В рамках работы на позиции младшего маркетолога мне была поставлена задача провести расчет показателя NPS (Net Promoter Score) для одного из ключевых цифровых продуктов компании — облачного сервиса хранения и совместной работы. Целью было определить уровень лояльности клиентов и выявить основные факторы, влияющие на готовность рекомендовать продукт коллегам и партнерам.

В статье я описываю свой опыт организации исследования: от этапа подготовки анкеты до анализа полученных данных.

Постановка задачи и планирование работы

Перед началом работы были сформулированы ключевые задачи:

Выбрать инструмент, позволяющий автоматизировать процесс сбора данных и расчета NPS.
Разработать анкету для проведения опроса.
Организовать рассылку опроса клиентам и собрать необходимый объем ответов.
Провести расчет NPS и подготовить аналитический отчет.

NPS рассчитывается на основании одного базового вопроса:

«С какой вероятностью Вы порекомендуете наш сервис друзьям или коллегам?»

Ответы собираются по шкале от 0 до 10 и классифицируются следующим образом:

0–6 — критики (detractors),
7–8 — нейтральные (passives),
9–10 — промоутеры (promoters).

Формула расчета:

NPS = % промоутеров − % критиков

Для более глубокого понимания мотивации клиентов в анкету был добавлен дополнительный открытый вопрос:
«Что повлияло на выставленную Вами оценку?»

Выбор инструмента для проведения опроса

Первым шагом стал выбор платформы для проведения опроса и расчета NPS. Рассматривались следующие сервисы:

Google Forms — знакомый и простой инструмент, который позволяет быстро собрать данные. Однако он требует ручной обработки результатов, самостоятельного расчета показателя и интеграции с другими сервисами для визуализации.

Oprosso — сервис, заточенный под быстрые опросы и отзывы. Среди преимуществ: интуитивно понятный интерфейс, возможность интеграции с популярными мессенджерами и гибкая настройка цепочек вопросов. Однако у платформы нет встроенного расчета NPS и аналитики: для анализа данных требуется их экспорт в Excel или сторонние инструменты.

Quiz — платформа для создания опросов с возможностью брендирования анкет и гибкими сценариями переходов между вопросами. Сильная сторона — удобный конструктор форм и большое количество готовых шаблонов для разных типов опросов. Однако аналитическая часть у Quiz ограничена: отсутствуют дашборды и сегментация респондентов, а расчет NPS необходимо выполнять вручную.

FeedBackTalk — платформа, ориентированная на управление клиентским опытом и сбор обратной связи. Среди ключевых преимуществ: наличие готовых шаблонов вопросов для NPS и автоматический расчет показателя с визуализацией в дашбордах, сегментация ответов по группам клиентов и интеграции с CRM для загрузки клиентской базы. Однако для полноценной работы с платформой может потребоваться настройка интеграций и понимание логики клиентских сегментов.

После сравнительного анализа выбор пал на FeedBackTalk (FBT). Решение было принято по следующим причинам:

наличие готовых шаблонов, которые можно адаптировать под специфику продукта;
возможность интеграции с CRM-системой (использование клиентского профиля) для быстрой загрузки клиентской базы;
автоматический расчет показателя и визуализация результатов в удобных дашбордах;
мультиканальная рассылка анкет (Email, Telegram, SMS) с возможностью настройки персонализированных приглашений;
функция предпросмотра опроса на разных устройствах для корректировки дизайна.

Организация опроса

Работа началась с построения сценария — структуры вопросов и логики переходов между ними. Основу опроса составил стандартный NPS-вопрос:

«С какой вероятностью Вы порекомендуете сервис друзьям или коллегам?»

Ответы собира��тся по шкале от 0 до 10, а далее респондентам показываются дополнительные вопросы в зависимости от выбранной оценки:

Если клиент выбирал 0–6 (критики), открывался уточняющий вопрос:
«Что стало причиной низкой оценки? Какие изменения могли бы повлиять на Ваше мнение?»
Для группы 7–8 (нейтральные):
«Что, по Вашему мнению, можно улучшить в нашем сервисе?»
Для группы 9–10 (промоутеры):
«Что Вам нравится в сервисе больше всего? Что бы Вы рекомендовали друзьям?»

В начале построения сценария опроса были опасения, что построение сценария может оказаться технически сложным, но оказалось, что добавление ветвлений сводится к нескольким кликам: выбрать условие (например, “если ответ 0–6”), задать соответствующий вопрос и визуально соединить блоки. Встроенный редактор сразу отображает схему.

Полезной оказалась и функция предпросмотра анкеты на различных устройствах: благодаря этому на этапе тестирования удалось выявить и устранить ошибки отображения на различных устройствах и проверить все сценарии опроса.

Затем я перешел к созданию кампании по опросам. Из CRM была выгружена сегментированная база клиентов, с приоритетом для тех, кто активно пользовались нашим продуктом в течение последних 12 месяцев. В платформе были настроены персонализированные приглашения к участию в опросе, благо была возможна рассылка через разные каналы (Telegram, Email).

(Данные намеренно скрыты для соблюдения конфиденциальности) — (*Данные намеренно скрыты для соблюдения конфиденциальности*)

Анализ полученных данных и расчет NPS

После завершения опроса и очистки данных от дубликатов был выполнен автоматический расчет показателя. Результаты распределились следующим образом:

Промоутеры (9–10): 30%
Нейтральные (7–8): 50%
Критики (0–6): 20%

Таким образом, итоговый показатель NPS составил +10.

Анализ открытых комментариев выявил:

Среди критиков преобладали жалобы на сложность интерфейса и низкую скорость технической поддержки.
Большинство респондентов выразили общую удовлетворенность, но не видели ярких преимуществ сервиса по сравнению с конкурентами.
Промоутеры отмечали стабильность работы сервиса и удобство совместной работы с коллегами.

Основные трудности в ходе работы

Высокая нагрузка на ручную обработку открытых комментариев (в перспективе стоит внедрить автоматический анализ текста);
Необходимость тщательного тестирования анкет для исключения ошибок и повышения конверсии.

Выводы и рекомендации

Использование платформы FBT позволило существенно сократить время на обработку данных и обеспечило наглядную визуализацию результатов опроса. Для повышения точности и полезности показателя в будущем можно:

проводить регулярный мониторинг NPS в динамике;
сегментировать респондентов по типу использования сервиса;
автоматизировать обработку текстовых комментариев с помощью инструментов тематического моделирования.

Заключение

Расчет NPS на основе клиентских опросов стал важным этапом в работе по повышению качества обслуживания и продуктовой стратегии нашего сервиса. Эти данные легли в основу предложений по улучшению функционала и коммуникации с клиентами.

Как я рассчитывал NPS с помощью опросов