🍭
Как вы относитесь к NPS: преклоняетесь, презираете, игнорируете?У меня очень личное отношение к NPS. Когда-то его использовали, чтобы возить меня мордой по столу. С тех пор остался осадочек. 🫡
Поэтому захотелось взглянуть, а откуда метрика-то вообще взялась?
NPS в 2003 году придумал консультант Bain Фред Райхельд. Он написал в Harvard Business Review статью со скромным названием
The One Number You Need to Grow. Идея такая: все исследования заменяем на один вопрос клиенту “насколько вероятно, что вы порекомендуете нас другу?” Райхельд не придумал это совсем из головы. Перед публикацией несколько лет тестировали разные вопросы. Именно вопрос про рекомендацию победил.
Но вообще, если вдуматься, nps считают довольно странно. Шкала 10-балльная.
🔴 0–6 — критики
⚪️ 7–8 — нейтральные
🟢 9–10 — промоутеры
Из процента промоутеров вычитают процент критиков.
60% промоутеров, 20% критиков → NPS = 40.
Почему 6 — критик, а 7 — внезапно нейтральный? Почему 8 вообще не учитывается, а 9 полностью учитывается?
Честно говоря, это уже не математика, а шаманизм. 🌟Исследователи много раз критиковали эти пороги как произвольные. Шкалу можно нарезать любыми способами. Это на самом деле не влияет на эффективность измерения.
И есть ещё прекрасный эффект. Если в опросе ответили 10 человек, переход одного человека из нейтральных в критики роняет NPS на 10 пунктов. Из промоутеров в критики — на 20 пунктов.
То есть NPS = 30 на десяти ответах и NPS = 30 на десяти тысячах ответов математически выглядят одинаково, но по надёжности это вообще не одинаковые результаты.
А теперь еще интереснее.
🔬Академическая наука не подтвердила главный маркетинговый тезис NPS: что это какая-то особенно волшебная метрика, которая лучше остальных предсказывает развитие бизнеса.В 2006 году исследование в Marketing Science сравнило шесть метрик на данных десятков компаний.
Лучше всего будущие бизнес-результаты предсказывала обычная средняя удовлетворённость клиентов. NPS-подобная метрика по намерению рекомендовать показывала мало или вообще не показывала дополнительной предсказательной силы.
В 2007 году другое большое исследование специально попыталось воспроизвести результаты Райхельда на данных 21 компании и более 15 500 интервью. Не получилось.
В 2015 году исследовали 93 компании из 18 отраслей. NPS работал. Но лучше всего удержание клиентов предсказывала обычная доля очень довольных клиентов — Top-2-box satisfaction. Авторы вообще пришли к довольно скучному выводу: лучше смотреть на несколько показателей, чем искать одно магическое число.
В 2022 году исследователи взяли 193 тысячи ответов и сравнили NPS с шестью способами посчитать те же самые ответы. NPS снова оказался вполне рабочим. Но не лучшим. Простая доля людей, поставивших самые высокие оценки, предсказывала будущие продажи лучше.
То есть NPS не фигня. Но и никакого уникального научного преимущества у него нет. Можно вообще спросить, насколько вы довольны нашим продуктом? И считать средний балл.
Можно считать процент поставивших 9–10.
Можно спросить, собирается ли человек купить продукт снова.
Для клиентского сервиса можно измерять Customer Effort Score: насколько легко клиенту удалось решить проблему. Правда, и тут нет магии: первые исследования CES обещали превосходство над NPS, но последующие сравнения этого не подтвердили.
И если нас на самом деле интересует удержание клиентов, может посмотреть на само удержание? 👀 Покупает ли человек снова? Продлевает ли подписку? Уходит ли к конкуренту?
Короче, знайте. NPS – это не священный грааль. Это просто цифра, в которую верит ваш совет директоров. 🏂