Net Promoter Score (NPS): метрика лояльности, методология и критика

1. Формула и логика

Респонденты делятся на три группы по ответам:

— Promoters (промоутеры) — оценка 9–10; — Passives (нейтралы) — 7–8; — Detractors (детракторы) — 0–6.

Формула: NPS = % промоутеров − % детракторов.

Возможный диапазон: от −100 до +100. Нейтральные не учитываются. Логика порогов: 9–10 — это «горячая рекомендация», 7–8 — нейтральное удовлетворение, 0–6 — фактическое неудовлетворение.

Райхельд утверждал в The One Number You Need to Grow (HBR, 2003), что NPS лучше других метрик коррелирует с ростом компании. Метрика быстро стала индустриальным стандартом во многих отраслях.

Цветовая шкала NPS и формула расчета итогового индекса лояльности. Шкала и формула NPS

2. Виды NPS

— Relational NPS — измеряется регулярно (раз в квартал/полугодие) для отслеживания общего восприятия бренда. — Transactional NPS — измеряется после конкретного события (покупка, обращение в поддержку, доставка). Привязан к опыту в моменте, помогает находить узкие места. — Employee NPS (eNPS) — аналогичный вопрос сотрудникам о готовности рекомендовать компанию как работодателя.

3. Что делает NPS привлекательной метрикой

— Простота. Один вопрос, одна шкала, одно число. — Сопоставимость. Бенчмарки доступны почти по всем индустриям. — Управляемость. Метрика встраивается в KPI команд и легко коммуницируется руководству. — Связь с поведением. Промоутеры действительно чаще остаются и приводят новых клиентов — хотя бы статистически.

4. Академическая критика

NPS подвергся существенной критике, особенно со стороны маркетинг-сайнс. Главные претензии:

1. Информационная потеря. Деление на три группы и вычитание выбрасывает большую часть данных. Среднее по 10-балльной шкале содержит больше информации, чем NPS, и в исследованиях часто лучше предсказывает рост.

2. Произвольные пороги. Почему 9–10 — промоутеры, а 7–8 — нейтралы? Граница не основана на психометрике. В разных культурах и категориях люди по-разному пользуются шкалой: в одних странах оценка «8» — высокая похвала, в других — мягкая критика.

3. Слабая корреляция с ростом в долгосрочных исследованиях. Морган и Рего (Marketing Science, 2006) на массиве компаний показали, что NPS не превосходит другие удовлетворённости как предиктор выручки. Кенингем и соавторы (2007) также не нашли преимуществ NPS перед классическими метриками удовлетворённости и намерения купить.

4. Намерение ≠ поведение. Заявленная готовность рекомендовать не равна фактической рекомендации. Многие промоутеры никогда никого не приведут; некоторые детракторы продолжают активно пользоваться.

5. Чувствительность к фрейму вопроса. Малейшие изменения формулировки и контекста сильно меняют распределение ответов. Это снижает воспроизводимость.

6. Геймификация. Когда NPS встроен в KPI сотрудников, появляется давление на клиента «поставьте 10», «если что-то не 10, скажите нам, мы исправим». Это разрушает диагностическую ценность метрики.

5. Когда NPS работает, а когда нет

NPS работает удовлетворительно как трекинговая метрика при двух условиях:

— одна и та же методология применяется консистентно во времени; — NPS не используется как единственный показатель и не привязан жёстко к KPI отдельных людей.

NPS плохо работает, когда:

— компанию сравнивают с конкурентами по абсолютному значению (методики разные, бенчмарки часто неаккуратные); — в категориях с низкой социальной видимостью (никто не «рекомендует» клининг или маслофильтры); — в B2B с малыми выборками (несколько ответов могут радикально менять цифру); — как KPI исполнителей, привязанный к бонусам.

6. Что измерять вместе с NPS

Чтобы NPS превратился в инструмент принятия решений, его обычно дополняют:

— открытым вопросом «почему вы поставили эту оценку?» — основной источник содержательных инсайтов; — измерением фактического поведения: retention, churn, частота покупки, реальные рекомендации; — CSAT (Customer Satisfaction Score) — удовлетворённость конкретным взаимодействием; — CES (Customer Effort Score) — сколько усилий клиенту пришлось приложить; — когортным анализом — связь оценки и последующего поведения когорт.

7. Альтернативы и развитие

В последние годы развиваются альтернативные подходы:

— Earned Growth Rate (Райхельд, 2021) — попытка обойти проблему «намерения»: измеряется реальный вклад существующих клиентов в рост (повторные покупки + новые клиенты, пришедшие по рекомендации). — Top-2 Box / Top-3 Box scores — простые метрики на 5- или 10-балльных шкалах, без вычитания. — wRFM и поведенческая лояльность — основанные на фактическом поведении, а не на заявленном намерении.

8. Как использовать NPS правильно

— Не делайте NPS единственной метрикой. Это термометр, а не диагноз. — Всегда сопровождайте открытым вопросом «почему». — Не привязывайте бонусы напрямую к NPS — это разрушает методологию. — Сравнивайте динамику собственного NPS, а не абсолютные значения с конкурентами. — Сегментируйте: NPS по продукту, по каналу, по тарифу даёт несравнимо больше, чем агрегированный. — Соединяйте NPS с поведенческими данными: какие промоутеры реально ушли, какие детракторы реально приводят клиентов — это отрезвляет.

9. Частые ошибки

Первая — считать, что NPS = лояльность. NPS — это намерение рекомендовать, и оно лишь приблизительно связано с лояльностью.

Вторая — измерять NPS «потому что так делают все», без связи с управленческими решениями. Метрика, которую никто не использует для действий, — мусор в отчёте.

Третья — превращать NPS в KPI первой линии. Это убивает диагностику.

Четвёртая — игнорировать культурный и контекстный bias. Сравнение NPS из России и из Германии без поправки на стиль шкалы — наивно.

10. Связанные концепты

Удержание и рост, LTV, CSAT и CES, когортный анализ, Voice of Customer, аналитика и эксперименты, реферальные программы.

Источники

Frederick Reichheld. The One Number You Need to Grow. Harvard Business Review, December 2003.
Frederick Reichheld, Rob Markey. The Ultimate Question 2.0 (2011).
Frederick Reichheld, Darci Darnell, Maureen Burns. Winning on Purpose: The Unbeatable Strategy of Loving Customers (2021) — концепция Earned Growth Rate.
Keiningham, Cooil, Aksoy, Andreassen, Weiner. The value of different customer satisfaction and loyalty metrics in predicting customer retention, recommendation, and share-of-wallet. Managing Service Quality, 2007.
Morgan, Rego. The Value of Different Customer Satisfaction and Loyalty Metrics in Predicting Business Performance. Marketing Science, 2006.

Навигация:

Раздел: Аналитика -> Базовые метрики
Категории: #analytics

Поделиться статьей:

Telegram ВКонтакте Twitter