完整的净推荐值（NPS）产品调研计划

当我们想知道用户对产品有什么看法或对产品是否满意时，我们经常以用户研究的形式了解用户的真实感受。在用户研究中，一个非常常见的问题是：这个问题实际上是一个净推荐值，也被称为NPS，旨在理解用户积极推荐品牌或产品的意愿，是一个常见的用户忠诚度指标。我们迫切需要了解用户对应用程序真实使用的感受和评价，因此我们决定根据NPS进行用户研究，以计算应用程序的NPS值，并找到低评价的元素。定位低分元素后，产品优化方向和重心将根据其比例进行指导。准备基于现有的在线NPS研究方法，整理形成适合自己产品的计划：然后根据计划具体实施：这里可以理解为净推荐值和满意度有一定的相关性，即我们认为，如果产品满意，那么他有一定的意愿向他人推荐。因此，引入了一个相关系数k来代表两者的相关性。用1-k代表品牌影响力等其他因素。我们不在乎其他因素，这里主要细分为满意度。整体满意度是整个APP的满意度，可分为分子满意度及其重要性，重要性是指分子满意度与整体满意度的相关性。因此，下一步，我们需要知道哪些因素会影响用户对产品的整体满意度，这是我们关心的。在这里，我与各部门进行了沟通，以确认满意度因素，并收集可能影响用户满意度的因素。在这里，每个因素的满意度将间接影响用户对应用程序的整体满意度。所以我们需要提前确定我们关注哪些因素。这样，在实际调查中，可以通过数据定位用户满意度很低的哪一块，从而进行有针对性的优化。(图为例，非真实数据)问卷设计主要包括两个方面:1。年龄、性别、身份、教育程度、收入水平、找工作类型、找工作频率(产品属性为招聘类，需要知道找工作的肖像)；用户肖像的相关问题在于比较不同类型用户在问卷分析中的数据差异，从而得出客观全面的结论。2.与用户满意度相关的问题首先是整体满意度:“你对pp的满意度(1-10分)”；然后是各种因素的满意度:“你对产品设计的满意度(1很不满意，5很满意)：(1、2、3、4、5)页面美观(1、2、3、4、5)操作流畅性(1、2、3、4)5).."最后是NPS值:“你向朋友或同事推荐使用app的可能性有多大？(0-10分)”这些问题分别是整体满意度、各种因素满意度和NPS值。（0-10分）”这些问题是整体满意度、各种因素满意度和NPS值。早期的交付方式和渠道计划以短信的形式交付给那些使用过我们应用程序的人。然而，由于大量用户流失，短信的回收率太低，样本数量太少。因此，决定通过banner显示的形式将所有活跃用户放入app中。这种交付方式的优点是样本数量足够，缺点是失去的用户不包括在样本中，这将导致整体满意度和高NPS。这里建议，如果条件允许，尽量通过短信定向人群，以确保交付范围在理想的随机范围内，确保数据收集的客观性和随机性。问卷可以通过第三方调查问卷的工具(问卷星、金数据等)生成。)投放。下一步是最重要的数据计算和数据分析。数据分析主要依靠spss工具，计算各因素的平均满意度和与整体满意度的相关系数，即各因素的重要性。网上有现成的计算公式，这里就不细说了。最终会得到这样的数据(图中的数据是例子，非真实数据)：也就是说，每个因素都计算出两个指标：满意度和重要性满意度代表这一因素的独立满意度和整体满意度的相关性。通过用户肖像的组合，我们可以获得多组不同肖像用户的数据。与上图相同，下一步是组合分析各种因素。横轴是四分图模型的重要性，纵轴是满意度。我们将根据其数据替换图中的所有因素。我们将得到这样一个四象限分布图，也称为四分图模型。这个模型客观地反馈了我们需要重要优化的地方、优势的地方、优先级低的地方以及我们可以继续保持的地方。细分可根据不同类型的业务进行划分，如下：从图中可以看出，活动的真实性和活动更新的频率需要优先考虑。它们很重要，但满意度很低。因此，我们需要关注这三个方面的优化。计算NPS净推荐值(NPS)=(推荐人数/总样本数)×100%-(贬损者/总样本数)×100%。结论不同用户肖像的满意度数据存在差异。例如，学生用户对用户体验的要求较高，用户体验的满意度较低；例如，女性用户更喜欢运营活动；NPS在整个行业中处于较高水平，但由于统计标准不一致，存在一定误差；最后，问题定位在1、2、3、4、5等因素中。这些因素显然很重要，但满意度很低。这表明用户非常重视这些因素，但并不满意。通过以上结论，可以定期监控用户对产品满意度的变化，定位当前优先级高的问题，观察解决方案。欢迎大家讨论~