Ⅰ 如何量化用户体验
以下回答来源于倍市得编撰的《2021客户体验管理白皮书》，转载请注明来源。
在客户体验管理体系中，用于度量的指标有很多，例如：
净推荐值（Net Promoter Score）；
客户满意度（Customer Satisfaction）；
顾客流失率（Customer Attrition Rate）；
顾客留存率（Customer Retention Rate）；
客户费力度（Customer Effffort Score）；
顾客全生命周期价值（Customer Lifecycle Value）；
……
从客户体验管理“提升客户忠诚度”这一核心目标出发，NPS 是目前应用最广泛、 最直观的度量方式。
什么是 NPS？
净推荐值（Net Promoter Score，NPS），是一种用于计量客户向他人推荐某企业产品或服务意愿的指数，计算公式为：
NPS=（推荐者数/总样本数)×100% - (贬损者数/总样本数)×100%
比如某品牌想了解客户是否满意，那么就可以在问卷中设置 NPS 题型——“你有多大可能把我们的产品推荐给朋友或同事？请从0-10分打分”。
随着“体验至上”的大潮涌向国内，国内一线品牌如阿里、滴滴、京东等也逐渐开始重视起 NPS 的应用，从关注客户满意度指数（CSAT）转变为关注 NPS 指数。反映到具体“怎么度量”的问题上，要求企业具备这三个方面的能力：
首先是调研能力，企业不仅“能”问，而且还要“会”问，这意味着将在问卷设计、问卷投放、问卷数据监测等多方面有更进一步的要求；
其次是分析能力，获取到客户体验数据之后如何实现其价值的最大化，将是对企业数据分析能力的考验；
最后是赋能能力，即以客户体验数据为基础和依据，研判客户消费动机、消费趋势等，从而为下一阶段的生产运营提供依据。
结合客户体验管理的特征——整体性和实时性，体验管理所具有的场景化、实时化、全流程以及多数据来源等特征，在移动互联网应用的持续渗透影响之下更加凸显。仅靠人工手段“单打独斗”已经无法满足企业体验度量和赋能需求。启用数字化、专业化的客户体验管理平台，逐渐成为企业客户体验管理提速、降本、增值的优选项。
调研能力：以问卷为手，抓客户心声
问卷是度量客户体验、感知客户心声的最基础手段，NPS 问卷模型的搭建主要基于 4 个阶段，也可以理解为建模的 4 个关键变量，即：
第一步：了解客户背景；
第二步：了解客户体验与预期差异；
第三步：了解客户对品牌口碑的感知度；
第四步：了解售后体验、分析潜在风险。
在问卷内容设置上，我们也要善用体验思维，“巧妙”地获取客户的真实心声。例如和询问客户“是否对产品/服务满意”相比，问客户“是否愿意把产品/服务推荐给朋友”，不仅更容易了解客户满意度，也更容易预测客户未来的行为（比如复购率、推荐率等）；
再比如，在客户回答完“是否愿意”之后，追问一个“为什么”，能够进一步收集客户意见以促进体验分析与优化……
值得一提的是，除了在问卷设计上要花“巧心思”外，我们在开展调研的过程中严把“质量关”也是必不可少的。以倍市得调研质量监测流程为例，通过对调研前后的多重管控保障：
事前控制：确保受访身份的真实性，是保障调研数据真实性的基础。例如通过技术手段确保受邀答题者的唯一且真实身份、以抽样手段筛选过往调研经历，确保调研者“新鲜度”等；
事中控制：确保答题过程的真实性，控制答题时间是答题质量检测的基础手段，以确保受访者是在足够时间内看完问题后再作答的，其次是赋能问卷系统“甄别”的能力，例如答题前后矛盾的予以剔除，多项选择或分数雷同的系统提示等；
事后控制：确保数据结果的真实性，对样本和数据的清洗将为数据质量做基础保障，同时超额备份样本还将为不合格数据做及时替换，数据“质”与“量”兼顾。
分析能力：以数据为眼，观体验全局
通过投放调研问卷回收得到的顾客分值，可将调研对象初步分为三类，即：推荐者、中立者、贬损者。NPS 的核心逻辑认为，不同种类的顾客将对应不同的行为，推荐者会继续购买并推荐给其他人，从而加速品牌成长，而贬损者则会对品牌口碑有负面影响，对品牌长远发展有阻碍作用。
推荐者(Promoter)：选择 9-10 分的顾客为推荐型顾客，是具有狂热忠诚度的人，他们会继续购买并引荐给其他人。
中立者(Passives)：选择 7-8 分的顾客为中立满意型顾客，他们习惯了和你的公司打交道，也还满意，但是没有热情推荐，甚至很容易被竞争对手吸引走，总体满意但并不狂热，将会考虑其他竞争对手的产品。
贬损者(Detractors)：选择 0-6 分的顾客为贬低型顾客，使用并不满意或者对你的公司没有忠诚度。他们和你的公司关系很一般甚至很差，80%的公司坏口碑来自他们。
而随着 NPS 概念被更加广泛地应用到工作场景中，更加精细化的客户分类方法也逐渐成型，在原有的三大类基础上对客户忠诚度形成更加细致的管理，从而为持续细化客户画像、制定针对性决策提供参考依据，例如：
推荐型客户：高忠诚度的客户是品牌获得利润、得以长足发展的重要支撑，特别是选择“正推荐”的这部分用户，维持满意度、保持活跃度是企业的主要运营方向。而对于“负推荐”人群，搞清楚“不购买”的原因是企业首先需要做的，其次就是优化产品、促进其转化为“正推荐”人群。
中立型客户：中立型的客户人群的贡献值是具有波动性的，一方面可能是促进产品持续发展的“潜力股”，另一方面也极有可能进一步恶化体验，成为低忠诚度的贬损者。所以，集中主要资源打动“正中立”人群、提高他们的忠诚度是第一要务。而针对“负中立”人群，有必要的话企业可以选择直接放弃。
贬损型客户：正向贬损的客户表面上看是具有盈利性的，但其实因为这部分客户的盈利可能是以牺牲品牌口碑和营销资源代价，所以反而可能是“拖垮”品牌的因素。企业应该权衡利弊，或集中更多精力挖掘痛点、改善体验，或战略性放弃、及时止损。同理，对于完全不产生利润又消耗资源的负贬损客户，则更应该果断舍弃。
可见，企业的数据分析对于明确后续优化的方向具有基础性、导向性的作用，对于细化管理颗粒度、开展个性化运营与管理具有很好的指导意义。例如在企业指标设计和优化上，就能丰富考量维度、提升指标制定的合理性。
以区域化经营的商场或超市品牌管理为例：由于各个区域的经营环境、客群体量、经济水平等因素各有差异，因此各个区域的销售能力、商品品类上也各有不同，因此给各个区域门店制定完全相同的销售指标显然不合理。
而如果通过调研首先对各个门店的顾客忠诚度等各项指标有一个全面、清晰的测量，那么公司就能在此基础上设计出更合理的门店考核指标。