[오픈서베이 트렌드 아티클] 고객 만족도 측정하는 가장 간편한 조사 방법, NPS 알아보기

8월 23, 2021

NPS는 무엇일까요?

NPS란 Net Promoter Score의 약자로 간단히 말해 브랜드에 대한 고객 충성도를 알 수 있는 지표입니다. 비교적 익숙한 5점이나 7점 척도가 아닌 11점 척도로 구성되며, 데이터를 해석하고 활용하는 방법도 조금 다릅니다. 이러한 NPS는 2003년에 베인앤컴퍼니(Bain & Company)라는 컨설팅 기업에서 만들어낸 개념인데, 지금은 글로벌 기업들이 고객 충성도를 평가하는 가장 표준화된 지표로 자리 잡았습니다.

그 이유는 무엇일까요? 전통적인 만족도 조사는 브랜드와 연관된 다양한 속성에 대한 만족도를 각각 물어본 뒤 나중에 종합적으로 분석하는 방식입니다. 덕분에 개별 속성에 대한 만족도를 각각 상세히 파악할 수 있지만, 이로 인해 조사 설계 과정이 어렵고 복잡해진다는 단점도 따릅니다. 어떤 속성에 대한 문항을 만들어야 더욱 종합적으로 우리 브랜드 만족도를 파악할 수 있는지 기준을 세우기도 쉽지 않고, 한 가지 속성이라도 변경되면 과거 조사 결과와 비교하기도 어렵기 때문입니다.

반면, NPS는 “우리 브랜드를 주변에 얼마나 추천하고 싶으신가요?”라는 문항 단 하나로 파악할 수 있습니다. 이에 속성별 만족도 문항을 복잡하게 설계할 필요 없이 비교적 간단하게 조사할 수 있습니다. 응답자 또한 응답에 대한 부담이 적고, 브랜드의 종합적인 추천 지수 평가다보니 세부 속성별 선호 및 중요도 차이가 없어 주관에 따른 편차 또한 적습니다. 나아가 과거 조사 결과와 비교 분석하기에도 좋으며, 경쟁사 NPS 지표와도 직접 비교할 수도 있죠.

NPS 문항의 구조

NPS 문항은 0~10점까지 11점 척도로 구성됩니다. 다른 척도형 문항과 마찬가지로 점수가 높을수록 주변에 추천할 의향이 높고, 반대로 낮을수록 주변에 추천할 의향이 낮다는 의미로 해석합니다. 독특한 점이라면 각 점수는 아래 기준대로 크게 3개 그룹으로 나뉜다는 겁니다.

1. 프로모터 (Promoters, 9~10점)

9~10점을 준 고객은 추천 의향이 매우 높은 브랜드의 팬층입니다. 프로모터(Promoters)는 우리말로 ‘추천자’이며, 이에 해당 그룹을 ‘추천 고객’이라 표현하기도 합니다.

2. 패시브 (Passives, 7~8점)

7~8점을 준 고객은 큰 만족도 불만족도 없는 층입니다. 주변에 부정적인 소문도 그렇다고 적극적인 추천도 하지 않는 ‘수동적인 그룹’이라는 의미로 패시브(Passives)라 불립니다. 이들은 현재 우리 브랜드 이용자가 맞지만 더 좋은 대안이 있을 시 언제든지 다른 브랜드로 떠날 수 있는 중립적인 고객이라 간주합니다.

3. 디트렉터 (Detractors, 0~6점)

0~6점을 준 고객은 우리 브랜드에 불만족해 단순히 재구매 의향이 없는 걸 넘어서 주변에까지 부정적인 소문을 내는 층을 말합니다. 디트렉터(Detractors)는 우리말로 ‘폄하하는 사람’을 뜻하며, 이에 해당 그룹을 ‘비추천 고객’이라고도 표현합니다.

NPS 계산 공식 및 데이터 해석 방법

① NPS 계산 공식

NPS 계산 공식은 생각보다 꽤 간단합니다. 전체 응답자 중 프로모터의 비율에서 디트렉터의 비율을 빼면 됩니다. 이에 NPS는 최대 100에서 최저 -100까지로 나타날 수 있죠.

예를 들어보겠습니다. A라는 브랜드가 NPS 지표를 파악하기 위해 자사 고객 500명을 대상으로 NPS 조사를 진행했습니다. 이때 9~10점을 준 프로모터는 260명, 7~8점을 준 패시브는 140명, 0~6점을 준 디트렉터는 100명이라고 해봅시다. 이를 백분위 응답률로 계산하면 프로모터는 52%, 패시브는 28%, 디트렉터는 20%로 나옵니다. 그럼 A 브랜드의 NPS는 프로모터의 52%에서 디트렉터의 20%를 뺀 32이라는 걸 알 수 있습니다.

다행히도 오픈서베이를 이용해서 NPS 조사를 진행하면 오픈애널리틱스를 통해 자동으로 계산되고 그래프 형태로 시각화된 NPS 조사 결과를 바로 받아볼 수 있습니다. 이 링크를 누르면 NPS 결과가 어떻게 시각화되어 나타나는지 상세히 살펴볼 수 있습니다.

② NPS 데이터 해석

조사는 비교적 간단히 하더라도, 조사 결과로 나온 ‘16’이라는 숫자가 과연 좋은 점수인지 아닌지는 어떻게 판단할 수 있을까요? NPS를 만든 베인앤컴퍼니는 아래와 같은 기준으로 NPS 점수를 평가합니다. 대체적으로 0 이상이면 추천자가 비추천자보다 많으니 괜찮은 점수라고 봅니다.

0 이상일 경우: 괜찮은 점수다.
20 이상일 경우: 좋은 수준의 점수다.
50 이상일 경우: 훌륭한 점수다.
80 이상인 경우: 세계적인 수준의 점수다.

그럼 예로 들었던 A 브랜드 NPS는 32이니까 훌륭하진 않지만 꽤 좋은 점수이니 안도해도 되는 걸까요? 위처럼 절대적인 기준으로만 평가하면 그럴 수 있습니다. 그런데 시장 내 주요 경쟁자와 비교하면 어떤지를 함께 고려해야 합니다. 만약 주요 경쟁사인 B 브랜드 NPS는 A 브랜드보다 2배 가까이 높은 60이라면, A 브랜드는 경쟁력 개선을 위해 서둘러 새로운 전략을 짜야 할 것이기 때문입니다. 이에 NPS 데이터를 해석할 때는 절대적인 기준과 상대적인 기준을 모두 적용해서 다각도로 살펴볼 필요가 있습니다.

💡 NPS에 대한 비판의 목소리?

NPS에 대한 비판 또한 없지 않습니다. 첫째로 NPS에서 추천/비추천 그룹을 나누는 기준이 왜 0~6점, 7~8점, 9~10점이어야 하는지에 대한 의문입니다. 실제로 국가나 문화권에 따라 점수를 후하게 혹은 박하게 주는 성향이 다릅니다.

둘째는 점수별 가중치 없는 단순화된 계산 방법에 대한 비판입니다. 예를 들어 0점과 6점은 똑같은 비추천 그룹이라도 정도의 차이가 상당할 수 있는데요. NPS에서는 같은 값으로 보고 계산하기 때문에 얼마나 신뢰할 수 있는지에 물음표를 던지기도 하는 겁니다.

이에 오픈서베이는 NPS 조사 결과를 분석할 때는 평균값뿐만 아니라 분포를 꼭 함께 살펴보는 것을 권장합니다. 또한, NPS가 단편적인 조사에 그치지 않도록 이를 보완할 수 있는 문항을 추가하는 방안을 추천드립니다.

NPS 조사 시 추가하면 좋은 문항 유형 3가지

그럼 NPS 조사는 정말 “우리 브랜드를 주변에 얼마나 추천하고 싶으신가요?”라는 문항 1개로만 진행해도 될까요? 물론 그래도 됩니다. 그런데 몇 가지만 추가로 물어보면 더욱 입체적인 데이터를 얻을 수 있습니다. 그간 오픈서베이를 통해 진행된 NPS 조사 사례를 토대로 추가하면 좋은 문항을 몇 가지 소개합니다.

① 성별 연령대 등 응답자 프로필 문항

NPS 조사 시 프로필 문항을 만들어서 진행하면 대체로 어떤 그룹에서 점수를 더 많이 주거나 적게 줬는지 등을 파악할 수 있습니다. 그럼 NPS 점수 개선을 위해 특히 어느 세그먼트에 집중해야 할지 등 전략 방향의 우선순위를 파악할 수 있습니다.

만약 오픈서베이 패널 대상으로 조사를 하면 성별·연령대뿐만 아니라 거주지·직업 등 응답자가 사전에 입력한 프로필 정보를 함께 볼 수 있어서 따로 묻지 않아도 됩니다. 다만, A 브랜드 사용 기간이 얼마나 되는지 등 상세 정보를 알고 싶을 때는 문항을 추가해야 합니다.

② 비추천자 대상으로 낮은 점수를 준 이유 묻는 문항

설문조사는 궁금한 점에 대해 직접 물어보는 방식이기 때문에 ‘왜?’라는 질문에 대한 답을 얻는 데 매우 효율적입니다. 그리고 NPS 조사 결과를 보면 늘 ‘디트렉터는 왜 이렇게 낮은 점수를 줬지?’라는 질문이 생길 수밖에 없습니다. 이에 NPS 조사 시 낮은 점수를 준 이유를 묻는 문항을 추가하는 것도 좋은 방법입니다.

문항 유형은 우리 브랜드의 페인 포인트(Pain Point)가 비교적 명확하다면 객관식 문항으로 구성해도 좋은데, 열어 놓고 다양한 의견을 받아보고 싶다면 주관식 문항으로 구성해도 좋습니다.