MENU

NPSの具体例|顧客理解・商品企画での活用イメージを解説

NPSは、顧客が商品・サービスをどの程度他者へすすめたいと思っているかを、0〜10点の回答から整理する指標です。

ただし、NPSは数値だけ見ても改善策は決まりません。実務で価値を出すには、「誰に聞いたのか」「どの顧客層で差があるのか」「なぜその点数なのか」「何を変えたら改善するのか」まで確認する必要があります。

この記事では、法人向け業務SaaSのオンボーディング改善を題材に、背景→課題→なぜNPSを使ったのか→調査設計→100人の回答→NPS算出→セグメント差→自由記述→改善施策→再測定→学びまで、1つのケースとして通して解説します。

NPSの基本から確認したい場合は、NPSとは?を参照してください。具体的な手順は、NPSのやり方で確認できます。

目次

ケースの背景|新規契約は増えているのに、導入後の不満が見えない

ある法人向け業務SaaSでは、新規契約数は順調に増えていました。

一方で、導入後3か月以内の問い合わせ件数も増えており、カスタマーサクセスでは、

  • 初期設定に時間がかかる
  • 権限設定が分かりにくい
  • CSV移行でつまずく
  • サポートへの問い合わせが集中する

といった声が上がっていました。

経営会議では「解約率はまだ大きく悪化していない」という意見もありましたが、現場では「不満が蓄積している顧客がいるのではないか」という懸念がありました。

課題|問い合わせ件数だけでは顧客全体の状態が分からない

問い合わせ件数を見ると、困っている顧客の一部は分かります。

しかし、それだけでは、

  • 問い合わせをせず我慢している顧客
  • 問題なく使えている顧客
  • 強く満足している顧客
  • 導入支援の有無で体験が違う顧客

まで把握できません。

そこで、顧客全体の推奨意向を数値で把握し、その理由を自由記述で確認するため、NPSを使うことにしました。

なぜNPSを使ったのか

今回知りたかったのは、「満足しているか」だけではありませんでした。

確認したかったのは、

導入3か月後の顧客が、このサービスを他者へすすめたいと思う状態にあるか

推奨しない顧客は、何につまずいているのか

どの顧客層で不満が強いのか

という点です。

そのため、0〜10点の推奨度と自由記述を組み合わせてNPSを測ることにしました。

調査対象をそろえた

対象顧客は次の条件にそろえました。

  • 契約開始から3か月経過
  • 月1回以上利用
  • 従業員100〜500人規模
  • 管理部門の主担当者

導入直後の顧客や、長期利用顧客を混ぜると体験段階が違うため、今回は「導入3か月後」に限定しました。

また、回答者属性として、

  • 管理者/一般利用者
  • 導入支援あり/なし
  • 契約規模
  • 利用頻度

を記録しました。

質問を設計した

推奨度質問は、次の形にしました。

このサービスを、同じような業務課題を持つ知人や同僚にすすめる可能性はどのくらいありますか?

回答は0〜10点です。

さらに、点数理由を確認するために、

その点数を付けた最も大きな理由を教えてください。

と聞きました。

改善につなげるため、

1点上げるために、どのような改善があるとよいですか?

という自由記述も加えました。

100人から回答を集めた

アンケートは管理画面とメールで案内し、100人から回答を得ました。

NPSでは、回答者を次の3区分へ分けます。

  • 推奨者:9〜10点
  • 中立者:7〜8点
  • 批判者:0〜6点

今回の結果は、

  • 推奨者:42人
  • 中立者:33人
  • 批判者:25人

でした。

NPSを計算した

NPSは、推奨者の割合から批判者の割合を引きます。

NPS = 推奨者の割合 - 批判者の割合

今回のケースでは、

  • 推奨者:42%
  • 批判者:25%

なので、

42 – 25 = +17

です。

全体NPSは+17となりました。

+17という数字だけでは結論を出さなかった

会議では当初、「プラスだから悪くないのでは」という意見も出ました。

しかし、NPSの単独値だけでは判断できません。

同じ+17でも、顧客セグメントごとに大きな差がある可能性があるからです。

そこで、次に属性別に確認しました。

導入支援の有無で大きな差があった

導入支援の有無で分けると、

  • 導入支援あり:NPS +32
  • 導入支援なし:NPS -4

でした。

全体NPSは+17でも、導入支援なし顧客ではマイナスです。

この差から、問題はサービス全体というより、「支援なしで導入する顧客の初期体験」に集中している可能性があると判断しました。

管理者と一般利用者でも差があった

さらに、

  • 管理者:NPS +25
  • 一般利用者:NPS +8

という差があったとします。

管理者は設定や運用方針を理解したうえで使うことが多い一方、一般利用者は初期設定後に日常業務で使うため、画面操作やデータ移行の不便を強く感じる可能性があります。

ただし、この段階で推測だけで結論は出しませんでした。

自由記述を確認します。

批判者の自由記述を整理した

批判者25人のコメントをテーマ別に整理すると、次のようになりました。

  • 初期設定が複雑:10人
  • 権限設定が分かりにくい:6人
  • CSV移行に時間がかかる:5人
  • サポート回答が遅い:4人

最も多かったのは「初期設定が複雑」です。

さらにコメントを読むと、

  • 最初に何を設定すべきか分からない
  • 必須と任意の区別がない
  • 権限設定の選択肢が多い
  • CSVエラーの理由が分かりにくい

といった具体的なつまずきが見つかりました。

推奨者の自由記述も確認した

批判者だけを見ると、改善すべき点は分かります。

しかし、推奨者が何を評価しているかも重要です。

推奨者42人のコメントでは、

  • 導入担当者の支援が丁寧
  • 日常業務を標準化しやすい
  • 管理者向け機能が使いやすい
  • 操作ルールを社内へ展開しやすい

といった理由が多かったとします。

つまり、導入支援そのものが推奨理由になっていました。

この結果から、単純に機能追加を増やすより、導入支援なしでも一定の体験品質を再現できるようにする方が優先度は高いと判断しました。

改善テーマを決めた

NPS、セグメント差、自由記述を合わせ、最優先テーマを、

導入支援なし顧客の初期設定体験を改善する

としました。

改善施策は次の4つです。

1. 初期設定項目を分ける

「初回必須」と「後から設定可能」を分け、最初から全項目を埋めなくても使い始められるようにしました。

2. 初期設定チェックリストを追加する

導入支援担当者が行っていた説明を、顧客自身でも追える形にしました。

3. 権限設定をテンプレート化する

「一般社員」「管理者」「承認者」など、よく使うパターンを用意し、ゼロから権限を組み立てる負担を減らしました。

4. CSV移行ガイドを改善する

エラー理由を行単位で確認できるようにし、サンプルCSVと修正例を追加しました。

改善前と改善後の違い

改善前

  • 全体NPSだけを見る
  • +17だから大きな問題はないと考える
  • 問い合わせ件数だけで課題を推測する
  • 導入支援あり/なしを分けない
  • 批判者の理由を具体化しない

改善後

  • 全体NPSと3区分を記録
  • 導入支援あり+32、なし-4を確認
  • 批判者25人の理由をテーマ化
  • 推奨者の評価理由も確認
  • 導入支援なし顧客の初期設定を最優先に設定
  • 施策と再測定条件まで決める

3か月後に再測定した

改善後、同じ条件で再測定しました。

対象は前回と同じ、

  • 契約開始3か月
  • 月1回以上利用
  • 従業員100〜500人規模
  • 管理部門の主担当者

です。

質問文も同じにしました。

再測定では、全体NPSだけでなく、

  • 推奨者比率
  • 中立者比率
  • 批判者比率
  • 導入支援なし顧客のNPS
  • 「初期設定が複雑」という自由記述件数
  • CSV移行関連の不満件数

を確認しました。

再測定結果|全体NPSより、批判者理由の変化を重視した

3か月後、仮に結果が、

  • 推奨者:47人
  • 中立者:34人
  • 批判者:19人

だったとします。

NPSは、

47 – 19 = +28

です。

全体NPSは+17から+28へ上がりました。

ただし、改善判断でより重要だったのは、導入支援なし顧客のNPSと自由記述の変化です。

導入支援なし顧客が、

  • 前回:-4
  • 今回:+14

まで改善し、「初期設定が複雑」というコメントも10件から4件へ減ったとします。

この結果から、今回の改善施策が狙った顧客層と課題に効いた可能性が高いと判断しました。

一方で、「サポート回答が遅い」というコメントが4件から5件へ増えていたなら、次の改善テーマとしてサポート体制を検討します。

なぜ「NPSが上がった」で終わらなかったのか

NPSは結果指標です。

+17から+28へ上がっても、何が効いたのか分からなければ再現できません。

今回は、

  • 対象顧客条件を固定
  • セグメント差を確認
  • 自由記述をテーマ化
  • 改善対象を限定
  • 再測定時に同じ条件で比較

したことで、数字の変化と施策を結び付けやすくなりました。

このケースでNPSが役立ったポイント

1. 全体平均の裏にある問題を見つけられた

全体NPS+17だけでは見えなかった、導入支援なし顧客のNPS-4を発見できました。

2. 問い合わせをしない不満顧客も含めて見られた

問い合わせ件数だけでは見えない顧客の推奨意向を確認できました。

3. 自由記述から改善テーマを具体化できた

「初期設定が複雑」という声を、必須項目整理、チェックリスト、権限テンプレート、CSVガイド改善へつなげました。

4. 推奨理由も維持対象として見られた

導入支援の丁寧さが推奨理由であることが分かり、その良さをセルフオンボーディングへ移植する発想につながりました。

5. 改善前後を同じ条件で比較できた

対象顧客、タイミング、質問を固定したため、スコア差を解釈しやすくなりました。

自分の業務へ置き換えるときの考え方

自社の商品・サービスへ適用する場合は、次の順番で考えると使いやすくなります。

  • 何を改善するためにNPSを測るか
  • 誰を対象にするか
  • どのタイミングで聞くか
  • 0〜10点の推奨度質問をどう書くか
  • 点数理由をどう聞くか
  • 回答者属性を何まで残すか
  • 推奨者・中立者・批判者の比率はどうか
  • 全体NPS以外にどのセグメントを見るか
  • 批判者は何に困っているか
  • 推奨者は何を評価しているか
  • どの課題を改善するか
  • 次回いつ、同じ条件で測るか

そのまま使える入力型が必要なら、NPSテンプレートを使うと、調査目的、対象顧客、質問、3区分、NPS、セグメント差、自由記述、改善テーマ、再測定まで整理できます。

よくある失敗を先に確認したい場合は、NPSで失敗しやすいポイントも参考になります。生成AIを補助的に使って自由記述の整理や改善候補の洗い出しを効率化したい場合は、生成AIでNPSを使う方法も参照してください。

このケースから学べるチェックポイント

  • 調査目的を明確にしたか
  • 対象顧客を固定したか
  • 調査タイミングを固定したか
  • 推奨度質問を0〜10点で聞いたか
  • 点数理由を自由記述で聞いたか
  • 回答者属性を記録したか
  • 推奨者9〜10点、中立者7〜8点、批判者0〜6点へ正しく分類したか
  • NPSを正しく計算したか
  • 母数と3区分比率を残したか
  • 全体NPSだけで判断していないか
  • セグメント差を見たか
  • 批判者の理由をテーマ化したか
  • 推奨者の理由も確認したか
  • 改善テーマを1〜数件へ絞ったか
  • 担当と期限を決めたか
  • 同じ条件で再測定したか

まとめ

このケースでは、法人向け業務SaaSの導入3か月後顧客100人を対象にNPSを測定しました。

推奨者42人、中立者33人、批判者25人で、NPSは+17でした。

ただし、全体値だけではなく、導入支援あり+32、導入支援なし-4という差を確認しました。さらに批判者の自由記述から、初期設定が複雑10人、権限設定が分かりにくい6人、CSV移行が大変5人、サポート回答が遅い4人という課題を整理しました。

その結果、最優先を導入支援なし顧客の初期設定改善とし、設定項目の整理、初期設定チェックリスト、権限テンプレート、CSV移行ガイド改善へつなげました。

3か月後に同条件で再測定し、仮に推奨者47人、批判者19人となればNPSは+28です。さらに導入支援なし顧客が-4から+14へ改善し、「初期設定が複雑」というコメントが10件から4件へ減っていれば、施策が狙った課題へ効いた可能性を確認できます。

NPSの価値は、1つのスコアを追うことではありません。「誰が、なぜ推奨しないのか」を特定し、改善施策を実行し、同じ条件で再測定して変化を確認することにあります。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次