Guofu 的 第 34 篇文章分享
2022年 第 9 篇
在这篇文章中,笔者将使用 Excel 中的 COUNTIF 函数针对 净推荐值(NPS)和 口碑指数(WOMI)两个指标进行计算演示,并以此生成一个简易的 NPS 计算器。
你可以自己手动跟着操作一遍,也可公众号回复【计算器】直接下载 Excel 模版,粘贴调查数据到指定列,即可直接出结果。
以下,Enjoy~
看完本文,你将了解到以下内容:
1、NPS & WOMI 回顾
2、NPS 计算演示
3、WOMI 计算演示
4、Excel 计算器
1、净推荐值(NPS) & 口碑指数(WOMI)
1.1 净推荐值(NPS)是什么?
2003年Fred Reichheld在哈佛商业评论发表文章《The One Number You Need to Grow》提出净推荐值(Net Promoter Score)的概念,简称NPS。
2006年Fred Reichheld 出版《终极问题:创造良性利润,促进成长》系统介绍 NPS,并在2011年出版《终极问题2.0:客户驱动的企业未来 》把 NPS 发展为客户体验管理指标体系。随着全球各地的公司投入实践,目前它已然成为衡量客户满意度的最流行指标之一。
想了解更多推荐阅读:
1.2 净推荐值(NPS)使用方法
NPS 调查问卷范例问题:
根据你使用【 某产品或服务】的情况,你有多大的可能向你的朋友/同事推荐【 某产品或服务】?
请用0-10分来评价
量表:11点量表(0~10,0分表示不会推荐,10分表示肯定推荐)划分:0~6 贬损者 | 7~8 中立者 | 9~10 推荐者公式:NPS = %推荐者 - %贬损者得分:-100 ~ 100评价:一般来说,NPS得分:-100 ~ 0,需要改善; 0 ~ 30,表现一般;31 ~ 70,表现良好;71 ~ 100,则表现优秀。具体行业需对应参考行业基准值~
1.3 口碑指数 (WOMI)是什么?
Larry Freed在他的著作《销量飙升密码:口碑》中认为NPS将0~6分之间的用户定义为"贬损者"的计分方式并不合理。
因为推荐意愿并不能衡量负面口碑,即:不推荐≠贬损。NPS的计分方式不不推荐视作贬损(流失、阻止他人使用等),实际上采取贬损行为的人并没有这么多,这样计分会造成贬损用户的占比被夸大。
1.4 口碑指数 (WOMI) 使用方法
WOMI 调查问卷范例问题:
你有多大可能劝阻他人与【 某产品或服务】发生业务往来?
请用0-10分来评价
量表:11点量表(0~10,0分表示不会劝阻,10分表示极力劝阻)划分:9~10 贬损者公式:NPS(WOMI) = %(9~10)推荐者 - %(9~10)贬损者得分:-100 ~ 100评价:一般来说,NPS(WOMI)得分:-100 ~ 0,需要改善; 0 ~ 30,表现一般;31 ~ 70,表现良好;71 ~ 100,则表现优秀。目前行业缺少参考基准值,可依据NPS基准做评估~
2、Excel计算NPS演示
第 1 步:先把NPS调查结果的得到单独复制到Excel表格。
可复制下列30份NPS演示数据进Excel,使用","进行分割数组。
{8,7,9,10,10,3,9,6,7,9,10,7,6,9,5,10,7,7,7,8,9,5,8,8,8,9,7,9,6,9}
▲ 导入 NPS 得分数据到 Excel
第 2 步:根据不同的打分使用COUNTIF函数分为3组,分别是:贬损者(0~6)、中立者(7~8)、推荐者(9~10)。
贬损者(0~6):=COUNTIF(A:A,"
Original: https://blog.csdn.net/weixin_42773750/article/details/123650589
Author: 龙国富1024
Title: 如何在 Excel 中计算 NPS

tensorflow配置GTX1660Ti+window10

全面解析Kmeans聚类算法(Python)

Python简单爬虫+excel数据分析(绘制数据图、排序、查找指定数据)

二.Tensorflow2之常用函数

语音质量的评价指标介绍及MATLAB实现(一)

speechbrain用于语音分类

速腾聚创 RoboSense RS-Helios 32线激光雷达使用 LeGO-LOAM 算法建图

华为matebook14+NVIDIA+CUDA+cuDNN+Anaconda3+Tensorflow-gpu+pycharm

Planning-Apollo路径决策规划及问题

python数据与挖掘实战学习:实战篇 第九章基于水色图像的水质评价笔记

LLVM 编译器

通过子类化创建新的层和模型

【OpenCV 例程200篇】219. 添加数字水印(盲水印)

tensorflow数据格式tfrecord的原理及用法
