NPS淨推薦值計算機

這款 nps淨推薦值計算機 將推薦者、被動者和批評者這三個簡單的人數統計，轉化為客戶忠誠度的完整面貌：包含落在 −100 到 +100 範圍內的主標題分數；告訴您得分有多少是真實訊號、多少是樣本數雜訊的 95% 信心區間；從「有待改進」一直到「世界級」的五個等級健康狀態判定；以視覺化而非單純數字呈現分數的動畫儀表盤；揭示底層推薦者-被動者-批評者組合的堆疊情感條；橫跨 12 個領域的行業基準對比；以及能夠計算出跨越到更高區間所需精確轉換回覆數量的實用「晉升下一等級途徑」指導。它是專為產品經理、客戶成功主管、RevOps 團隊、創辦人和調查分析師打造的，滿足他們不只是想知道「我的 NPS 是多少」，更想理解數字背後的不確定性、在行業中的位置以及下一步該怎麼做的心態。

如何使用 NPS 淨推薦值計算機

1. 從您的 NPS 調查結果中匯出回覆人數（大多數調查工具 —— Delighted、Wootric、Qualtrics、SurveyMonkey、Typeform —— 都可以直接匯出）。
2. 輸入 推薦者 人數 —— 即在 0–10 的推薦意願量表中評分為 9 或 10 的受訪者。
3. 輸入 被動者 人數 —— 即評分為 7 或 8 的受訪者。被動者不直接對分數做出貢獻，但能揭示您的「中間選民」群體。
4. 輸入 批評者 人數 —— 即評分為 0 到 6 的受訪者。請注意，即使是 6 分也會被計為批評者 —— NPS 量表刻意設計為不對稱。
5. 點擊 計算 NPS —— 或者只需在輸入每個人數時觀察即時預覽的更新。
6. 閱讀主標題分數、等級判定、95% 信心區間、行業基準以及 晉升下一等級的途徑 建議。

NPS 公式說明

五個 NPS 等級

這款 NPS 計算機有何不同之處

• 95% 信心區間和誤差範圍 —— 大多數線上 NPS 計算機僅顯示點估計值，忽略了樣本大小的不確定性。在 n=20 的情況下，+52 的分數其信心區間大約為 +21 到 +83 —— 在這種樣本大小下追求 5 點的變動純粹是在追逐雜訊。本計算機會呈現該區間，並在區間過寬時發出警告。
• 帶有彩色忠誠度區域的動畫半圓形儀表盤 —— 讓您一眼就能看出自己處於紅色、橙色還是綠色區間，而無需在腦海中手動將數字對應到等級。
• 「晉升下一等級途徑」指導 —— 計算出跨入下一個等級所需的最低轉換人數（不論是將批評者轉化為被動者、直接轉化為推薦者，還是將被動者轉化為推薦者）。將被動的分數轉化為可執行的目標。
• 隨打即時預覽 —— 得分、儀表盤、情感條和等級徽章會在每次按鍵時更新。無需等待表單送出往返。
• 堆疊情感條 —— 將單一 NPS 數字所隱藏的推薦者-被動者-批評者的完整分佈視覺化呈現。
• 橫跨 12 個領域的行業基準對比 —— 精確查看您超越了哪些行業中位數，以及哪些行業仍領先於您。
• 帶有「您在這裡」的等級階梯 —— 在五個區間的量表中顯示您當前的位置，且下一個目標區間始終清晰可見。
• 逐步拆解數學公式 —— 拆解每個公式，便於您獨立記錄、審計或重新計算結果。

不對稱性 —— 為什麼 7 分不是推薦者

NPS 量表是故意設計成不對稱的。在 0–10 的量表中，7 分技術上高於中間點，但它被計為 被動者，而不是推薦者。Bain & Company 的原始研究發現，只有評分為 9 或 10 的客戶，其產生的正面口碑和重複購買行為才足以推動增長。7 或 8 分最好解讀為「滿意但缺乏熱情」 —— 這些客戶不會勸阻他們的朋友，但也不會主動轉介紹，而且很容易被競爭對手發出的優惠所動搖。這種不對稱性是 NPS 最常受到批評的特點，但也正是它賦予該指標作為先行指標強大力量的原因。

NPS 行業基準（2025 年）

樣本大小如何影響 NPS

NPS 是一個樣本統計值，而不是全體個體的絕對事實。您的調查回覆集越小，數字周圍的不確定性就越寬。95% 信心區間可以用 \( \pm 1.96 \times \sqrt{\frac{p + d - (p - d)^2}{n}} \times 100 \) 個 NPS 點來近似。實用的經驗法則：

• n ≤ 30： 誤差範圍通常大於 15 個 NPS 點 —— 請將任何低於 15 點的變動視為雜訊。
• n = 100： 對於典型的 NPS 分佈，誤差範圍大約在 8–10 個 NPS 點左右。
• n = 400： 誤差範圍縮小到大約 4–5 個 NPS 點 —— 適合進行季度追蹤。
• n ≥ 1,000： 誤差範圍低於 3 個 NPS 點，即使是微小的分數變動也變得非常有意義。

如果您的樣本警告出現在結果面板的頂部，在得出結論或向外部報告分數之前，請優先收集更多回覆。

減少批評者 vs 創造推薦者 —— 哪一個更有槓桿效益？

數學給出了明確的答案，對於低 NPS 的企業而言：減少批評者 具有更高的單次回覆槓桿效益。將一個客戶從批評者移至推薦者會使 NPS 移動 2 ÷ n × 100 點 —— 變動幅度是將被動者移至推薦者的兩倍。批評者還會產生負面口碑和線上評論，這會以主標題分數無法顯示的方式抑制客戶獲取。而對於 NPS 已經超過 50 的高分企業，情況則相反 —— 將被動者轉化為推薦者變成了成本更低的邊際行動，因為批評者池已經很小了。晉升下一等級途徑指導會為您的特定群體挑選出成本最低的務實槓桿。

測量 NPS 時的常見錯誤

• 跨行業對比。 電信業的 25 分與消費性科技的 60 分不可同日而語。行業中位數是唯一有意義的外部基準。
• 忽略樣本大小。 在 n=30 的情況下，從 45 提升到 50 完全落在誤差範圍內。請務必在分數旁同時報告信心區間，否則您將是在追逐雜訊。
• 僅調查滿意的客戶。 如果您的調查只觸及活躍的核心使用者，分數就會被高估。分母應該是客戶群的公正橫截面 —— 而不單單是本週有登入的那個客群。
• 將「分數上升」與「忠誠度上升」混為一談。 結構變動可以在底層忠誠度未改變的情況下移動分數 —— 例如，流失了一大批不滿意的客戶會因為自然耗損而提高 NPS，而不是因為服務改善。
• 將被動者視為「差一點就變成推薦者」。 他們不是。他們是最脆弱的群體 —— 很容易被競爭對手的優惠所吸引。請將他們視為具有不同需求的獨立細分群體。
• 僅看總體而不進行細分。 優秀的整體 NPS 可能會掩蓋某個得分為 −20 的關鍵子細分群體。請務必依方案等級、年資、管道和地區進行細分。
• 一年僅測量一次。 NPS 作為持續性的交易型測量（在入職引導後、支援互動後、續約後）最具有行動價值 —— 而非僅僅作為年度關係普查。

NPS 與其他客戶忠誠度指標的對比

• NPS vs CSAT（客戶滿意度）。 CSAT 在 1–5 或 1–7 的量表中測量對特定互動的滿意度（「您對這次支援電話有多滿意？」）。NPS 則在 0–10 的量表中測量對整個品牌的關係忠誠度。請結合使用兩者 —— CSAT 用於戰術互動品質，NPS 用於戰略忠誠度。
• NPS vs CES（客戶費力度）。 CES 詢問客戶需要付出多少努力才能獲得特定結果。它是特別針對服務互動中流失率最強的預測指標。NPS 範圍更廣，但在互動層級上對流失的預測能力較弱。
• NPS vs 流失率（Churn Rate）。 流失率是一個滯後指標 —— 您已經失去了該客戶。NPS 則是一個先行指標 —— 批評者通常會在未來的 6–12 個月內流失。將本計算機與流失率計算機搭配使用，可以建立因果關係模型。
• NPS vs 留存率（Retention Rate）。 留存率是流失率的反面 —— 它告訴您誰留了下來。NPS 則告訴您留下來的人是否真正喜歡您。低 NPS 伴隨高留存率通常意味著綑綁綁定或高昂的轉換成本，而非真正的忠誠。

FAQ

什麼是 Net Promoter Score（NPS 淨推薦值）？

Net Promoter Score 是 Fred Reichheld 於 2003 年在 Bain & Company 創建的單一數字客戶忠誠度指標。它提出一個問題 —— 「在 0 到 10 的量表中，您有多大可能向朋友或同事推薦我們？」 —— 並將分數計算為 推薦者 百分比（評分 9–10）減去 批評者 百分比（評分 0–6）。 被動者（評分 7–8）不包含在主標題數字中。結果落在 −100 到 +100 的範圍內，並報告為一個數字（例如 「我們的 NPS 是 47」），而不是百分比。

NPS 如何計算？

NPS 等於推薦者的百分比減去批評者的百分比。例如，在 100 個回覆中，有 62 個推薦者、28 個被動者和 10 個批評者：推薦者百分比 = 62%，批評者百分比 = 10%，因此 NPS = 62 − 10 = 52。請注意，按照慣例，儘管輸入的是百分比，但 NPS 通常報告為不帶百分號的數字 —— 這是常常令初學者感到困惑的「慣例怪癖」。

幾分的 NPS 算是好分數？

根據最初的貝恩框架：高於 0 是 良好，高於 30 是 優秀，高於 50 是 極佳，高於 70 則是 世界級。但真正有意義的基準是您所在的行業，而不是全球平均水準。電信業的平均分數在 20 幾分左右，而消費性科技巨頭的分數則超過 60 —— 進行跨行業對比容易產生誤導。上方的行業基準面板顯示了您的分數在十二個領域的典型中位數中所處的位置。

為什麼 NPS 會有誤差範圍？

您的調查只是客戶群的一個 樣本，而不是全體個體。樣本越小，分數作為全體個體 NPS 估計值的不確定性就越大。本計算機使用公式 \( \pm 1.96 \times \sqrt{(p + d - (p - d)^2) / n} \times 100 \) 來報告 95% 信心區間，其中 p 和 d 是推薦者和批評者的比例，n 是樣本大小。在只有 50 個回覆的情況下，誤差範圍可能會超過 10 個 NPS 點 —— 比較兩個相差小於該範圍的時期只是在對比雜訊。

推薦者、被動者和批評者之間有什麼區別？

推薦者 (9–10) 是忠誠的熱心支援者，很可能會持續購買並推薦他人。被動者 (7–8) 感到滿意但缺乏熱情 —— 他們不會勸阻朋友，但也不會主動轉介紹，且容易受到競爭對手優惠的影響。批評者 (0–6) 是不滿意的客戶，可能會通過負面評論和口碑損害您的品牌。請注意不對稱性：即使是 7 分（技術上高於 0–10 量表的中點）也不能算作推薦者。這是刻意設計的 —— 貝恩的研究發現，只有最高區間（9–10）的評分才能預測實際的轉介紹行為。

我應該專注於創造推薦者還是減少批評者？

對於 NPS 低於 30 的企業，減少批評者 通常具有最高的槓桿效益。將一個批評者直接轉化為推薦者所帶來的 NPS 提升，是將一個被動者轉化為推薦者的 兩倍（因為您同時移除了一个負向值並增加了一個正向值）。批評者還會以分數無法捕捉的方式損害您的品牌 —— 像是通過負面評論、社群貼文和被勸退的潛在客戶。而對於已經超過 50 的企業，數學公式則會反轉：被動者變成了成本更低的邊際行動，因為批評者池已經很小了。

我應該多久測量一次 NPS？

這取決於使用情境。持續性的 交易型 NPS（在入職引導、支援工單、續約後）最具有行動價值，應按事件進行測量。 關係型 NPS（整體的品牌把脈）對於 B2B SaaS 通常每季或每半年測量一次，對於消費者訂閱服務則每月測量一次。請避免僅每年測量一次 —— 當您發現問題時，客戶通常已經在流失了。把脈的頻率應與您對洞察做出反應的速度相匹配。

NPS 會低於零嗎？

會的 —— 負的 NPS 意味著您的樣本中批評者人數多於推薦者。該量表範圍從 −100（每個受訪者都是批評者）到 +100（每個受訪者都是推薦者）。負的 NPS 在受到嚴格監管或低信任度的行業（有線電視、某些傳統電信商、特定保險險種）中很常見，這是一個明確的流失風險訊號。解決方法幾乎總是逐字閱讀每位批評者的反饋，並在專注增長之前首先解決前兩個反覆出現的投訴主題。