01 为什么要有体验度量
一句话回答这个问题，用户体验是用户在使用产品时的主观感受；主观感受的特征是“一千个读者有一千个哈姆雷特”。然而，从公司经营角度出发，需要将主观感受进行量化，以更好的进行监测、推动优化，所以需要有体验度量。更多的说明可以参考这段引用自《体验度量理论2019》中的表述：
一说到使用体验，大家都觉得很主观、很感性，一千个人眼中有一千个哈姆雷特，一千个人眼中对使用体验的定义各不相同。有人认为能用就行，UI 根本不重要，操作复杂了点也无所谓，不过是多点几下，多花几十秒的事情；有人认为产品需要能够易上手，没有学习成本，能够快速的找到需要的功能，UI 过得去就行；有人认为产品小到 iCON，大到界面布局，都要清晰易理解，操作更是要简单再简单，符合直觉与习惯用法，在使用中就算有误操作也能通过机制挽回。
当这些人聚集在一起，对同一个产品的使用体验进行评估时，不可避免地会产生分歧，谁也说服不了谁，造成僵持不下的局面，而度量则站在客观、理性的角度，建立统一的衡量标准，评估产品的使用体验。
02 什么是净推荐值NPS
根据百度百科，净推荐值NPS（Net Promoter Score），亦可称口碑，是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。它是最流行的顾客忠诚度分析指标，专注于顾客口碑如何影响企业成长。通过密切跟踪净推荐值NPS，企业可以让自己更加成功。净推荐值NPS最早是由贝恩咨询公司客户忠诚度业务的创始人弗雷德里克·雷赫德（Frederick Reichheld）在2003哈佛大学商务回顾文章“One Number You Need to Grow 你需要致力于增长的一个数字”的文章中提到，随后在他的书《终极疑问：驱动良性利润和真正发展》中出现。
具体说来，NPS的数据来源于（在问卷中）询问用户「你愿意向同事/朋友/家人推荐我们的产品吗？」这个问题。
用户在0-10分之间进行打分（部分也有1-10分打分），10分表示非常愿意，1分表示非常不愿意。根据用户的推荐意愿，将用户分为推荐者、中立者、贬损者。
净推荐值NPS=推荐者占比-贬损者占比。
下图是“Drive Research”产品的NPS调研示意
NPS的优势在于其简单，只有一道问题即可以监测用户的忠诚度。然而，在实际工作中，也是因为它的简单，NPS在应用时会存在一些问题，下文将一一描述这些问题，方便大家在工作中提前避坑。
03 NPS在应用时的问题
问题1 NPS古怪的计算方法
如上提及，NPS=推荐者占比-贬损者占比。NPS这个古怪的计算方法最终得出的分数，可能无法很好的、直观的衡量用户体验好坏。
下面尝试举3组例子进行说明。
例1
产品A，贬损者0位，中立者2位，推荐者8位，NPS=80
产品B，贬损者2位，中立者0位，推荐者10位，NPS=80
例2
产品C，贬损者10位（都是6分），中立者0位，推荐者0位，NPS=-100
产品D，贬损者10位（都是0分），中立者0位，推荐者10位，NPS=-100
例3
产品E，贬损者0位，中立者10位，推荐者0位，NPS=0
产品F，贬损者5位，中立者0位，推荐者5位，NPS=0
在这3组例子中，两个产品最终NPS都是相同，但是根据常识其用户体验存在着明显差别。也就是说，当我们看到NPS的分数时，还需要具体深入的去看一下用户打分分布，才能透过这个分数看到最真实的情况。
除此之外，还有一个很影响用户理解的点发生在计算NPS变化幅度的时候。
一般而言，假设产品A上个月NPS值是50，本月NPS值是100，那么NPS值提升了100-50=50，变化幅度是（100-50）/50=100%
然而，NPS的特别之处是NPS的值范围是[-100,100]。由于存在负数，在有负数的场景时就会很反常识。
举个例子，产品B上个月NPS值是-1，本月NPS值是1，那么NPS值提升了1-（-1）=+2，变化幅度是（1-（-1））/|-1|=200%
讲到这里，有没有觉得很迷茫？有没有怀疑自己的数学白学了？你不是一个人。
问题2 NPS难以解释的困境
当我们去和产品负责人介绍NPS时，除了“什么是NPS？它是如何计算的？”这个问题外，最常见的问题还有三个，分别是
- 为什么我产品的NPS是这个分数？为什么我产品的NPS分这么低/高？
- 做什么可以提升NPS？做完后具体可以提升多少NPS？
- NPS提升后，对业务有什么影响？能提升多少用户留存和转化？
然而，根据当前NPS的只有一个问题的设计，其实难以回答上述的这三个问题。
这也是为什么现在各大APP的NPS调研中，通常还会追加附加问题。举个例子，美团买菜和飞猪旅行这两个App均会进一步询问用户其推荐/不推荐的原因。
紧接着的一个问题是，有附加问题就可以回答上述三个问题吗？答案是附加问题只能部分解决。解释如下：
问题1 为什么我产品的NPS是这个分数？为什么我产品的NPS分这么低/高？
有附加问题后可以给出粗粒度的结论，比如，飞猪旅行App这个案例中的“价格”；但是，受限于问卷形式和既定选项，没有办法发现未知的用户问题，也没有办法细化到具体的页面。
问题2 做什么可以提升NPS？做完后具体可以提升多少NPS？
增加附加问题后，可以通过一定的分析方法，从满意度和重要性两个维度来评估体验问题，最终优先优化“重要但满意度低”的问题（如下图）；但是，问题优化后可以提升NPS的具体数值，目前仍是没有办法预测。
问题3 NPS提升后，对业务有什么影响？能提升多少用户留存和转化？
附加问题无法回答问题，也无法预测；在实际工作中，可以考虑通过严格的ABtest观测，但其操作难度比较大。从另外一个角度来说明这个问题。
如果今天业务以NPS来衡量产品需求的收益，一定会遇到的问题是NPS很难解释和评估。
一方面，NPS具有一定的滞后性，用户反馈的时过往一段时间的感受，受访用户有可能体验了新功能有可能没有体验。在实际操作经验中，一个大的产品改动往往需要1-2个月才会反应在NPS上。
另一方面，在实际产品工作中，往往同一时间段内会上线多个产品需求。如何衡量某个产品需求对NPS的提升，是一个很难的问题。一个可能的解决方案是进行严格的ABtest，但是执行起来操作难度大，需要将ABtest系统和NPS问卷投放系统进行用户和数据层面的打通。
问题3 NPS高不代表忠诚，忠诚不代表用户体验好
NPS是衡量用户是否忠诚的一个指标，但是这个指标并不能证明用户一定会去推荐：一方面是因为用户在受访时表达的意愿有可能会与真实意愿相悖；另一方面，即使用户真的愿意推荐，和真实的去推荐也存在一定的gap。
除此之外，忠诚不等于体验好，用户对一个产品的忠诚度受很多因素的影响。
举个例子，滴滴曾经一度在网约车市场上处于垄断地位，用户出行不得不选，从数据上看用户的NPS也很高，但是这个NPS高并不代表滴滴的用户体验做的有多好。
还有一个例子是政务类的app，相比较之前去固定网点办事，现在很多政务提供“网上办事”服务，用户对此类服务的NPS也很好，但是其实政务类app的体验还有很长的路要走。
04 最后的小结
NPS作为用户体验度量和监测用户忠诚度的指标，建议当作一个宏观的观测指标和结果指标来使用。具体到业务场景，在NPS的基础上，还需要辅以与业务相关联的指标作为过程指标，比如，用户转化和留存相关指标。
最后想特别说明的是，当选取用户度量指标时，一定要多结合业务情况，选取最适合的指标，不要生搬硬套成熟的指标，只有适合的才是最好的。
