卓思,客户体验,客户体验管理,NPS

在以NPS为核心的客户体验管理体系中,通常会基于客户反馈的问题确定改善方向,设计改善方案并实施,从而提升客户体验。但往往面临一个困惑:这么做能带来什么价值,对提升NPS有多少贡献?


对改善动作的价值量化并不容易,但归因分析是评估改善动作(或具体指标)对NPS贡献度的有效方法。


归因分析用于了解各个指标对NPS得分贡献度的大小,主要原理包括以下3个关键内容:


1)每个指标都可以基于自身占有的推荐者和诋毁者数量计算该指标的NPS;

2)每个指标NPS对总体NPS的贡献权重是不同的,提及越多的指标拥有越高的权重;

3)加权后的指标NPS即为该指标对总体NPS得分的贡献值。


我们通过下表中A-J共10个客户的NPS评分为例,详述归因分析的计算过程。


来源:MaxInsight卓思


在这组数据中,有7个推荐者,2个诋毁者,NPS得分为(7-2)/10*100=50。


客户A打10分,共提及了驾驶性能和产品质量两个正向指标,A是1个推荐者,因此驾驶性能和产品质量各占有0.5个推荐者;客户B打9分,共提及了驾驶性能1个正向指标,B是1个推荐者,因此驾驶性能占有1个推荐者;同理,基于每个客户反馈的指标情况,都可以得出该指标对应的推荐者或者诋毁者数量。


以驾驶性能为例,提及该指标(含正向和负向)的共7个客户,占有推荐者4.5个,诋毁者0.5个,因此驾驶性能的NPS=(4.5-0.5)/7*100。


考虑到总共10个客户,驾驶性能对总体NPS贡献的权重为7/10,加权后驾驶性能的NPS=((4.5-0.5)/7)*100*(7/10)=(4.5-0.5)/10*100=40,即为驾驶性能对总体NPS的贡献值,占总体NPS的40/50=80%。


接下来,我们将结合汽车行业的NPS项目,介绍归因分析如何进行实战应用。


某主机厂定期对购车满1年的客户进行NPS调研,了解客户的推荐度和具体原因,包括产品、服务、智能网联、充电等多个业务方向,具体指标很多,我们选择客户关注度较高的10个指标进行归因分析。


1.总体表现


从数据来看,NPS总分为63,其中产品贡献66%,服务贡献29%,智能网联贡献5%,充电贡献0%。


                                                     

来源:MaxInsight卓思



来源:MaxInsight卓思


这个结果带给我们3点启发:


1)产品是影响客户推荐的最主要因素;

2)服务对客户推荐也有较大贡献;

3)智能网联还有很大的提升空间。


各业务的具体指标还可以展开,以服务的主要指标为例,服务态度最重要,对NPS的贡献值为5.2,这个数虽然看起来不高,但如果服务做得不好,服务态度的贡献值不仅可能为0,还可能为负值。


来源:MaxInsight卓思


此外,可能出乎很多人的意料,客户关怀的重要性也很高,几乎不亚于新车交付。


2.车型表现


从各车型级别的NPS贡献度看,C车型的产品贡献度最高,D车型的产品贡献度最低;从具体产品指标的表现看,C车型的产品表现更多来自驾驶性能,而产品质量对A车型的贡献更高。


来源:MaxInsight卓思


来源:MaxInsight卓思


3.区域表现


各区域的NPS得分,也可以通过归因分析拆解出在服务方面的差异。


如下图所示,北区的服务贡献度最高,南区的服务贡献度最低;从具体服务指标的表现看,北区的服务表现更多来自服务态度,而南区主要在客户关怀上落后较多。


来源:MaxInsight卓思


来源:MaxInsight卓思


以上分析说明,归因分析可以清晰量化各业务、各指标对当前NPS的贡献度,并通过多维度对比,了解不同维度下的弱项,明确提升方向,直接回应改善动作带来的NPS预期提升效果,会让客户体验管理工作更加有的放矢。


而且,归因分析在NPS研究中的应用远不止于此,还可以在横向和纵向上进行拓展。横向可以通过多品牌对比,了解该品牌的NPS表现和各业务的贡献度差异,从而更好量化与竞品的竞争优劣势,谁的产品或者服务对客户体验的贡献更高,差距多大;纵向可以通过多期次对比,解读NPS波动的深层次原因,比如哪个指标的贡献度持续下行或低于预期,以明确后续重点提升的业务方向。


通过以上归因分析的介绍,希望对大家开展以NPS为核心的客户体验管理工作带来新的启发。