NPS常用的数据分析框架与视角

Structure是NPS的构成分析模块，NPS是一个最终值，它是由推荐者与批评者各自的比例决定的，同样的NPS值，可能呈现出不同的人群构成，不同的人群构成，可以对同样的NPS表现给出不同的特征定义，面对不同的构成，应对策略不同，如：

1）强推荐型——找到优势，突出优势，利用好推荐者的口碑效应，促进裂变

2）强贬损型——分析贬损原因，尽快提升优化体验，改善糟糕的用户结构

3）两级分化型——厘清策略，是强化优势，还是弥补短板，没有对错之分，选择一条最适合自己的路

4）中庸型——没亮点也不出错，缺乏竞争力，需要找到差异化的激励性体验点

5）均衡性——两手抓，两手都要硬，既要找到体验优势，也要改进体验短板

Trend是NPS分析中负责跟踪对比的模块，是分析NPS表现变化、趋势、走势的时序性分析，它可以包括：

1）自身NPS变化趋势

2）竞品NPS变化趋势比较

3）更细化的二级、三级指标的变化趋势

Persona是对NPS几类人群进行深度的客户画像和特征识别的模块，通过客户画像的深度分析，从“人”的角度去理解其满意或不满原因，去理解用户需求的本质，它可以包括

1）最基础的对推荐者、中立者、贬损者的画像分析

2）对一些典型人群的画像分析，如投诉人群、对价格存在明显不满的人群等

Explore是一种多视角的短板探索分析方法，简单说就是采用剥洋葱的方法，一层一层的锁定影响整体体验的关键问题点和关键地区、关键人群。他与统计分析中的Chaid模型类似，可以通过统计学检验的显著性，来判断结论是否可靠和成立。

Quick win是要让那些重要且薄弱的环节优先得到改进，我们通过相关、回归、结构方程等算法得到体验指标的相对重要性，再结合用户的体验反馈，来决定优先级，在时间、资源优先的情况下，找到能够帮助企业速赢的改进动作。

如果在体验反馈收集过程中，有定性的、文本或语音的数据，我们可以把相应的文本数据进行挖掘分析，了解用户具体的不满意点。VOC（用户之声）的数据不仅可以使用NLP等技术进行量化的分析，同时也是非常好的定性素材，价值不亚于访谈。

Link是将体验指标与企业的运营和经营指标建立关联的方法，毕竟提升体验不是目的，终极目的是提升企业的经营绩效。因此，用户体验和NPS数据的终极价值，在于建立与企业经营的关系，要回答以下几个问题：

1）NPS对企业的哪些运营指标提升会产生帮助，产生多大帮助

2）不同的体验维度，哪些对于促进经营结果作用最大

3）什么体验可以促进什么运营指标 （比如做好哪些体验，可以促进客户的活跃）

以上这些分析的维度和方法，可以作为基本的用户体验和NPS数据的分析维度，当然，基于企业的目标和具体场景，分析应该更加贴合企业的实际需要，可以做的更加有针对性和更加深入。更多的一些想法和分析思路，希望能与朋友们面对面的交流和探讨，一起来完善和充实NPS数据的分析方法和思想，一起努力让用户体验的数据结果能顾发挥价值。

欢迎报名参加数字100升级版第一期小班课“以体验思维的视角洞见未来机遇”，与正在实践用户体验的老师和同学们互相学习提升。返回搜狐，查看更多