推荐值调研

用户满意度是每个企业都非常关心的问题，满意度水平高的企业往往也有着良好的营收效益。相反，用户满意度较差的企业，也可以通过用户满意度的相关调研，深入了解自己的不足之处，哪些方面有待改进。如何通过简单的数据指标，科学有效地测量出用户满意度呢？今天我们将为大家介绍一种调研用户满意度的常用方法——净推荐值（NPS）NPS是什么NPS即净推荐值（Net Promoter Score），是一种计量客户将会向其他人推荐企业或服务可能性的指数。是目前最流行的顾客忠诚度分析指标。NPS净推荐值的数据收集方式很简单，只需要设计一个问卷题，比如“您向朋友/同事推荐使用XXX的可能性有多大（打分0~10分），最低打分为0分，最高为10分，分值越高代表推荐意愿越强。“您向朋友/同事推荐使用SPSSAU的可能性有多大？”（0-10分，10分表示非常愿意，0分表示非常不愿意）”通常用0-10分表示。根据分值大小将参与打分的用户划分为三组：贬损者0-6分，此类用户是那些对产品或服务不满意的人。他们更有可能分享负面评论，对企业形象产生负面影响；被动者7-8分，此类用户是那些既不讨厌产品，也不会推荐给他人使用的人。他们对产品保持着中立的态度，容易受到其他因素影响而发生转变态度；推荐者9-10分，此类用户是对产品有极高忠诚度的用户，他们会主动将产品推荐给其他人使用。如何计算NPS得分？NPS值综合衡量推荐水平：NPS值=推荐者% - 贬损者%通过从支持者减去贬损的百分比来计算 NPS。剩下的评分范围是 -100到 + 100，它告诉你顾客有多满意，以及他们有多大可能推荐你的产品。NPS值越高代表推荐水平越高，通常高于50%说明比较优秀，但其通常需要结合行业或产品情况确定标准。如何设计一份NPS问卷NPS问卷的设计相对简单，NPS一定包含一个核心问题：除此之外，在核心问题的基础上，可以设置一部分开放问题，进一步挖掘客户的评分原因。如何分析选择【问卷研究】--【NPS】。将收集到的数据，拖到右侧分析框内。·如果勾选「保存类别」，系统会默认按得分对样本分组，并保存分组结果。注：如勾选“保存类别”，可继续结合其他用户信息进行分析，比如研究不同性别群体（如果有这样的数据）与用户类别的差异情况。结果分析得分基本集中在5分或以上，以8~10分较多， 总体看用户打分比较高。说明被动型用户及推荐型用户较多。结果显示，共有205位用户参与调研，结果显示NPS值为28.78%。其中，推荐者占46.34%、被动者占36.10%、贬损者占17.56%。

本文从NPS理论、应用以及评价这四方面展开描述。导读NPS（Net Promoter Score净推荐值）是由贝恩咨询公司的Fred Reichheld 2003年在《哈佛商业评论》的文章 《The One Number You Need to Grow》首次提出的，目的是衡量忠诚度。目前国内外很多企业都在使用，但鲜有文章系统介绍NPS的来源，使用注意事项等，因为笔者总结此文。一、缘起最早在网上了解到NPS的概念和计算方法（Net Promoter Score净推荐值），后面也在自己的工作中实践应用过几次，但是当时在算出分值后，并没有觉得这个指标有什么特殊的用途或太大的意义，后来也很少再用了，但是最近几年发现NPS非常流行，国内外各行业的使用NPS的知名企业举例：作为一个用户，也经常收到企业的NPS的调研问卷，这不禁让我疑惑。疑问1：NPS有什么价值/优势以至于如此流行和热门？进一步了解不同公司对NPS的实际使用情况，发现有些是用NPS来评估忠诚度，有些是满意度，更有用作衡量推荐度的；计分的方式也有不同（同样是十分制，有些是从0开始计分，有些从1开始）；有的公司是把NPS当做一个指标来用，但在有些公司里，NPS似乎又是个衡量客户体验的系统，以下是一些使用案例平安集团的NPS结果展示：图片来源：互联网公开资料booking：图片来源：booking 官网疑问2：NPS到底是测什么的？疑问3：NPS 标准的计分是怎样的？另外，在自己的工作实践中，曾经让一位用户（百货批发商，非个人消费者）评估是否会向他的亲友/同事推荐我们网站，用户回答：你们网站挺好的，我也能找到不错的货源，但我并不希望同行也能在你们网站上找到好商好货“很显然，用户是认可我们的产品的，但是出于竞争的考虑，他是不会推荐我们网站给别人。所以：疑问4：NPS 的适用范围是什么？适合测量B类用户吗？二、理论基石（一）作者简介与演进过程NPS（Net Promoter Score）是由贝恩咨询公司的Fred Reichheld 2003年在《哈佛商业评论》的文章 《The One Number You Need to Grow》首次提出的，他在2006出版了有关NPS的第一本书《终极问题:创造良性利润,促进真成长》。随后，随着NPS在全球各大企业实践应用的增多，Fred总结经验，并把NPS从一个指标提炼上升到一个系统，2011年出版了 《终极问题2.0 ：客户驱动的企业未来 》。（二）NPS指标的提出/起源1、忠诚度能有效区分良性利润和不良利润Fred Reichheld 把以伤害顾客利益/体验而获得的利润称之为“不良利润”，这样的经营模式造成用户流失，转向竞品，甚至会阻止身边其他人使用；与之相反，与用户积极合作，真正践行“以用户为中心”而获得的利润是“良性利润”，这种经营模式会带来用户回购，推荐。而有效区分这两种利润的指标就是忠诚度。忠诚度是某人（如客户、雇员或朋友）愿意投资或付出用以加强一种联系的意愿度。对于客户，忠诚度就意味着与提供优质服务，给自己带来长期价值的供应商保持合作关系，即使这个供应商在某个交易中所提供的价格并不是最低的。2、当前衡量忠诚度的方法/指标存在不足① 常用的留存率、满意度指标与公司业绩关联弱，或者无法衡量真正的忠诚行为 有些公司会关注留存率，但留存率与利润是相关的，但是与增长率的关联很弱。因为这个指标过分关注流失的用户，同时，有些情况下，用户实际上是因为转换成本高，有别的障碍等而没有放弃某个产品，并非是真正的忠诚。使用传统的满意度调研也不是一个衡量忠诚度的可靠手段，因为影响利润和增长的还有其他更重要的因素，比如给销售人员为了促成交易，会给潜在用户有吸引力的折扣等。② 传统的满意度问卷冗长，回收率低③ 施测过程中也会引入误差在很多情况下，满意度调查也像个游戏，上层施加的提升满意度的压力会迫使销售人员“作弊”：比如给用户免费的地垫、折扣等以换得高的满意度评分。3、经过探索和检验，NPS是衡量忠诚度的有效指标为了获得衡量忠诚度更有效的指标/方法，Fred Reichheld从20个常用的用户忠诚度测试问题入手，在金融、通信、个人计算机、电商、汽车保险和互联网服务这六个行业的上千名用户中开展调查。然后拿到了参与测试的每个用户的历史购买资料，这些数据能够用于分析哪些测试问题最能有效预测重复购买和推荐行为。他们的确发现了，而且它适用于多个领域，这个问题就是：“你在多大程度上愿意推荐【公司/产品名】给你的朋友/同事？“为了验证这个指标的效果，他们进一步追踪新的领域内的新用户“可能推荐”分数，并扩大样本的覆盖范围，用户来自多个行业的超过400个公司，样本量规模近万。在随后的季度里，他们通过非常简短的邮件问卷针对10000-15000个用户进行调研，让用户对自己熟悉的1-2个公司打分，这样就能收集足够多的样本，进而计算每个用户的“净推荐值”：（推荐者的百分比—贬损者的百分比）,再将这个值与该公司的收入增长率对比查看。结果令人吃惊：比如在很多领域，比如航空领域，在1999-2002年三年间，净推荐值与该公司的平均增长率存在非常强的相关。因此，Fred得出结论：NPS结果能解释整个行业的增长率。航空业净推荐值与三年公司增长的相关图图片来源：《The One Number You Need to Grow》除此之外，Fred Reichheld也指出：用推荐度来衡量忠诚度是从理性和情感两方面进行测试，即理性方面：产品的功能、质量要好，感性层面：服务，体验要令人满意，只有同时达到这两个标准，用户才会愿意推荐，这种推荐意愿反映出真正的忠诚度。（三）NPS的计算和使用注意事项1、NPS计算① 计算公式10分意味着非常愿意推荐，5分代表中立，0分代表一点也不愿意推荐。“推荐者”选择9或者10分的用户；“被动者”(passively satisfied)，选择7或8分的用户；“贬损者”选择0-6分的用户。② 三类用户及分层原因正确的计分方式应该能有效的将用户分层，且分类结果和方式应该简单易懂，方便业务同事制定改善对策。分为三类主要是基于Fred Reichheld在研究客户的推荐和重复购买行为时，发现的3种聚类结果。另外，之所以把推荐者定义为非常热情/积极的用户（选择9和10分的用户），是为了避免在传统客户满意度调查中经常出现的“分数贬值”（grade inflation）的现象。即：把某些态度中立的用户也定义成“满意“。同时也是希望把工作重点放到最有价值的这部分用户身上。③ 0到10的十分制原因10分的最高分比较符合大家的日常习惯（成绩单等），且容易理解；10分制节点多，能较好的把不同的态度区分开。之所以最低分从0而不是1开始，目的是避免用户把最高分和最低分弄颠倒，毕竟有可能用户会把1分误认为最高分（感觉像第一名）。Fred Reichheld也指出，NPS是个灵活的开源系统，并不是必须用十分制，五分制等也是OK的。综合以上的原因可见，十分制还是五分制，甚至十分制从0开始还是1开始并没有太严格的限制，确保用户正确理解即可，但笔者依然建议最好还是使用从0开始的10分制计分方式，以便结果与同行业其他产品的分值比较。④ 分数的解读Fred Reichheld在他的书中给出了一些国外公司的分值和行业平均值。笔者提供一份中国各行业重点企业的NPS分值供参考。资料2、NPS的原因挖掘和分析归类在NPS问题基础上，配合使用“评分原因“类的问题，以便为后续制定对策提供参考。评分原因的题目例如：您为什么不愿意推荐【公司名/产品名】？在获得忠诚度分值后，为了制定改善行动或策略，可以通过调研各因素的满意度和重要性，并会在四象限图中绘制出来，从而选定最值得改善的入手点。满意度与重要性四象限图举例：（四）NPS的价值1、NPS指标的优势① 调研和计分简单，结果易解读，非专业人士也能自行开展调研② 能快速拿到调研结果③ 用户的分类便于与后续的行动结合通过将用户分为三类：推荐者，被动者，贬损者，非常简洁、直观，能很好的预测用户行为，以便有针对性的开展运营，营销等活动。2、从指标到系统虽然NPS指标有诸多优势，但计算出的分数也只是个起点，制定和采取改善行动才是关键点，也正是这后续的行动让NPS从一个分值变成一个系统。3、NPS系统成功要素为了让NPS系统发挥作用，需要从以下三方面入手：① 公司高层重视，从上到下推动公司高层认同“以用户为中心”的价值，并积极使用NPS来提高用户忠诚度是基础，在有些公司中，甚至会将NPS分值与管理者的绩效挂钩。② 将NPS融入公司流程将NPS调查获得的分值、用户反馈（评分原因等）作为关键决策的参考，建立由不同部门组成的改善流程，并形成一个问题发现、改善、效果评估的闭环。而不是只把NPS看做一个独立的调研结果。③ 长期投入NPS不应该是某个单次调研的分数，而应该与产品长期的优化计划相结合。三、NPS的不足与对策虽然前文介绍了NPS系统的诸多优势，但任何一种方法都难以做到无懈可击，NPS也不例外，以下是笔者结合自己实际经验和相关的文献资料，总结出不足和对策。【不足1】 “是否愿意推荐”的问题并不适用于所有领域：① 某些垄断行业，用户几乎没有其他选择② 用户出于竞争或隐私的考虑，即使对产品忠诚，也不会推荐给他人③ 另外，在C类用户中，由于使用者和购买者/决策者往往是同一个人，因此针对使用者开展调查即可；但是，在B类交易中，通常实际使用者和购买者/决策者不是同一人，且可能调研很难覆盖到购买决策者。比如，数据库软件、操作系统这类产品，往往是公司的高层管理者拍板决定供应商的，让这些操作系统的用户回答是否愿意推荐给朋友就不合适了，且常规的调研方式比如问卷等也难以促达到公司管理层人员。【对策】尤其是后面两个问题，在B2B领域非常常见，因此，以上这些情况下，传统的“是否愿意继续使用/购买【公司名/产品名】”用于衡量忠诚度可能会更好，有待进一步比较验证。【不足2】将0-6分之间的用户定义为“贬损者”的计分方式不合理在Fred Reichheld对NPS的用户分类中，选择0-6分之间的用户被定义为“贬损者”，但在Larry Freed看来：推荐意愿并不能衡量负面口碑，即：不推荐≠贬损，NPS的计分方式把不推荐都视为贬损（流失，阻止他人使用等），而真正采取贬损行为的人未必有那么多。这样的计分会造成贬损用户的占比被夸大。【对策】为了解决这个问题，Larry Freed提出了WOMI(口碑指数)的概念和计算方法。在NPS的基础上额外增加一道题目来衡量用户的负面评价：贬损意愿，即第一步：使用标准的NPS问题：你在多大程度上愿意推荐【公司/产品名】给你的朋友/同事？获得推荐者的占比第二步：补充个问题：你有多大可能劝阻他人与这家企业发生业务往来？获得“坚定的贬损者”的占比（即选择10分或9分的用户占比）WOMI=9或10分的推荐百分比—9或10分的贬损百分比四、小结（一 ）知识点总结NPS（Net Promoter Score）是由贝恩咨询公司的Fred Reichheld 2003年最早提出用于衡量忠诚度的指标。标准问题往往配合“评分原因”的问题一起使用，方便后续的分数解读和行动计划提供参考。NPS指标一般采用从0开始计分的十分制，进而将用户分为三类。但不严格要求使用十份制，可根据实际情况使用5分，7分制等。NPS的优势在于：施测和计算都很简单，能快速拿到结果，将用户分成三类的方式方便后续有针对性的开展营销或改善策略。将NPS分值和用户分类与后续的改善行动计划结合，构成了NPS系统 （Net Promoter System）。让NPS系统发挥作用的要素在于：公司高层关注，融入公司流程和长期投入。（二）使用建议1、NPS指标因其简单易懂而流行，但实际使用时至少还要收集用户评分的原因，且真正的工作重点应该是后续长期的改善计划，否则分值就只是个数据而已。2、NPS的标准问题“是否愿意推荐”并不适合所有领域，计分方式也并非严格固定为从0开始的十份制。可以根据行业、产品，用户特点适当变通问题和分制。比如对于垄断行业、B类用户，或者无法促达到购买者时，使用“您是否愿意继续使用【产品名】”的问题表述可能更为合适。（三）后续规划Larry Freed认为NPS计算贬损者的方式并不合理，也提出了解决方案，但不论是在他的书里，还是在中国的其他公司实践中，笔者并未找到关于NPS和WOMI指标的效度对比的资料，因此后续会考虑在工作中实际使用并对比，如果有新的有价值发现，再总结成文章与大家分享。{完}参考资料：[1] 文章 Fred Reichheld 著 ,2003年发表《The One Number You Need to Grow》[2] 书籍Fred Reichheld. 著，2011年出版《终极问题2.0》[3] 书籍Larry Freed 著，2015年出版《销量飙升密码：口碑》[4] 贝恩咨询介绍NPS的官网[5] 中国顾客推荐指数本文由 @晚风 原创发布于人人都是产品经理。未经许可，禁止转载。

文/菲斯喵不管你愿不愿意接受，95后都将主宰未来。这个最高年龄只有24岁的年轻人群体，其庞大的人口基数和与日俱增的购买力，已无法令人忽视。仅在美国，青少年人口总数就已达到6000万左右，而他们的年度消费支出超过了440亿美元。在此趋势之下，触达、贴近这支消费生力军便成了当务之急。一名发行高管就曾说过，他天天乘地铁、走路上下班，只为近距离目睹年青用户都在玩什么游戏。而在新近推出的《决胜95后》这份报告中，App Annie通过对全球主要市场的份额数据进行调研分析，试图呈现95后群体移动行为的趋势与偏好。我们将这份95后移动行为报告中，涉及游戏领域的内容摘选出来，置于下文。95后在移动游戏领域具有较大发展空间报告首先对95后群体的移动行为进行了宏观的解读。从App月活用户增长的维度来看，在全球大多数市场中，95后活跃用户增长速度均超过了25岁以上用户群体，其中印尼市场的差距最为显著，两个人群间的用户增长速度差异达25%。而从APP的用户打开次数和每月使用时长来看，对于非游戏App来说，尽管95后的每月使用时长与年长人群差异不大，但其App打开次数却高出年长人群15%。二者的差异在游戏方面则更加明显。年长人群在游戏App上花费的时间比95后高出30%，打开次数上也高出了20%。报告认为，最新发布的 Apple Arcade 和 Google Play Pass 可能是提高 95 后参与度的重要引擎。而这显示出，95后在移动游戏领域还有着很大的发展空间，品牌可以通过订阅服务等方式提高他们的打开次数和参与度，以创造新的收入增长动力。值得注意的是，在各市场中，95后用户的使用行为各不相同，日本用户的游戏使用时长相当于全球平均水平的2倍。除了使用时长较高，日本游戏玩家对于常玩游戏的打开频率也高出全球平均水平 80%。这反映出日本移动市场比较成熟，较为硬核的游戏更为流行，因此使用时长通常高于休闲游戏大为流行的西方市场。社交功能促进95后对于游戏的参与度报告第二部分基于社交、娱乐、游戏、购物、财务等不同行业，介绍了95后在不同市场和行业中的差异。针对娱乐行业App，App Annie分析了美国、韩国、巴西等全球10个区域市场，其中Twitch登上了其中7个市场的95后推荐值榜首。报告认为，主机游戏和电竞直播的流行都离不开在95后中的普及，他们是对排名最具影响力的群体。报告通过将95后用户在特定市场的占比与他们在该市场中特定类别的App中的占比进行对比，计算得出该指数。结果显示，95后用户明显更加偏爱娱乐和游戏等类别。不过需要注意的是，95 后指数理想与否，应视 App 本身和其所在类别而定。App Annie还发现，《荒野乱斗 (Brawl Stars)》备受95后用户的欢迎，是在法国、德 国、印尼和韩国市场，该游戏成为了推荐值最高的游戏。特别在韩国，95后用户玩《荒野乱斗》的几率高出全国智能手机用户平均值5倍。《荒野乱斗》是 Supercell 为顺应大逃杀游戏的热潮而开发的竞技类游戏。社交功能(创建和加入公会)促进了玩家参与度的提升，并为他们提供了保持联系的途径。报告指出，超过50%的95后人群表示，游戏有助于他们维系朋友间的关系。游戏行业95后热门APP榜单在报告的第三部分，App Annie基于2019年上半年的数据调研，呈现了日本、韩国、英国和美国四大市场五个行业的95后热门App排行榜单。

中新网7月5日电 7月5日 北京移动大数据供应商极光大数据发布2018年《专车市场研究报告》，神州专车摘得专车用户满意度及净推荐值两项桂冠。自2015年上线以来，凭借安全、舒适、标准化的服务，神州专车已多次在消费者协会等组织机构发起的用户满意度调查中位列行业首位。极光大数据显示，截止2018年5月底，网约车APP市场渗透率为16.9%，用户规模为1.85亿。主打中高端服务的神州专车市场渗透率为1.39%位居第二，远超行业第三易到用车(0.33%)和第四首汽约车(0.23%)。从MAU(月均活跃用户)、DAU(日均活跃用户)数据来看，神州专车也均稳居行业第二。随着网约车市场的逐步规范以及用户的消费升级趋势驱动，提供专业化、人性化服务的专车市场成为各平台竞争的核心。极光大数据以用户调研方式，就专车用户画像、用户态度以及用户习惯开展了问卷调查。其中，神州专车在用户满意度以及平台净推荐值中均获得行业第一。安全、专业一直是神州专车秉承的理念，高品质的服务深受用户厚爱并多次在权威机构调查中获得好评。2015年，全国30省市消协与中国消费者报社联合举办的消费者满意度调查报告，客户满意度行业平均得分77分，神州专车得分91.5，在行业内遥遥领先。2016年，中国消费者协会网约车服务体验式调查结果显示，神州专车得分最高。2017年，神州专车荣获由品牌评级机构Chnbrand评选的“消费者满意度第一品牌”。神州专车坚持“专业司机，专业车辆”的运营模式。早在网约车新政出台之前，便联合公安部门对驾驶员开展严格的无犯罪记录等资质审查，制定系列化专业服务标准，强化岗前培训、定期培训、服务考核等多项管理制度，为行业树立规范和标杆。2017年进一步推出金领司机计划，制定更为严格的上岗条件、服务标准、安全机制等20余项标准细则，不断提升专车服务体验。与此同时，神州专车持续加大技术投入，利用独创的人车生态智能系统“优车智脑”科学预测供需，提高车队运营效率，乘客候车时间平均缩短2.5分钟。神州专车在运营管理及技术上的投入，令其用户满意度持续得到用户以及行业认可。品质服务为神州专车赢得了高价值商务出行用户。极光大数据发布的专车用户画像中，相比其他三家平台，神州专车36岁以上高价值用户占比最高达到37%，男性商务用户占7成以上。凭借标准化服务，神州专车多次成为大型高端会议指定用车。极光大数据显示，在公务用车场景中尤其是外地出差，神州专车以69%的比例成为用户首选。极光大数据显示，专车用户对用车安全的关注度明显提升。综合4家平台调研，在用车安全方面，神州专车用户满意度最高。神州专车一直强调安全出行理念，“除了安全，什么都不会发生”的slogan深入人心。由于最早在业内开展驾驶员无犯罪记录审核，在此前深圳市相关部门排查网约车驾驶员吸毒和重大犯罪前科记录时，神州专车没有一例。在精细化运营管理外，神州专车同时升级技术手段确保用户安全用车，采用人脸识别技术、OBD监测系统对驾驶员上岗及驾驶行为进行监测。业内人士认为，网约车市场已从初期的“拼补贴”转向“拼服务”阶段，市场规范化发展、用户消费需求升级，让网约车竞争核心逐渐转向专车市场。目前，各大网约车平台均已开始尝试细分场景消费强调专业化服务，甚至独立专车运营提高专车产品在市场中的竞争地位。用户对神州专车的高度认可，将为其在网约车下半场竞争中赢得先发优势。

如何衡量你的用户对产品的使用满意度呢？NPS就是一个非常重要的标准。那么，如何搭建NPS模型，利用NPS指标更加直观、具体地完成用户调研呢？以下，笔者将详细为大家讲述。现在几乎所有的互联网公司，都会说：“以用户为中心”，那到底是什么以用户为中心？比如说：一味的相信AB测试工具，或者是点击率、停留时间等数据，如果只看这些，是无法反映出用户是否真实的对你满意。而有一个指标是：可以衡量用户对你的产品是否真的满意——NPS（NetPromoter Score）净推荐值。NPS的核心就是：调研用户是否愿意将这个产品推荐给其他人，以此体现用户是否对你的产品真正满意。NPS是衡量一个产品是否真正的获得了用户的认可的一个非常重要的标准。由于笔者所做的工作经常会跟NPS打交道，因此，就写一篇文章来梳理一下NPS的概念以及用法。这篇文章会从“NPS是什么？”到“如何自己动手搭建NPS模型？”到最后的数据验证，完整地阐述的一个NPS调研流程。如今，国内外的各大厂都纷纷在将NPS作为一个重要的指标引入工作环境中，包括：十几年前就开始的苹果和微软，以及逐渐开始重视NPS的阿里巴巴、滴滴、京东等。简单来说，NPS是一个能够反应公司良心利润和持续增长力的指标。举例来说：苹果零售店从2007年开始测量NPS值，当时他有163家，平均门店的NPS值是58%，如今这个数量已经增加到320家，nps也升至70%。最好门店甚至达到了90%以上。简单来说，NPS可以直接反应公司的进步，与业绩呈正相关。一、NPS是什么作为设计师，你肯定看过这个画面，Adobe系列软件，会弹出这个弹窗，让你评分和推荐，这个其实就是NPS调研。NPS全称（NetPromoter Score）即：净推荐值，是反应客户忠诚度的一个指数。其最早由Fred Reichheld在2003年《哈佛商业评论》，例如：一家公司想要了解客户是否满意，那么，可以在问卷中设置NPS题型——“你有多大可能把我们（或这个产品/服务/品牌等等）推荐给朋友或同事？请从0-10分打分。”净推荐值净推荐值(NPS)=(推荐者数/总样本数)×100%-(贬损者数/总样本数)×100%二、NPS取代CSAT的原因客户满意度(Consumer Satisfaction)，也叫客户满意指数，缩写CSAT，是对服务性行业的顾客满意度调查系统的简称，是一个相对的概念，是客户期望值与客户体验的匹配程度。CSAT要求用户评价对特定事件/体验的满意度，大都使用的是五点量表，包括五个选择：非常满意、满意、一般、不满意、非常不满意。如今越来越多的公司把评估标准从CSAT转为NPS。简单来说，NPS可以更好体现重复购买的预测准确度，以及新增消费金额的预测准确度。具体原因如下：NPS可以更好体现用户的行为，而满意度调查只能看出用户的态度。10分制的NPS的颗粒度更细一些，满意度调研通常是5分制，“非常满意”、“满意”、“一般”、“不满意”、“非常不满意”。NPS则更侧重用户对公司、产品或者服务的整体感受，满意度往往侧重于用户对某项产品或服务的满意程度。满意度与公司的增长之间的关联往往很小；满意度测量的是一时的态度，难以预测用户购买行为。满意度高不代表着忠诚度高。三、如何搭建NPS问卷模型1. 多维度NPS建模包含的关键变量分为四个维度：背景信息：用户过往的使用经历。体验与预期的匹配度：用户对品牌的预期、与对产品本身的使用体验匹配度如何？口碑感知：可理解为外部社交环境对用户的影响。售后体验：有可能发生的售后行为，可理解为潜在风险因素。2. 问为什么去问用户“是否对你的产品满意？”，不如直接问他“是否愿意把这个产品推荐给朋友？”，能根据这个答案来预测用户未来的行为。并且，等他回答完愿意与否之后，还必须一个为什么：“您认为我们的公司（or产品）还需要做哪些改进？”，基于这个问题进一步收集用户的意见进行分析。3. 分类问卷结束之后，根据顾客的分值选择，将他们分成三类：推荐者（Promoter）：选择9-10分的顾客为推荐型顾客，是具有狂热忠诚度的人，他们会继续购买并引见给其他人。中立者（Passives）：选择7-8分的顾客为中立满意型顾客，他们习惯了和你的公司打交道，也还满意，但是没有热情推荐，甚至很容易被竞争对手吸引走，总体满意但并不狂热，将会考虑其他竞争对手的产品。贬低者（Detractors）：选择0-6分的顾客为贬低型顾客，使用并不满意或者对你的公司没有忠诚度。他们和你的公司关系很一般甚至很差，80%的公司坏口碑来自他们。NPS计算公式的逻辑是：推荐者会继续购买并且推荐给其他人来加速你的成长，而批评者则能破坏你的名声，并让你在负面的口碑中阻止成长。现在，NPS已经成为了一个非常重要的来衡量产品的指标，这种调查工具以消费体验为核心，可以直观反映出人们内心对品牌的认可程度和购买意愿。我们拿电商举例子：在深圳消委会发布的电商NPS报告里，总体推荐情况前十名品牌分为：天猫、京东、苏宁易购、唯品会、淘宝、蜜芽、国美在线、网易考拉、亚马逊、网易严选。产品真实性推荐率排名：排名前三的是网易严选、网易考拉、京东。此外，电商平台使用的便捷性，也是大部分人选择电商平台的主要考量因素之一。在这项评比中，淘宝、网易严选、网易考拉分别获得72.7%、72.5%、68.9%的推荐率。大家想关心自己公司在市场中的NPS状况，可以搜索“深圳消委会电商NPS报告”、与“中国顾客推荐度指数(简称C-NPS)”查看。四、数据分析经过调研之后，我们得到了数据，以及对这些数据有了一个初步的分类，总共分成：推荐者、中立者、贬低者。通过这个，我们能得到产品的净推荐值——我们得到了一个非常粗颗粒度的数据。接下来，我们就可以进一步拆分数据，我们可以再次的细分客户类别，把以前的“推荐型客户”、“中立型客户”、“贬低型客户”再次分为：推荐型用户（高忠诚度）：A1正推荐——产生利润的用户A2负推荐——不产生利润的用户中立用户（中忠诚度）：B1正中立——产生利润的用户B2负中立——不产生利润的用户贬低用户（低忠诚度）：C1正贬低——产生利润的用户C2负贬低——不产生利润的用户接下来，会进行一个相详细的用户分析，来确定用户画像和针对策略。1. 正面贡献值（推荐型客户）这些用户是我们最重要的用户，正推荐的用户被称为“超级用户”，是利润的重要来源。选择了“正推荐”的这部分用户是最需要被重视的用户。他们虽然可能只是20%的人，但往往贡献了80%的利润（2/8原则），对于这部分用户，所要做的就是维持用户的满意度，留住他们。在这方面需要向航空公司和酒店业学习，他们建立了非常完善的积分会员制度来维系一个忠实会员。对于“负推荐”这部分的客户而言，我们所需要做的是提高渗透率，优化产品，了解用户为什么不想购买产品，然后说服用户购买你更多的产品，为你提供更多的利润。最重要的是，把他们转换成“正推荐”的客户。2. 波动贡献值（中立满意型客户）这些用户是我们可以挖掘和发展的群体，这部分用户具有最大的潜力。提高“正中立”用户的忠诚度是优先级最高的——针对他们的需求优化你的产品，找到真正能让他们感动的服务和产品点，打动他们，把他们转化成你的铁杆粉丝。而对于“负中立”客户，建议放弃，或者把资源的投放的优先度等级降低，理由和“负贬低”客户一样。3. 负贡献值（贬低型客户）相比较于推荐型用户，第二重要的群体是“贬低型”的用户。因为这部分用户的口碑很差，大幅度提升了公司的产品运营成本，同时也让其他的用户不想来买你的产品。对于“正贬低”的用户，表面上看，你好像是从他身上得到利润了，但其实这是得不偿失的。因为这部分的用户对你产品和服务在不停的贬低，消耗掉你巨大的营销资源，并且增加你获取新用户的成本。总体看来，虽然表面上看你赚到了钱，长远来看，其实是非常吃亏的。那应该怎么办？我建议最好的办法就是沟通，真诚的与用户进行沟通，找到用户的痛点进行优化，解决问题，努力将这部分用户转化成对你更有利的用户。但是。如果用户的要求超过了你的解决能力，那么建议战略性放弃，将资源投入更有价值的用户上。对于“负贬低”用户，毫不犹豫的放弃。总结一下：正面利润：通过与用户建立长期良好的关系而得到的利润；通过忠诚用户正面的口碑传播，使得产品可持续发展。负面利润：以恶化用户关系作为代价，从用户那里赚取利润，进而损害公司的口碑，透支未来的发展。通过以上的分析，你了解到了这个用户的态度和行为，以及这个用户是否是你应该继续发展的用户，净推荐值可以帮助企业找到工作中的缺陷存在。举例来说：如果你赚到了一笔生意，但是给你钱的客户是个贬损者，付完钱他就开始对你进行负面传播，那么实际上你可以说没有收益。对于公司也是一样，如果付费的用户都是贬损者，那么，我认为这些用户产生的利润为负。总结在现有的环境中，大量的市场趋于饱和、利润增速放缓，因此我们可以转向重视用户价值的运营方式，维持超级用户群体，努力将贬损者转化成推荐者，持续的发现问题并且优化，行为一个以用户为核心的运营优化体系。具体做法是：在进行NPS时，通过对产品、服务细分成不同板块与同行业相似产品或者服务进行比较， 逐板块分析，寻找自身产品弱点。在某些领域， 或同领域内的各个产品都有自己的优势，也有非常显著的缺点这样的情况下，去分析“如何持续保持在特定板块的领先趋势？”。同时，逐步缩减其他产品优势所在领域的劣势 。NPS的管理方法本质是：协助我们进行用户体验的根源分析，找出需要优化的方向，持续的改善用户体验，并持续追求改善结果，不断迭代的一种管理机制。但是，请注意NPS本身会由很多问题，比如：在不同渠道投放，会有不同程度的误差，因此，我们在操作的时候需要考虑到将额外因素考虑在内，以保证结论的准确性。你觉得华为在全球消费电子领域，NPS排名是多少？本文由 @设计蒙太奇 原创发布于人人都是产品经理，未经许可，禁止转载。题图来自Unsplash，基于CC0协议

2020年，用户体验研究人员该如何理解用户体验研究的现状呢？又该如何把握用户体验的核心要点呢？在过去几年里，UX（用户体验）领域经历了巨大的转变。随着企业目标的改变、技术的改进和设计思维的扩展，用户体验研究方向必须转变，以在下一代的交付体验产生最大的影响。在2020年，用户体验研究人员还需要注意哪些主要的新兴趋势？去年，我写了一篇关于「用户体验研究现状」的文章。且针对驱动数字商业战略的用户体验研究、数据驱动的设计流程和敏捷用户体验研究提供了自己的看法。今年，我决定增加一些新兴的趋势，为去年的主题添加更多内容。以下是2020年UX研究的主题：民主化——以及需求和痛苦之间的鸿沟产品和研究运营——我需要数据和用户NPS（净推荐值）战争——关于研究的悖论CX（客户体验）& UX（用户体验）——是我的工作还是你的工作？数字化战略——从产品到平台一、用户体验研究的民主化我出色的同事 ：Joanne McLernon和Steve Mulder去年在UXPA波士顿大会上做了一个关于「民主化用户体验研究」的精彩演讲。至今，这张图仍在我脑海中浮现，它描绘了痛点和需求间的鸿沟。图片来源: Steve Mulder & Joanne McLernon这个概念拥有的项目远远多于可用的研究资源，是团体组织之间共同面临的挑战。为了继续发展用户体验，公司必须学会有效地学习。现在，我不是说你的CEO需要去运行一个高度复杂、混杂着各类方法的研究，但是设计师、产品经理、甚至一些开发人员可以开始学习如何在资源稀缺时管理低复杂度的研究项目。随着这一趋势的延续，研究团队正在开发工件以更好地帮助我们的大家庭；剧本、最佳实践、案例、模板以及培训只是组织在创造性解决这一挑战的方法、只要确保你的培训工件简单易用。二、产品和研究运营——我需要数据和用户Pendo将产品运营定义为“一种能够优化产品、工程和客户成功之间集合的运营方法”。这个定义使我们远离了运营成本和产品收入的标准概念，并且允许建立一个更全面的、以顾客为中心的心理模型。随着产品行业从“虚荣心”转向“可执行的度量指标”，仅仅说产品A的月经常收入（MRR）或用户增长或损失X%是不够的，虽然知道了这些信息是件好事，但是它没有告诉我们这是为什么或这该做什么。成熟的数据机构能够将多个数据源（财务、用户行为、净推荐值或反馈等）整合起来，从而更好地理解产品变化如何影响业务。尝试将性能指标和感知指标结合能够帮助我们更好的理解体验，并帮助我们优先考虑那些研究能产生更大影响的地方。在设计和研究迭代之后，可以扩展这个方法，让设计或流程中的改变与业务级的KPI相关联。讲述这类业务故事的能力对于UX领导力至关重要，并且要求团队具有一定水平的数据素养。产品运营将能够协助提供有用的数据，但是我们仍然需要研究运营数据帮助我们更快地获得洞见。我将从2019年两个案例来介绍研究运营，在这两个案例中我尝试解决需求大于资源的挑战。第一个例子是在谷歌最近一次演讲的结尾，一位听众提问道：“你是怎样为这项研究招募人员的？” 来自谷歌的研究员答复：”嗯… 我们是谷歌…我们拥有一个专门招募参与者的团队。“第二个例子与微软的研究人员的对话，他解释说他们利用运营团队招募用户，可以在一周以内进行研究项目。听起来研究运营对微软和谷歌很有好处，但为什么它很重要呢？随着敏捷开发的不断发展（无论是好是坏），我们在适当的时间范围内提供可靠的研究变得越来越难。提前进入冲刺周期可能会有所帮助，但实际上，招募顾客是最大的瓶颈（尤其B2B公司）。现在尝试预算、组织、雇佣和维持一个研究运营团队对于大多数公司来说可能不太可行，因此我推荐两件事：（1）利用您的销售和客户团队使用这个方法具有价值的网络效应。对于客户而言，他们有机会解释他们对于产品的需求和期望。对于产品团队而言，他们有机会更快地招募用于研究的用户，因为他们正利用着一个不断增长的名单。为了有效地工作，向客户团队解释招募用户所带来的的价值是非常重要的。（2）当获得产品反馈时（通过产品内部的沟通渠道），只需询问客户他们是否愿意参与未来的研究我在公司里做过几个类似的项目，并且能够建立参与者数据库用于将来的用户体验研究。这大大减少了我们针对这些产品的招募用户时间，反过来又意味着更快的研究和在产品开发中提供更多的见解（并降低了风险）。我们很难说服团队放慢产品开发的速度，让我们有更多的时间进行研究，所以我们需要对我们的解决方案进行创新，来确保我们的产品不是在无方向的情况下进行快速开发的。三、NPS（净推荐值）战争——关于研究的悖论图片来源: feedbacklabs.org在0-10的分数范围内，你有听说过净推荐值（NPS）的概率是多少？很可能是10。这一块内容可以单独做一篇文章，但是我尝试去总结一些关键点。我首先要说的是，NPS在某些情况下效果很好，而在其他情况下效果不佳。在用户体验世界中，我们有一些资深人士对NPS持强烈的观点（而且声音很大），但不幸的是，对于我们这一行业，这些资深人士在表达自己的意见时并未做任何研究来验证他们的观点。这就像是对一个设计方案有自己的想法，然后说”不，我就是对的，就让我们继续这个设计”一样——如果我们要求产品团队使用研究来改善他们的产品决策，为什么不使用研究来更好地理解我们对NPS和指标的看法？好吧，但是幸运的是，像Jeff Sauro这样的人对该主题做了详尽且广泛的研究，他建议作为研究人员应该对NPS是否适用于其所在的组织进行研究。话虽如此，反对用户体验中的度量标准是一个危险的谬论。作为一名用户体验专家，忽视度量指标和数据肯定会将你处于一个不利地位。这样想一下，如果有人问你，“我们根据您提供的研究建议所做出的设计改变，是否真的有效提升了体验？”——这是任何一个研究人员都应当有信心通过合适的度量来回答的问题。我的建议是：熟悉什么是度量、如何度量、以及如何将其转化为业务语言。这不仅增加了用户体验研究行业的可信度，而是帮助我们推动公司数字化战略的门票。四、CX （客户体验）& UX（用户体验）——这是我的工作…还是你的工作？我首先给研究人员的回答是：视情况而定。从最高层级而言，我们都在同一个团队中，努力确保为客户（CX）、用户（UX）、开发人员（DX）、合作伙伴、员工以及与我们产品有关联的任何其他人提供尽可能好的体验。在B2C领域，我们的客户通常也是我们的用户，也许企业已经将客户体验（CX）结构化为购买流程，将用户体验（UX）结构化为产品使用流程。在B2B领域，我们的客户通常不是我们的用户；他们是决策者，但是客户组织中有”使用”产品的团队。这里有一些重要的事情需要记住：客户、用户等永远不应该看到明显的边界问题，体验应该在全流程上是“一致的”及“无缝的”。CX和UX应该共同努力，并在最佳的前进道路达成一致。在我的团队中，我们开始利用内部营销和产品会议来保持一致。建立团队间的良好关系；CX和UX研究人员应该都有很好的定性和定量研究方法，并且应该分享最佳实践结果。归根结底，提供最佳体验的方法是有效地交流和共享理想交付体验的统一愿景。五、数字化战略——产品→平台这是我最喜欢的主题之一：「企业如何根据新技术来调整数字化战略，并坚持改变用户行为的？」这是2019年我最喜欢的一本书中的一句话：“围绕你的客户去定义你的业务，而不是你的产品或竞争对手”。亚马逊就是一个最好的例子。在2008年《连线》杂志的一篇文章中，对贝佐斯决定进军云计算决定的批评是这样的“对杰夫·贝佐斯提问：你是零售商。为什么将盒子里的贵重物品换成便宜的比特币？”他回答是“我们很容易被误解。”截止至2017年，亚马逊云计算服务已经同比增长43%。很长时间以来，亚马逊已经意识到围绕客户需求和生态系统来定义业务，而不是竞争对手。平台最初被认为是将买卖双方联系起来的市场（例如Ebay或Craigslist），但是目前平台策略已经远远超出了典型的买方和卖方市场。谷歌对Nest的投资并不是为了让谷歌进入恒温器市场，而是Nest将要成为智能家居平台这一战略愿景。作为平台战略的一部分，你可以浏览Google商店查看所有已经被重新命名为Nest的产品。这一战略也不局限于B2C领域，越来越多来自其他行业的公司正在利用平台策略作为竞争优势。例如，通用电气（GE）开始收集更多资产数据用于提升效率；这导致内部和外部的应用都是基于他们以云为基础的系统Predix构建的，这允许通用电气不仅仅销售产品还能够销售基于结果的服务。这对用户体验（UX）意味着什么？这意味着我们不仅要更好地理解单一产品的”快乐路径“工作流，还需要更好地理解用户如何参与产品或应用的生态系统并与该生态系统进行互动。我们不仅需要考虑多种交互渠道 （比如移动端和桌面客户端），而且还需要考虑平台中的其他多个应用程序，对其中许多应用程序的补充利用，提高完成任务的效率。总结用户体验研究的现状，以及用户体验的核心要点，无论是在2010年，还是2020年，都是围绕最核心的要素：人（用户/受众群）。第二个问题是，用户体验研究需要在可靠数据的支撑下进行，具备实力的公司，可进行体验团队的招募，以此确保客观性地理解用户对产品使用体验问题；如果条件不充足的话，可以采用其他调研方式，如小组访谈、田野调研等。最后需要考虑的，还是用户与产品的联系问题，包括需求联系和情感联系，需求是痛点，情感是亮点。作者：Mitch Collum翻译：Jaylon原文：https://uxdesign.cc/the-state-of-ux-research-in-2020-e41362b7b54a#专栏作家#本文翻译发布于人人都是产品经理。未经许可，禁止转载。题图来自 Unsplash ，基于 CC0 协议

来源：中国基金报近一周机构调研个股数量有120多只，海鸥住工成为调研机构数量最多的股票。证券时报·数据宝统计显示，近一周以来机构调研个股数量有120多只。从调研机构类型来看，近一周证券公司调研相对最广泛，调研105家公司，即近9成上市公司调研活动有券商参与；基金公司和阳光私募调研数量次之，分别调研74家和47家公司。海鸥住工获126家机构调研海鸥住工成为近一周调研机构数量最多的股票。数据显示，合计有126家机构调研了该公司，包括32家基金公司、22家证券公司、34家私募、8家保险公司、5家海外机构等。在调研纪要中，公司重点介绍了定制整装卫浴事业进展情况、瓷砖事业进展情况以及收购大同奈公司股权进展情况。公司目前有巢氏和福润达为公司定制整装卫浴两大品牌。2019年公司凭借良好的品牌形象及过硬的产品品质，已覆盖成为龙湖地产、越秀地产(港股00123)、万科地产、旭辉领寓、卓越集团、上坤、华润、绿地香港(港股00337)的战略集采供应商；通过参加上海KBC展、广州BIC广州建筑工业化展及北京住博会，拓展市场、推荐新品和服务、提高客户认知、树立品牌形象；顺利完成青岛新厂搬迁，多项信息化系统上线规范管理提升效率。2020年1月，公司控股孙公司苏州有巢氏签订协议，拟收购科筑集成100%股权。2020年2月，科筑集成完成了股权转让及工商变更登记，公司控股孙公司苏州有巢氏持有科筑集成100%股权。2020年5月，科筑集成通过高新技术企业认定并取得证书。科筑集成是一家集整装卫浴设计、生产、销售、安装和维护于一体的装配式住宅整装卫浴核心解决方案提供商，本次控股孙公司拟收购科筑集成100%股权，有利于更好地进行资源整合，加快进入住宅整装卫浴领域，促进整装卫浴新业务更快发展，进一步扩大整装卫浴市场份额，巩固市场地位，增强公司在整装卫浴板块的核心竞争力。其他较多机构调研的个股还有光云科技、妙可蓝多、我武生物等，均获得了50家以上机构调研。值得注意的是，我武生物获得66家机构调研，包括13家保险公司，是近一周调研险资数量最多的个股。公司也是A股市场上最暴利的公司之一，去年年报公布的销售毛利率达96.43%。股价表现方面，我武生物于本周五突破了去年11月份的历史高位。在调研纪要中，有机构问到，第三季度是尘螨高发的季节，家长会带孩子去医院，但是受疫情影响，暑假的缩短是否会对第三季度的销售带来影响？公司表示，这个无法预期，据知有些低年级的学生目前仍未开学也不一定会开学，销售情况最主要还是取决于医院的门诊量以及患者就诊量。还有机构问到，在疫情下，人们佩戴口罩以及减少户外活动，是否会使过敏患者产生的比例有所下降？公司表示，一般来说，戴口罩以及减少户外活动不会使过敏患者比例下降，因为口罩不是24小时戴，在家里通常是不会佩戴口罩的，而家庭的生活环境也存在尘螨这种过敏原，无法避免。另外有机构问到，粉尘螨滴剂患者治疗效果的评价，是主观还是客观数据评价？公司表示，会有一个比较通用的综合临床评价标准，包括症状评分等。这些公司季报高增长且低估值数据宝统计显示，近一周机构调研的上市公司中，仙鹤股份、太阳纸业、协鑫能科、金溢科技、中电兴发、金风科技(港股02208)等个股一季度净利增长超过20%且滚动市盈率低于20倍。其中金溢科技滚动市盈率不足8倍，太阳纸业市盈率不到11倍。净利增速方面，金溢科技一季度净利增长均超过10倍，金风科技、仙鹤股份、协鑫能科等个股一季度净利增长均超过100%。本周A股市场继续反弹，上证指数上涨2.75%，深证成指上涨4.04%，中小板指上涨4.83%，创业板指上涨3.82%。梳理发现，近一周机构调研股本周平均上涨4.58%，表现强于大盘。涨幅最大的是艾可蓝，本周累计上涨超54%。其他涨幅较大的个股还有鸿泉物联、隆盛科技、东富龙等，累计涨幅均超过10%。下跌的个股中，梦洁股份跌幅最大，超过8%。另外来伊份、英洛华、北摩高科等个股跌幅均超5%。

在近期的项目中，业务方提到了一个问题：因为内容的曝光量少，没有很好的基础数据作为推荐算法输入，希望通过调研指导内容投放的冷启动，知道要给哪些特征的用户投放哪些内容。针对这个问题如果只是单单分析一个特征的结果，可能会把一些重要的属性组合淹没在了特定人群中。比如举一个不真实的例子，如果对用户购买美妆产品行为进行分析，只看男女数据分析，我们会发现相比于女性，男性几乎是不购买美妆产品的。但是如果针对性别进一步拆分年龄，我们会发现95后的男性也有较高的美妆购买行为，如果只看性别分析这个对美妆有高需求的特殊男性人群就会被忽视。但是可以分析的用户属性很多，如果手动组合分析就非常的不方便。这个时候就可以用决策树分析来解决这个问题。什么是决策树？决策树是一种细分用户的方式。不同于聚类细分用户，决策树细分用户中有一个目标变量的概念。决策树的细分目的就是通过逐层划分不同解释变量值获得多属性组合细分人群，使得细分人群在目标变量上表现区隔度尽可能的大。解释变量就是用户特征，比如人口学、消费特征、用户行为数据等。目标变量则是我们调研中关心的核心指标。它有两种类型，分别服务于两种不同目的。1） 描述目的：在市场调研中目标变量一般是二分变量。比如在上述问题需求中，就是用户对某个内容是否偏好，通过决策树我们可以知道有哪些特征组合的用户群体对产品偏好度高，哪些更低。2） 预测目的：这种情况下目标变量是类别变量。比如目标变量有四个值，分别代表ABCD四个品牌，通过决策树可以知道哪些特征组合的人群更偏好哪个品牌，可以输出判别的规则作为预测模型。决策树的原理是什么？决策树算法中CHAID和exhaustive CHAID在结果的简洁度和区隔度上表现都更好是最常用的算法。而exhaustive CHAID与CHAID区别在于计算了更多的组合情况，可能获得更好的分割，但本质上两者计算方式是统一的。因此本次就以CHAID为例进行具体介绍。CHAID算法又称卡方自动交互检测法。顾名思义，CHAID就是自动对解释变量和目标变量进行交叉分析并进行卡方检验，通过比较卡方检验显著性程度来寻找最佳细分维度。然后在此基础上继续细分直到卡方不再显著或达到数生成的条件限制。最终输出的树如下图1。输出的决策树结果向我们传达了两个重要的信息：1） 树结构与分组情况：从结果图上可以看到某个节点会根据解释变量不同的取值细分为多个节点。该节点叫做父节点，分节点叫做子节点。父节点和子节点构成了决策树的结构。如果不再向下继续划分，则子节点称为最终节点，即最后的分组。最后分组的属性即为到达这个最终节点的所有子节点属性交集2） 目标变量分布：每一个节点都会显示目标变量分布。比如下图中的节点一就表示一线城市的用户中73.5%都对这个权益感兴趣。图1 决策树结果示意有的时候决策树会过于庞大复杂，可以通过设置树的层级数、父节点、子节点最小样本数来修剪决策树：如果决策树达到树最大层级限制则不往下细分；如果节点样本达不到父节点数量要求则不往下继续分割；如果节点样本数达不到单个子节点的数量要求即与其它节点合并。但是如果从决策树图中找哪些最终分组是对目标变量更感兴趣的比较费劲。所以决策树除了输出决策树图之外还可以输出目标类别收益表（比如内容偏好中将有偏好设为目标类别，示意见图2），收益表包含4个数：节点：指的是分组在节点中的百分比增益（收益）：指的是分组目标类别样本在整体目标类别样本中的占比响应：该节点中回答目标类别的人占该分组的比例指数：增益/节点*100%，如果超过100%说明该分组对目标类别的偏好高于平均图 2 收益表示意收益表将对目标类别偏好度从低到高进行排列，所以能很快找到哪些最终节点分组对目标类别偏好度高。比如上图就显示节点5是对目标变量最感兴趣的人群。同时因为收益表还包含了节点百分比，所以可以知道这些分组在整体市场中的大小，用于判断可以将哪些分组包含进来扩大目标人群范围。比如上图中虽然节点5是目标变量最感兴趣的群体，但人数较少，在整体市场中只占到7.1%。所以我们可以将节点5、16、1、12都作为目标群体，将市场覆盖率提高到37%。SPSS中如何操作？1）描述目的下如何操作数据准备：每一行代表一个用户样本，数据包括目标变量和所有的解释变量。选择决策树：spss分析à分类à树输入变量：将目标标量（如用户对内容偏好：偏好-不偏好）输入到因变量中，解释变量（如用户属性）输入到自因变量中。因变量下方还有一个分类对话框，在其中将目标变量的偏好勾选作为目标值，该操作可以用于在后续输出收益分析表。选择建树方式（增长方式）：默认选择CHAID条件：可设置树的最大层级、父节点和子节点的最小样本数输出：输出的统计量里面可以选择输出收益表和收益图图 3 描述目的决策树面板操作说明2）预测目的下如何操作如果是预测目的，前期计算设定操作与描述目的一致，但是还有模型风险估计和预测。验证：如果是描述目的下，不需要进行这个步骤操作。如果是预测目的下，可选择进行交叉验证。SPSS会将样本分为多个样本组分别进行决策树计算并算出风险均值作为整体风险值。保存：在保存按钮中可以选择输出预测值和预测概率。预测概率会输出每个用户在因变量各个取值上的预测概率，预测值会输出该用户在因变量是预测概率最大的值。图 4 预测目的下验证和保存预测变量操作决策树的应用与局限如果分析的目的就是希望能找到在目标指标上尽量差异明显的细分人群，决策树是一种不错的方式。如果是以聚类的方式细分，我们可以将目标指标作为其中一个细分输入变量，但是因为聚类是为了让用户在空间的距离尽可能远，目标指标可能并不是最重要的影响因素，所以最终的结果可能目标指标上用户区分并不明显。而决策树的目的就是尽量在目标变量上拉开差距，所以细分结果上差异会更加明显。所以决策树经常被运用在市场产品、品牌来定位最核心的目标人群特征上。特别适合一开始业务方提出来的业务问题：特定内容应该给哪些用户投放更加合适。但是决策树也有其局限和问题。1） 相比聚类细分，决策树只能设定一个目标指标。如果希望在两个指标上找到差异性较大的用户就需要用聚类分析来实现。2） 无法控制分组数量，非常容易细分出十几组甚至更多的分组。分组数量增加后描述和理解成本都会增加。在市场人群细分和定位问题中我们不关心所有的分组，只关心最重要的那几组，所以分组多不会带来问题。而如果需要对整个目标用户进行细分和理解，聚类能控制分类数量，是更加合适的方法。作者：赵洋帆 京东用户体验设计部，致力于创造更美好的电子商务购物体验。

来源：数据宝近一周机构调研个股数量有120多只，海鸥住工成为调研机构数量最多的股票。证券时报·数据宝统计显示，近一周以来机构调研个股数量有120多只。从调研机构类型来看，近一周证券公司调研相对最广泛，调研105家公司，即近9成上市公司调研活动有券商参与；基金公司和阳光私募调研数量次之，分别调研74家和47家公司。海鸥住工获126家机构调研海鸥住工成为近一周调研机构数量最多的股票。数据显示，合计有126家机构调研了该公司，包括32家基金公司、22家证券公司、34家私募、8家保险公司、5家海外机构等。在调研纪要中，公司重点介绍了定制整装卫浴事业进展情况、瓷砖事业进展情况以及收购大同奈公司股权进展情况。公司目前有巢氏和福润达为公司定制整装卫浴两大品牌。2019年公司凭借良好的品牌形象及过硬的产品品质，已覆盖成为龙湖地产、越秀地产、万科地产、旭辉领寓、卓越集团、上坤、华润、绿地香港的战略集采供应商；通过参加上海KBC展、广州BIC广州建筑工业化展及北京住博会，拓展市场、推荐新品和服务、提高客户认知、树立品牌形象；顺利完成青岛新厂搬迁，多项信息化系统上线规范管理提升效率。2020年1月，公司控股孙公司苏州有巢氏签订协议，拟收购科筑集成100％股权。2020年2月，科筑集成完成了股权转让及工商变更登记，公司控股孙公司苏州有巢氏持有科筑集成100％股权。2020年5月，科筑集成通过高新技术企业认定并取得证书。科筑集成是一家集整装卫浴设计、生产、销售、安装和维护于一体的装配式住宅整装卫浴核心解决方案提供商，本次控股孙公司拟收购科筑集成100％股权，有利于更好地进行资源整合，加快进入住宅整装卫浴领域，促进整装卫浴新业务更快发展，进一步扩大整装卫浴市场份额，巩固市场地位，增强公司在整装卫浴板块的核心竞争力。其他较多机构调研的个股还有光云科技、妙可蓝多、我武生物等，均获得了50家以上机构调研。值得注意的是，我武生物获得66家机构调研，包括13家保险公司，是近一周调研险资数量最多的个股。公司也是A股市场上最暴利的公司之一，去年年报公布的销售毛利率达96.43％。股价表现方面，我武生物于本周五突破了去年11月份的历史高位。在调研纪要中，有机构问到，第三季度是尘螨高发的季节，家长会带孩子去医院，但是受疫情影响，暑假的缩短是否会对第三季度的销售带来影响？公司表示，这个无法预期，据知有些低年级的学生目前仍未开学也不一定会开学，销售情况最主要还是取决于医院的门诊量以及患者就诊量。还有机构问到，在疫情下，人们佩戴口罩以及减少户外活动，是否会使过敏患者产生的比例有所下降？公司表示，一般来说，戴口罩以及减少户外活动不会使过敏患者比例下降，因为口罩不是24小时戴，在家里通常是不会佩戴口罩的，而家庭的生活环境也存在尘螨这种过敏原，无法避免。另外有机构问到，粉尘螨滴剂患者治疗效果的评价，是主观还是客观数据评价？公司表示，会有一个比较通用的综合临床评价标准，包括症状评分等。这些公司季报高增长且低估值数据宝统计显示，近一周机构调研的上市公司中，仙鹤股份、太阳纸业、协鑫能科、金溢科技、中电兴发、金风科技等个股一季度净利增长超过20％且滚动市盈率低于20倍。其中金溢科技滚动市盈率不足8倍，太阳纸业市盈率不到11倍。净利增速方面，金溢科技一季度净利增长均超过10倍，金风科技、仙鹤股份、协鑫能科等个股一季度净利增长均超过100％。本周A股市场继续反弹，上证指数上涨2.75％，深证成指上涨4.04％，中小板指上涨4.83％，创业板指上涨3.82％。梳理发现，近一周机构调研股本周平均上涨4.58％，表现强于大盘。涨幅最大的是艾可蓝，本周累计上涨超54％。其他涨幅较大的个股还有鸿泉物联、隆盛科技、东富龙等，累计涨幅均超过10％。下跌的个股中，梦洁股份跌幅最大，超过8％。另外来伊份、英洛华、北摩高科等个股跌幅均超5％。