对中国开发者最具吸引力的科技企业有哪些?快来为你 pick 的企业投票! 了解详情
写点什么

Airbnb 使用净推荐值 (NPS) 预测用户再次预定率

2016 年 3 月 02 日

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 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


感谢张龙对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ @丁晓昀),微信(微信号: InfoQChina )关注我们,并与我们的编辑和其他读者朋友交流(欢迎加入 InfoQ 读者交流群(已满),InfoQ 读者交流群(#2))。

2016 年 3 月 02 日 18:002645

评论

发布
暂无评论
发现更多内容

跟随报文,开启一段奇妙之旅

华为云开发者社区

报文 Windows主机 路由器 Linux主机 路由表

书单|互联网企业面试案头书之架构师篇

博文视点Broadview

架构

Cobar SQL审计的设计与实现

小楼

Disruptor Skywalking cobar 数据库中间件

java好还是嵌入式好?做IT开发该如何选择

cdhqyj

Java 编程 发展 开发 嵌入式

【遇见Doris】基于Apache Doris的小米增长分析平台实践

ApacheDoris

技术实践丨Prometheus+Grafana搭建HBase监控仪表盘

华为云开发者社区

开源 Grafana Prometheus HBase 开源数据库

智慧公安重点人员管控系统开发,情报合成研判平台建设方案

WX13823153201

对于移动开发,人工智能的到来意味着什么?

故胤道长

人工智能 机器学习 ios开发 Android开发

墨天轮精选:数据库问答集萃第一期-2021

墨天轮

MySQL 数据库 sql dba

字节跳动单点恢复功能及 Regional CheckPoint 优化实践

Apache Flink

flink

Adobe国际认证的脱颖而出,让摸鱼、秃头小宝贝不再是宿命?

Adobe国际认证

Github连夜下架!阿里新产Java全栈面试突击小册太香了

神奇小汤圆

Java 程序员 架构 面试

终于有阿里高工把SpringBoot+SpringCloud+Docker+MQ整合在一起了

Java架构追梦

Java 架构 微服务 springboot SpringCloud

力扣(LeetCode)刷题,简单题(第16期)

不脱发的程序猿

LeetCode 面试刷题 28天写作 算法面经 3月日更

揭秘盒马鲜生,如何打破收益增长天花板!

博文视点Broadview

分布式任务 + 消息队列框架 go-queue

Kevin Wan

go 微服务 分布式任务 消息队列

vivo 应用商店推荐系统探索与实践

vivo互联网技术

架构 推荐系统 服务器

力扣(LeetCode)刷题,简单题(第15期)

不脱发的程序猿

LeetCode 编程之路 28天写作 算法面经 3月日更

基于感染原理判断图的连通性算法

大奎

图算法 子图 连通性

【Doris Weekly】2020.03.08~2021.03.21

ApacheDoris

【Doris Weekly】

彩色图像的二值化,取经之旅第 6 天

梦想橡皮擦

28天写作 3月日更

Flink SQL 在网易云音乐的产品化实践

Apache Flink

flink

开发也要防“沉迷”?IDEA插件教程详解

京东科技开发者

Java 开发 IntelliJ IDEA

EGG公链强势来袭!去中心化社交革命先驱EFTalk

币圈那点事

数据库周刊62丨央企2021年数据库成交公告,国产占90%;流数据库HStreamDB开源;MySQL主从双写导致数据丢失;Oracle 19c升级最佳实践;PG日常工作分享;MySQL MGR运维指南;SQL语法手册……

墨天轮

MySQL 数据库 sql postgre

【LeetCode】位1的个数Java题解

HQ数字卡

算法 LeetCode 3月日更

一文了解数据库资源管理技术

华为云开发者社区

数据库 存储 GaussDB(DWS) 资源管理

uni-app跨端开发H5、小程序、IOS、Android(六):uni-app事件绑定

黑马腾云

微信小程序 uni-app 前端框架 iOS Developer 3月日更

ThreadLocal 慌不慌?

叫练

JVM ThreadLocal 引用 软引用

【IstioCon 2021】最佳实践:从Spring Cloud 到 Istio

华为云原生团队

开源 Kubernetes 云原生 istio 服务网格

精选2021互联网大厂Java核心面试题库(金三银四面试必备)

比伯

Java 编程 架构 面试 程序人生

混合云之争的开端与终途

混合云之争的开端与终途

Airbnb使用净推荐值(NPS)预测用户再次预定率-InfoQ