我們在工作中經常遇到的一個詞，那就是“產品NPS調研”。當部分項目缺少專業的用研人員時，設計師、產品經理則經常會接受上級的要求，投身於NPS調研工作。
筆者也曾在2022年的某天突然接到一款產品年度NPS調研的任務。那麼，NPS調研究竟該怎麼做？下面將根據筆者的個人經歷覆盤，帶領大家重溫NPS的調研方法。
1 NPS基礎知識
1.1 什麼是NPS？
NPS的核心就是：調研用戶對你產品的忠誠度。
1.2 NPS的計算規則
如何計算NPS值？我們一般通過詢問用戶“是否願意向朋友推薦我們的產品和服務？”來獲得評分，並根據評分將用戶分爲三類：
9～10分的是推薦者， 是產品忠實地用戶；
7～8分的是被動者，他們很容易被競品吸引走；
0～6分的是貶損者，他們更有可能去傳播產品的負面信息。
NPS最終的分值等於“推薦者佔比”減去“貶損者佔比”。
2設計NPS問卷
想要做NPS問卷調研，一定要確保它結果的科學合理性，這樣才能在彙報時經得起別人的挑戰。接下來我們來看一看需要注意哪些點。
2.1 問卷回收數量
2.1.1 需要回收多少問卷？
對於一次問卷調研，如果回收的數量太小，那麼最終得到的評分也不足以客觀的評價產品的真實體驗。那麼，我們需要回收多少份問卷才能夠達標呢？
具體的詳情規則就不一一細說了，感興趣的童鞋可以去搜一下“樣本數量計算”的相關資料。在樣本的計算公式中需要我們填寫3個數值，大家可以通過輸入下面的數據快速計算出樣本：
總體數量：也就是我們的用戶總數，如果很大或者你不知道是多少時可以爲空
置信水平：一般通用值填寫95%
置信區間：一般通用值填寫5%
通過以上公式計算出的樣本數量，就是你本次問卷需要回收的最小數值。當時產品的用戶體量爲2W，那麼問卷至少需要回收376份，纔可以相對準確的保障本次問卷結論合理有效。
可是回顧這款產品歷史問卷的回收量，居然沒有一次的數量能夠達標。那麼，麻煩的問題又來了，我們該如何回收到376份問卷呢？
2.1.2 如何提升問卷回收量？
爲了提升問卷回收量，我開始查找資料、諮詢用研老師、對比歷史問卷數據，尋找能夠使問卷回收量達標的辦法。
精簡提煉問題，降低問卷跳出率
縱觀歷史數據，發現在前幾次調研中，存在一個普遍的現象，就是問卷的跳出率一直很高，持續在70%～80%之間，是什麼導致了這種情況呢？
最重要的一點就是：問卷的題目太多、內容過於複雜。用戶點進問卷後，發現填寫過於麻煩，便直接退出了。
所以問題的精簡提煉是優化的第一步，結合產品2022年的大目標，剔除掉歷史問卷中關聯度較低的問題設置，逐漸將NPS的調研題目縮短至兩題：NPS值評分&開放式反饋。
在精簡至這一步的時候，我們也遭到了許多質疑：只有2兩道題，能支撐起NPS的數據統計嗎？
現在就來答疑解惑一下，按照NPS的問卷調研要求，核心問題必須具備三大塊：“篩選目標用戶、NPS評分&分支維度、補充型問題”。
首先，由於我們用的推送渠道是服務號，這基本就可以確定填寫者都是產品的用戶；問卷通過企業openID登陸，我們可以通過後臺的用戶使用頻率進行篩選，既可以區分用戶層級，又可以篩查出久未使用的用戶問卷，所以“篩選目標用戶”的題目便被後臺處理所取代。
其次，我們將NPS的“分支維度題”&“補充型問題”作了結合，合併成一道針對NPS具體得分設置的三類評分用戶各自專屬的開放式反饋題：
9～10分的推薦者：感謝您的評分，您願意推薦我們的主原因是什麼？我們還有哪些需要改進的地方？
7～8分的被動者：我們在哪些方面優化會增強您推薦的意願呢？
0～6分的貶損者：很抱歉給了您不好的體驗，請問您不願意推薦我們的原因是什麼？
通過以上三條分支的後續追問，我們就可以得到”用戶推薦的亮點”，“可優化的改進點”和“不滿意的缺點“，便於接下來的分析與優化。
選擇合適的推送渠道
完成問卷內容的製作之後，接下來就是推送渠道的選擇。當前公司常見的問卷渠道有：站內信、應用banner、郵件、服務號等，選擇一個曝光力度最大的渠道，會使關注到問卷邀約的用戶大幅增加，那麼回收率也會相應提升。
從不同渠道的問卷回收歷史數據來看，服務號的曝光度是最大的，最近一次的服務號推送回收數據達到了180份。所以，本次的問卷發放渠道仍然選定服務號來完成，但180份這個數據值距離我們的目標還差得遠，接下來則是調整推送時間。
選擇干擾性較小的推送時間
選擇一個合理且干擾性較小的時間段發出問卷邀約，用戶纔會更可能的接受本次調研。通過調研周圍同事的工作習慣、以及詢問其它產品服務號的反饋數據對比，我們得出了最佳的時間點：5:45PM。在此時間段的問卷邀約，會得到最大的反饋率。
增加獎品吸引，提升用戶填寫意願
經過上述的優化調整之後，我們仍然在擔心問卷能否回收到376這個數字。畢竟在大家日常生活及工作中，所接觸到的信息干擾越來越多。對於各方產品投來的問卷邀請，測評邀約等，可能已很大程度上使用戶形成了厭煩心理，這樣的情況會導致用戶遇到你的問卷推送時，大概率選擇“無視”、甚至“取關”。
針對可能出現的這種情況，我們增加了關鍵的一項“刺激因素”：獎品吸引。通過獎品運營，讓用戶重拾填寫的興趣，增加問卷參與者。
2.2 問卷調研頻率
除了問卷的回收數目要求之外，我們還需要注意問卷的調研頻率。
產品在2022年度是按季度展開調研活動的，但是我們從中發現了一些問題。由於版本的發佈時間不固定，按照季度來定期調研可能會導致新功能還未被用戶充分體驗的情況，不僅無法收穫更多有效信息、浪費資源，還會使被調研者有一種“反饋不被重視”的感覺。
對此我們重新調整了調研頻率規劃，按照“版本覆蓋率”&“反饋消化程度”來合理觸發新一輪的NPS調研。確保每次調研的前提條件一定是上一個版本覆蓋率高於70%，且上一次問卷反饋已基本處理完畢後，纔可以開啓下一次的調研。
3 NPS結論分析
經過上面的問卷優化調整，產品2022年度NPS的問卷回收數達到576份，達到了最小回收數376份的目標。接下來，最重要的階段，則是如何通過回收到的問卷，來正確的分析出結果、提出關鍵性結論爲產品提升質量了。那麼我們該如何分析問卷數據呢？
3.1 過濾無效樣本
回收問卷後的第一步，就是需要對問卷數據進行預處理，檢查是否存在無效問卷、異常反饋等。例如：問卷題目大量漏填、相似答案過多、答題速度過快……這些問卷都應該被算作“無效樣本”被作廢處理。如果不做這一層數據清洗的準備，那麼得到的結果就很容易被這些無效樣本所影響。
產品曾經在2022年Q3的一次線下活動中發起了NPS問卷調研的邀請活動，並搭配上獎品獎勵。但由於周圍有很多其它公司內產品攤位都增設了獎品激勵的內容，造成參與者產生“速戰速決”的心態。問卷NPS值一度飆升至70+，卻多爲無效反饋，導致此次調研只能作廢重來。
3.2 問卷數據分析
過篩掉“無效樣本”後，接下來我們就需要對問卷數據進行具體分析了。
3.2.1 NPS得分
NPS的分值肯定會是大家最關心的數據，當這個數字出來之後，我們需要與歷史值做一下對比，是提升還是下降，這將會是一個很直觀的趨勢對比。如果沒有歷史值比較，那就按照一個大致的區間評估範圍：
低於0分：貶損者超過推薦者，用戶滿意度堪憂；
0～30分之間：產品不錯，但仍有改進空間；
30～70分之間：產品在用戶滿意度方面做得很好；
高於70分：太棒了，你的大多數用戶都是產品擁護者！
當然，我們不能僅憑一個分值去主觀的斷定該產品的好與壞，還需要關注該產品所在行業的均值。也就是各年度的行業淨推薦值基準，將自己的分值與行業基準分數比較之後，才能得到一個更加客觀的評分。
3.2.2 反饋數據整理
問題的分類整理是調研結論的核心工作，公司內部常用的問卷平臺，例如：小易問卷、網易定位等，它們會幫助我們進行很多基礎類的整理分類，這將會節省很多人力成本。
對於反饋梳理，我們也可以嘗試不同的角度，來助力大家快速定位核心問題所在：
站在用戶層面看反饋
站在不同用戶羣體的層面去看總反饋的佔比，比如：問卷的全部用戶、推薦者用戶、被動者用戶、貶損者用戶；這四個用戶羣他們的高頻關鍵字都是什麼？
高頻的負面反饋當然是團隊未來需要投入優化的具體項；那麼對於一些正面反饋，例如在問卷中，我們發現大量推薦者提到“VPN功能更加快捷、穩定”，這一點就可以成爲我們未來增長、運營的發力點。可以通過VPN功能的宣傳推廣，吸引更多用戶轉化爲產品的擁護者。
站在反饋層面看用戶
查閱具體問題的用戶佔比是爲了更快的抓住產品核心痛點與爽點，如果出現某一類問題明顯在“某一類用戶”佔比偏大，那就需要格外關注了。
在調研中我們發現了用戶反饋的“XXX問題”的“貶損者”佔比超過80%，這就證明該問題一旦出現，用戶大概率會直接放棄使用我們的產品，這一反饋是值得產品團隊注意的痛點。
（3）用戶後續跟進
完成了問卷的總結分析之後，這些數據還有進一步的利用價值。
通過NPS的反饋評論，結合產品後臺用戶行爲數據分析，就能快速定位出那些對產品使用與調研具有強烈參與意願的用戶了，而他們就是產品珍貴的建議者。
我們要學會充分利用這些“珍貴用戶”，大膽的邀請他們加入產品的後續互動：問題回訪、用戶訪談或者新功能內測體驗等等……他們大概率不會拒絕我們的邀約，而且後續的互動會更加提升他們的參與感，爲產品獲得更多的擁護者。
作者簡介
王月明，網易交互設計師，一個計算機專業，正在做交互的UI。喜歡可落地、有價值、可變現的實用型設計！