顾客对品牌忠诚度的数据指标(考量顾客对于某一品牌的忠诚度)

净推荐值（NPS）是一种计量某个客户将会向忠诚度其他人推荐某个企业或服务可能性的指数。

接下来就按照这个计划去具体执行：

这里可以理解为净推荐值和满意度有一定的相关性，即我们所认为的，如果数据对产品考量的满意的话，那么他有一定意愿推荐给其他人使用。因此引入了一个相关系数k来代表二者的相关性。

即每个因素都会计算出两个指标：满意度、重要性

从图中可以看指标到，需要优先改进的是活动真实性、活动更新频率。它们的重要性很高，但满意度却很低。因此我们需要重点关注这3个方面的优化问题。

NPS计算

净推荐值(NPS)=(品牌推荐者数/总样本数)100%-(贬损者数/总样本数)100%。

结论

1. 不同对于用数据户画顾客像指标的满意度数据存在差异，比如学生用户对用户体验方面要求更对于高，因此在用户体验方面的满意度会偏低；比如女生用户更看中运营活动；对
2. NPS在整个行业中属于偏高水平，但考量由于统计标准不一致，因此存在一定误差；
3. 最终将问题定位在1，2，3，4，5等顾客因素上，这些因素是明显重要性很品牌高，但满意度很低的因忠诚度素。说明用户非常看重这些某一因素，但并不满意对。

通过以上结论，我们可以定时去监测用户对产品的满意度变化，并且定位当前优先级高的问题，并观察解决效果。

欢迎某一大家来讨的论~