на второй вопрос: «Почему вы поставили такую оценку?», это дословные ответы.
Лучший способ проанализировать этот тип вопросов – выделить ответы, которые имеют определенные общие черты. Например, ссылаются на определенную функцию или процесс. Поскольку в одном и том же контексте могут быть разные ответы.
Вот пример трех разных (но одинаковых) ответов:
- Поиск какой-то конкретной функции внутри вашего продукта занимает много времени.
- У меня проблемы с использованием вашего продукта.
- Продукт немного сбивает с толку.
Все эти ответы можно охарактеризовать как потребность в улучшении пользовательского опыта.
4. Читайте каждый комментарий
Хотя это может занять много времени, любой комментарий из каждой тысячи может быть отличной возможностью для изменений. Попробуйте поручить определенным сотрудникам регулярно просматривать комментарии.
Также читайте:
На мой взгляд, повальное увлечение NPS во многих случаях приводит к тому, что "с водой выплескивают ребенка"
Прежде чем начинать измерять этот показатель имеет смысл задать вопросы.
- Зачем мне нужна эта информация?
- Что я с ней буду делать?
Легкость расчета создает иллюзию эффективности этого показателя с точки зрения оценки взаимодействия клиента и компании.
При чем порой доходит до забавных ситуаций.
Стоит позвонить в банк в службу поддержки с мелким вопросом, как сразу после звонка "прилетает" вопрос.
Оцените по шкале, будете ли Вы рекомендовать наш банк после разговора с оператором?
Каждый раз не перестаю удивляться таким вопросам.
Русский человек не любит экстремальности в оценках и обычно очень редко выбирает крайние значения, как показывают исследования. Нужно быть очень осторожным) в интерпретации результатов. А от 8 до 9 один шаг)
Если вспомнить его цель (Рейхельда) создания модели, то это было упростить компаниям процессс выявления удовлетворенности клиентов. Причем, чтобы сделать это легко и просто мог любой отдел в компании. Именно это он закладывал в свою модель. Плюс измеримый результат. При этом для американца, система рейтингов обычное явление, начиная со школы. И каждый американец точно знает шкалу оценок. Рейхельд разрабатывал ее для своего американского рынка и не имел в виду все остальные нации, которые построены совсем по другим принципам – не нравится, а все равно будет в этой компании покупать)
Потом он акцентировал, что с промоутерами (приверженцами) надо плотно работать, особенно в в2в, а у нас все обычно закачивается первым вопросом, вот как в комменте выше).
Главная идея NPS НЕ в его значении, а в его динамике.
Сам по себе NPS, как вы верно заметили, довольно примитивен и в силу этого может быть не вполне достоверным и информативным.
Именно поэтому оценка его динамики гораздо интересней, чем он сам.
Если, измеряя NPS по меньшей мере трижды в разное время, удастся зафиксировать его устойчивый рост, то можно констатировать, что деятельность компании сонаправлена с удовлетворенностью клиентов. И можно будет даже оценить предельное значение NPS и время его достижения.
На самом деле упомянутый автором кейс:
-- это на самом деле ни что иное как:
Среднее значение оценок (Average, Mean) = 0,6
Или, выражаясь языком математической статистики:
И как мы видим, отсюда нам открывается уже намного больше всего.
1) Я бы рекомендовал все же диверсифицировать оценки сильней и вместо 3 грейдов:
- Нет
- Нейтрально
- Да
использовать 5 грейдов (более чем достаточно на массивных выборках):
- Однозначно НЕТ
- Скорее НЕТ, чем ДА
- 50/50 (ХЗ)
- Скорее ДА, чем НЕТ
- Однозначно ДА
И считать не NPS (с редукцией Критики/Нейтралы/Приверженцы), а строить кривую плотности оценок вроде той, что я привел выше, но по 5 точкам.
Тогда с ответов респондентов можно будет снять на порядок больше информации и понимание ситуации будет намного лучше.
Например -- эксцентриситет кривой распределения, чтобы понять насколько охотней люди ставят положительные оценки, чем отрицательные и наоборот, или какая доля тех, кто поставил ХЗ -- мягко говоря, слукавила.
Именно! Никакой человек не любит, когда его выбор сильно ограничивают.
Но с другой стороны чрезмерный выбор приводит к проблеме Буриданова Осла, которому предложили две одинаковые кучки сена, он не смог выбрать и умер от голода. Это я к тому, что НЕ стоит делать так:
Во-первых, не всегда. И, во-вторых, столько грейдов НЕ нужно от слова вообще. Тем более, что автор потом редуцирует их в три:
- (0..6)
- (7..8)
- (9..10)
чтобы банально вычесть (0..6) из (9..10).
Когда предлагается слишком много вариантов ответов на выбор -- респонденты, конечно не умирают от голода, но заполняют такой опросник на отвяжись, просто потому, что им лень и/или нет времени делать это вдумчиво, сильно зашумляя результаты.
В целом я очень рад, что публикации на тему метрик и оценок стали иногда появляться на портале. Но важно понимать, что здесь нет никакой магии и сакральных масонских практик. Это все чистая математика, к которой по сути и сводится эффективный менеджмент.
Не любит) до тех пор пока не приходится делать выбор из множества)
Возможно и 3 хватит) Ну, у автора совершенно другая концепция заложена. Причем сам он называет ее шкалой пещерного человека) и объясняет, почему взял именно такую шкалу. И все гораздо проще)
"Поскольку большинство из нас ходили в школу
и на протяжении многих лет вели подобные беседы как я
с учителями, я думаю, что большинство людей понимают,
что семь и восемь — это четверки и тройки.
С ними все в порядке, но они не приведут вас в Гарвард.
Люди, ставя 6, действительно дают вам негативное сообщение.
Они не злятся. Они не злые. Но ты потерпел неудачу.
А когда ставят ноль, то они просто в ярости. вы действительно не смогли предоставить клиенту что-то, что сделало бы его лояльным промоутером.")
И потом, американцам как раз 3х не хватит, вот они-то любят, чтобы было из чего выбирать) На этом погорела Крошка-картошка в Америке)
Я всегда ставлю 0 в опросниках ОЗОНа, когда мне предлагают.
Без всякой ярости, ставлю 0 совершенно спокойно потому, что на мой взгляд это апофеоз сумбура и бардака.
И их прошлогодний пожар на Новой Риге стоимостью 11 млрд (с их слов) меня почему-то даже не удивил. Закономерное следствие качества их менеджмента.
Такие красивые люди с такими умными литсами, а компания в убытках.
Но, если копнуть -- там все сделано и работает через одно место.
Не удивлюсь, если у них и этим летом что-нибудь сгорит.
Ну, у всех разная сенсорная чувствительность и реакция на раздражающие внешние факторы) Хотя, думаю, автор нагнал немножко эмоций в интервью)
Меня вот тоже озон не волнует) А сбербанк, когда ляпнулся и менеджер заставил меня ждать 40 мин. хотя было назначено точное время, я была в гневе) Знаете, как бегали) и менеджера тут же сменили и сам глава департамента позвонил, извинялся лично)
Что меня больше поражает всегда, так это то, что наши берут какую-то модель, которая уже опробована (лет 20), проверена, получила большой вал критики, и от самих компаний в том числе, и начинают ее продвигать). Причем критики обоснованной – недостоверность результатов, рост коррупции, так как менеджеры по результатам этого опроса (включен в бонусные планы) получают бонусы и продвижение в карьере за счет того, что опрашивают только проумоутеров, да много там претензий разных).
Сергей, Ваше предложение безусловно поможет точнее проводить интерпретацию полученных данных.
Только для этого сами данные должны обладать определенным уровнем достоверности.
Я хочу сказать, что очень часто этот вопрос задается формально клиенту.
Я имею ввиду ситуацию с корпоративными продажами, когда условия приобретения определяет один человек, а реально пользуется другой человек.
Этот другой - пользователь продукта- очень часто скрыт от опроса.
Поэтому ответы того, кто занимался покупкой будут изначально нерелевантны.
Сергей,добрый день. Подскажите как Вы mean в 0,6 получили? Какая математика расчёта?
Добрый день,
Спасибо, я ждал этого вопроса :)
Average, Mean = ((-1*10)+(0*20)+(1*70))/100 = 0,6
Это обычное среднее арифметическое.
То, что NPS = 0,7-0,1=0,6 равно тому же значению -- совпадение.
Moda считается сложнее.
Сначала надо построить по данным S-образную кривую Функции распределения.
Потом проаппроксимировать ее Normal (Gaussian) CDF (Cumulative distribution function) -- это 0.5*(1.0+erf((x-mu)/(sigma*sqrt(2)))).
А потом полученную кривую продифференцировать и найти максимум.
В общем случае.
Можно и сразу аппроксимировать данные Функцией плотности вероятности (Normal (Gaussian) PDF (Probability density function) -- это exp(-0.5*((x-mu)/sigma)**2)/(sigma*sqrt(2.0*pi)), но погрешность (ошибка) модели особенно на малых и/или сильно дискретизированных выборках будет выше.
Поэтому я предпочитаю делать аппроксимацию куммулятивной функции CDF, а потом брать от нее d(CDF)/dx.
На всякий случай дам небольшую справку по основным средним:
Average, Mean -- это простое среднее арифметическое.
Median -- это медиана, когда отбрасывается нибольшее и наименьшее, снова наибольшее и наименьшее, пока не останется одно значение -- оно и есть медиана. Если остается два -- то берут их среднее арифметическое.
Mode -- это мода или пик фнкции плотности веротяности. То есть наиболее частое значение в выборке.
Для любой исследуемой выборки всегда полезно считать их все и смотреть как они соотносятся друг с другом.
НО важно понимать!
Average, Mean -- чрезвычайно чувствительна к шуму.
Median -- обладает некоторым иммунитетом.
Mode -- самый устойчивый и лучший вариант, чтобы понять с чем имеем дело.
Вообще, я противник унифицированных бездумных или слишком упрощенных подходов в оценке (анализе) наблюдаемых метрик. Так как с таким подходом легко выплеснуть и дитя с водой (throw the baby out with water) -- то есть пропустить какие-то важные детали. И -- сторонник исследовательского подхода или tailor made analytics (более тщательного анализа). Тогда можно выжать из данных на порядок больше в том числе скрытых факторов, в которых часто и кроется дьявол (devil is in the details).
Соррямба за изобилие метафор, но это чтобы выразить идею лучше.
Я не увидел в статье ответы на эти два важнейших вопроса.
В частности, не очень понятно, говорит ли автор о сервисе (см. начало статьи) или продукте (см. предложение сделать дословный анализ), существенно ли это различие, а - если да - кто/какие подразделения должны готовить вопросы и затем работать с полученными данными.
Если ли хорошие примеры полезности NFS?