NPS在線上體驗的定位

淨推薦值（Net Promoter Score，本文簡稱NPS）是一個近年來常見的指標，廣泛的運用在線上服務體驗，以及較大型的連鎖事業中，本文不針對NPS的計算方式介紹，我會針對NPS的有效使用方式進行探討。

NPS在UX與商業管裡的領域，有褒有貶，我個人以一個資深使用者研究員的角度，面對一個施測的工具，其實並沒有好壞之分，只有使用時機的分別。每次輔導比較有經驗的團隊時，都會先被問及的一個觀點：

使用者只是上來體驗了一個功能，就能給出評估整個網站的意見嗎？

這的確是一個研究員應該思考的，也代表這個團隊的確有實際應用NPS，才會有這個疑惑。我每次都會直接跟團隊問一個問題：

當你看到別人的網站使用NPS時，請問有去研究過網站後台的演算法嗎？

我以booking這個網站為例。當我上booking退了一間房間，在我離開網站前，booking詢問我NPS的問題時，我也給了分數，當然NPS要我評估會不會推薦booking的網站，但我這筆資料真的拿來評估整個網站體驗嗎？可能不是，至少我不會這樣使用NPS。

單一功能與整體網站分開施測
我協助客戶建立線上體驗評估時，我會將單一功能與整體網站分開評估，針對兩個評估的方向，除了NPS，還會使用服務缺口與Kano Model，以及質性的情緒量表，透過三角交叉檢核（triangulation），至少會有兩種量化與一種質化的評估。在線上的體驗，其實另有易用性測試，雖然易用性測試也是體驗的一部分，但是在線上體驗的量測上，我還是會把易用性與服務體驗分開。

今天當使用者離開一個網站前，他看到了NPS施測，他也填寫了NPS推薦可能性分數，但是在我的做法中，這一筆資料評估的主體，其實是單一功能，也就是這名使用者這一次使用的功能，而不是算在整體網站上，畢竟這一次只有使用少量的功能。

如果是我指導booking使用NPS，我還會將問句寫得更細一點：「在使用過退訂功能後，您是否會推薦booking給您的親朋好友。」也就是說，使用者這次用了什麼功能服務，我們就只能將資料記在這個功能服務上。

那整體網站呢？針對長期使用者，我會在使用者每一次光臨網站的第一頁，就進行NPS施測，我想調查的是使用者過去的體驗會不會促使推薦我們的服務，並將之視為整體網站的評估資料。這一個施測的時機點，較不會受到單一功能的干擾，比較能收到過去體驗印象的總和。

另一個切入點是，不論使用哪一個功能服務，施測的問句都一樣，但是我們要區分使用者用了哪些服務，藉以區分出使用過哪一個服務後，NPS的值比較低，並針對那個功能服務進行後續的優化。

不論是哪一個切入點，其實NPS還是用來評估了單一功能，而不是真的在理解顧客忠誠度而已。

透過量化分析找出關鍵功能
當你有了單一功能的NPS資料，以及針對整體網站的NPS資料，這時候就是正式分析的開始。我們想要知道，哪一個功能會顯著的影響使用者推薦我們的意願，要如何判斷呢？請以整體功能資料為依變項，單一功能資料為自變項，進行多元迴歸分析，我們就能找出關鍵的功能服務，鎖定它的NPS分數，當這個功能在某幾天的施測分數降低，整體網站NPS也降低，就代表這個功能可能有了問題，不論是系統不穩定，或是O2O串聯有落差，都要把原因找出來。

這其實也代表了使用NPS施測，後台的演算法要能夠區分每次施測的分數，要記錄在哪一個功能服務上，所以這不僅僅是數據分析或是使用者研究員的工作，整個開發團隊都要能夠討論出劃分的方式，所以並不是單純施測分析而已，「施測的時機點與資料的流向」，決定了NPS是否可以被信賴。

數量才是王道
NPS以一個量化調查工具來看，資料的數量是另一個左右NPS能夠被信賴的關鍵。我們幾乎可以不用查表就知道，至少也要有1068筆資料，才能開始進行有效的分析，而這個就是NPS適合在評估線上體驗的原因，只有線上的網頁形式，才比較有可能在很短的時間內，收到1068筆資料。

線下實體服務就更不用說，大部分都不是NPS適合使用的場景，畢竟施測難度偏高，長期施測不易執行，必須先設計一個施測模式，才能定期且大量的收集到資料。

小結
即使我們使用了多元迴歸分析，讓我們分析的結論更具信賴度，但是這樣的模式還是會陷入只能看見相關，不能窺見因果的泥沼，具體的評估設計上，還是需要其他指標共同評估，或是以大量資料進行分析，所以NPS其實不太需要質疑它的可靠度，找到一個適合應用它的場景或許才是我們應該思考的。