SurveyMonkey

Med frågan Net Promoter Score (NPS) kan du mäta kundlojaliteten. Ditt resultat motsvarar nettoandelen av dina kunder som är Ambassadörer för ditt företag eller varumärke.

NPS-metoden baseras på följande fråga:

Hur troligt är det att du skulle rekommendera det här företaget till en vän eller kollega?
(Inte alls sannolikt) 0 1 2 3 4 5 6 7 8 9 10 ( Extremt sannolikt)

Baserat på de svarandes svar delas de in i en av tre grupper:

Team
Poäng
Description
Ambassadörer9–10Lojala entusiaster som stannar hos ditt företag och uppmanar sina vänner och kollegor att göra detsamma.
Passiva7–8Nöjda men oentusiastiska kunder som lätt kan uppmuntras av konkurrenterna.
Kritiker0–6Missnöjda kunder som har potential att skada ditt varumärke.

För att beräkna din poäng subtraherar vi procentandelen Kritiker från procentandelen Ambassadörer. Ett positivt värde betyder att dina ambassadörer uppväger dina kritiker.

När du använder vår förbyggda NPS-mall eller frågetyp beräknar vi automatiskt din poäng. Lägg till en NPS-fråga i enkäten eller välj mellan flera undersökningsmallar som innehåller NPS-frågan.

  • Lägga till och redigera NPS-frågor
  • Använda NPS-mallar

Börja från en mall! Många av våra expertenkätmallar innehåller NPS-frågan. Bläddra bland mallar »

Om du skickar din enkät via Mejlinbjudan kan du bädda in NPS-frågan i ditt mejl så att kunderna kan svara på din enkät med ett enda klick på sin e-post.

Du kan också skicka en NPS-enkät med någon av våra insamlartyper.

Vi beräknar automatiskt din NPS i avsnittet Analysera resultat i din enkät. Din NPS kan variera från -100 (alla Kritiker) till 100 (alla Ambassadörer). Positiva resultat innebär att andelen kunder som är Ambassadörer uppväger andelen av era kunder som är Kritiker.

Som standard uttrycks din poäng i ett lättanvänt Dimensionsdiagram. Under diagrammet i datatabellen kan du se det exakta antalet Kritiker, Passiva och Ambassadörer.

net-promotor-score-dimensionsdiagram
  • Beräkna NPS
  • Anpassa NPS-diagram
  • Referenspunkter
  • Filtreringsregler
  • Data trends