フレームワーク活用ガイドひとことで言うと#
「この製品・サービスを友人や同僚に薦める可能性は？」という1つの質問で顧客ロイヤルティを測定し、推奨者（Promoter）・中立者（Passive）・批判者（Detractor）に分類して改善のヒントを得る手法。シンプルだが強力な顧客分析の基盤になる。
押さえておきたい用語#
- 推奨者（Promoter）
- NPSで9〜10点をつけた熱狂的なファンのこと。口コミで広めてくれる存在であり、LTVも高い傾向がある。
- 中立者（Passive）
- NPSで7〜8点をつけた満足はしているが積極的には薦めない層のこと。競合に流れるリスクがあり、推奨者に引き上げる施策が有効。
- 批判者（Detractor）
- NPSで0〜6点をつけた不満を持つ層のこと。ネガティブな口コミを広める可能性があり、改善の最優先ターゲット。
- ドライバー分析
- NPSスコアに最も影響を与えている要因を統計的に特定する分析手法。相関分析や回帰分析で「何を改善すればNPSが上がるか」を明らかにする。
- トランザクショナルNPS
- 特定のタッチポイント（購入後、サポート利用後など）で測定するイベント型NPSのこと。リレーショナルNPS（定期的な全体測定）と使い分ける。
NPS分析の全体像#
こんな悩みに効く#
- 顧客満足度調査をやっているが、結果をどう改善に活かせばいいかわからない
- 解約しそうな顧客を早めに見つけたい
- 顧客の声を経営レベルの指標にしたい
基本の使い方#
顧客に対して以下の質問をする。
「この製品/サービスを友人や同僚に薦める可能性はどのくらいですか？（0〜10の11段階）」
回答に基づき3つのグループに分類：
- 9〜10点: 推奨者（Promoter） — 熱狂的なファン。口コミで広めてくれる
- 7〜8点: 中立者（Passive） — 満足しているが積極的には薦めない
- 0〜6点: 批判者（Detractor） — 不満を持ち、ネガティブな口コミを広める可能性
NPS = 推奨者の割合（%）- 批判者の割合（%）
例：推奨者40% - 批判者20% = NPS +20
NPS質問に加えて**「そのスコアの理由は何ですか？」**というフリーコメントを必ず聞く。
分析方法：
- 推奨者のコメント → 自社の強みが見える（維持・強化すべきポイント）
- 批判者のコメント → 自社の弱みが見える（優先的に改善すべきポイント）
- テキストマイニングでキーワードの頻出度を分析
コメントが大量にある場合は、トピック分類を行い、「何に対する不満が最も多いか」を定量化する。
全体のNPSだけでなく、セグメント別のNPSを算出して比較する。
切り口の例：
- 利用期間別: 新規顧客 vs 長期顧客
- プラン別: 無料プラン vs 有料プラン
- タッチポイント別: サポート利用後 vs 通常利用
- 顧客属性別: 業種、規模、地域
比較することで「どこにNPSの改善余地があるか」が明確になる。
例：全体NPS +20だが、利用開始3ヶ月以内の顧客のNPSは-10 → オンボーディングに問題がある。
NPSスコアに**最も影響を与えている要因（ドライバー）**を統計的に特定する。
方法：
- NPS以外にも複数の満足度項目（使いやすさ、サポート、価格など）を聞いておく
- 各項目とNPSの相関分析や回帰分析を行う
- 「NPSへの影響度が大きい」×「現在の満足度が低い」項目が改善の最優先ターゲット
| 項目 | NPSへの影響度 | 現在の満足度 | 優先度 |
|---|---|---|---|
| 使いやすさ | 高 | 低 | 最優先 |
| サポート対応 | 高 | 高 | 維持 |
| 価格 | 中 | 中 | 中期改善 |
| 機能の豊富さ | 低 | 低 | 後回し |
具体例#
状況: 法人向けプロジェクト管理ツール。ユーザー数は順調に伸びているが、最近解約が増えている。
NPS測定結果（回答者500社）:
- 推奨者（9-10）: 30%、中立者（7-8）: 35%、批判者（0-6）: 35%
- NPS = -5（業界平均+15に対して低い）
セグメント別分析:
| セグメント | NPS | 特徴 |
|---|---|---|
| 利用1年以上 | +25 | 長期ユーザーは高ロイヤルティ |
| 利用3ヶ月未満 | -30 | 新規ユーザーが圧倒的に低い |
批判者コメント分析で判明した最大の不満: 「初期設定が複雑すぎてチームに浸透しない」（45件）
ドライバー分析結果: 「初期設定の簡便さ」がNPSに最も強い影響（相関係数0.72）
施策: オンボーディングフローの簡素化＋対話型セットアップウィザードの導入。
結果: 3ヶ月後、新規ユーザーのNPSが-30→-5に改善。全体NPSは-5→+12に向上。
状況: 飲食チェーン30店舗。全体の顧客満足度は高いが、一部店舗で口コミ評価が低下。
トランザクショナルNPS: 来店後にレシートのQRコードからNPSを回答（月間回答数3,000件）
発見:
| 店舗グループ | NPS | 回答数 |
|---|---|---|
| 上位10店舗 | +55 | 1,200件 |
| 中位10店舗 | +30 | 1,000件 |
| 下位10店舗 | -5 | 800件 |
下位10店舗の批判者コメント分析: 「待ち時間が長い」（38%）、「スタッフの対応が冷たい」（25%）
施策: 下位店舗にオペレーション改善コンサルを投入。待ち時間の見える化と接客研修を実施。
結果: 6ヶ月後、下位10店舗のNPSが-5→+22に改善。全体の口コミ評価が3.8→4.2に向上。
状況: サブスクボックスEC。月間NPS調査を実施しているが、スコアとビジネス成果の関係が不明確。
分析: 過去1年分のNPSデータと顧客行動データを突合。
発見:
- 推奨者（9-10点）の翌月解約率: 1.2%
- 中立者（7-8点）の翌月解約率: 5.5%
- 批判者（0-6点）の翌月解約率: 18.3%
- NPS1ポイントの改善がLTVを約2,800円向上させる計算
施策: 批判者に回答直後に自動でカスタマーサクセスがフォローアップする仕組みを構築。中立者には翌月の特典を自動付与。
結果: 批判者の翌月解約率が18.3%→11.2%に改善。中立者の推奨者への転換率が8%→15%に向上。年間で約1,800万円の解約防止効果。
やりがちな失敗パターン#
- NPSスコアだけを追って理由を深掘りしない — 数字だけ見ても何を改善すべきかわからない。必ずフリーコメントとドライバー分析をセットで行う
- 全体平均だけで判断する — 全体NPS +20でも、特定セグメントが-30かもしれない。セグメント別の分析で問題の所在を特定する
- 一度きりの測定で終わる — NPSは継続的にトラッキングし、施策の効果を測定してこそ価値がある。四半期ごとの定点観測を仕組み化する
- 回答バイアスを考慮しない — 極端に満足or不満の顧客ほど回答しやすい。回答率を把握し、非回答者のセグメント特性も確認する
まとめ#
NPS分析は、たった1つの質問から顧客ロイヤルティを測定し、改善の方向性を導く手法。スコアの測定だけでなく、理由の深掘り・セグメント分析・ドライバー分析まで行うことで真価を発揮する。まずは顧客に「薦める可能性は？」と聞くことから始め、その声を改善アクションに変えていこう。