NPS 上升2分算改善吗？先看三类人数、样本构成和误差

某软件两个季度各收到1000份回答，NPS 从9.6升到11.0。看板显示绿色上升箭头，团队准备宣布客户忠诚度改善；但两期差异的近似95%区间约为-6.0到8.8，数据既容许下降，也容许较明显上升。更关键的是，新客户占比从30%变成50%，比较的客户结构已经不同。

NPS 适合作为固定口径下的推荐意向温度计，不是增长、留存或客户体验的自动证明。一次可信解读至少要同时呈现推荐者、被动者和贬损者的原始人数，说明谁被邀请、谁回答、在什么时点作答，为分数和变化给出不确定性，再用具体经历及行为证据决定行动。只展示一个整数，团队甚至无法分辨它是如何形成的。

NPS 怎么算：7分不是零分，被动者也没有从分母消失

Bain 对 Net Promoter Score 的定义是：在0到10分的推荐可能性题中，9—10分归为推荐者，7—8分归为被动者，0—6分归为贬损者；NPS 等于推荐者百分比减去贬损者百分比。因此结果范围为-100到100，而不是0到10。

假设400名推荐者、300名被动者和300名贬损者：

NPS = (400 ÷ 1000 - 300 ÷ 1000) × 100 = 10

被动者对相减结果贡献为零，但仍在1000人的分母里。若错误地只用推荐者和贬损者的700人计算，就会得到14.3，已经不是标准 NPS。也不能把0—10原始分平均后再换算为 NPS；平均数相同的两批客户，三类分布可能完全不同。

报告时建议保留三类人数、三类比例、NPS 和未回答数。整数 NPS 为了展示可以四舍五入，但分析数据应保留足够精度。Net Promoter、NPS 等为相关权利人的注册商标；本文讨论的是这一指标的研究设计与统计解释。

推荐对象和经历边界必须让受访者答得出来

“你有多大可能推荐我们？”看似统一，在不同产品里却可能没有同一种含义。企业管理员推荐的是购买决策、日常使用，还是供应商关系？医疗、财务、求职等私密场景中，满意用户也未必愿意向朋友推荐。多人采购的 B2B 软件里，使用者可能没有选型权，却被要求替组织表态。

问卷上线前应固定四个边界：

• 评价对象：公司、产品、某项服务还是一次具体接触，不能在季度间切换；
• 推荐对象：朋友、同事或面临相同任务的人，应与真实传播场景相符；
• 体验资格：受访者应有足够且近期的接触，刚注册却未完成任何任务的人通常无法判断；
• 测量时点：关系型追踪与工单结束、交易完成后的触点反馈要分开命名和分析。

口径一旦建立，不要为了让题目“更友好”而悄悄改变锚点、顺序或触发渠道。必要修改应保留版本，在一段桥接期内随机使用新旧问法，判断变化来自客户还是测量工具。

上升1.4分为什么还不能下结论

下面是虚构的客户关系调查，所有数字仅作计算演示，不是问卷派或任何行业基准。两期都得到1000份有效回答：

NPS 是同一组三分类数据中“推荐者比例减贬损者比例”。推荐者和贬损者比例不是相互独立的两个二项比例。对简单随机、未加权的大样本，可以用多项分布下的近似方差：

Var(NPS比例) ≈ [p推荐 + p贬损 - (p推荐 - p贬损)²] ÷ n

第一季度代入0.412、0.316和1000，标准误约2.68个 NPS 点，区间约为9.6±5.3；第二季度标准误约2.64点。两期为独立样本时，1.4点变化的标准误约3.77点，近似95%区间为-6.0至8.8。区间跨过零，不能宣称已经观察到明确改善；也不能据此证明“完全没有效果”，因为区间仍包含具有业务意义的正负变化。

2026 年关于 NPS 置信区间覆盖率的研究强调，小样本或极端三类分布下，简单正态近似可能覆盖不佳。此处计算只为说明误差量级。样本很小、按账户聚类、采用配对追踪、复杂抽样或权重时，应按实际设计使用重抽样、适配的多项区间或调查统计方法，并完整说明假设。

总分几乎没动，两类客户却都改善了

把同一案例按客户阶段拆开，会看到样本构成效应：

新客户提高8点，成熟客户提高6点，但由于分数较低的新客户从样本30%升至50%，总体只提高1.4点。若仅为可比趋势，把第二季度按第一季度30%新客户、70%成熟客户的固定构成标准化，得到0.3×(-2)+0.7×24=16.2，相对第一季度9.6提高6.6点。

标准化不是用16.2替换真实观测的11.0。前者回答“若客户阶段构成不变，分群结果变化会形成怎样的总分”，后者描述实际答卷组合。报告应同时给出两者、采用的权重以及为何构成改变。若构成变化正是业务现实，例如大量新客户进入，实际总分依然重要；若只是邀请渠道或响应倾向变化，首先要修正抽样流程。更多检查可参考无应答偏差指南。

“为什么打这个分”只是根因调查的入口

Bain 的体系本身并非只问一题，还包括主要原因、改进建议、快速反馈和闭环。为了保持所有分数可比较，可先向每位受访者提出同一条中性开放题：“你给出这个分数最主要的原因是什么？请描述一次具体经历。”随后再按实际经历分支：

1. 确认最近发生的任务或接触点，而不是让研究者从模糊形容词猜功能；
2. 询问目标是否完成、问题是否解决、造成什么后果；
3. 区分产品问题、服务处理、价格政策、客户自身流程和暂时事件；
4. 把主题编码回原文、分母和客户阶段，保留反例；
5. 选择可控主题，指定负责人和下一轮行为验证指标。

例如贬损者频繁提到“协作麻烦”，不能立即立项重做协作模块。若原文分别指邀请邮件未到、权限审批慢和组织内部无人维护，这三个问题的责任人与验证方法完全不同。开放回答的编码应先有定义和互斥/可多选规则，可参考问卷代码本指南。

NPS 不能独自预测留存、收入或增长

推荐意向是态度，不是实际推荐；实际推荐也不等于续费。合同期限、迁移成本、价格、替代供给和采购权都会影响行为。Keiningham 等人使用三个行业、超过8000名客户的两年纵向数据比较多种满意与忠诚指标，结论是推荐意向单指标不足以作为未来忠诚行为的唯一预测变量，多指标模型对推荐和留存表现更好。

这不表示 NPS 毫无用途，而是限定用途：它可以作为稳定的关系信号和讨论入口，不能因为相关就被赋予因果或财务含义。要验证某项体验改进，应同时观察对应任务成功、问题率、客服记录、实际留存或采用，并在可能时采用对照或分阶段设计。与整体满意度的区别可见产品满意度调查指南。

行业排名和跨国比较尤其需要克制

“多少算好”没有脱离方法的通用答案。客户类型、关系长度、产品类别、是否有真实推荐场景、邀请渠道、响应率和市场结构都会改变分数。不同国家或语言还可能有不同的极端值与中间值使用倾向。跨国量表研究显示，国家间回答尺度的使用方式可能影响比较结论，因此应检查不同合理处理方法下结果是否稳定。

外部基准只有在题目、目标人群、测量时点、渠道、权重和市场足够相近时才提供背景，不能直接变成绩效排名。对大多数团队，更可靠的基准是自己在稳定方法下的历史分布和预先定义的实质变化门槛。

从问卷到行动，保留两条不同的闭环

个体闭环用于在受访者明确同意被联系时解决具体问题；匿名研究回答不能自动变成销售线索，高分也不等于同意公开推荐。系统闭环用于聚合根因、判断受影响人群、修改产品或流程，再用预设指标验证。两条路径要分开记录权限、责任人、处理状态和结果。

问卷派可以配置0—10分题、原因追问和经历分支，并对开放回答做辅助归纳；研究者仍需控制抽样框、接触频率、客户属性权限、三类原始基数和统计解释。AI 归纳出的主题必须能追溯到原文，不应自动把“提及多”翻译成“影响最大”。正式发放前可依据问卷分析计划预先确定主要总体、分群、比较门槛和缺失处理。

最终可以对管理层说：“本季观测 NPS 为11.0，较上季高1.4点，但变化区间较宽；客户阶段构成发生明显变化，固定构成结果提示两个阶段均有改善。我们将把该结果视为需要继续跟踪的信号，并用上手任务成功和续用行为验证。”不能说：“NPS 提高证明增长策略成功。”前者把数字放回证据链，后者把一个推荐意向指标变成了它没有测量的事实。

NPS 定义、预测边界与区间依据

• Bain & Company — Introducing: The Net Promoter System
• Keiningham et al. (2007) — The value of different customer satisfaction and loyalty metrics in predicting customer retention, recommendation, and share-of-wallet
• Turk (2026) — Coverage and Precision of Net Promoter Score Confidence Intervals Across Sampling Distributions
• Vilsmeier et al. (2024) — Differences in response-scale usage are ubiquitous in cross-country comparisons