如何用 NPS 确定研发优先级,打破技术与业务的次元壁?

原创
2023/08/04 16:00
阅读数 589
AI总结

不了解利益相关者的需求是僵尸 Scrum 团队的四大常见症状之一,其主要表现为成员们忽视价值链上下游的内容,无法或不愿意带来任何改变或影响」,《拯救僵尸 Scrum》如是写道。

它们的工作,以及工作所涉及的组织,往往被设计成远离真正使用产品或者为产品付费的人。……其结果是,团队大量炮制出价值可疑的产品功能。这些功能可能不是利益相关者真正需要的。或者它们很好用,但并不能真正帮助用户提高工作效率。这可能是产品开发中最大的浪费:平庸的产品没有提供多少价值。

——《拯救僵尸 Scrum:卓越敏捷团队生存手册》

《拯救僵尸 Scrum》从现象出发诊断僵尸 Scrum 的症状,运用大量的真实案例,解码僵尸 Scrum 给团队和组织带来的危害。同时,全书蕴藏大量的实践指南,提供了一系列的诊断工具和实验,有助于迅速提升 VUCA 时代下的团队和组织效能。对组织管理者、Scrum Masters,以及任何愿意了解如何摆脱僵尸 Scrum 困局的团队来说,这都是一本实操性极强的必读宝藏书籍。(此处感谢👉优普丰敏捷教练👈的小伙伴空投!比心🙆‍♀️)

那么,面对复杂多变的环境,企业应当如何培养并平衡团队的客户视角与商业视角,让组织专注于有效的价值交付而非高效的产出,真正打造利益相关者需要的产品,避免陷入/及时摆脱「僵尸 Scrum」困境?

本文将分享一个能够有效弥合技术和业务部门的理解鸿沟,让研发交付围绕业务和价值展开的管理指标—— NPS。

01 什么是 NPS?

NPS(Net Promoter Score),净推荐值,由 Fred Reichheld 于 2003 年提出,用于评估客户自发推荐产品的意愿强弱/可能性大小,是应用最广泛的客户情绪与客户忠诚度的分析指标。从 AARRR 模型的角度看,NPS 会直接影响企业获客、留存和传播三个环节,因此成为影响业务增长的重要因素。

NPS 将「价值」编译为「客户推荐意愿」,可以为研发组织提供一个以「客户反馈」为中心的直观的定量工具。它能够快速拉齐产研与业务团队对价值和目标的理解,打破跨部门、跨组织协作的信息墙;同时,其清晰的评估结构又能辅助产品团队制定更明智的优先级管理决策,激励组织又快又好地构建价值增量,为业务服务。

02 如何计算 NPS 分数?

「你有多大程度会向朋友或同事推荐我们?」 是 NPS 调研中最基础,也最核心的问题。

受访者需要将自己的推荐意愿量化成 0 - 10 的评分,其中 0 分代表肯定不推荐,10 分代表肯定会推荐。根据打分情况,受访者将被分为三类:

  • 🥰 9 - 10 分为「推荐者 Promoters」。 他们是企业的忠实用户,很可能是口碑营销的传播者;他们愿意继续为产品/服务付费,并将其安利给更多人。
  • 😶 7 - 8 分为「中立者 Passives」。 他们对产品/服务持中立态度,总体感到满意但并不狂热,可能会被其他竞品吸引走。
  • 🤬 0 - 6 分为「贬损者 Detractors」。 他们对产品/服务不满意,甚至可能传播有关产品的负面评价,阻碍业务增长。

受访者中「推荐者占比」与「贬损者占比」的差值即为产品/服务的 NPS 分值。 举个例子,如果一次 NPS 调研收集了 100 个回答,其中有 50 个推荐者、30 个被动者和 20 个贬损者,那么 NPS 分数就是 50% - 20% = +30%。

NPS 的取值区间是 [ -100%, +100% ]:如果参与调研的受访者中,产品推荐者比贬损者更多,则净推荐值为正数,反之为负数。

「NPS 分值低说明产品不优秀吗?」

还真不一定。

03 NPS 分数达到多少才算好?

Retently 对从 To B 和 To C 领域共 14 个行业收集到的超 10,000 份调查样本进行了研究与分析,整理出 2023 年各行业的 NPS 基准值。

  • To B 领域:咨询行业以 67 分夺得第一;B 端软件和 SaaS 行业的平均值为 41 分。
  • To C 领域:保险行业以 74 分稳居首位,而互联网软件和服务行业则以 9 分排名最后。

由此可见,优化 NPS 的行业相对值或者变化绝对值或许比追求高分更具实践意义。此外,Retently 还表示,尽管 NPS 分数会受到行业领域和细分赛道的影响,但普遍来说 NPS

  • 低于 0 分代表贬损者比推荐者更多,产品急需关注和解决;
  • 0 - 30 分代表产品不错,但仍有进步空间;
  • 30 - 70 分代表产品表现非常不错,客户满意度较高;
  • 70 分以上代表产品口碑非常好,且大多数用户都是企业忠诚者。

04 如何使用 NPS 管理研发优先级?

虽然 NPS 在一定程度上可以反映产品是否存在问题,或客户当前是否对产品感到满意,但作为一个数值,它无法明确地指出问题出在哪里,以及客户为什么(不)满意。此外,除了行业和赛道等外因,NPS 还会受到产品本身、品牌价值观、营销手段、客户服务等不同内因的影响。也即是说,同一个产品的 NPS 值降低并不一定说明产品功能的表现变差了。

因此,我们需要获取更多信息(如受访者的打分动机等)进一步支撑可靠的产品管理分析和决策。常见的补充信息来源有三种。

1. 在问卷中追问开放性问题

在 NPS 调研问卷中追加开放式问题,了解客户打分动机或有关功能/产品的意见和建议是最常用的手段之一。为保证能获取到足够多的真实数据,NPS 调研一般采用只包含 「NPS 值评分 + 开放式反馈」 两道题的精简模式。

企业可以设置不同的触发条件,了解不同用户对产品优化和功能改进的具体建议。比如,向推荐者了解用户眼中的产品价值点,向中立者询问能增强其推荐意愿的进步空间,以及向贬损者请教其不满意的具体原因,捕捉产品短板等等。

(某旅游服务平台的 NPS 问卷设计)

2. 结合其他调研数据综合分析

NPS 数据分析还可以适当采纳客户满意度评分(CSAT)客户费力指数(CES)客户声音(VOC) 等其他调研数据,以便综合全面地掌握真实的客户反馈和客户情绪。

它们可以是关于全局的用户反馈数据,也可以是在特定使用场景下,根据上下文触发的满意度调研。其关键在于,不同调研的受访者属性应尽可能与 NPS 调研保持一致或相似,否则补充数据的可靠性可能会有所降低。

3. 开展定性访谈挖掘深度信息

如果样本量较少,那么主动联系受访者开展深度访谈也是个不错的主意。面对面交流更容易复现客户在产品使用过程中遇到的问题和阻碍,也有助于释放分值评价背后的真实的客户诉求。

拥有充足的 NPS 数据后,我们便可以根据目标推进数据分析和数据解读,而其中一个非常重要的步骤是对受访者进行细分管理。

受访者属性是一个非常宝藏的数据库,它可以帮助我们了解用户的角色身份、所处行业、使用产品的时长和习惯、对产品的主要功能诉求等重要信息。将 NPS 调研数据按照关键属性分组管理,并挖掘其与主观性数据间的正向强关联关系,产品团队将有机会快速识别出高价值的产品优化和改进建议,及时响应真正的客户需求。

接下来,产品团队将结合 NPS 调研结果和时间、资源等限制,提出可行且敏捷的产品策略,包括但不限于现有功能的优化和高价值需求的构建等。

最后,别忘了定期跟踪 NPS 的动态变化,持续关注优化效果,持续进步。

简而言之

使用 NPS 管理研发优先级需要研发团队设置精简且轻量的 NPS 问卷,结合其他可靠的客户反馈数据,在数据的有效细分和精细化管理中找到并构建利益相关者真正需要的功能和需求,让研发交付为价值、为业务服务。

LigaAI@@OSCHINA 还将分享更多研发效能度量、研发管理实践等干货内容,欢迎关注我们。

助力开发者扬帆远航,点击体验新一代智能研发协作,一起变大变强!

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
0 评论
0 收藏
0
分享
AI总结
返回顶部
顶部