NPS 計算機
根據推薦者、貶損者和總回答人數計算淨推薦值，在−100 到 100 的範圍內衡量客戶忠誠度。
輸入總回答人數、推薦者（9–10）、被動者（7–8）和貶損者（0–6），計算推薦者率、貶損者率和 NPS。
關於淨推薦值
淨推薦值（NPS）概括客戶推薦產品或公司的可能性。回答者以 0 到 10 分評估可能性。9–10 分是推薦者，7–8 分是被動者，0–6 分是貶損者。NPS 計算機將推薦者率減去貶損者率，也就是推薦者人數減去貶損者人數，再除以總回答人數並乘以 100。被動者納入回答總數時會在分母中，但不會出現在分子中。通常範圍是−100 到 100。 有 200 名回答者、120 名推薦者和 30 名貶損者時，推薦者率為 60%，貶損者率為 15%，NPS 為 45。這等於 60 減 15。如果只將回答總數改為 100 而保留 120 名推薦者，計算仍會執行，NPS 會變成 90，但人數不再相加一致。請始終確保推薦者 + 被動者 + 貶損者等於總回答人數，讓分數代表真實調查，而不是混雜的輸入集合。 NPS 是忠誠度指標，不是利潤率，也不是統計上完整的滿意度模型。樣本量、調查時機、管道組合，以及批評者是否更願意回答，都會改變這個數字。在一個產業中 45 分可能很強，在另一個產業中卻只是平均。追逐同業標題前，先比較自己的趨勢線和閉環回饋。被動者不是「中性雜訊」：他們沒有承諾推薦你，競爭者方便時往往會轉向。 請在按標準 0–10 分級分類回答後使用 NPS 計算機。不要把原始 0–10 分求平均後稱為 NPS。除非這正是你要衡量的人群，否則不要把員工和客戶混在一個總數中。這個分數是產品和支援團隊的規劃指標，不是財務報表項目，也不是受監管披露。
NPS 計算機範例
NPS 等於（推薦者 − 貶損者）除以總回答人數，再乘以 100。
| 輸入 | 輸出 | 備註 |
|---|---|---|
| 200 名回答者；120 名推薦者；50 名被動者；30 名貶損者 | 推薦者率 60.00%；貶損者率 15.00%；NPS 45.00 | 人數相加為 200，因此這是清楚一致的調查結果。 |
| 100 名回答者；60 名推薦者；25 名被動者；15 名貶損者 | NPS 45.00 | 在規模較小但內部一致的樣本中，仍得到 45 分。 |
| 200 名回答者；80 名推薦者；80 名被動者；40 名貶損者 | 推薦者率 40.00%；貶損者率 20.00%；NPS 20.00 | 與基礎案例相比，推薦者更少、貶損者更多，使 NPS 降低 25 分。 |
如何計算淨推薦值
- 將每個 0–10 分回答分類為推薦者（9–10）、被動者（7–8）或貶損者（0–6）。
- 輸入相加一致的總數：推薦者 + 被動者 + 貶損者 = 回答者。
- 選取「計算」以查看推薦者率、貶損者率和 NPS。
- 閱讀貶損者和被動者的評論，不要孤立地管理分數。
NPS 計算機常見問題
NPS 如何計算？
NPS 是（推薦者減貶損者）除以總回答人數，再乘以 100。當兩個百分比使用同一個回答總數時，它等於推薦者百分比減去貶損者百分比。
被動者會影響 NPS 嗎？
會，如果他們被計入總回答人數。他們會增加分母但不改變分子，因此相對於只有推薦者和貶損者的基準，更多被動者會降低 NPS。
什麼樣的 NPS 算好？
沒有普遍適用的界線。請比較自己的趨勢和相關產業樣本。在一個類別中 45 分可能很強，在另一個類別中卻很普通。
NPS 是百分比嗎？
它雖然由百分比構成，卻以−100 到 100 之間的數字報告。計算機用百分號顯示推薦者率和貶損者率，並將 NPS 顯示為分數。
為什麼人數必須加總為總回答人數？
NPS 是調查統計量。如果推薦者、被動者和貶損者的總和不等於回答總數，分母就不再對應已分類的樣本。