行銷類專題的創意指標-NPS(淨推薦值)與客戶忠誠度

在專題課程中，如果學生所做的與行銷策略相關，或是有滿意度、忠誠度的主題，常會出現幾個名詞，包括滿意度(尤其是服務業)、忠誠度與再購意願。

從概念上，也許我們最終期待的是消費的再購意願。但沒有滿意，難以建立忠誠，沒有忠誠，下次就未必要買你的。因為客戶忠誠度，是一項重要的行銷專題研究指標。

如果學生的專題是以「問卷」來做為客戶忠誠度的主要研究方法。那麼我們可能會常看見這樣的問卷。

• 你是否會再消費?□會□未定□不會
• 你是否會推薦你的好友來購買?□會□未定□不會

在問卷設計上，類似這樣會與不會的等級畫分，並不一定能很忠實反映受訪者的傾向。如果他會推薦的傾向是居於□會與□未定之間? 因此，我們可能用李克特五等分(或七等分)尺度法，來設計類似忠誠度、再夠意願，或是「滿意度」的問題。

可能是受到文化的影響，一般我們比較不會選極端的答案，表達非常滿意或是非常不滿意。結果5級別的平均數多洛于3.5-4之間。也就是總體而言是滿意的。

在以競賽為主的專題中，做出李克特尺度法五等分的滿意度調查，對技高(中)生來說，已經不敗。但如果要提出「服務滿意度」的改善策略，我們可以使用IPA分析法，找出應該改善的項目。有關這部分請參考。

NPS(淨推薦值)Net Promoter Score

客戶有購買，但可能是心不甘情不願的購買；客戶告訴你滿意，可能也是基於某種因素，但也不會再來消費。滿意度或是消費，未必代表忠誠度，當然就未必能反映出「未來再購買」。如果一個園區的消費行為調查，都是第一次來，那問題就有點嚴肅了。為何沒有人來第二?

當然，有些消費模式，並不會來第二次。例如，你就讀某所很有知名度的私立高中，或是科技大學的某一熱門學習，一般情況下你都不會「再來一次」。這時候，反映出客戶滿意度、忠誠度，可能就是「是否推薦」了。

我們都可能遇到過這樣的問卷問你，

您對朋友或同事推薦景文國貿的可能性有多大？

然後從0到10提供11個等級讓你回答。如果沒有填過類似的問題，請按

https://zh.surveymonkey.com/r/PG2ZMCZ

NPS（Net Promoter Score, 淨推薦值）是由Fred Reichheld 2003年在《哈佛商業評論》首次提出，作為顧客忠誠度衡量的新指標。這個指標是Fred Reichheld當初為了提出更有效的顧客忠誠度指標，針對各產業數千名顧客展開調查，列出各種忠誠度問題，比對歷史購買數據，發現是否願意推薦給親朋好友這個問法最能有效反映客戶忠誠度。

Fred Reichheld將是否願意推薦給親朋好友這個問法分成0-10等11個等級，10代表極度推薦，5是中間值代表中立，0分代表完全不推薦(誹謗者)，並將受訪者依據分成三類：推薦者、中立者及批評者，NPS的計算方式便是推薦者減掉批評者的比例，也就是顧客忠誠度指標。

• 0-6 批評者
• 7-8 中立
• 9-10 推薦者

例如，共有5人接受訪問。0-6有1個，就是20%。9-10有2個，就是40%，其他，有2個中立。那麼NPS就是

40%-20%=20% NPS就是20。

NPS的值界于-100%~100%之間(全部是批評~全部是推薦)。通常會以「儀表板」圖來呈現。此一圖表，可以透過Google 試算表來建立。或是直接以如SurvayMonkey來產生。如圖。

透過樞紐分析計算NPS步驟

如果不是使用SurvayMonkey直接產生NPS與儀錶板圖，若是使用Google Form或是SurvayCake進行資料收集，則快速產生NPS的步驟，可使用樞紐分析來進行。

Step1: 將原始資料透過樞紐分析，計算每一個答案的個數

Step2: 利用群組功能，將0~6 7~8 9~10 組成群組

Step3: 使用Excel直接計算NPS

最後將所計算出NPS 42.5 於Google 試算表中便可以得到如下圖