思考：客户满意度（CSAT）和净满意度（NSS）区别在哪？
一、CSAT 和 NSS 的介绍
客户满意度（Customer Satifaction，CSAT）和净满意度（Net Satisfaction Score，NSS），都是直接衡量满意度水平的体验度量指标，当我们想了解客户对于产品/服务/功能的满意程度时，可以使用该指标进行度量。
问题：请问你对 XX产品/XX功能/XX流程 的评价是？（以5分制为例）
- 1 非常不满意
- 2 不满意
- 3 一般
- 4 满意
- 5 非常满意
触发时机：
1）评测功能满意度时，最好是在用户完成当前任务后，通过系统主动触发推送，以网页插件等方式进行即时数据收集。
2）评测整体满意度时，可依据业务进行周期性进行，以调查问卷的方式发放，再基于问卷系统完成问卷的回收。
二、计算方法的差异
CSAT = (5分回复数+ 4分回复数)/调查回复数量x100%
NSS = ((5分回复数 + 4分回复数)-W权重x (2分回复数+ 1分回复数))/调查回复数量
因为 NSS 中会考虑不满意的回复数，而负面的评价在传播上会产生较大的影响。
不满意的分数与满意的分数在进行比较时应该先进行加权，W权重一般是 2 倍或者更多。
一般行业会把 4~5 分的得分归类为满意，由于行业的产品标准和服务水平的差异，也有一些行业会认为只有 5 分的得分才算真正意义上的满意。
因此，满意得分值的界定不同，得到的 CSAT 也会不同，在进行满意度调查的界定标准上应该一以贯之，不能随意变更计算方法。
还有，对于填答者选择了“不知道”或“未涉及”等形式的选项，此部分在计算方法上不计入调查回复数量。
三、CSAT和NSS关注群体的差异
NSS 相较 CSAT，属于较为保守的计算方法。
在计算公式中可以看出，CSAT 是看重满意用户占比的情况，而 NSS 更加关注两端的用户，即满意和不满意的用户。
四、CSAT和NSS在数据因子构成的差异
NSS 在理念上是把 5 分值转换为了二元法的“好”与“坏”，在这个过程中属于降维，会损失一部分数据的信息特征，并会把误差的幅度加倍。这个问题在 NPS 指标上同样也存在。
NSS 可以看作是在 CSAT 的基础上，针对调查人群的细化。
因为 NSS 不是单一因子的变化，而是两个因子的相互变化所构成的。那么在 CSAT 和 NSS 在得分波动的觉察上，CSAT 仅体现满意回复数的变化，得分的波动可以很好被识别。
而 NSS 会相对更加隐蔽一些，例如，NSS = 15，可能是由 40% 满意和 25% 不满意的回复数所组成，也可能是 20% 满意和 5% 的不满意回复数所组成。
那么这两个 NSS 值相同，是否能表示相同的意义呢？
显然不行！
NSS 在报告数据结果的时候，需要把「满意度」、「不满意度」、「净满意度」同时汇报，便于获取数据背后的真实表现情况。
NSS 在后续的调查中要证明产品或服务随着时间的改进，需要将样本数加倍，否则无法区别抽样误差。
五、CSAT/NSS和NPS的组合使用差异
从中国质量协会用户委员会发布的 195 个品类满意度（CSAT）和 NPS 数据分析, 发现结果是下面样子（每个点代表一个品类）。
这多少有点和我们的直觉相左。一般我们会认为 CSAT 高，NPS 会高；CSAT 低，那么 NPS 也会低。
但是调查数据表示，品类之间的 CSAT 和 NPS 的决定系数 R2 只有 0.25，两者为弱相关关系。
意思是 CSAT 的高低，并不能完全决定 NPS 的数据表现。即 CSTA 高，NPS 也有可能低，反之亦然。
而在 Michael Hou 的《NPS 客户忠诚度和 NSS 满意度预测模型》简报中，论证了 NSS 和 NPS 在内在逻辑的相关性。
在数据表现上，当 NPS 值升高时，其他商业过程 NSS 都大部分都有所提升。显示出很强的正相关性，可以进一步分析客户在具体哪些商业过程上有改善和仍然存在不足。
在NPS的搭配使用上，CSAT+NPS 的组合，需要基于 NPS 再次进行细分分析，将客户进行人群细分，然后再对不同类型群体、不同特征下钻其痛点和未被满足的需求，确定驱动要素的改进优先次序。
而 NSS+NPS 的组合，由于两者之间的正相关关系，可以进行更加细颗粒度的构成分析，拆解 NSS 和 NPS 中「满意+不满意」和「推荐+贬损」群体的重合程度，以及分别组合出来的群体间的具体差异。
以上。
作者
龙国富，公众号：龙国富，CxHub主理人。致力于终身学习和自我提升，分享用户研究、客户体验、服务科学等领域资讯，观点和个人见解。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
