为了避免同样的膨胀满意时，NPS 严格只关注 9 和 10 分。因此，严格的统计数据保证了净推荐值系统在全球范围内的成功。
此外，除 NPS 的其他重要优势外，我们还具有以下优势：
整个测量系统配置快速且简单。
它可以通过任何联系方式进行部署：个人对个人、电子邮件、社交网络、网页、WhatsApp、短信、电话等。
对于用户来说，这是一个非常容易回答的调查。
保持客户的匿名性。
作为一种战略工具，它受到商业界的尊重和认可，并受到营销部门的喜爱。
它允许您获得几乎任何方面的评论：产品、服务、活动、客户服务、技术支持、客户体验等。
有许多免费和付费的数字平台可用于自动化 NPS 测量。
作为主要缺点，我们可以指出，净推荐值的优势也是其弱点：它专注于单一指标。对于需要捕获、处理和分析更多用户数据以获得多元化格局的组织来说，这是一个缺点。
然而，需要澄清的是，与客户满意度相关的一切都是一个相当广泛的生态系统，其中必须有不同的策略、工具和指标介入。NPS 只是最重要的衡量标准之一，但不是唯一的衡量标准。
此外，在许多公司中，就像我们在InboundCycle所做的那样，NPS 调查会辅以一个小的空白邮箱，以便客户可以表达自己的意见。因此，如果您愿意，您可以解释得分的原因，这为组织提供了有关 NPS 结果的更丰富的背景信息，从而设法解决该系统可能存在的任何缺陷。
New Call-to-action
除了 NPS 之外，还可以使用哪些指标或指标？
2004 年，质量控制专家Armand Feigenbaum表示：“质量就是客户所说的。”
因此，我们必须问自己的问题是：我们如何知道客户对我们的产品或服务质量的看法？
没有任何一项调查能够如此有效地为我们提供准确的答案，或者如此完整以至于客户愿意花时间完整地回答它。因此，我们进行了一系列非常简短的调查，为我们提供了有关客户观点的非常具体的信息。
还有其他方法不包括调查，而是基于消费者行为分析的计算。从这个意义上说，我们的目标是通过客户的行动而不是他们的反应来获取“客户的意见”。
因此，通过各种类型的调查和计算，获得不同的度量和指标，我们成功地拼凑出了“客户”这个难题。
NPS 就是此类指标之一，其他一些指标如下：
CSAT：客户满意度分数通过诸如“您对 X 服务的满意度如何？”等问题直接衡量客户的满意度，回答选项范围从 1 到 5 甚至10.
CES：客户努力分数评估客户为完成与公司的互动、使用产品或服务而付出的努力水平。例如，要问的问题应该是“您使用 X 服务有多容易？”，能够用从 1 到 7 的等级来回答。
与NPS一样，首次提及 CES 是在《哈佛商业评论》2010 年的文章“停止试图取悦您的客户”中。
CCR：客户流失率是一个指标，不是通过调查获得的，而是通过计算在一段时间内停止与公司互动的客户来获得的。
CPS：客户盈利能力分数是对客户在公司花费的金额的计算，与公司为满足他们而投资的金额进行对比。
CLTV：客户终身价值包括预测每个客户作为公司客户在其整个生命周期中可以提供的盈利能力。
将 NPS 结果转化为公司改进的关键
根据伦敦政治经济学院的《倡导推动增长》报告，平均而言，NPS 增长 7% 意味着销售水平增长 1%。
根据贝恩公司的研究，在B2B 业务中，根据 NPS 指数，推荐者的客户的平均寿命是贬低者的 3 到 12 倍。
这些数据和许多其他数据表明，净推荐值工具是组织管理的基本指南针。这种衡量机制使我们能够获得一系列必要的见解，以设计越来越好的策略。然而，有必要考虑一系列关键因素，将 NPS 数据转化为企业的切实利益。其中一些键是：
要意识到，提高 NPS 指数是整个组织的任务，而不仅仅是营销部门的任务，正如人们通常认为的那样。客户是否愿意推荐该公司与多种因素有关，可能涉及市场和销售部门、客户服务、技术协助、产品设计等
管理者和决策者有责任促进整个组织文化，将以客户为中心的方法注入公司的深处。各级每位员工都必须努力提高客户满意度。
根据 NPS 分类，企业应尽最大努力留住促销员，例如考虑到：
将客户保留率提高 2% 与降低成本 10% 具有相同的效果（如何使用净推荐值推动业务增长- Satmetrix）。
80% 的营销经理认为，留住老客户比挽回失去的客户更经济，正如 79% 的营销经理认为，留住客户比吸引新客户更经济（《忠诚度晴雨表：忠诚度的挑战》）西班牙公司– IE University 和 InLoyalty）。
忠诚度策略和衡量忠诚度的计划应尽可能个性化和情感化。目标是加强顾客与品牌之间的情感纽带，因为根据尼尔森消费者神经科学先驱AK Pradeep 博士的说法，95% 的顾客决策都发生在他们的潜意识中。
推荐或口碑营销的好处太强大了，不容侥幸。通过了解他们的促销员客户是谁，组织必须让他们参与战略规划的推荐或推荐计划，利用这些客户已经推荐品牌的自然动机。最常用的一些技术包括推荐、评论、通过社交网络上的标签进行传播或推荐奖金等。