tft每日頭條

 > 職場

 > 如何提高公司淨推薦值

如何提高公司淨推薦值

職場 更新时间:2024-07-23 00:29:45

如何提高公司淨推薦值?員工淨推薦值(eNPS)是基于NPS系統本身的衍生工具,與NPS的理念和邏輯大緻相同,區别是把調查主體由“客戶”轉變為“員工”本文作者對eNPS進行了分析,一起來看一下吧,下面我們就來聊聊關于如何提高公司淨推薦值?接下來我們就一起去了解一下吧!

如何提高公司淨推薦值(關于員工淨推薦值)1

如何提高公司淨推薦值

員工淨推薦值(eNPS)是基于NPS系統本身的衍生工具,與NPS的理念和邏輯大緻相同,區别是把調查主體由“客戶”轉變為“員工”。本文作者對eNPS進行了分析,一起來看一下吧。

一、什麼是 eNPS ?

員工淨推薦值(Employee Net Promoter Score,簡稱 eNPS),是基于 NPS 系統本身的衍生工具。

eNPS 與 NPS 的理念和計算邏輯大緻相同,區别是把調查主體由“客戶”轉變為“員工”。企業可以利用 eNPS 來了解員工在企業工作的滿意度,以及他們将企業的工作崗位推薦給他人的可能性。

eNPS 量表題:你向朋友或同事推薦[某某公司]的可能性有多大?

采用 11 級量表,根據打分情況将答題者劃為三類:推薦者(9-10分)、中立者( 7-8分)和貶損者(0-6分)。

員工淨推薦值主要是衡量員工對雇主的看法,eNPS 有助于幫助組織塑造其員工價值,在與員工之間建立情感聯系、承諾和忠誠度,并改善雇主品牌。

eNPS 開放題:你為什麼給出這個回答?

開放題同樣提供了解釋定量分數的定性數據,可以了解可以在哪些地方去改善員工體驗。

二、如何計算 eNPS ?

計算公式:

eNPS = 推薦者% – 貶損者%

eNPS 計算示例:

某家擁有 100 名員工的公司進行 eNPS 評分,調查顯示:

20 個批評者 = 10%

30 個被動項 = 30%

50 個發起人 = 60%

eNPS = 60 – 10 = 40

員工淨推薦值 eNPS 得分為: 40

eNPS 得分是推薦者和貶損者之間的占比差,範圍會在 -100 到 100 之間。

通過測量 eNPS,目标是為員工創造更好的工作環境來提高整個企業的參與度,進而轉變為客戶體驗的提升。

三、eNPS 怎麼才算好?

eNPS 的得分基準同樣因行業不同而有所差别。據國外研究數據庫,整體的 eNPS 的基準值在 12-14 分之間。

這聽起來感覺分數很低,員工與企業之間的複雜關系,有些員工隻會給中間評分(7或8分),因為他們覺得凡事都有可改善的空間。

事實上其實員工已經傾向于推薦公司了,雖然 eNPS 并不考慮中立的群體,不過這種情況對于企業來說也是一個積極的表現。

eNPS 得分一般 0-30 分會被認為是一個不錯的分數,高于 30 分說明企業目前做的不錯,而 0 分是企業與員工關系打破平衡的臨界點。

一些特定的行業,我有收集一些智庫發布的 eNPS 基準,僅供參考。

eNPS 行業基準值:

電信業:27

制造業:13

銀行業:12-17

百貨業:負數

信息技術:26

醫療保健:-6.5

還有,對于人員流動比較快的勞動密集型、服務業來說,分數會更低一些。

信息技術(科技業)中雖然基準值為 26,但細分在不同員工規模的企業來說得分差距會很大,中小型科技公司的 eNPS 得分會在比較高,像 Hiya (200 人以内) 2022 年 eNPS 得分為 80。

而大規模或超大規模的科技公司,反而得分會低很多,像 Meta (萬以上) 2022 年 eNPS 得分為 36;Apple(萬以上)2022 年 eNPS 得分為 19。

此外,正值行業風口的行業,伴随着更高的薪資、更大的發展空間、更新穎的産品或服務,都會讓員工認為自己所從事工作的意義感增加,也會助長eNPS 的提升。

說白了,eNPS 就是一種集體共識的表征形式。

四、eNPS的解讀誤區

還有,在 eNPS 存在一些數據解讀的誤區。比如 A 公司的所有員工評分為 7 或 8,因此 eNPS 為 0。而 B 公司則是推薦者與批評者數量一樣,兩者相減 eNPS 也為 0。

雖然 eNPS 得分相同,但在員工評分的分布卻有很大的差别,這種差别僅從最終得分中是無法判斷的,而真實情況是 A 公司總體表現上要優于 B 公司。

五、eNPS 和 NPS 的關系

Apple 公司有一個觀點,認為組織中 eNPS 和 NPS 兩種衡量标準之間存在正相關,而這種協同關系符合“服務利潤鍊模型”,即積極的員工體驗有助于産生積極的客戶體驗。

服務利潤鍊的構成因素圖

六、eNPS的使用陷阱

注意,在企業導入 eNPS 需要關注這些陷阱:

過分強調分數

測量頻率過高

行業基準差異大

缺少定性數據輔助分析

容易混淆 eNPS 和 NPS

企業規模影響分數

得分背後的分布不易察覺

專欄作家

龍國富,龍國富,人人都是産品經理專欄作家,CxHub主理人。緻力于終身學習和自我提升,分享用戶研究、客戶體驗、服務科學等領域資訊,觀點和個人見解。

本文原創發布于人人都是産品經理,未經授權,禁止轉載。

題圖來自Unsplash,基于CC0協議。

該文觀點僅代表作者本人,人人都是産品經理平台僅提供信息存儲空間服務。

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关職場资讯推荐

热门職場资讯推荐

网友关注

Copyright 2023-2024 - www.tftnews.com All Rights Reserved