先問你一個扎心的問題:你的顧客填問卷都說「滿意」，為什麼回購率還是這麼低?因為滿意，是一個騙人的分數。顧客說滿意，可能只是禮貌、只是懶得抱怨、只是覺得「還行啦」。而「還行」的顧客，下次看到別家便宜五十塊就跑了。滿意度高不代表忠誠度高，這兩件事根本是分開的，很多店就是死在把「顧客沒抱怨」當成「顧客很愛我」。
那有沒有一個指標，能穿過禮貌性的滿意，量出顧客到底會不會真的回來、會不會真的替你講話?有，就是 NPS，淨推薦值。它只用一個問題，卻比一整份滿意度問卷更能預測回購與口碑。這篇我要帶你搞懂它怎麼算、怎麼問、以及最重要的——怎麼把分數真的變成生意上的改善，而不是量完放著好看。
反常識:滿意度會騙你，願不願意推薦不會
先講清楚 NPS 到底在問什麼。它的核心只有一句話:「你有多大可能，把我們推薦給你的朋友或同事?」請顧客用零到十分打分。就這麼一題。
為什麼這一題比問「你滿不滿意」更準?因為推薦是要賭上自己信譽的行為。你可以隨口說一間店還不錯，但要你真的把它推薦給好朋友，你會謹慎得多，因為如果對方踩雷，丟臉的是你。所以「願不願意推薦」這個問題，逼顧客拿出真實的態度，而不是禮貌性的敷衍。一個願意冒著信譽風險替你推薦的顧客，才是真正忠誠、真正會回購的顧客。
這也是滿意度調查最大的盲點。滿意是一種「當下沒有不爽」的被動狀態，而推薦是一種「主動願意替你背書」的積極行為，兩者的門檻天差地遠。你要經營的從來不是不抱怨的顧客，是願意替你說話的顧客。NPS 量的正是後者。
NPS 怎麼算:一條公式，三種人
NPS 的計算簡單到你可以心算。根據那一題零到十分的答案，把顧客分成三種人:
- 推薦者(九到十分):真心喜歡你、會回購、會主動幫你介紹的鐵粉。他們是你的成長引擎。
- 被動者(七到八分):覺得還可以、沒什麼不滿，但也沒有熱情。你稍微失誤或對手稍微給力，他們隨時會走。
- 批評者(零到六分):不滿意，可能會流失，甚至會到處講你的壞話。他們是你的破口。
公式就一條:NPS = 推薦者百分比 減去 批評者百分比。注意，被動者不計入計算，但他們是你最大的「待轉化庫存」。舉例，一百個回覆裡有五十個推薦者、三十個被動者、二十個批評者，那你的 NPS 就是五十減二十等於三十。分數範圍從負一百到正一百。多少算好?這其實跟產業差異很大，與其糾結跟別人比，更該跟自己的上一季比，看自己有沒有在進步。絕對數字會騙人，趨勢不會。
還有一個進階但很重要的觀念:光看分數沒有意義，真正的金礦在分數後面那個「為什麼」。所以問完那一題，一定要接著問一句開放題:「方便說說為什麼給這個分數嗎?」這一句，才是你所有改善的來源。
怎麼問才問得到真話:時機、管道與頻率
同一個問題，問的時機不對，答案就沒有價值。我給你幾個實戰原則。
- 問在體驗剛發生完的時候:收到貨後幾天、客服處理完一個問題之後，顧客記憶最鮮明、感受最真實。隔太久才問，他早就忘了細節，只剩模糊的印象。
- 分場景問，別只問一次:購買後的整體 NPS、客服互動後的 NPS、退換貨處理後的 NPS，不同觸點的分數能幫你精準定位到底哪個環節在扣分。
- 問法要短、要低摩擦:一題評分加一題開放，能一鍵點選就別讓他打字打半天。問卷越長，回覆率越低、樣本越偏。
- 別問太頻繁:同一個顧客不要三天兩頭被你問，那本身就是一種糟糕的體驗。抓好節奏，重要觸點問就好。
還要提醒一個常見的作弊陷阱:不要為了衝分數而暗示顧客給高分。有些店會寫「如果滿意請給我們十分」，這種操作會讓你的 NPS 完全失真，你以為分數很漂亮，其實根本量不到真實問題，等於自己蒙住自己的眼睛。NPS 的價值在真實，騙來的高分只會害到自己。
最關鍵的一步:把分數變成行動的閉環
這是九成的店做不到、卻是 NPS 唯一真正有價值的地方。量完 NPS 只是開始，把分數變成改善行動，才是重點。很多店辛苦收了一堆回饋，做成一張漂亮的報表，然後就沒有然後了，這叫做「量了個寂寞」。
正確的做法是建立一個閉環，我用四個字記:問、分、追、改。
- 問:在對的時機問對的問題，拿到分數與背後的原因。
- 分:把回饋依三種人分類，更要把開放題的內容依主題歸類，找出「大家最常抱怨什麼」「推薦者最愛哪一點」。
- 追:對批評者，越快聯繫越好。一個被認真回應、問題被解決的批評者，常常會變成最死忠的推薦者。這叫服務補救，是 NPS 最有威力的地方。對推薦者，順勢邀請他寫評價、推薦朋友，把好感變成實際的口碑與帶客。
- 改:把重複出現的抱怨，變成流程或產品上的實際改善，然後在下一輪 NPS 看分數有沒有真的上去。這才閉環。
對比一下就懂差別。P 店每季量 NPS，做成簡報講完就歸檔，分數常年沒動。Q 店每一個批評者都在二十四小時內被聯繫、被處理，每一批抱怨都被歸類追出根因、改掉，推薦者都被邀請去留評價帶朋友。一年後，Q 店的 NPS 明顯上升，回購與口碑也跟著漲。差別不在有沒有量，在量完之後有沒有動。
AI 怎麼幫忙:讀懂大量回饋與它的盲點
NPS 的開放題是金礦，但當你有成千上萬則回饋，人工一則則讀根本讀不完，這是 AI 現在最實用的地方。
具體用法:第一，用 AI 對大量開放題回饋做自動主題分類與情緒分析，幾分鐘就能告訴你「這季的抱怨最多集中在物流」「推薦者最常提到的是客服態度」，幫你從一堆文字裡快速抓出重點。第二，用 AI 做趨勢比對，看某個抱怨主題是不是在惡化、某次改版之後分數有沒有反應，讓你更快發現問題。第三，用生成式 AI 幫你替不同分數的顧客草擬回覆與服務補救訊息，加快追蹤批評者的速度，畢竟速度就是補救的關鍵。
但盲點一定要知道，否則會被 AI 誤導。第一，AI 的情緒與分類判斷會出錯，尤其是中文的反諷、雙關、在地用語。顧客一句「喔真的很棒呢」可能是滿滿的諷刺，AI 卻可能判成正面。所以 AI 的分類結果要抽樣人工覆核，別全盤照收。第二，AI 只能告訴你「大家在講什麼」，不能替你決定「該怎麼改」，那需要你對生意的理解與判斷。第三，追蹤批評者這種帶情緒的時刻，AI 可以幫你出草稿，但真正的溝通最好還是由真人帶著同理心完成，一個罐頭道歉反而會二次傷害。把 AI 當成幫你讀懂海量回饋的助手，把判斷與溝通留給人，你才能既快又準。
劃重點總結。第一，滿意度會騙你，願不願意推薦才是真實忠誠，這是 NPS 的核心價值。第二，公式很簡單，推薦者百分比減批評者百分比，但別只看分數，分數後面的為什麼才是金礦。第三，問對時機、分場景、低摩擦，而且絕不作弊暗示給高分。第四，量完一定要動，用問分追改建立閉環，尤其快速補救批評者，他常會變成最死忠的推薦者。第五，AI 幫你讀懂海量回饋，但分類要覆核、溝通要真人。把一個問題，變成一整套會讓顧客更想推薦你、更想回來買的改善循環，這才是 NPS 真正的力量。