Net Promoter Score，用户净推荐值，用于衡量你的用户有多愿意推荐你的产品、服务给其身边的人。之前有一个同事，是我的项目搭档，特别喜欢这个度量，加之他有一样侃侃而谈、潜移默化的沟通技巧加持，后来还成功的把这个东西卖到了项目里，我特别佩服他。

最近在看 segment.com 及其相关信息，关注了一圈 Twitter，结果看到好几次 NPS 的应用，于是我想再回顾一下它，参考资料基本来自 Wikipedia。

NPS 是贝恩公司开发出来的，并且还注册了商标，但它包含的实际内容并不复杂。它的计算，就基于一个简单的问题：你有多大可能性，向你的朋友和同事推荐我们的产品，从 0-10 分，你会选几分（likelihood to recommend）？在受访用户的回答中，9-10 分归为 Promoters，0-6 分归为 Detractors，7-8 分归为 Passives，NPS（净推荐值）即等于 Promoter 用户百分比减去 Detractor 用户百分比。

NPS

比如，100 个用户参与调研，54 个 9-10 分，38 个 0-6 分，NPS 即为 54% - 38% = 16%，持续关注这一指标，可以了解自身和对手的产品和服务的用户满意度变化。与上文提到的同事一起，我们之前服务的是一个家电客户，在一些关键节点，NPS 确实是一个非常合适的用户满意度和忠诚度衡量指标，简单明了，实施难度也不很大，结果也好应用到产品、服务的改进和用户沟通中去。

NPS 在被很多公司引入之后，跟其他的时髦概念一样，四处开花，产生了不少变体，比如 eNPS、tNPS、cNPS 等，随着应用和研究逐渐深入，争论也日渐增多，比如问题笼统，跟其他的 likelihood to purchase again 等也没啥区别，也没说明什么因果关系等等。

但统计数字往往都是这样，它只能提供「建议」，实践出真知。回想自己用过的各类大小软硬件产品，假如遇到这类 likelihood to recommend 问题，要将自己归到这么三个大类中去，答案还是很明确的。