麦达SaaS指数:SaaS CRM的NPS均值为20% 仍需在产品服务上补强

T客汇官网:tikehui

撰文 | 齐斌

NPS值直观的明确的反映出客户对企业的口碑和推荐度,具有雷达作用。如果NPS值越高,预示着厂商的产品销售机会,在未来被“存量市场”再次导入或者由于“口碑”和“推荐”的作用被“潜增量市场”接受的可能越大。

NPS除了“雷达作用”,还拥有“占卜未来”的能力,即预测出企业产品和服务层面的增长潜力。

NPS已经是我们SaaS软件厂商当前较为常用的客户研究手段之一,引入NPS我们认为绝不只是获得一个分值、或者给予产品与客服部门一个考核指标,更重要的是引入一种在提高客户忠诚度的同时,能够提前预判潜增量客户市场机会的系统性方法,最终能够构建一套完整的内部运营体系来强化客户服务工作,推动以“客户成功”为导向的价值运营体系。”

麦达SaaS指数研究,通过对SaaS CRM客户做出调查,得出当前SaaS CRM的NPS均值为20%。初步认为目前SaaS CRM已经得到企业客户基本的认可,但是仍存在改进的空间和提升的机会。

一般而言,当NPS<0%时,企业可能需要大的动作,因为这样的产品/服务完全不能在互联网时代生存。当NPS<10%时,产品/服务还存在诸多不足,需要尽快根据客户的抱怨点进行改进迭代。当NPS>10%时,产品/服务得到客户的基本认同。但仍需要根据客户的抱怨点进行改进迭代。当NPS>30%时,这是一个优秀的产品/服务,客户的良好口碑可以带动企业业绩提升。当NPS>50%时,客户已经尖叫,产品/服务体验达到iPhone级水平,新的世界级公司诞生。

当前SaaS CRM之所以能够得到企业客户的初步认可,我们分别从产品和服务两个方面追溯了相关的原因。

就产品层面而言,目前SaaS CRM产品的运行效率较高,能满足基本业务的需求。另外,产品操作简单方面,性价比较高。

作为SaaS模式交付的CRM,其服务能力能否获得最终用户的认可,直接影响到用户对企业的看法和口碑。而对于企业客户来说使用或导入拥有可靠服务能力的SaaS CRM,直接能够影响到企业能否迅速开展业务。

就当前服务层面而言,主要是实施人员的方案设计能力、全局意识、工作态度得到最终用户的认可。从已经获得认可的要素来看,主要是方案设计能力得到最终用户的认可。

方案设计能力是指根据客户的个性需求、核心需求和实际需求,为客户量身制定能满足客户需求方案的能力。而一个能满足客户个性、核心和实际需求的产品或服务,一定能赢得用户的口碑和推荐度。

虽然,SaaS CRM整体表现较好。但是,在产品和服务层面还有诸多不足。

就产品层面而言,SaaS CRM产品在运行效率、性价比、成熟度方面还有上升的空间。运行效率、性价比和稳定性是衡量产品优劣的三个重要要素。

就服务层面而言,SaaS CRM产品整体服务能力还有待完善。SaaS CRM产品的服务能力,直接关系到企业是否能迅速开展业务。SaaS CRM厂商需要完善产品的服务能力。

虽然越来越多的SaaS厂商开始重视并基于NPS的研究,对客户服务和产品能力做出持续改进。需要明确的是,NPS可以充当客户忠诚度的“预警装置”,可以帮助企业预判未来的销售潜力有多少。但是,他无法为公司的产品和服务提供具体的改进建议。

这并不妨碍SaaS厂商已经在产品和服务层面做出的努力。本次调研发现,SaaS CRM已经初具口碑,未来仍有提升空间。SaaS厂商仍需不断打磨产品,提升服务质量,用产品与服务赢得客户的认可度。

—————————————————————————————

简单介绍NPS的概念和计算方法:

NPS(Net Promoter Score)即净推荐值,用来分析客户的忠诚度和满意度,客户愿意向他人推荐企业或服务的可能性指数。他专注于客户口碑如何影响企业成长。企业通过密切跟踪净推荐值,可以让自己的企业或服务做的更好。

NPS(净推荐值)的统计方法也很简单。在调查中,您可以直截了当的问客户:“您是否会愿意将公司名字或产品服务推荐给您的朋友或者同事?”客户可以在0—10分中,打出一个分数。

分数在0—7分,我们总体称为贬损者。分数在8—9分,我们称为中立者。分数在9—10分,我们称为推荐者。 贬损者是客户使用产品后并不满意或者对企业没有忠诚度。中立者是总体满意但并不狂热,将会考虑其他竞争对手的产品。 推荐者是具有狂热忠诚度的人,他们会继续购买产品并将企业推荐给朋友。

NPS(净推荐值)有标准的计算公式,NPS=(推荐者数/总样本数)×100%-(贬损者数/总样本数)×100%=推荐者的百分比-贬损者的百分比。


原文发布于微信公众号 - 人称T客(Java_simon)

原文发表时间:2017-04-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

关于数据分析,管理者的4个常规错误

1483
来自专栏AI科技评论

专访腾讯钟黎:知文团队在智能问答系统方面的探索

对于刚刚成立的腾讯知文团队来说,过去是收获颇丰的一年。虽然成立尚不足一年,但这一团队已在 AAAI、IJCAI、SIGIR、EMNLP、COLING 等顶会上发...

2111
来自专栏杨建荣的学习笔记

知识付费的时代

大家应该听说过学习金字塔的模型,这是美国缅因州的国家训练实验室研究成果,它用数字形式形象显示了不同的学习方式,学习者在两周以后还能记住内容(平均学习保持...

1764
来自专栏专知

中国信通院发布《人工智能发展白皮书-技术架构篇》(2018年)附pdf下载

2018人工智能发展白皮书是中国信息通信研究院、中国人工智能产业发展联盟首次联合发布。本篇为技术架构篇,从产业发展的角度,选择以深度学习算法驱动的人工智能技术为...

3782
来自专栏人工智能

如何打造出与人类自然交流的机器人?

机器人 随着人工智能技术的不断发展,科技行业也逐渐看到了机器人使人类失望的一面;它或者基于人类固有的不信任以及对机器人的恐惧,比如“恐怖谷理论”,或是由人工无知...

1928
来自专栏后端技术探索

破解YouTube、Facebook推荐系统背后的那些算法

我之前翻译过一篇文章《破解 YouTube 的视频推荐算法》,得到了很多人的好评,在各个算法、大数据公号上纷纷转载。最初看到这篇文章是@fengyoung 在F...

4475
来自专栏大数据文摘

帝国的灵魂:谷歌大脑

2498
来自专栏AI科技评论

图灵奖得主 Joseph Sifakis : 物联网领域的自主系统设计 | CCF-GAIR 2018

AI 科技评论按:2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,得到了...

1232
来自专栏架构之美

机器学习的平台化发展趋势

机器学习在经过近些年的野蛮生长之后,其有效性已经被无数成功应用所验证,在这一点上已经不需要更多证明。

1725
来自专栏PPV课数据科学社区

关于2014年大数据预测分析市场的预测

多年来,企业都一直无法充分利用大数据进行预测分析。由于社交媒体的普及带来了消费者日常生活习惯、活动和兴趣方面的数据信息量的巨大增长。这些新的外部数据资源将与企业...

3606

扫码关注云+社区

领取腾讯云代金券