淨推薦值 (NPS) 計算器
計算淨推薦值 (NPS):NPS = 推薦者百分比 − 批評者百分比,衡量客戶對品牌的推薦意願與忠誠度。
輸入資料
計算結果
計算公式
推薦者百分比 = 推薦者人數 ÷ 總回應人數 × 100%。
批評者百分比 = 批評者人數 ÷ 總回應人數 × 100%。
NPS = 推薦者百分比 − 批評者百分比。
使用說明
- 填入給 9-10 分的推薦者人數。
- 填入給 7-8 分的被動者人數與給 0-6 分的批評者人數。
- 查看總回應人數與淨推薦值 (NPS)。
常見問題
淨推薦值 (NPS) 是怎麼算出來的？
淨推薦值 (NPS) 的計算,建立在一條經典問題之上:『你有多大機會把我們推薦給朋友或同事?』,請客戶以 0 到 10 分作答。收集回應後,先把客戶依分數分成三類。第一類『推薦者 (Promoters)』:給 9 或 10 分的人,他們是熱情、忠誠的擁護者。第二類『被動者 (Passives)』:給 7 或 8 分的人,他們滿意但不特別熱衷。第三類『批評者 (Detractors)』:給 0 到 6 分的人,他們不滿意。接著計算:先算『推薦者百分比』= 推薦者人數 ÷ 總回應人數;再算『批評者百分比』= 批評者人數 ÷ 總回應人數;最後,NPS = 推薦者百分比 − 批評者百分比。以 1,000 份回應為例,若推薦者 600 人、被動者 250 人、批評者 150 人:推薦者佔 600 ÷ 1,000 = 60%,批評者佔 150 ÷ 1,000 = 15%,NPS = 60% − 15% = 45。這裡有一個常被誤解的重點:『被動者 (7-8 分) 不直接計入 NPS 的加減』(既不加也不減),但他們『仍要計入總人數作為分母』。也就是說,被動者會拉低推薦者與批評者各自的百分比,間接影響 NPS。NPS 的最終結果是一個介乎 −100 到 +100 之間的整數 / 分數:若所有人都是推薦者,NPS = 100;若所有人都是批評者,NPS = −100。
NPS 分數多少才算好？負分代表什麼？
NPS 的分數範圍是 −100 到 +100,理解如何解讀它很重要。首先,NPS 是『推薦者百分比減批評者百分比』,所以:『正分』代表推薦者多於批評者;『負分』代表批評者多於推薦者;『0 分』代表兩者相等。一般而言:NPS 為正數,通常被視為『不錯』的起點,代表整體上喜歡你的客戶多過不喜歡你的;NPS 越高,代表擁護者相對越多,忠誠度越強;負分則是明確的警訊,代表不滿意的客戶多於推薦者,需要正視客戶體驗的問題。但關於『多少才算好』,有一個關鍵的觀念:NPS 沒有一個放諸所有行業皆準的『及格線』。不同行業的 NPS 基準差異很大 —— 有些行業客戶天生較願意給高分,NPS 普遍偏高;有些行業 (例如涉及較多摩擦或痛苦的服務) NPS 普遍偏低。因此,把你的 NPS 拿去和『同行業的基準』比較,才有意義;跨行業直接比較 NPS 高低,往往會誤導。此外,比起追求一個絕對的『好分數』,持續『追蹤 NPS 隨時間的變化趨勢』通常更有價值:NPS 在上升,代表你的改善措施奏效、客戶忠誠度在增強;NPS 在下降,則是需要及早介入的信號。總之,正分是好的方向,越高越好,但務必結合『行業基準』與『時間趨勢』來解讀,而非孤立地看一個數字。
使用 NPS 計算器與這個指標時，要注意什麼？
使用淨推薦值計算器與這個指標時,有幾點值得注意,才能發揮它的價值並避免誤用。第一,『分類界線是固定的』。NPS 的三類劃分 (推薦者 9-10、被動者 7-8、批評者 0-6) 是標準定義,填入人數時請按此界線歸類,不要自行更改,否則算出的 NPS 無法與外界比較。第二,『被動者的角色』。如前所述,被動者不加不減,但計入總數。這意味著:即使沒有人給差評 (批評者為 0),只要有很多被動者,NPS 也不會滿分 —— 因為被動者拉低了推薦者的百分比。第三,『樣本量與代表性』。回應人數太少時,NPS 會很不穩定 (幾個人的變動就能大幅改變分數),也可能因為只有特別滿意或特別不滿的人才回應 (回應偏差) 而失真。要盡量取得足夠且有代表性的樣本。第四,『NPS 只是一個總結性數字』。它告訴你『推薦意願的淨值』,但不會告訴你『為什麼』。要真正改善,必須搭配開放式的追問 (例如問『你給這個分數的主要原因是什麼?』),找出推薦者為何喜歡、批評者為何不滿,才能對症下藥。第五,『與其他指標互補』。NPS 偏向反映長期的品牌忠誠;若想了解單次互動的費力程度或滿意度,可搭配客戶費力度分數 (CES) 或客戶滿意度 (CSAT) 一起看。⚠️ 綜上,本計算器幫你快速、正確地算出 NPS,但一個健康的客戶體驗量度體系,還需要結合趨勢追蹤、行業基準、質性回饋與其他指標。本計算器僅供教學與估算用途。