NPS（淨推薦值）計算器｜免費計算客戶忠誠度指標
只需輸入0〜10分推薦意願調查的各分數回答人數，即可自動歸類為推薦者、被動者、貶損者，並免費計算NPS（淨推薦值），一目瞭然地瞭解客戶忠誠度現狀。
使用提示
- NPS的基準值因行業和地區而異很大，最有效的用法是與自身過去的數值進行趨勢對比，而非孤立地看單次數值。
- 樣本量較少時，單個回答就可能大幅改變分數。建議至少收集30〜50份回答後再做判斷。
- 被動者（7〜8分）雖不直接參與NPS的計算公式，但仍計入有效回答總數，因此被動者佔比越高，推薦者與貶損者的比例都會被稀釋，NPS會趨近於0。
- 若要長期跟蹤NPS，務必保持問卷措辭和發放渠道一致，否則不同時期的數值將無法直接比較。
常見問題
一般而言，0分以上為正向區間，30分以上為"優秀"，50分以上為"卓越"，70分以上則被視為世界頂級水平。但由於行業差異很大，比起絕對數值，更建議與自身歷史資料或同行業競爭對手進行相對比較。
NPS的計算公式（推薦者佔比減貶損者佔比）並不直接使用被動者資料，但被動者仍計入有效回答總數。因此被動者佔比越高的問卷，推薦者與貶損者各自的相對比例就越小，NPS也會趨近於0。
NPS背後的研究發現，打7〜8分（滿分10分）的受訪者轉向競爭對手的可能性，明顯高於打9〜10分的受訪者。雖然數字看似不錯，但並不代表同等程度的積極忠誠度。
沒有嚴格的下限，但樣本量較少時單個回答就可能使分數大幅波動。通常建議至少收集30〜50份回答後再判斷趨勢。
意味著貶損者（0〜6分）的比例超過了推薦者（9〜10分）。這通常反映客戶滿意度存在結構性問題，值得仔細檢視貶損者的具體反饋內容以尋找改進方向。
閒話 ― 為什麼NPS只是一道簡單的減法
NPS（Net Promoter Score，淨推薦值）由美國顧問弗雷德·賴克赫爾德（Fred Reichheld）於2003年在《哈佛商業評論》發表的論文《The One Number You Need to Grow》中提出。他分析了數百種客戶滿意度指標後發現，"您向朋友或同事推薦本公司的可能性有多大？"這一單一問題，與企業增長率的相關性強於其他任何指標。
NPS的計算公式是一道刻意簡化的減法：推薦者佔比減去貶損者佔比。忽略中間的被動者群體乍看奇怪，但這是有意為之——賴克赫爾德希望剔除滿意度調查中常見的"還算滿意"這類模糊的中間評價，將客戶情緒濃縮為一個清晰的行為訊號（是否願意主動推薦），讓管理層能夠毫不猶豫地據此採取行動。
NPS的取值範圍為-100到+100，0分及以上意味著推薦者多於貶損者。行業基準差異很大，零售業、服務業等往往偏高，電信、金融等行業則普遍偏低。實務中，與其糾結於單一絕對值的高低，不如更關注自身的歷史趨勢或與直接競爭對手的相對比較。