YundaDesk客服主管开周会,最怕的就是这句话:“我们满意度挺高的啊,为什么复购还在掉?”
问题往往不在数据本身,而在于团队把三个完全不同的指标当成了一个东西在看。NPS 掉了两分,CSAT 却涨了;有人拿 CES 去衡量品牌忠诚度,得出的结论自然驴唇不对马嘴。三大指标测的是三件不同的事,场景不对,指标就是噪音。
NPS 测的是“你会不会带朋友一起来”
净推荐值(Net Promoter Score)只问一个问题:“你有多大可能把我们推荐给朋友或同事”,0-10 分打分,9-10 分是推荐者,7-8 分是中立者,0-6 分是贬损者,NPS = 推荐者占比 - 贬损者占比。
NPS、CSAT、CES 到底测什么：指标背后的行业基线
它测的不是“这次对话解决得好不好”,而是客户对这个品牌的整体信任和长期意愿。所以 NPS 适合:
- 季度/半年度的品牌健康度盘点
- 大促季结束后回看整体口碑走向
- 判断某个市场/某类客户群体是否值得加大投入
NPS 的坑在于滞后和粗颗粒度。客户可能这次对话被安抚得很好,但因为上次物流延误留下的阴影,依然打了 6 分。用 NPS 去评估单次客服交互,基本等于用体检报告评价一顿饭好不好吃——维度不对。
CSAT 测的是“这一次你满意吗”
客户满意度(Customer Satisfaction Score)问的是具体这一次:“你对本次服务的满意程度”,通常 1-5 分或“满意/不满意”二选一,CSAT = 满意人数 / 总回复人数。
CSAT 天然适合绑定在具体触点上——一次对话结束、一个工单关闭、一次退换货处理完,弹一条 CSAT 问卷。它回答的是“刚才这次接触,我们做得怎么样”,颗粒度细,反馈快,适合拿来做坐席个人的服务质量参考,也适合按渠道拆解:WhatsApp 上的 CSAT 是不是明显低于网站挂件?是话术问题还是响应速度问题?
CSAT 的局限是它只测“满意与否”,不测“这次服务费不费劲”。客户可能被磨了三个来回才拿到答案,最后还是给了 5 分满意——因为问题终归解决了,但这中间的折腾不会体现在分数里。
CES 测的是“这事儿办得费不费劲”
客户费力度(Customer Effort Score)问的是:“解决这个问题,你花了多大力气”,通常 1-7 分,分数越低代表越省心。
这是三个指标里最容易被忽视,但对复购杀伤力最大的一个。大量研究表明,客户流失的主因往往不是“没被满足”,而是“太费劲”——转接了三次、重复报了两遍订单号、AI 答不上又等了半小时人工。CES 适合放在:
- 复杂问题解决之后(退换货、账单纠纷、多轮排查)
- 转人工发生之后,看这次“交接”顺不顺畅
- AI 客服答不上、升级给坐席补答的节点
CES 低,通常意味着流程设计有问题,而不是某个坐席服务态度不好——这也是为什么它更适合拿来倒查系统和知识库,而不是考核个人。
三个指标混用最常踩的三个坑
| 误区 | 后果 |
|---|---|
| 用 NPS 考核单次对话质量 | 坐席背了锅,数据其实反映的是三个月前的物流问题 |
| 只看 CSAT 不看 CES | “满意”但“费劲”,复购率照样掉,团队却看不出原因 |
| 大促季只发一种问卷 | 旺季客户耐心本就低,问卷类型选错会放大误判 |
三个指标不是互相替代的关系,是互相补位的关系:CES 告诉你流程哪里卡,CSAT 告诉你这次接触感受如何,NPS 告诉你这些接触长期积累下来,客户还认不认这个牌子。
一个实操判断:如果 CES 很差但 CSAT 还凑合,大概率是“熬过去了但很痛苦”——这类客户短期不流失,但 NPS 会在几个月后集体走低。提前看 CES,能比 NPS 更早发现问题。
落地时最容易被忽略的一件事:问卷要按场景分流,而不是一刀切
很多团队的失败不在于选错了指标,而在于“发问卷”这件事本身就是手工的、割裂的——网站挂件发一套、邮件回访发另一套,数据分散在不同工具里,最后没人愿意花时间去拼图。
这也是为什么问卷要跟着触点走:对话结束时该问 CSAT,转人工完成后该问 CES,阶段性(比如每季度)该发 NPS,而不是所有渠道、所有场景都塞同一份问卷。YundaDesk 的共享工作台把 AI 客服和人工坐席放在同一个对话流里,三种问卷可以分别在合适的节点触发,并按渠道、按坐席、按问题类型自动落库——WhatsApp 上的 CES 是不是比邮件差,AI 独立解决的对话 CSAT 是不是比转人工的更高,这些对比不需要额外导表拼数据。
该选哪个:三张速查场景
- 想知道品牌是不是越来越受信任 → 看 NPS,按季度追踪趋势,别用单次对话数据去解释它的波动。
- 想知道这次服务好不好 → 看 CSAT,绑定在对话/工单关闭节点,按渠道、按坐席拆解。
- 想知道客户是不是被折腾了 → 看 CES,重点盯复杂问题和转人工场景,它是流程健康度的早期预警。
不需要三个都做到完美,但至少要分清楚它们各自在回答什么问题——这比“我们满意度是 4.8 分”这种笼统的汇报有用得多。
一个容易被误解的地方:AI 客服的满意度该怎么看
不少团队担心 AI 接待会拉低满意度,实际观察下来更常见的情况是:AI 独立解决的简单咨询,CES 往往更低(客户不用等待、不用重复背景),但一旦 AI 答不上、又没有及时转人工,CSAT 会明显下滑。这也是为什么“AI 先接、人工兜底”的边界要卡清楚——AI 该转的时候就转,而不是硬撑着不认输[1]。想了解这条边界具体怎么划,可以参考《AI 客服该管什么、人工该兜底什么》。
如果你的知识库覆盖不全,AI 答不上的比例本身就高,CES 和 CSAT 都会被拖累——这类问题往往要从知识库的完整度入手,而不是苛责坐席。
指标是用来发现问题的,不是用来汇报好看的。把 NPS、CSAT、CES 放对位置,你会更早看到复购在哪个环节开始松动,而不是等季度复盘时才发现数字全线下滑。