Net Promoter Score (NPS)
Der Net Promoter Score (NPS) ist eine Kennzahl für die Kundenloyalität, die aus einer einzigen Umfragefrage entsteht, wie wahrscheinlich du uns weiterempfehlen würdest auf einer Skala von 0 bis 10, berechnet als Prozentsatz der Promotoren (9 bis 10) minus Prozentsatz der Kritiker (0 bis 6).
Die Befragten teilen sich in drei Gruppen: Promotoren, die 9 oder 10 antworten, Indifferente, die 7 oder 8 antworten, und Kritiker, die 0 bis 6 antworten. Die Indifferenten zählen zur Basis, aber nicht in den Score, deshalb kann der NPS von minus 100 bis plus 100 reichen. Die Zahl ist eine Momentaufnahme der erklärten Weiterempfehlungsabsicht, also ein Näherungswert für Mundpropaganda und ein grober Anhaltspunkt dafür, wie eine Kundschaft zu einem bestimmten Zeitpunkt empfindet.
Die Umfrage ist am ehrlichsten, wenn der Zeitpunkt zum Erlebnis passt. Ein relationaler NPS befragt die gesamte Kundschaft in festem Takt, etwa einmal im Quartal, und verfolgt die allgemeine Stimmung. Ein transaktionaler NPS wird nach einem konkreten Moment ausgelöst, einer Lieferung, einer Retoure, einer Support-Antwort, und zeigt dir, ob dieser Moment geholfen oder geschadet hat. Beides in einer Zahl zu vermischen trübt das Signal, deshalb halten die meisten Teams sie auf getrennten Dashboards und lesen sie getrennt.
Nimm einen Shopify-Shop für Fahrradbekleidung. Er verschickt eine transaktionale Umfrage fünf Tage nach der Lieferung und erhält 200 Antworten: 110 Promotoren, 50 Indifferente, 40 Kritiker. Das ergibt 55 Prozent Promotoren minus 20 Prozent Kritiker, also einen NPS von 35. Die Zahl ist in Ordnung, aber die Arbeit steckt in den offenen Kommentaren. Eine Häufung von Kritikern erwähnt, dass ein Trikot klein ausfällt. Die Lösung ist ein Hinweis zur Passform auf der Produktseite und eine überarbeitete Größentabelle, keine Kampagne, um den Score zu heben.
Was der NPS für sich allein nicht verrät, ist das Warum. Eine einzelne Zahl verbirgt die Gründe dahinter, deshalb ist der nachgelagerte Kommentar meist nützlicher als die Ziffer. Die Kennzahl reagiert außerdem empfindlich auf Stichprobe, Zeitpunkt und Kultur, denn die Bewertungsgewohnheiten unterscheiden sich je nach Region. Behandle absolute Werte mit Vorsicht und beobachte eher den Trend über die Zeit, als einem veröffentlichten Benchmark hinterherzulaufen.
NPS und Bewertungen messen dasselbe zugrunde liegende Wohlwollen aus zwei Blickwinkeln: das eine ist eine private Umfragezahl, das andere ist öffentliche, durchsuchbare Aussage. Das ist für die KI-Suche und Antwortmaschinen entscheidend. Wenn ein Käufer ChatGPT, Perplexity oder Google AI Overviews fragt, ob eine Marke einen Kauf wert ist, lesen diese Systeme, was sichtbar ist: Bewertungstexte, Sternebewertungen und die Sprache, die Kunden verwenden, nicht einen Loyalitätswert, der in deiner Analyse eingeschlossen ist. Ein hoher NPS, der nie zu einer veröffentlichten Bewertung wird, hilft wenig in dem Moment, in dem ein Modell entscheidet, welche Marken es nennt. Der praktische Schritt ist, deine Promotoren dazu zu lenken, eine Bewertung zu hinterlassen, damit privates Wohlwollen zum öffentlichen Beleg wird, den Antwortmaschinen tatsächlich zitieren können.