很多时候，数据分析不光会得到你的产品本身的状态，还会发现一些新的机会。借助这些新发现，让我们对产品产生新的认识。
用研的基础概念
在做用户调研通常是为了收集用户的使用情况、评价和感受。一般会根据调研目标，采用不同的量化指标，最常用的是李克特量表，用来让被试具体的指出自己对该项陈述的认同程度，通常分为五级：强烈反对 -> 不同意 -> 既不同意也不反对 -> 同意 -> 坚决同意。
在问卷的编制结构上，其实已经有了一套比较成熟的理论：美国顾客满意度指数模型主要是用来衡量用户满意度。如果是用来分析用户需求，还有一些常见的分析模型，比如：KANO模型、四分图模型。对于这些模型，最好全部了解一遍，在实际项目中根据情况，自然会知道哪些适合哪些不适合，并且进一步总结出适合自己的方法论。
NPS 是什么
-
NPS 是一个非常宏观的指标，用来衡量用户忠诚度。
-
哲学观：你如何对待用户，用户就会如何对待你。如果认同「以用户为中心」的理念，就能认同 NPS 的哲学观。
-
NPS 的本质是信用背书。用求职内推来类比，就比较容易理解了。
-
NPS 只是评估监控的结果，数据本身并不能为产品/业务带来任何变化。详细来说，NPS 分为三种：tNPS、rNPS 和 cNPS。
-
tNPS：即时（当下）客户在结束产品、服务后的一个满意度（推荐度）tNPS最大的优势在于当下就能反馈出第一手的资料，尤其在做 detractor analysis 的时候最能体现现有问题。
-
rNPS：在相同间隔下（通常以季度/年为主）客户对产品、服务等的总体推荐度。优势在于在可衡量固定时间间隔的客户整体满意度。
-
rNPS：在某些程度上有最大的扩展分析空间，包括结合市场分析、竞争对手的分析、客户流失率等一系列进行综合分析。很大程度上 rNPS 可以起到一个很好的补充作用。
-
cNPS：在将自身产品服务和竞争对手同时让客户进行推荐度选择。cNPS 可以在一个相对客观公平的基础上，反映自身产品的忠实用户群体大小以及整体推荐度。
关于忠诚度和满意度，还是有所区分：
-
满意度：可替代，满意度高可能只是意味着我们提供了与该产品描述一致的功能，我们能够及时响应用户遇到的困难等，但并不意味着我们具有竞争优势或增⻓动力。
-
忠诚度：用户愿意以自己的信用为我们的产品背书，净推荐值以更严格的标准避免了我们对产品现状的自我安慰，真实的聚焦于产品增⻓的驱动力和竞争优势。该指标既考虑了使用者本身直接的经济效益，又考虑了其作为推荐者潜在的经济效益。
为什么采用 NPS
「你如何对待用户，用户就会如何对待你」，和互联网产品设计「以用户为中心」的理念本质上是一致的。NPS 是一个计算简单、非常宏观的指标。NPS的值理论范围是 -100% 到 100%，看一眼实际数据，就能够发现问题，知道产品本质上是好还是不好的。最后，不需要深厚的统计学知识，产品、设计、研发、运营、市场，公司任何一个同事都能够看得懂 NPS。
采用 NPS 注意点
-
水土不服：理论上 0~6 分是贬损者，7~8 分是被动者，9~10 分是推荐者。国外的标准是NPS 在 50% 才算优秀的标准。但实际调研下来发现，选择 9、10 两个分数的非常少，可能跟中国人的性格含蓄有关。
-
被试样本：发了一千份问卷给用户，结果只收集到两三百份。没有填写问卷的七八百个用户应该怎么处理？如果处理不好，会非常影响数据的效度。Airbnb 则会根据用户的其他特征数据，进行归类。实际采用时，需要根据产品特点、用户特点、问卷发放途径进行合理分类。
-
长期执行：NPS 只是一个监控结果，相当于一个快照，类似于财报里面的资产负债表。只有坚持长期调研，定期调研，再进行对比，才能发现产品的改进对口碑的影响，因为品牌和口碑，都不是一蹴而就的事情。
-
发现改进点：NPS 最大的问题在于，它只是一个宏观指标，不能为产品提供具体可执行的落地方案。因此，国内一些产品在采用 NPS 时，通常会使用分支题目的形式，当用户选择不同分数段（0~6 分贬损者，7~8 分被动者，9~10 分推荐者）时，再向用户询问选择的理由。
END
