在以NPS为核心的客户体验管理体系中，通常会基于客户反馈的问题确定改善方向，设计改善方案并实施，从而提升客户体验。但往往面临一个困惑：这么做能带来什么价值，对提升NPS有多少贡献？

对改善动作的价值量化并不容易，但归因分析是评估改善动作（或具体指标）对NPS贡献度的有效方法。

归因分析用于了解各个指标对NPS得分贡献度的大小，主要原理包括以下3个关键内容：

1）每个指标都可以基于自身占有的推荐者和诋毁者数量计算该指标的NPS；

2）每个指标NPS对总体NPS的贡献权重是不同的，提及越多的指标拥有越高的权重；

3）加权后的指标NPS即为该指标对总体NPS得分的贡献值。

我们通过下表中A-J共10个客户的NPS评分为例，详述归因分析的计算过程。

来源：MaxInsight卓思

在这组数据中，有7个推荐者，2个诋毁者，NPS得分为（7-2）/10*100=50。

客户A打10分，共提及了驾驶性能和产品质量两个正向指标，A是1个推荐者，因此驾驶性能和产品质量各占有0.5个推荐者；客户B打9分，共提及了驾驶性能1个正向指标，B是1个推荐者，因此驾驶性能占有1个推荐者；同理，基于每个客户反馈的指标情况，都可以得出该指标对应的推荐者或者诋毁者数量。

以驾驶性能为例，提及该指标（含正向和负向）的共7个客户，占有推荐者4.5个，诋毁者0.5个，因此驾驶性能的NPS=（4.5-0.5）/7*100。

考虑到总共10个客户，驾驶性能对总体NPS贡献的权重为7/10，加权后驾驶性能的NPS=（（4.5-0.5）/7）*100*（7/10）=（4.5-0.5）/10*100=40，即为驾驶性能对总体NPS的贡献值，占总体NPS的40/50=80%。

接下来，我们将结合汽车行业的NPS项目，介绍归因分析如何进行实战应用。

某主机厂定期对购车满1年的客户进行NPS调研，了解客户的推荐度和具体原因，包括产品、服务、智能网联、充电等多个业务方向，具体指标很多，我们选择客户关注度较高的10个指标进行归因分析。

1.总体表现

从数据来看，NPS总分为63，其中产品贡献66%，服务贡献29%，智能网联贡献5%，充电贡献0%。

来源：MaxInsight卓思

来源：MaxInsight卓思

这个结果带给我们3点启发：

1）产品是影响客户推荐的最主要因素；

2）服务对客户推荐也有较大贡献；

3）智能网联还有很大的提升空间。

各业务的具体指标还可以展开，以服务的主要指标为例，服务态度最重要，对NPS的贡献值为5.2，这个数虽然看起来不高，但如果服务做得不好，服务态度的贡献值不仅可能为0，还可能为负值。

来源：MaxInsight卓思

此外，可能出乎很多人的意料，客户关怀的重要性也很高，几乎不亚于新车交付。

2.车型表现

从各车型级别的NPS贡献度看，C车型的产品贡献度最高，D车型的产品贡献度最低；从具体产品指标的表现看，C车型的产品表现更多来自驾驶性能，而产品质量对A车型的贡献更高。

来源：MaxInsight卓思

来源：MaxInsight卓思

3.区域表现

各区域的NPS得分，也可以通过归因分析拆解出在服务方面的差异。

如下图所示，北区的服务贡献度最高，南区的服务贡献度最低；从具体服务指标的表现看，北区的服务表现更多来自服务态度，而南区主要在客户关怀上落后较多。

来源：MaxInsight卓思

来源：MaxInsight卓思

以上分析说明，归因分析可以清晰量化各业务、各指标对当前NPS的贡献度，并通过多维度对比，了解不同维度下的弱项，明确提升方向，直接回应改善动作带来的NPS预期提升效果，会让客户体验管理工作更加有的放矢。

而且，归因分析在NPS研究中的应用远不止于此，还可以在横向和纵向上进行拓展。横向可以通过多品牌对比，了解该品牌的NPS表现和各业务的贡献度差异，从而更好量化与竞品的竞争优劣势，谁的产品或者服务对客户体验的贡献更高，差距多大；纵向可以通过多期次对比，解读NPS波动的深层次原因，比如哪个指标的贡献度持续下行或低于预期，以明确后续重点提升的业务方向。

通过以上归因分析的介绍，希望对大家开展以NPS为核心的客户体验管理工作带来新的启发。

作者：北京卓思天成数据咨询股份有限公司 羞涩的超人