净启动子得分℠是对客户倡导和忠诚度的可靠度量，由三分之二的财富1000家公司使用。它的全球采用基于许多因素，包括简单的问题：“您将[公司/品牌]推荐给朋友或同事的可能性有多大？”这个简短的问题是NP的骨干^®以及大多数客户调查的组成部分。领先的组织从这些研究中获取宝贵的见解，并利用它们来创造出色的客户体验。

然而，近年来，调查响应率一直在下降。当公司争夺关注时，客户遭到反馈要求的轰炸。现在，任何给定的调查都可能在低单位数字中具有响应率。这意味着一家公司只能从其客户群的一小部分收集明确的反馈，而对大多数客户的看法几乎使其视而不见。但是，我们知道，除明确的反馈外，许多公司都拥有大量的客户数据。

输入预测NP。这个想法很简单：即使在没有调查的情况下，通过使用高级分析工具来处理和建模所有与该客户有关的结构化和非结构化数据，预测NP即使在没有调查的情况下，也可以渗透客户的NPS状态（启动子，被动或批评者）。但是，它需要一项细致而有条理的努力来汇集所需的要素：愿景，数据，技术，才华和采取行动的承诺。

我们能否通过分析我们所知道的有关该客户的所有知识，例如她的人口统计资料，产品所有权，交易历史记录，与公司的互动以及其他行为指标来推断客户是否对公司感到高兴或烦恼？我们近几个月来我们建立的各种模型都证实了预测性NP可以很好地做到这一点。

仅仅一个例子，我们与一家金融服务公司合作，建立了一个模型，该模型可以预测给客户服务中心的电话的可能结果。我们收集了围绕电话的运营指标（例如，持有时间，谈话时间和转移数量），客户最近的交易以及她的数字足迹。此外，我们还部署了高级自然语言处理算法来分析呼叫笔录以提取呼叫原因，意图和情感。最后，我们使用标记的NPS数据作为目标变量，将这些结构化和非结构化数据馈送到许多机器学习算法中。

结果：预测NPS状态的总体精度高于80％，在识别批评者的基线上的四倍提升。我们还通过诸如局部可解释的模型不合Snostic解释（Lime）和Shapley添加性解释（SHAP）等技术（SHAP）确定了每个单独预测的关键驱动因素。这些本地模型可解释性方法在单个客户级别上了解了更量身定制的动作，包括前线经理的有针对性回调。

预测NP具有多种好处，可以帮助建立与客户建立更好关系的过程。它使公司能够监视大多数客户的脉搏，而不是提供明确反馈的SLIVER。它为客户体验团队提供了信息和工具，以实时进行干预和改善客户结果。它允许管理者预期而不是对客户行为做出反应。随着客户期望的快速变化，预测性NP可以指向卓越的客户体验，降低运营成本和竞争差异化的道路。

---

净启动子得分℠是服务标记，NPS^®Bain＆Company，Inc。的注册商标，SatmBOB体育appetrix Systems，Inc。和Fred Reichheld。