各位亲爱的读者，前几天在一个群内有位行业独角兽企业的行政人，咨询了企业使用NPS值（感兴趣的读者请直接百度，就不在这里骗字数了）来测算满意度的事情。事情也很有意思。

他们企业委托客服团队，涉及了NPS调查问卷，直接咨询“你对行政的满意度是多少？”一份到十分，结果是行政得到的NPS值差的一塌糊涂。且不说结果能否代表这家企业行政服务的真实情况，从这个问卷上来说，其得到的数据，对后续行政的改善没有半点帮助。

因为不清楚这个调查项目的详细经过，笔者试着对以下几个点来挑挑刺：

1、数据量：从统计学上来说，只要数据量够大，再糟糕的问题就能得到近似事实的统计结果，但对于一家企业的内部调查来说，往往得到的数据量连总人群数的10%都覆盖不到，那就不能说得到的统计结果能近似事实了。

2、问卷的设计：笔者在行政联盟上有写过一篇关于如何进行问卷设计来影响最终得分的文章，有兴趣的读者可以去看一下。其中有个观点是，从各类文献资料看，前后题目与默认选项及0到10是从左往右还是从右往左，都会对小样本下的统计结果产生明显的影响。

3、统计方式：样本是否经过选择，单项问题的结果是否与其他问题进行了交叉测试。

说了这么些，其实想引出一个问题：“做调研的目的是什么？”

有些人可能会说，是为了合适的调研数据，没错。

有些人可能会说，是为了发现问题，非常好。

有些人会进一步的说，是为了从数据中找到如何改善的方向。宾果，和笔者的想法不谋而合。

所谓当局者迷，旁观者清，笔者觉得做任何调研，其核心还是在于通过调研发现问题，通过问题找到改善的方向。即本文标题所说的“关键要素驱动分析”。

让我们来虚构一个情境和数据的调查案例来进行说明吧。

假设你是员工餐厅的负责人，在一个月一次的例行调查准备时，你听说了NPS，准备通过NPS来进行调查。你准备了以下问卷来对内部客户进行调查。

1. 你有多大的可能推荐其他伙伴也来吃员工餐厅？

2. 你对取餐的速度满意程度是？

3. 你对菜色满意程度是？

4. 你对服务员态度满意程度是？

回收问卷后，得到了下面的结果，因为预算有限，你需要在取餐速度、菜色、服务员态度内选择一个驱动要素来优先进行改进，那我们开始做关键驱动要素分析吧。

Step1：算出每一个驱动要素的平均满意度

Step2：计算取餐速度、菜色及服务员态度这3个要素与NPS分数的相关系数（找关联性）

很多时候，我们做数据分析，会停留在看到“菜色”的满意度最低就去改进这个程度上，但是只测量满意度并不知道其对最核心的NPS的影响程度，还是很可能将资源花错地方去改进了内部客户不满意但与NPS不一定强相关的驱动要素。

那我们需要怎么做呢？我们可以选择用相关系数（感兴趣的请自行百度）来了解各个要素与NPS之前的相关性。通过相关系数计算可以得到从-1.0到+1.0的数据结果，越接近1表示两者的关联度高，越接近0则表示两者的关联度低，而正向的结果表示当其中一方数据的变化将导致另一方同向变化，就是A增加了，B也会增加。负向的结果则是当其中一方数据的变化，会引起另外一方反向变化，就是A增加了，B会减少。

计算相关系数，现在也不复杂，在excel内直接有相关函数可以直接获得结果。通过计算，我们可以得到以下的相关系数计算表。

Step3：结果进行可视化

当你做好了各驱动要度的满意度和与整体NPS的相关系数后，为了让决策层能更有效率地进行判断，你可以把结果可视化，x轴放平均分，y轴放关联度，这样就更加的一目了然了。

从图中可以看到“菜色”此关键要素，满意度差，关联度又高，表示是影响NPS的关键，从数据上看，我们应该就“菜色”作为重要改善项目进行改善，才能提高NPS值。

好了，说了这么多，大家对如何进行关键驱动要素分析是否有了概念呢？其核心在于：

1、样本量要足够大，这里的足够大是样本数量最好能超过总人数的20%

2、学会使用相关系数来寻找关键驱动因素

今天就先到这里啦，如果觉得好，还请期待下一次的分享哈。