·Glossary·Minds Team
什么是净推荐值？定义与示例
了解什么是净推荐值（NPS）、它如何衡量客户忠诚度，以及 Minds 如何跨微细分群体模拟 NPS 回答，从而即时预测客户满意度。
净推荐值（Net Promoter Score，简称 NPS）是一种广泛使用的市场调研指标，通过在 0 到 10 的量表上询问受访者向他人推荐某家公司的可能性，来衡量客户忠诚度和品牌拥护度。现在，像 Minds 这样的平台可以跨多元目标受众即时模拟这一过程。
净推荐值的机制依赖于一个关于推荐意愿的简单直接的问题。受访者在 0 到 10 之间选择一个分数，这会将他们分为三个不同的群体。推荐者（Promoters）是给出 9 分或 10 分的人，代表高度忠诚的客户，他们会通过积极的口碑主动推动业务增长。被动者（Passives）给出 7 分或 8 分，表明他们虽然满意但缺乏热情，容易转向竞争对手的产品。贬损者（Detractors）给出 0 到 6 分，代表不满意客户，他们可能会通过负面评价和主动投诉损害品牌声誉。要计算最终得分，需要用推荐者的百分比减去贬损者的百分比，得出的分数范围在负 100 到正 100 之间。该指标是客户体验和长期有机增长的代名词，使企业能够对照行业标准评估自身表现。正分通常被认为是良好的，超过 50 分代表优秀，而超过 70 分则是世界一流水平。长期跟踪这一指标有助于企业识别忠诚度的转变，并评估产品变更或客户服务举措的影响。
让我们以一家总部位于 London 的订阅制咖啡品牌 Bean and Roast 为例，该品牌由客户体验总监 Sarah 管理。在推出全新的环保包装设计后，为了评估客户忠诚度，Sarah 需要了解不同订阅用户群体的反应。她希望提前预测这一举措对忠诚度的影响，而不是开展成本高昂的线下调研。如果她对 100 名受访者进行传统调查，可能会发现 60 人给品牌打了 9 分或 10 分， 25 人打了 7 分或 8 分， 15 人打了 0 到 6 分。这意味着推荐者占比 60%，贬损者占比 15%。用 60 减去 15，Sarah 计算出净推荐值为正 45。这个正数得分表明客户忠诚度状况良好，但也暴露出了一部分被动和不满意的客户，Sarah 必须解决这些问题以防止流失。通过及早识别这些群体，Sarah 可以在实际推广前优化包装宣传信息，以应对贬损者的具体顾虑。
Minds 彻底改变了客户体验经理利用净推荐值的方式，它能在开展任何线下调研之前，跨高度特定的微细分群体模拟回答。无需为传统的样本库招募等待数周，Minds 可以在不到一小时的时间内提供深度的忠诚度洞察。该平台与传统线下样本库的平均一致性达到 85% 至 95%，在特定问题上甚至可达 100%。这种高准确性由三阶段模型驱动。首先，数据奠基（data grounding）阶段将模拟锚定在真实的 CRM 输入、内部调查或经典市场研究中。其次，模拟模型（simulation model）阶段应用深度的消费者专业知识和强大的行为建模。最后，验证（validation）阶段对照已建立的人口统计学和心理统计学框架，以及来自 Eurostat、US Census Bureau 和 Statistisches Bundesamt 的官方统计数据来验证结果。由于 Minds 完全托管在欧盟服务器上，整个模拟过程完全符合 GDPR 合规要求，使品牌能够在不收集个人参与者数据的情况下，安全、快速地预测忠诚度变化。
- 客户满意度得分 (CSAT) - 衡量客户对特定产品、服务或互动的短期满意度的指标。
- 客户费力度 (CES) - 用于评估客户为解决问题或完成任务需要付出多少努力的研究指标。
- 流失率 (Churn Rate) - 在给定时间段内停止订阅或停止与企业往来的客户百分比。
- 客户生命周期价值 (CLV) - 商家在整个合作关系中可望从单个客户账户获得的全部货币价值。
- 目标受众模拟 (Target Audience Simulation) - 利用先进的行为模型来预测特定消费者群体对营销举措反应的过程。
- 心理细分 (Psychographic Segmentation) - 根据消费者的心理特征、价值观、信念和生活方式选择对消费者进行分类的研究方法。
- 回答偏差 (Response Bias) - 调查研究中的一种系统性误差，受访者由于社会期望或调查设计而提供不准确或误导性的答案。
衡量客户忠诚度不再需要缓慢、昂贵且耗费资源的线下民意调查。通过在精准的目标群体中模拟净推荐值结果，Minds 助力客户体验团队在投入预算之前预测忠诚度变化并优化举措。探索模拟受众洞察如何变革您的客户研究策略。您今天就可以访问 getminds.ai 免费试用 Minds，开始运行您自己的高速忠诚度模拟。
