前言
第一次接触 NPS 这个概念是某个知识星球的星主在讲他的星球好评度的时候，用到了这个词。当时感觉这个 NPS 用来评估产品的口碑还挺不错的，但是现在回过头想想，又感觉这个 NPS 的计算有点过于简单。于是就滋生了这样一个问题 —— NPS 用来评估产品的口碑合适吗？
NPS定义
NPS，英文全称是 Net Promoter Score，翻译过来是净推荐分，用于评估产品的口碑。通常我们会通过下面的问题来作为收集 NPS 的问卷题目。
请问你有多大可能向其他人推荐我们的产品？您可以选择分数来表达您的意愿，分值为0-10分，0为非常不愿意，10为非常愿意。
0-6分表示的是这部分用户不但不会推荐我们的产品，甚至还可能吐槽我们的产品不好用；
7-8分表示不太会对我们的产品进行任何吐槽或推荐行为；
9-10分表示愿意向其他人推荐我们的产品。
最后根据收集回来的问卷结果，得到如下的 NPS 计算方法：
可以看到 NPS 的取值范围为-100到100，而且由于推荐者和诋毁者的分值分布不是对称，因此得高分还是挺难的。通常50分以上就算不错的得分了，70分以上就是优秀的产品了（苹果、谷歌和亚马逊的分值都在70分以上）。如果得分在40分以下，那么就说明你的产品口碑很糟糕。
NPS 的缺陷
NPS 有两个比较大的缺陷，一个是误差比较大，另一个是无法反映用户对产品的依赖度。
误差方面，我们来看一个例子。假设我们收集回来100份问卷：
情况1：推荐者数量60，诋毁者数量20，计算得到的 NPS 值为40。
情况2：推荐者数量66，诋毁者数量20，计算得到的 NPS 值为46。
情况3：推荐者数量50，诋毁者数量30，计算得到的 NPS 值为20。
情况4：推荐者数量50，诋毁者数量35，计算得到的 NPS 值为15。
情况1和情况2推荐者数量变化的比例是10%，而 NPS分值变化的比例是15%。情况3和情况4诋毁者数量变化的比例是10%，而NPS分值变化的比例是25%。
我们可以大部分情况下 NPS 的变化幅度会比原始的推荐者数量和诋毁者数量的幅度大，这就意味着如果要得到置信度高的 NPS 分值，需要的样本数要更高。如果样本数不够，拿到的 NPS 值可能会误导你的判断。
依赖度方面，也许确实用户觉得你的产品不错，会推荐给其他人，但是可能对他自己来说这个产品属于可有可无的情况。典型的例子就是最近比较火的 ChatGPT，我用过后，确实觉得很强大，也分享给了朋友。不过，新鲜感过后，我就基本不用了。这意味着我对ChatGPT 的依赖度很低。因此，虽然一个产品的 NPS 值比较高，但是可能留存度很低，实际上也无法成长为一个有生命力的产品。
NPS 怎么用？
NPS 使用时，一方面建议是收集的样本数要足够多，另一方面，需要配合其他指标来评估用户对产品的依赖度。其中一个比较好的指标是产品市场匹配度（Product / Market Fit Score， PMF分数）。用于 PMF 分数的调研问题是：
如果您不能够继续使用我们的产品，您的感觉是什么样的？可以从非常失望、有一点失望和无所谓三个选项中选择。
通过统计选择“非常失望”用户的占比来评估用户对我们产品的依赖度，通常基准线要在40%以上才算比较好的指标。
下面是一个投票，我们来看看大家对微信的依赖度怎么样？
另外，对于 SaaS 产品来说，由于参与系统的角色很多，因此在做评分时，需要区分不同的角色进行评判，比如基层员工、业务负责人、采购关键人等等。也许你的产品能够打动客户基层员工，但是如果令客户业务负责人或采购关键人的失望的话，那么客户很可能不会续订你的产品。
总结
本篇介绍了 NPS 的概念、缺陷以及实际的使用。NPS 作为评估产品口碑的一个指标，还是比较靠谱的。不过，我们不能单凭这一个指标来评判产品的好坏，还需要综合其他指标一起考虑，比如评估用户对产品依赖度的 PMF 分数。
关于产品海豚湾
号主从事过 C 端产品和 B 端产品设计，擅长 SaaS 产品、产品架构设计和需求分析。其中C 端产品在 App Store分类排行榜进入榜单前30， B 端产品完成了完整的从0到1，从1到 N 的过程。
本号主要分享产品干货，尤其是 B 端产品的规划设计、商业洞察、运营支撑、用户体验等相关内容。
