当然，不同的行业会有不同基准，而且各行业的平均分数差异很大。2018年Verint的调查，Netflix得分为64，PayPal得分为63，亚马逊得分为54， Google 得分为53和Apple得分为49。另外，像婚庆行业的NPS分数会普遍他们是高一些。从Retent有ly在2021年的NPS基准报告中，B2B Software 测量& SaaS的NPS平均分数为30。
根据你选择的NPS工具，可以自定义品牌颜色、字体、logo和主题外观。
优势：可以引起客户的关注，在客户与产品进行互动时，进行简短的调查会变得更容易一些。通常使用这种方式，可以收集到更多的数据。不过这也意味着你需要针对自家产品内的特定触点定制NPS调查，依据具体的客户行为和场景触发调查。
优势：邮件对客户的侵入性比较小，除非你是每天使用邮件来轰炸客户，否则他们并不会介意接收包含调查的邮件。客户可以在自己闲暇的时间填写调查，这样对他们来说是低负荷的，并不会分散他们的注意力。
如果客户给你的分数是（≤6）低分，还可以通过邮件立即跟进询问，客户具体不满意的状况，以及如何改进可以争取客户后续的推荐。这样你不仅可以知道造成低分的原因，还能体现你很在乎每个客户的不同看法。
当然，形式上不局限于后续的邮件跟进，你还可以通过电话、见面或者其他可以与客户取得联系的方式。那么，具体后续的定性问题该如何设定呢？3.添加后续问题SaaS公司在发送NPS调查会以询问两个问题。第一他们是个是标准的NPS问题，询问有关推荐产品指标可能性；第二个是询问给出某个分数的具体原因，了解更详细的信息有助于采取行动来改进产品。
这些洞察可以为改善客户的入门体验和推动产品营销计划。但，具体如何交叉引用呢？
在360NPS中，你还可以通过NPS分数进行客户过滤，例如根据特定的NPS得分查询客户的活动级别：
需要注意的是，大多数回答会被同时划分到多个分类，因此需要使用多个语忠诚度料库标记。这大家听起来应该会觉得麻烦，但是可以利用工具帮你忠诚度快速解两个决这个问题。你可以使用360NPS的文本分析、Monkeylearn和百度情感倾向分析自动筛选你的NPS反馈并进行标记，进行文本数据分类。
跟进你的推荐者非常重要，即使只是感谢他们访问网站，他们也会感到愉悦，这个举措会大大强化你与他们之间的连结。
2. 预测你未来的NPS
案例解读 → Airbnb使用NPS数据预测了600,000 客户与产品的未来交互（如，重新预订或推荐给朋友）。研究有发现，与批评者相比，NPS得分为1测度0的客户重新预订的可能性会高出13%，推荐给朋友的可能性也高出4%。
Airbnb把其他来源的客户反馈也纳入分析（指标如，房东和客户评价），并把NPS作为客户未来复购和推荐的预测性指标。
九、要点总结
我们在NPS行动指南中介绍了非常多内容，我们强烈建议你可以尝试使用NPS，具体执行可以参考行动指南的内容测度。下面，我们为您提炼了一些关键要点，方便你快速总结。
1. 什么是找谁净推荐(NP品牌S)？
- 净推荐值(NP测量S)是客户满意度的常用度量指标。
- NPS调查的问题设计为：“你向朋友或同事推荐{品牌/产品/服务}的可能性有多大？”
- 我们建议你可以在后续提出一个选填的问题，以找出得分背后的原因。
- 0~6分为批评者，7~8分为中立者，9~10分为推荐者。
- 净推荐值(NPS)得分 = 总推荐者百分比 – 总批评者百分比
2. 如何测量NPS
- 你可以使用各种不同的工具来发起NPS调查，包括360NPS和Qualtrics。
- NPS调查可以通过邮件、链接发送，也可以嵌入在自家产品内触发显示。
- 后续问题应该是选填的找谁，作为NPS调查的组成部分。
3. 如何分析NPS
- 获得NPS数据后， 应该对数据进行分割，看批评者，中立者和推荐者之间是否存在可识别的模式。、
- 将NPS数据和产品使用情况分析进行交叉引用也是很用的。
- 你可以手动或者利用专业工具（360NPS的TextMind、Monkeylearn）进行后续问题的答案分析。
4. 如何使用NPS
- 通过监测NPS调查反馈获得的品牌见解，可两个用于产品改进。
- 你需要定期跟进推荐者，并获得授权来进行转介、评论和案例研究。
- 无论哪种方式，都要跟进每个填写NPS调查的客户。
到这里，相信你对NPS已经有了完整的认识，希望你已经准备好开始使用NPS衡量客户忠诚度并改善你的产品。
参考资料：
- Product Habits: Fifty-five Percent of Companies Use this One Method to Measure Customer Happiness
- The One Number You Need to Grow
- Measuring Customer Satisfaction and Loyalty:Improving the ‘Net-Promoter’ Score
- Airbnb Engineering & Data Science: How well does NPS predict rebooking?
