? ? 傳統(tǒng)的NPS分值測量，僅能記錄每個產(chǎn)品版本的分值變化情況。我們只能知道某個產(chǎn)品改版之后，分值是否發(fā)生了變化，或者與同行業(yè)中同類產(chǎn)品的基準NPS相做比較。但我們卻無法得知，服務(wù)、價格、售后，用戶體驗等，誰對NPS的分值影響更大。又或者我們想要去探究用戶體驗各要素中，可用性、可讀性、可視性、可發(fā)現(xiàn)性等，誰對NPS分值貢獻會更大？

? ? 鑒于上述原因，我們在制定調(diào)查問卷時，需要將其他要素的11點量表，加入到NPS的調(diào)查中來。當我們收集到每個用戶的數(shù)據(jù)后，將結(jié)果數(shù)據(jù)整理為兩類：1.各要素的平均分值（作為滿意度X軸的值）2.每個用戶填寫的NPS及各要素具體分值（可通過多元線性回歸計算，各要素與NPS的相關(guān)性程度，并作為相關(guān)度Y軸的值）。根據(jù)最終計算后的值，我們可以繪制一個四象限圖，去判斷哪些要素是“緊急不重要的”，哪些是“緊急且重要的”，將有限的資源投入到更為重要的要素中去。以下將簡要介紹下具體的執(zhí)行的步驟，以供參考：

一、制定調(diào)查問卷

制定思路：NPS問題+體驗要素滿意度

測量范圍：0-10（11點測量表）

問卷示范：

二、計算各體驗屬性的滿意度平均分

體驗屬性平均分=P1+P2+...P3/N

P=每個用戶的滿意度分數(shù)

N=被調(diào)查用戶總數(shù)

三、記錄各體驗屬性的滿意度平均分

四、記錄每個用戶的"NPS分值"與"要素"分值

五、將“步驟四”中的數(shù)據(jù)表，利用Spss或Excel中進行“多元線性回歸”分析

NPS分值：定義為“因變量”

體驗要素分值：定義為“自變量”

如利用Spass進行"多元線性回歸"計算，可參考以下網(wǎng)址步驟：

https://statistics.laerd.com/spss-tutorials/multiple-regression-using-spss-statistics.php?statistics.laerd.com

六、在計算結(jié)果中，提取相關(guān)度數(shù)據(jù)

標準化偏回歸系數(shù)，其意義在于通過對偏回歸系數(shù)進行標準化，從而可以比較不同自變量對因變量的作用大小。「標準化系數(shù)」絕對值越大的「自變量」對「因變量」的影響越大

注：在使用該列值時，不用管數(shù)值的正負號，只用取絕對值作為Y軸值即可

七、繪制"四象限“圖

參考資料:

1.[Recommending Net Promoter (Designing the User Experience at Autodesk)](Recommending Net Promoter)

2.《用戶體驗度量：收集、分析與呈現(xiàn)（第2版）（全彩）》

3.[How to perform a Multiple Regression Analysis in SPSS Statistics | Laerd Statistics](https://statistics.laerd.com/spss-tutorials/multiple-regression-using-spss-statistics.php)

4.[多重線性回歸的結(jié)果解讀和報告（SPSS實例教程）](多重線性回歸的結(jié)果解讀和報告（SPSS實例教程）)