Net Promoter Score: Hvad den faktisk måler, og hvad du skal gøre med tallet
NPS er en af de mest anvendte metrikker i erhvervslivet og en af dem, der misforstås mest. Her er, hvad tallet i virkeligheden fortæller dig – og hvad det ikke gør.
I 2003 udgav en konsulent ved navn Fred Reichheld en artikel i Harvard Business Review, hvor han argumenterede for, at de fleste kundetilfredshedsundersøgelser var for lange, for sjældne og for løsrevne fra de faktiske forretningsresultater. Hans alternativ var ét enkelt spørgsmål: På en skala fra nul til ti: Hvor sandsynligt er det, at du vil anbefale os til en ven eller kollega? Han kaldte den resulterende metrik Net Promoter Score, og i de følgende to årtier blev den uden tvivl det mest omtalte tal inden for kundeoplevelse.
Du finder NPS målt i alt fra startups med fire ansatte til Apple. Du finder det også kritiseret af forskere, der sætter spørgsmålstegn ved dets forudsigelseskraft, og stille og roligt manipuleret af driftsteams, der tidsplanlægger målingerne, så de rammer kunderne, når de er gladest. Sandheden om NPS ligger et sted mellem evangelisme og skepsis. Det er et nyttigt værktøj med reelle begrænsninger, som de fleste organisationer enten ignorerer helt eller tillægger større betydning, end det har.
Denne artikel forsøger at komme ud over begge disse fejlspor.
Sådan beregnes scoren
Mekanikken er enkel. Du beder kunderne vurdere, hvor sandsynligt det er, at de vil anbefale dig, på en skala fra nul til ti. Ud fra svaret sorterer du dem i tre grupper.
Passive er helt udeladt af beregningen. Scoren ligger mellem −100 og +100.
Promotere – dem, der giver ni eller ti – er i teorien dine begejstrede fortalere: de kunder, der rent faktisk anbefaler dig, som udvider deres egen brug af produktet, og som er mindst tilbøjelige til at forlade dig. Detraktorer – nul til seks – er utilfredse kunder, der aktivt kan fraråde andre at vælge dig. Passive, der giver syv eller otte, er tilfredse, men ikke begejstrede. De er sårbare over for en konkurrents salgstale.
At de passive udelades af beregningen, er et af de mere kontraintuitive designvalg i NPS. Ræsonnementet er, at passive kunder ikke driver væksten nævneværdigt i nogen retning. Om det er empirisk korrekt, kan diskuteres, men det er værd at forstå, fordi det betyder, at et skift fra passiv til promoter slet ikke flytter din score – kun detraktorer, der bliver til promotere (eller omvendt), har reelt betydning.
Tallet er ikke indsigten. Tallet er signalet om, at du skal ud og finde indsigten. Det, der tæller, er, hvad dine kunder siger, når du spørger dem hvorfor.
Hvordan ser en god score ud?
Det er her, teams ofte bliver forvirrede, fordi NPS varierer enormt fra branche til branche. En score, der ville være anledning til fejring i telebranchen – en branche med berygtet utilfredse kunder – ville være årsag til bekymring inden for forbrugersoftware, hvor forventningerne er højere, og omkostningerne ved at skifte er lave. Det betyder langt mere at sammenligne din score med et branchegennemsnit end med et generelt benchmark.
| Scoreinterval | Vurdering | Hvad det tyder på |
|---|---|---|
| Under 0 | Dårlig | Flere detraktorer end promotere. Et betydeligt problem med kundeoplevelsen, som må løses. |
| 0 – 30 | Acceptabel | Positivt område, men der er plads til forbedring. De fleste organisationer ligger her. |
| 30 – 70 | God | Markant flere promotere end detraktorer. Tegn på ægte kundeloyalitet. |
| Over 70 | Fremragende | Verdensklasse. Opnås af virksomheder som Apple og visse B2B-softwareprodukter. |
Vigtigere end ethvert benchmark er dog din egen udvikling over tid. En score på 28, der er steget fra 14 over seks måneder, fortæller dig noget meningsfuldt og positivt. En score på 45, der er faldet fra 62, fortæller dig, at der er noget galt, selv om 45 ser respektabelt ud isoleret set. Retningen betyder mere end det absolutte tal, især for små teams, der endnu ikke har råd til en statistisk robust stikprøve.
Spørgsmålet, der betyder mere end scoren
Den største fejl, organisationer begår med NPS, er at behandle det som en destination frem for et udgangspunkt. De sender undersøgelsen, indsamler tallet, sætter det på et dashboard og går videre. Scoren bliver stående og forbedres en smule eller falder en smule hvert kvartal, uden at det ændrer noget ved, hvordan produktet eller servicen faktisk fungerer.
Grunden til, at NPS blev designet med et opfølgende spørgsmål, er, at tallet alene fortæller dig næsten intet, du kan handle på. Det fortæller dig, om dine kunder samlet set er tilfredse eller utilfredse. Det fortæller dig ikke hvorfor, hvor præcist eller hvad du skal gøre ved det. Opfølgningsspørgsmålet – typisk noget i retning af »Hvad er den vigtigste grund til din score?« – er der, hvor den egentlige indsigt findes.
Når du gennemgår fritekstsvar i stort omfang, dukker der mønstre op, som ingen numerisk score ville afsløre. Du vil måske se, at detraktorer samler sig om ét enkelt smertepunkt – f.eks. onboardingforløbet eller en manglende integration – mens promotere gang på gang nævner en bestemt funktion eller kvaliteten af dit supportteam. Det er information, du kan handle på. Scoren fortalte dig, at der var et problem. Svarene fortalte dig, hvor du skulle kigge.
Hvornår du skal sende undersøgelsen – og hvornår ikke
Undersøgelsens timing har uforholdsmæssigt stor effekt på resultaterne, og teams, der ikke tænker nøje over det, ender med data, der smigrer frem for at informere. Send en undersøgelse umiddelbart efter, at en kunde er lykkedes med noget, vedkommende ønskede at gøre – en vellykket onboarding, en afsluttet supportsag, et gennemført køb – og du får scorer, der afspejler det positive øjeblik, ikke kundens samlede forhold til dig. Send den på et vilkårligt tidspunkt efter tilmelding eller i en periode, hvor en kendt fejl påvirker brugerne, og du får noget helt andet.
Der findes ingen universelt korrekt frekvens, men nogle få principper holder. For B2B-SaaS-produkter fungerer en kvartalsvis undersøgelse sendt til aktive brugere typisk godt – ofte nok til at fange meningsfulde tendenser og sjældent nok til, at kunderne ikke udvikler undersøgelsestræthed. For e-handel og forbrugerprodukter giver en transaktionsudløst undersøgelse efter køb eller levering mere mening. For servicevirksomheder er det typisk mest nyttigt at sende den inden for en uge efter en afsluttet opgave, mens oplevelsen stadig er frisk.
Send ikke NPS-undersøgelser udelukkende efter positive kontaktpunkter – en supportsag, der er blevet løst, et afsluttet onboardingopkald, en fejring af en produktlancering. Det er en af de mest almindelige måder, hvorpå teams ved et uheld pumper deres scorer op. Mål relationen, ikke øjeblikket. En kunde, der havde en fantastisk onboarding, men som siden har kæmpet i tre måneder, er ikke en promoter.
De segmenter, der betyder mest
Samlet NPS skjuler lige så meget, som det afslører. En enkelt score for hele organisationen, der blander dine superbrugere, dine næsten inaktive brugere, dine enterprise-konti og dine brugere på gratisplanen, fortæller dig næsten helt sikkert noget meningsløst om dem alle. Den mere værdifulde praksis er at segmentere dine NPS-data og se på hver gruppe for sig.
Superbrugere – dem, der er i dit produkt hver dag og bruger dets kernefunktioner – vil næsten altid have højere scorer end lejlighedsvise brugere. Det giver mening. Det, du vil vide, er, hvorfor de lejlighedsvise brugere kun er lejlighedsvise, og om dem, der scorede lavt, kan fortælle dig, hvad der ville ændre det. Segmentering efter plantype, virksomhedsstørrelse, branche eller hvor længe en kunde har været hos dig afslører typisk meget forskellige grupper med meget forskellige bekymringer.
Det mest handlingsorienterede segment af alle er ofte de passive: kunder, der gav syv eller otte. De er ikke utilfredse – de er bare ikke begejstrede. Noget holder dem tilbage fra at blive egentlige fortalere. En direkte samtale med en håndfuld passive kunder, hvor du spørger: »Hvad skal der til for at flytte dig fra otte til ti?«, er en af de kundeundersøgelser med højest afkast, et lille team kan lave, og den koster intet andet end tid.
At lukke loopet på NPS-svar kræver koordinering – nogen skal eje opfølgningen over for detraktorer, give produktteamet besked om temaer og følge op på, om de rejste problemer bliver løst. I FabricLoop foregår dette workflow i en delt gruppe: Undersøgelsessvar kommer ind, der oprettes en opgave for hver samtale med en detraktor, og noter fra disse samtaler flyder tilbage i en produktdiskussionstråd. Intet går tabt mellem undersøgelsesværktøjet og de mennesker, der rent faktisk kan handle på det.
At lukke loopet: Hvad du skal gøre, når du har indsamlet svar
Udtrykket »at lukke loopet« betyder i NPS-verdenen at følge direkte op over for kunder, der har svaret – især detraktorer – for at anerkende det, de sagde, og, hvor det er muligt, gøre noget ved det. Det er her, de fleste organisationer svigter. Undersøgelsen sendes ud, dataene analyseres, scoren kommer på slidet, og de enkelte kunder, der tog sig tid til at fortælle dig noget, hører aldrig fra dig igen.
Det er både en forspildt mulighed og, for detraktorernes vedkommende, en lille respektløshed. En kunde, der giver dig en treer og forklarer hvorfor i nogen detalje, har givet dig en gave. Hvis ingen nogensinde anerkender det, har du signaleret, at du i virkeligheden ikke var interesseret i svaret – kun i tallet.
For detraktorer er målet med opfølgningen ikke at gøre dem til promotere på stedet – det er at forstå deres oplevelse bedre og, hvor det er muligt, løse det, der forårsagede utilfredsheden. Mange detraktorer, der får et ægte, personligt svar fra nogen i virksomheden, ændrer deres opfattelse markant, selv om det underliggende produktproblem endnu ikke er løst. Det, at blive hørt, betyder noget.
For promotere kan en enkel anerkendelse – en tak-e-mail eller et spørgsmål om, om de vil dele deres oplevelse offentligt – gøre passiv fortalervirksomhed til aktive anbefalinger. Promotere, der giver dig en 9'er eller 10'er, er allerede tilbøjelige til at anbefale dig. Et lille puf til rent faktisk at gøre det i det øjeblik, hvor deres begejstring bliver målt, koster næsten ingenting og ender af og til som en kundecase, en anmeldelse eller en introduktion til en anden potentiel kunde.
NPS' ærlige begrænsninger
Enhver afbalanceret behandling af NPS må anerkende den reelle kritik, for noget af den er alvorlig. Den vigtigste er problemet med kulturelle forskelle. Forskning har konsekvent vist, at villigheden til at give ekstreme scorer – ni eller ti frem for syv eller otte – varierer betydeligt fra land til land og mellem kulturelle sammenhænge. Kunder i USA har tendens til at score højere generelt end kunder i Tyskland eller Japan, uafhængigt af deres faktiske tilfredshed. Hvis du kører et globalt produkt på fyrre markeder, vil et enkelt NPS-tal delvist måle kulturelle svarstile og ikke kun kundeoplevelsen.
Der er også spørgsmålet om, hvorvidt NPS faktisk forudsiger det, det hævder at forudsige. Reichhelds oprindelige forskning knyttede høje NPS-scorer til omsætningsvækst. Efterfølgende studier har fundet, at sammenhængen er langt svagere og mere brancheafhængig, end de oprindelige påstande antydede. NPS korrelerer med kundetilfredshed i de fleste studier, men om det er en bedre forudsiger af forretningsresultater end andre tilfredshedsmetrikker, er reelt omstridt.
NPS måler villighed til at anbefale på ét enkelt tidspunkt. Det måler ikke faktisk anbefalingsadfærd, kvaliteten af anbefalingerne, kundens livstidsværdi eller sandsynligheden for kundeafgang. Hvis du behandler det som en proxy for noget af dette, kommer du på vildspor. Brug det som ét input blandt flere, ikke som den eneste kilde til sandhed om kundernes tilstand.
Intet af dette betyder, at NPS er ubrugeligt – det betyder, at det er et stumpt instrument, der bruges i sammenhænge, hvor man somme tider har brug for skarpere værktøjer. For et team, der i dag slet ikke måler kundetilfredshed, er det en betydelig forbedring at starte med NPS. For et team, der har kørt NPS i årevis og vil forstå kundeadfærd mere præcist, vil yderligere metrikker som Customer Effort Score, modeller til forudsigelse af kundeafgang eller produktbrugsdata give et langt rigere billede.
Sådan opbygger du en NPS-praksis fra bunden
Hvis du starter fra nul, er det vigtigste at starte enkelt og holde fast. Vælg først ét kundesegment at undersøge – dine mest aktive brugere eller din seneste kohorte af nye kunder. Skriv en undersøgelse med det standardiserede NPS-spørgsmål og ét enkelt åbent opfølgningsspørgsmål. Brug et hvilket som helst undersøgelsesværktøj, der kan sende e-mail (Typeform, Google Forms og et dusin andre fungerer fint for et lille team). Sæt en kalenderpåmindelse til at køre den igen på samme måde om tre måneder.
Invester ikke i dedikeret NPS-software, før du har kørt mindst to eller tre runder manuelt og har et klart billede af, hvordan dataene rent faktisk skal bruges. Risikoen er, at du bruger tid på at konfigurere en platform, før du har etableret nogen vaner omkring at læse og handle på resultaterne. Et regneark og en delt mappe med fritekstsvar, der gennemgås i fællesskab hvert kvartal, lærer dig mere i de første seks måneder end noget dashboard.
Spørgsmålene, du bør stille dig selv efter hver runde, er altid de samme: Hvad er scoren, og hvilken retning går den i? Hvad siger detraktorerne, og er der et mønster? Hvad siger promoterne, og gør vi mere af det? Fulgte vi op over for respondenterne sidste gang, og hvad lærte vi af de samtaler? Hvis du kan besvare alle fire spørgsmål klart hvert kvartal, har du en fungerende NPS-praksis – uanset hvilket værktøj du bruger.
Kløften mellem at køre en NPS-undersøgelse og rent faktisk at forbedre dit produkt på baggrund af den er næsten altid et organisatorisk problem, ikke et dataproblem. I FabricLoop fastgør teams deres NPS-resultater i en delt gruppe, så de er synlige for produkt, support og ledelse på samme tid – ikke begravet i en e-mail eller en mappe, som ingen åbner. Når et tema fra detraktorernes svar bliver til en produktopgave, ligger hele ræsonnementet lige der, knyttet til kortet.
