NPS and satisfaction: Net Promoter Score without superstitions

L’NPS viene quasi sempre presentato come la misura della soddisfazione, ma le cose non sono così lineari: capita che gli utenti abbandonino il prodotto mentre il punteggio sale. In questa lezione lo trattiamo per quello che è davvero, cioè un segnale da leggere insieme ad altri dati e non un verdetto definitivo.

Il problema che vogliamo risolvere

Anche qui il punto è distinguere dove il prodotto crea valore reale da dove genera solo attività apparente. L’NPS finisce spesso per essere un numero da far crescere a ogni costo, scollegato da qualsiasi decisione concreta. Quello che vogliamo imparare è invece usarlo per sostenere scelte operative, appoggiate su dati, assunzioni dichiarate e qualche controllo essenziale.

Un modello per orientarsi

Phase	What to clarify	Output
Question	Which real choice needs improvement?	Decision to make
Measure	Quale segnale rappresenta il problema?	Metric or source data
Control	Which baseline makes the result interpretable?	Credible comparison
Action	What changes after the analysis?	Next operational step

Lo schema è banale, ma tiene l’attenzione su quel che conta: decisione, dato, controllo e azione.

Come formalizzare un’analisi

Per analizzare l’NPS in modo serio parti dall’unità di lavoro, cioè cosa stai osservando: un utente, una coorte, un evento di prodotto, una feature o un percorso. Colleghi questa unità a una metrica osservabile, come l’activation, la retention, la frequenza, la conversione, il churn o il valore per coorte. Infine dichiari la decisione che ti aspetti di prendere, che sia una diagnosi del prodotto, un esperimento, una scelta di priorità o un intervento sull’esperienza utente.

Element	Requested specification
Unit of analysis	user, cohort, product event, feature, or journey
Primary signal	activation, retention, frequenza, conversione, churn, valore per coorte
Baseline	Periodo precedente, gruppo comparabile, benchmark, scenario controfattuale
Decision	diagnosi prodotto, esperimento, prioritizzazione, intervento UX
Risk	Confondere un numero disponibile con una prova sufficiente

Il criterio resta lo stesso: un altro analista deve poter ripercorrere la tua logica e arrivare alla stessa decisione.

Come funziona il Net Promoter Score

L’NPS parte da una sola domanda: “Su una scala da 0 a 10, quanto è probabile che consiglieresti [prodotto] a un amico?”. Le risposte si raggruppano in tre fasce. I promotori, che danno 9 o 10, sono i clienti entusiasti che fanno crescere il prodotto. I passivi, fermi a 7 o 8, sono soddisfatti ma indifferenti. I detrattori, da 0 a 6, sono gli insoddisfatti che possono fare danni.

La formula è:

NPS = % Promotori - % Detrattori

Il punteggio varia da -100 a +100.

Questo modo di categorizzare porta con sé alcuni bias di cui conviene essere consapevoli. C’è un bias di selezione, perché chi risponde a un sondaggio tende a essere o un cliente molto fedele o qualcuno che ha avuto un problema. C’è un effetto del momento in cui chiedi: l’NPS misurato subito dopo un successo è diverso da quello chiesto dopo un disservizio. E c’è un fattore culturale, perché in alcune culture si evitano i voti estremi e questo deforma la distribuzione. Per tutte queste ragioni leggere l’NPS senza contesto è rischioso.

Dalla vanity metric alla diagnosi

Un NPS aggregato è una vanity metric. Per tirarne fuori qualcosa di utile devi segmentare per piano, anzianità o funzionalità usata, e lì emergono le differenze che contano.

Prendi una neobank con NPS +45: dietro quel numero può nascondersi un +78 tra gli utenti “Metal” esperti e un +15 tra i nuovi utenti “Standard”. A quel punto il vero problema non è alzare l’NPS medio, ma sistemare l’onboarding degli Standard.

Altrettanto importante è correlare l’NPS con il comportamento reale, come il churn o i referral. Se un promotore non porta nessun nuovo utente e poi abbandona come farebbe un passivo, la capacità dell’NPS di predire qualcosa va messa in discussione.

Netflix e la previsione del churn

Netflix usa l’NPS proprio per prevedere il churn. I suoi modelli di regressione mostrano che i promotori abbandonano con una probabilità inferiore del 10-25% rispetto a passivi e detrattori. È questo che dà all’NPS un valore economico concreto e guida gli investimenti, ad esempio nel migliorare contenuti e raccomandazioni a partire dal feedback testuale.

Oltre l’NPS: CSAT e CES

L’NPS misura la lealtà e il passaparola sul lungo periodo, ma da solo non basta a vedere il quadro completo. Il CSAT, ovvero il Customer Satisfaction Score, misura la soddisfazione su una singola interazione come una consegna o un contatto con l’assistenza: si usa una scala da 1 a 5 e si calcola la percentuale di risposte positive. Il CES, il Customer Effort Score, misura invece quanto sforzo l’utente percepisce nel completare un’azione, e ridurre quello sforzo spesso vale più che cercare di “deliziare” il cliente.

Quale usare dipende dalla domanda che ti stai facendo. L’NPS è adatto quando ti interessano lealtà e crescita organica, il CSAT quando vuoi valutare la qualità di un singolo punto di contatto, il CES quando vuoi misurare la frizione in un processo critico. Le organizzazioni più mature non scelgono, le tengono insieme in un quadro unico.

Il loop operativo: dai dati all’azione

I dati di soddisfazione contano solo se producono miglioramenti concreti. È il loop operativo a trasformare il feedback in azioni che puoi tracciare.

Stripe e il feedback degli sviluppatori

Stripe raccoglie CSAT e commenti sulle pagine di documentazione delle sue API e ci ha costruito sopra un workflow automatico:

1. Il feedback negativo finisce in un canale Slack con il tag dei responsabili
2. Uno script Python analizza i commenti per estrarne i temi ricorrenti
3. Lo stesso flusso apre ticket su Jira o GitHub per dare priorità agli interventi

Lo script Python estrae i bigrammi dai commenti dei detrattori e fa emergere problemi comuni come “example code”, “missing parameter” o “stripe connect”. Grazie a questo Stripe ha ridotto il feedback negativo e alzato la soddisfazione, chiudendo il loop operativo.

Un caso concreto

Capita che utenti enterprise diano un NPS alto ma poi aprano una valanga di ticket, mentre piccoli team con un NPS solo medio rinnovano senza problemi. È il promemoria che la soddisfazione dichiarata va sempre incrociata con comportamento, segmento e valore del cliente prima di farne una guida per la roadmap.

Observed evidence	Cautious interpretation	Recommended action
The number improves	Potrebbe essere reale o variazione normale	Cercare confronto e segmentazione
One segment changes more than others	La media nasconde differenze importanti	Separate cohorts or use cases
Il costo cresce con il risultato	L’impatto va valutato sul margine	Estimate trade-offs and sustainability

Esercizio guidato

A livello base scrivi una scheda sintetica sull’NPS: decisione da supportare, metrica primaria, baseline, rischio principale e azione da intraprendere se il segnale è confermato.

A livello intermedio costruisci una tabella con tre segmenti o periodi, indicando per ciascuno cosa cambia, quali spiegazioni alternative sono plausibili e quali controlli faresti prima di raccomandare un’azione.

Per il livello avanzato prepara un decision memo con ipotesi, dati richiesti, criteri di esclusione, controlli di qualità, soglia decisionale, rischio residuo e piano di monitoraggio.

Come materiale puoi usare eventi prodotto, funnel, sessioni, survey, dati CRM, ticket di supporto ed esperimenti. Se non li hai, ti basta un dataset sintetico con una dimensione temporale, qualche segmento e una metrica di outcome.

L’errore che ricorre più spesso

L’errore tipico è usare l’NPS come etichetta invece che come processo: un grafico senza decisione collegata, una metrica senza baseline, una conclusione che tace le assunzioni critiche. La domanda da tenere a mente è sempre la stessa: se il risultato fosse instabile, quale scelta sbaglierei? Quando non hai una risposta concreta, il ponte tra analisi e azione non c’è ancora.

Quiz or checkpoint

1. Which concrete decision should this lesson improve?
2. Which unit of analysis makes the problem measurable?
3. Which baseline would you use to avoid a naive reading?
4. Which typical mistake could change the conclusion?
5. Which output would you deliver to a non-technical stakeholder?

Operational Summary

L’NPS serve quando produce decisioni più chiare, non quando aggiunge un termine al vocabolario aziendale. Letto da solo inganna, letto insieme a segmentazione, comportamento, CSAT e CES diventa una diagnosi affidabile. Il percorso da problema a modello, formalizzazione, esempio, esercizio e checkpoint è quello che trasforma il numero in pratica verificabile.