close
「The ultimate question」一書中,說到衡量企業是否能夠持續擁有廣大客層的最終問題就是「How likely is it that you would recommend this company to a friend or colleague?」。在他們的研究中發現,所有的滿意度調查其實都無法真正衡量出消費者的真實行為。唯有透過這個「終極問題」,才能真正知道到底顧客的行為會是什麼。

另外,也提到所有的企業都應該要賺Good profit,而不是Bad profit。
簡單來說,Profit來自客戶購買我們的產品。但是,那次的購買經驗,會讓我們失去這個客戶,那麼所賺到的就是bad profit。但是,若這次的購買經驗,可以讓這個客戶再購買,那麼就是good profit。
例如,中華汽車都使用次等的東西,以便降低cost。當車主買了車之後,發現他們的車很差,就不再購買他們的車。所以,它雖然賺到了Profit,但也失去了這個客戶。這就是bad profit。
相對的,賓士車主雖然付較多的錢,但買了之後,會發現車子的好,所以會再買。這樣就是good profit。
以Nielsen的例子來說,我們現在就是在賺bad profit。因為,當我們幫客戶做了市調之後,他們就會知道我們並沒有提供更高的value,但卻charge很高。


書中提到衡量的標準是用10分量表來評比。9-10分叫做Promoter,意指會願意推薦的人。7-8分是Passive,指雖然喜歡這個牌子,但卻不會真的推薦。0-6分則是detractor,指不但不滿意,還會到處要別人不要買的人。
書中所提倡的方式是,把Promoter的比例,減去detractor的比例,即為Net Promoter Score (NPS)。

P – D = NPS

分數愈高,就表示這間公司愈能留住客戶。而留住客戶的好處有:
  1. 這些客戶會成為免費的宣傳人員,幫公司拓展業務(推薦他人購買)
  2. 舊客戶再購的可能性較高
  3. 維繫舊客戶的花費,比找新的客戶低,且他們再購時,會更願意花錢買公司的產品
基本上,我同意他所說的,滿意度調查並不能真正反應消費者未來的再購行為。這一點在每次做汽車的滿意度調查中,就可以發現。但是,若要消費者評願意推薦的分數,真的就能夠預知行為嗎?我覺得也不盡然。
舉例來說,大陸地區的人所評的10分,與台灣人所評的10分,就存在差異,因為大陸地區的人較傾向評高分。同樣的,德國人可能就傾向評低分。

根據過去做SSI和CSI的經驗,我覺得不該採用固定式的區分法(9-10是promoter, 7-8是passive…etc.),而應該採變動式。亦即,我們需要透過不同的評分題,找出每個受訪者的評分pattern,再依照這個pattern去找出區分三種人的分界點。

例如,如果某個受訪者大多數的評分題都評9分,可能代表他的習慣就是評9分,那麼9分就該區隔為passive。畫出該受訪者的評分分佈之後,或許可用「正負一個(或半個)標準差」,「或是正負0.5分、1分」做為分界點。若他在ultimate question的分數高於一個標準差,就代表他是promoter。
這樣一來,就可以避免掉評分習性的問題。(不確定統計上的「標準化」是不是就是這樣的概念?)

這樣的做法有兩個前提需要確定:
  1. 需要有一定數量的評分題,以便判斷出評分的pattern。且評分題需要是評不同類的題目,以避免特定類別有特定評分傾向的影響。
  2. 該怎麼定義分界點,需要與客戶進行討論。

不過,有個問題是,如果有個消費者,他真的很滿意,所以都評10分,該怎麼辦?
在這樣的情況下,或許我們可以用 ultimate question”s”的方式,也就是不只問「一題」ultimate question,而是問一個題組(ex. 是否會推薦?下次是否會買?願意多付的錢?)。這樣的做法不在把那些特別滿意的挑出來,而在於把不是那麼滿意的挑出來。

因為,如果一個人真的滿意,很可能整個題組都是10分;但相對的,如果沒有那麼滿意,那有可能題組中,並不會全部都是10分。

當然,這樣仍無法完全避免掉那種完全習慣評高分的受訪者。不過,換個角度想,每種方法不也都無法避免掉嗎?若用原本的方式,似乎bias會更大吧!
 
arrow
arrow
    全站熱搜

    Alex x 複選人生 發表在 痞客邦 留言(0) 人氣()