NPS（净推荐值）计算器｜免费计算客户忠诚度指标
只需输入0〜10分推荐意愿调查的各分数回答人数，即可自动归类为推荐者、被动者、贬损者，并免费计算NPS（净推荐值），一目了然地了解客户忠诚度现状。
使用提示
- NPS的基准值因行业和地区而异很大，最有效的用法是与自身过去的数值进行趋势对比，而非孤立地看单次数值。
- 样本量较少时，单个回答就可能大幅改变分数。建议至少收集30〜50份回答后再做判断。
- 被动者（7〜8分）虽不直接参与NPS的计算公式，但仍计入有效回答总数，因此被动者占比越高，推荐者与贬损者的比例都会被稀释，NPS会趋近于0。
- 若要长期跟踪NPS，务必保持问卷措辞和发放渠道一致，否则不同时期的数值将无法直接比较。
常见问题
一般而言，0分以上为正向区间，30分以上为"优秀"，50分以上为"卓越"，70分以上则被视为世界顶级水平。但由于行业差异很大，比起绝对数值，更建议与自身历史数据或同行业竞争对手进行相对比较。
NPS的计算公式（推荐者占比减贬损者占比）并不直接使用被动者数据，但被动者仍计入有效回答总数。因此被动者占比越高的问卷，推荐者与贬损者各自的相对比例就越小，NPS也会趋近于0。
NPS背后的研究发现，打7〜8分（满分10分）的受访者转向竞争对手的可能性，明显高于打9〜10分的受访者。虽然数字看似不错，但并不代表同等程度的积极忠诚度。
没有严格的下限，但样本量较少时单个回答就可能使分数大幅波动。通常建议至少收集30〜50份回答后再判断趋势。
意味着贬损者（0〜6分）的比例超过了推荐者（9〜10分）。这通常反映客户满意度存在结构性问题，值得仔细查看贬损者的具体反馈内容以寻找改进方向。
闲话 ― 为什么NPS只是一道简单的减法
NPS（Net Promoter Score，净推荐值）由美国顾问弗雷德·赖克赫尔德（Fred Reichheld）于2003年在《哈佛商业评论》发表的论文《The One Number You Need to Grow》中提出。他分析了数百种客户满意度指标后发现，"您向朋友或同事推荐本公司的可能性有多大？"这一单一问题，与企业增长率的相关性强于其他任何指标。
NPS的计算公式是一道刻意简化的减法：推荐者占比减去贬损者占比。忽略中间的被动者群体乍看奇怪，但这是有意为之——赖克赫尔德希望剔除满意度调查中常见的"还算满意"这类模糊的中间评价，将客户情绪浓缩为一个清晰的行为信号（是否愿意主动推荐），让管理层能够毫不犹豫地据此采取行动。
NPS的取值范围为-100到+100，0分及以上意味着推荐者多于贬损者。行业基准差异很大，零售业、服务业等往往偏高，电信、金融等行业则普遍偏低。实务中，与其纠结于单一绝对值的高低，不如更关注自身的历史趋势或与直接竞争对手的相对比较。