Dumpa Net Promoter Score: Varför det är dags att sluta använda NPS och vilka alternativ som fungerar bättre
Denna artikel sammanfattar aktuell (i huvudsak) peer-reviewed forskning som pekar på brister i måttets konstruktion, tillämpning och koppling till affärsresultat.Vi visar också vilka alternativ som forskningen anser vara mer tillförlitliga och användbara, som till exempel NKI enligt Fornells modell och flerdimensionella lojalitetsindex. Oavsett vilket nyckelal man väljer handlar det till slut om hur man agerar på de data man har, men förlitar man sig på Net Promoter Score är det större risk att man agerar på ett nyckeltal som inte återspeglar kundernas attityder, upplevelse eller intensioner.
Net Promoter Score må vara enkelt men enkelhet är inte alltid bättre. Det är dags att mäta smartare, inte enklare.
1. Vad är Net Promoter Score (NPS)?
Först och främst, vad är då Net Promoter Score? Net Promoter Score lanserades av Fred Reichheld (2003) i syfte att få fram ett enkelt sätt att mäta kundlojalitet genom en enda fråga:
Svarsskalan (0–10) delas in i:
- Promoters (9–10)
- Passives (7–8)
- Detractors (0–6)
NPS = % Promoters – % Detractors
Detta mått påstods av upphovsmannen (samt därefter av andra som valt att bygga sitt erbjudande för att genomföra kundundersökningar på NPS) vara ett enkelt nyckeltal att använda och att det ska vara kopplat till förtags tillväxt. Men det finns en rad problem med NPS som sällan uppmärksammas och som många företagsledare inte är medvetna om. Problem som gör att detta mätvärde (NPS) som många valt att förlita sig på inte går att lita på i många situationer.
Inget mätvärde som man får fram genom en kundundersökning är 100% tillförlitligt och de är även relativt dåliga på att förutspå tillväxt eftersom tillväxt kan bero på så många olika variabler. Men NPS är inte alls bättre än andra mätvärden som man kan få fram genom enkäter. Även upphovsmannen själv Fred Reichheld erkänner att andra nyckeltal som bygger på flera frågor som vägs samman är mer tillförlitliga.
Låt oss nu titta närmare på en rad olika problem med NPS som nyckeltal samt vad man istället för använda sig av för mätvärden för kundnöjdhet och kundlojalitet baserat på kundundersökningar.
2. Vetenskaplig kritik mot NPS
2.1 Låg förklaringskraft och metodologisk svaghet
Keiningham et al. (2007) visar i Journal of Marketing att NPS:
- Har lägre korrelation med försäljning och tillväxt än traditionella mått.
- Inte lever upp till påståendet att det är det ”enda mått du behöver”.
– Keiningham et al., 2007
Byron Sharp (2008) går längre och kallar NPS för ett ”marknadsföringshype utan vetenskaplig grund”.
– Freed, 2013 (Innovating Analytics)
2.2 NPS har större felmarginal än medelvärden
En viktig men ofta förbisedd kritik mot NPS är att måttet genom att vara ett nettotal mellan två andelar får en väsentligt större statistisk osäkerhet än ett klassiskt medelvärde.
- Stor osäkerhet vid små urval.
- Statistiskt mer instabilt och svårare att tolka som jämförelsemått mellan grupper.
– Kristensen & Eskildsen, 2021“
– Keiningham et al., 2008; Dawes, 2024
2.3 Extremt känsligt för hur svaren fördelar sig på skalan
Inom B2B är det vanligt med små kundbaser och få kontaktpersoner. Detta gör att kundundersökningar inom B2B ofta har en relativt liten mängd svar. Detta gör i sin tur att NPS blir extremt volatilt mellan mätningar.
I exemplet nedan har vi 17 svar (det är från en verklig undersökning). Varje respondent motsvarar 6 %. Låt oss nu tänka oss att de två som satte betyg 9 satte betyg 8 – då sjunker NPS till 64. Hoppar även den respondent som satte en sjua i betyg ett hack och ger betyg sex så blir NPS 58.
Det sker då en sänkning på hela 18 punkter bara för att tre av respondenterna flyttade sitt betyg ett enda hack på skalan. Som ni ser så kan resultatet svänga kraftigt utan större anledning. Detta är helt enkelt inte en bra beräkningsmodell av många olika skäl.
NPS-Resultat
| Betyg | Procent av svaren |
|---|---|
| 5 | 6% |
| 7 | 6% |
| 8 | 6% |
| 9 | 12% |
| 10 | 71% |
NPS=76
2.4 Kulturella skillnader förstärks
En av de mest underrapporterade men allvarliga kritikpunkterna mot NPS är att metoden är extremt känslig för kulturella skillnader i svarsbeteende. Eftersom NPS använder brytpunkter för att klassificera kunder i promoters, passives och detractors och sedan tar nettovärdet av promoters minus detractors får små variationer kring brytpunkterna stor effekt på slutresultatet (NPS-resultatet) vilket vi gått igenom i punkt 2.3 ovan.
“The use of strict classification bands makes NPS highly sensitive to cultural differences in response styles, which inflates cross-national distortion.”
(Journal of the Academy of Marketing Science, 2021)
Forskning visar exempelvis att:
- Nordamerikanska respondenter tenderar att ge högre betyg (9–10).
- Japanska och nordiska respondenter är mer försiktiga, och ger oftare medelbetyg.
- Sydeuropeiska respondenter är mer expressiva vilket ökar både höga och låga svar.
Detta gör att:
- Sverige får fler passiva svar och lägre NPS trots nöjda kunder.
- USA får fler promoters p.g.a. kulturell benägenhet att använda höga betyg.
- Japan får mycket lågt NPS eftersom ytterkantsvärden undviks, trots god kundnöjdhet.
“NPS volatility limits its usefulness for longitudinal tracking.”
(Gupta et al., 2007)
Konsekvenser för internationella företag:
- Benchmarking mellan länder blir osäker eller missvisande.
- Samma lojalitetsnivå tolkas som stark i ett land – svag i ett annat.
- Det kan leda till felaktiga beslut kring kommunikation, bonusar och strategier.
Rekommendation: Använd medelvärdesbaserade index (tex. NKI) då dessa blir mindre känsliga än NPS för kulturella skillnader i hur man svarar på skalan.
2.5 Upphovsmannens egna erkännanden och valideringsproblem
“We weren’t trying to create a statistically elegant measure; we wanted one that management could actually use.”
(Reichheld, 2003)
Detta innebär att måttet avsiktligt prioriterar enkelhet över vetenskaplig robusthet, ett synsätt som har fått stark kritik i efterhand.
Dessutom använde Reichheld historisk försäljningstillväxt som grund för att validera hur väl NPS fungerade, inte framtida tillväxt.
Detta innebär att:
- Net Promoter Score inte testades som ett prediktivt verktyg, utan som en retrospektiv korrelation. Dvs. Reichhelds data visade att företag med högt NPS historiskt sett hade haft tillväxt, det visade alltså inte att de med högre NPS fick tillväxt.
- Valideringen blir därför logiskt bristfällig, eftersom sambandet mellan att ha haft en högre tillväxt och sedan nå ett högre Net Promoter Score går åt fel håll, det pekade på att tillväxt kan ge ökat NPS, inte tvärt om.
“Using past growth to validate a future-oriented metric is methodologically flawed and misleading.”
(Keiningham et al., 2007)
Forskare som Kristensen & Eskildsen (2021) och Sharp (2008) har också påpekat att rekommendationsbeteende är kontextbundet, och att frågan är irrelevant i vissa branscher (något som även Reichheld själv påpekat).
Implikation för NPS-tillämpning
Net Promoter Score bör inte användas som standardmått i branscher eller kundmöten där rekommendationer inte är ett naturligt kundbeteende. I dessa fall kan användningen vara:
- Missvisande
- Skadlig för beslutsfattande
- Och skapa felaktiga prestationsmål i organisationen.
3. Det viktiga för NPS är grupperingen, inte hur frågan ställs
I The Ultimate Question 2.0 medger Reichheld också att frågan inte måste handla om rekommendationer:
“It doesn’t have to be the recommendation question. What matters is that you can classify customers into promoters, passives, and detractors.”
(Reichheld, 2011)
Det centrala i NPS är alltså inte själva frågeformuleringen, utan att man kan dela in kunder i tre grupper. Forskare som Keiningham et al. (2008) har visat att samma segmentering kan göras utifrån andra frågor – exempelvis kundnöjdhet, upplevt värde eller återköpsavsikt och därmed görs NPS ännu mindre unik som metod.
NPS tillför inget jämfört med de klassiska grupperingarna ”Nöjd, Neutral, Missnöjd”
Att gruppera kunderna i tre grupper är ju inget nytt, det representerar en ny insikt eller metod, de är snarare en ommärkning av ett redan etablerat tillvägagångssätt som redan använts under lång tid redan och som fungerade utmärkt i analys och pegagogiska syften.
- Promoters = Mycket nöjda
- Passives = Neutrala
- Detractors = Missnöjda
Detta innebär att:
- Klassificeringen i sig inte är nyskapande.
- Det som NPS föreslår är samma segmenteringslogik som redan används i klassisk nöjdhetsforskning men med ett nytt språkbruk.
“NPS simply relabels satisfaction levels without offering a new conceptual framework.”
(Keiningham et al., 2008)
Statistiska centralbyrån bedriver en del metodforskning och bland annat har de forskat på hur svenskar tolkar en skala på skalan 1-10 och har kommit fram till nedanstående grupperingar av betygsnivåerna. SCB:s validering stärker kritiken mot hur NPS grupperar svaren i sina tre grupper, en gruppering som inte verkar stämma vidare bra med hur man som respondent i Sverige tolkar och sätter betyg på en likande skala vilket tar oss in på nästa punkt.
| Svarsskala (1–10) | Tolkning enligt SCB |
|---|---|
| 1–4 | Missnöjd |
| 5–7 | Neutral |
| 8–10 | Nöjd |
4. Alternativ till Net Promoter Score NPS
Men vad ska man då använda istället för Net Promoter Score när det gäller kundundersökningar?
Låt oss titta på mätvärden som är validerade och som inte har alla de brister som NPS visat sig ha. Forskningen visar att mått som bygger på flera relaterade frågor, snarare än ett enda värde, ger mer tillförlitliga, stabila och användbara insikter om kunders attityder och framtida beteende. Mått som NKI (enligt Fornells modell) eller kundlojalitetsindex uppbyggt av flera flera frågor har högre validitet och reliabilitet än Net Promoter Score.
Gemensamt för alla dessa alternativ är att de kräver ungefär hälften så många svar som NPS för att få samma felmarginal, kort sagt de är mycket mer tillförlitliga än vad NPS (se punkt 2.2).
3.1 Kundnöjdhet (Customer Satisfaction)
Vad det är: Ett direkt mått där kunder graderar hur nöjda de är med en produkt, tjänst eller upplevelse – ofta på en 5- eller 10-gradig skala. Det är normalt resutlatet av en enda fråga (precis som NPS bygger på en enda fråga).
Styrkor enligt forskningen:
- Hög korrelation med återköpsbeteende och lojalitet (Keiningham et al., 2007; Kristensen & Eskildsen, 2021).
- Tillåter nyanserad diagnostik, snarare än att reducera allt till ett nettovärde.
- Passar alla brancher och typer av kundmöten.
- Kan användas för att mäta hur kunderna upplever hela kundrelationen likväl som hur de upplevt en enskild interaktion
- Enkel beräkningsmodell (medelvärde eller andel som svarat de högsta betygen (tex. betyg 4+5 om man har skala 1-5)
(Keiningham et al., 2007)
3.6 NKI – Nöjd Kund Index (enligt Fornell-modellen)
Denna modell för NKI kan anses vara standard för att mäta nöjd kund index. Det är den som används i officiella mätningar. Denna standard bygger på att NKI mäts utifrån tre frågor som besvaras på skala 1–10. Det svenska modellen som SCB använder, den europeiska modellen och den amerikanska modellen (ACSI) har allihop samma tre frågor som bas för att mäta Nöjd Kund Index:
- Hur nöjd man är totalt sett med verksamheten?
- Hur väl verksamheten lever upp till förväntningarna?
- Hur nära verksamheten kommer en tänkt ideal verksamhet inom samma bransch?
Modellens har:
- Hög förklaringsgrad för lojalitet, churn och lönsamhet.
- Validerats i tusentals företagsstudier i flera länder.
- Tre frågor gör att den svarande verkligen måste ändra sin attityd/inställning för att det ska ge större utslag
- Hög korrelation med återköpsbeteende och lojalitet (Keiningham et al., 2007; Kristensen & Eskildsen, 2021).
- Passar alla brancher och typer av kundmöten.
- Enkel beräkningsmodell summear medelvärdet av tre frågor
(Keiningham et al., 2007a, 2007b; Anderson et al., 2004)
3.2 Kundlojalitetsindex (Composite Loyalty Index)
Vad det är: Ett kombinerat mått som inkluderar flera komponenter, t.ex.:
- Nöjdhet
- Återköpsavsikt
- Rekommendationsavsikt
- Varumärkesengagemang
Keiningham et al. (2008) och Kristensen & Eskildsen (2021) framhåller att sådana flerdimensionella index:
- Bättre fångar komplexiteten i kundbeteende.
- Kopplas starkare till affärsresultat än enkla mått.
- Tre frågor gör att den svarande verkligen måste ändra sin attityd/inställning för att det ska ge större utslag
- Belyser lojalitet (kundernas inställning) ur fler aspekter
(Keiningham et al., 2008)
5. SLUTSATS: NET PROMOTER SCORE ÄR ETT OPÅLITLIGT MÅTT VARS TID ÄR UTE
För att sammanfatta så är den samlade forskningen tydlig: Net Promoter Score är varken vetenskapligt robust, lämpligt vid små mängder svar (kräver hundratals svar), olämpligt för internationella jämförelse.
Net Promoter Score har varit ett praktiskt och populärt nyckeltal men är inte försvarbart som huvudmått för kundlojalitet enligt forskningen. Kritiken rör:
- Metodologiska svagheter
- Låg förklaringskraft
- Risk för felaktiga beslut
Istället bör företag:
- Använda nyckeltal som aggregerar flera frågor som NKI eller lojalitetsindex.
- Använda sig av nyckeltal som utgår från medelvärden eller top-two boxes.
Källförteckning
Vetenskapliga artiklar
- Anderson, E. W., Fornell, C., & Mazvancheryl, S. K. (2004). Customer satisfaction and shareholder value. Journal of Marketing, 68(4), 172–185.
- Baehre, S., & Meehan, S. (2023). The single worst marketing metric: An analysis of Net Promoter Score. International Journal of Market Research.
- Dawes, J. G. (2024). Examining the longitudinal association between positive and negative likelihood-to-recommend scores and brand growth. Australasian Marketing Journal, 32(1).
- Gupta, S. et al. (2007). Modeling customer lifetime value. Journal of Service Research, 9(2), 139–155.
- Keiningham, T. L. et al. (2008). A holistic examination of Net Promoter. Journal of Database Marketing & Customer Strategy Management, 15, 79–92.
- Keiningham, T. L. et al. (2007). A longitudinal examination of Net Promoter and firm revenue growth. Journal of Marketing, 71(3), 39–51.
- Kristensen, K., & Eskildsen, J. K. (2021). Customer metrics: Net Promoter Score versus alternative measures. Journal of the Academy of Marketing Science, 50, 234–254.
- Sharp, B. (2008). Net Promoter Score fails the test. Marketing Research.
Böcker och branschrapporter
- Fornell, C. (2017). The Satisfied Customer. Palgrave Macmillan.
- Freed, L. (2013). Innovating Analytics. Wiley.
- Reichheld, F. (2003). The One Number You Need to Grow. Harvard Business Review, 81(12), 46–54.
- Reichheld, F., & Markey, R. (2011). The Ultimate Question 2.0. Harvard Business Review Press.
Läs mer om hur Next Research & Consulting arbetar med kundundersökningar
Vill ni lyckas bättre med era kundundersökningar?
Next Research & Consulting har lång erfarenhet av att hjälpa företag genom hela processen, från strategi och frågekonstruktion till analys, visualisering och förändringsarbete. Med vår hjälp blir er kundundersökning inte bara ett frågeformulär, utan ett sätt att skapa konkurrensfördelar.
Fyll i kontaktformuläret så kontaktar vi dig inom kort.
Om författaren
Sven-Tore Bengtsson är VD och grundare av Next Research & Consulting. Med över 20 års erfarenhet av marknadsundersökningar hjälper han företag att omvandla data till insikter som leder till bättre beslut. Han är specialiserad på att ge organisationer en djupare förståelse för sina kunder, marknad och medarbetare. Kundupplevelse och kundnöjdhet är områden av extra intresse.