Airbnb使用净推荐值(NPS)预测用户再次预定率

净推荐值(Net Promoter Score, NPS)是一个度量用户忠诚度的指标,用于计量用户再次访问公司网站或使用公司服务的可能性。Fred Reicheld在2003年首次提出这一概念。NPS的计算基于用户对问题“推荐可能性”(LTR)——向朋友推荐公司产品、服务、活动的可能性有多大——的反馈。用户根据愿意推荐的程度在0到10之间进行打分,基于打分结果可以计算NPS值。

打分为9或10分的用户称为“推荐者”,这些用户愿意押上他们的名声向朋友推荐。打分在0到6之间的用户称为“批评者”,这些用户对公司不满意,可能会告诉他们的朋友或同事不值得在公司的产品或服务上浪费时间。打分为7或8分的用户被认为是“被动的”,他们喜欢公司的产品或服务,但不会向朋友推荐。

NPS值等于推荐者所占的百分比减去批评者所占的百分比:

NPS = (推荐者数/总样本数)*100% - (批评者数/总样本数)*100% *推荐者数 = 打分为9或10分的用户数 *批评者数 = 打分在0到6分之间的用户数

NPS值的范围从-100(所有被调查用户都是批评者)到100(所有被调查用户都是推荐者)。

Airbnb公司的产品为用户提供了列举、探索和预订全球范围内独一无二住处的社区市场。Airbnb公司将NPS值全面地用于度量用户忠诚度。他们相信这是一种更为有效的评估用户再次预订或向朋友推荐的可能性的指标。

Airbnb工程师团队的Lisa Qian最近在他们的技术博客里描述了他们如何使用数据来评估旅行的质量。他们发现更高的NPS值一般与更高的推荐率和再次预订率相对应。

该团队也使用其它用户评价指标来预测再次预订率,如准确性(Accuracy)、整洁度(Cleanliness)、入住(Checkin)、沟通(Communication)、地点(Location)和价值(Value)等。通过比较一系列嵌套的Logistic回归模型,他们可以评估用户评价等级对用户在本次旅行结束后12个月内是否会再次使用Airbnb的预测能力.

这里有一些有趣的预测用户再次预订情况的统计。仅仅使用用户旅行结束后的LTR反馈,Airbnb团队能准确预测用户在未来12个月再次预订情况的概率是56%。加入用户、户主及旅行的基本信息后,预测准确率提升到63.5%。再加入用户评价指标(不包含LTR),预测准确率提升了0.1%。

我们在InfoQ和QCon会议都采用了NPS值来评估我们的读者访问网站或参加会议的可能性。编辑部负责人Charles

Humble告诉我:

最初是我们的CEO兼联合创始人Floyd Marinescu倡导使用NPS,并很快被QCon巴西团队采用。从那之后我们逐渐在各项产品中使用NPS。 对于QCon,我们在会议结束后分发给参会者的调查问卷里加入了NPS问题。最近,我们还使用第三方工具Qeryz询问第一次使用InfoQ的读者NPS问题。我们相当满意我们得到的NPS值——42%,而得分最高的英国QCon是53%。我们认为现在的得分很不错,但在公司内部有很大的主动性要提升NPS值。 NPS值只是我们使用的若干度量值中的一个,但它确实有帮助。如果NPS值下降,这是一个很有效的预警信号,表示我们需要进行调查并尝试解决问题了。它也可以很好地帮助我们比较不同产品、不同地区的效果。

有一些对NPS的批评认为,相比于其它与用户忠诚度相关的调查问题,NPS并没有提供更多的信息。此外,没有研究证据表明“推荐可能性”问题与其它用户忠诚度调查问题相比,可以更好地预测商业增长情况。另一些批评认为NPS使用了低预测有效性的数值范围,不如综合维度的问题准确,并且NPS不能预测忠诚行为。

查看英文原文:How Airbnb Uses Net Promoter Score to Predict Guest Rebooking

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2016-03-09

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

来自专栏大数据和云计算技术

似懂非懂Google TPU 2.0

前面刚学习了Google的第一代TPU,写了篇《似懂非懂Google TPU》,很多朋友一起讨论,纷纷议论说好像也不是很牛逼?怎么可能,Google在技术上还是...

3254
来自专栏CDA数据分析师

数据科学优质课程推荐#2:统计入门课程篇

原作者 David Venturi 编译 CDA 编译团队 本文为 CDA 数据分析师原创翻译作品,转载需授权 一年前,我退出了加拿大最好的计算机科学...

3597
来自专栏BestSDK

36本最适合学习AI的入门经典

NO.1 人工智能科普类:人工智能科普、人工智能哲学 ? 《智能的本质》斯坦福、伯克利客座教授 30 年 AI 研究巅峰之作 《科学 + 遇见人工智能》李开复、...

4745
来自专栏AI研习社

问答 | 如何看待Siraj发布的新视频《量子机器学习》?

视频链接:https://www.youtube.com/watch?v=DmzWsvb-Un4

1052
来自专栏CDA数据分析师

AI 经典书单 | 人工智能学习该读哪些书

? 本文转自网络,如涉侵权请及时联系我们 人工智能相关岗位中,涉及到的内容包含: 算法、深度学习、机器学习、自然语言处理、数据结构、Tensorflow、Py...

3898
来自专栏机器之心

业界 | 腾讯「AI In All」的背后,是开放AI技术能力,探索腾讯内外的应用场景

3438
来自专栏AI科技评论

重磅 | 从SwiftScribe说起,回顾百度在语音技术的七年积累

人与机器的自然交互一直是人类孜孜不倦的奋斗目标。随着移动互联网时代的发展,声音与图片成为了人机交互更为自然的表达方式。作为最核心的入口,语音技术就成为了科技巨头...

38913
来自专栏机器之心

资源 | 从论文发布、学术会议到创业,斯坦福发布了一份「AI指数」年度报告

3657
来自专栏PPV课数据科学社区

干货 :谷歌电影票房预测模型探究

谷歌公布了一项重要研究成果–电影票房预测模型。该模型能够提前一个月预测电影上映首周的票房收入,准确度高达94%。这在业内引起了强烈讨论,不少内人士认为该模型非常...

63910
来自专栏UAI人工智能

【再谈AI教育】吴恩达老师的 deep learning 课程是你所需要的吗?

1635

扫码关注云+社区

领取腾讯云代金券