速查在线工具箱满意度挺高，为什么 NPS 是负数？
它不是一个百分比，而是两个百分比相减。只要不满意的人比推荐的人多，结果就是负的。
直接答案
因为它是两个占比相减，不是一个占比。推荐者占比减去贬损者占比，只要后者更多，结果就是负数，取值范围本来就从负一百到正一百。
它比好感度类指标更严格的原因在分组：九分与十分才算推荐者，七分八分属于被动者不计入，零到六分全部算贬损者。同一批打分换成推荐值来算，通常明显低于好评率。
还要看样本量。打分分数来自抽样，样本小的时候误差很大，两个时期相差几个点可能只是噪声，需要用置信区间来判断差异是否真实。
推荐值之所以流行，是因为它把「愿意推荐」这件事压成一个数字，便于跨团队比较。但也正因为压成了单个数字，它的口径与误差常被忽略。
这一篇讲清三件事：为什么会是负数、它和好评率差在哪、以及样本量到底要多大会才够用。
1分组口径决定了它偏严
同一批打分，换个指标算法结果差很多，根源在这一张分组表。
| 打分 | 归类 | 是否计入 |
|---|---|---|
| 九分与十分 | 推荐者 | 计入，正向 |
| 七分与八分 | 被动者 | 不计入，这也是它比好感度指标更严格的原因 |
| 零分到六分 | 贬损者 | 计入，负向 |
注意七分已经高于中位，却仍然不算推荐者。这个刻意设计使得推荐值普遍低于同批数据的好评率。
2负数意味着什么
不必把它读成「口碑崩溃」，它的信息量在于结构而不是符号。
- 负一百
- 所有受访者都是贬损者，属于极端情形
- 零附近
- 推荐者与贬损者数量相当，净值互相抵消
- 正值区间
- 推荐者已占多数，数值越高结构越健康
- 常见基准
- 原框架给出的是大于零尚可、大于三十良好、大于五十优秀、大于七十世界级；但真正有意义的对照是同行业中位数
跨行业比高低会误导：某些行业的整体水平本来就偏低，纵向比较自己的变化更有意义。
3样本量：几个点的差异算不算差异
推荐值是两个占比之差，误差要按三项分布来算，不能当成两个独立比例。
| 样本量 | 约略误差 | 说明 |
|---|---|---|
| 约一百人 | 误差可能超过十个点 | 只适合看大方向，不适合比较两期 |
| 约一千人 | 误差约正负五个点 | 常见的可用门槛 |
| 约十万人 | 误差约正负一个点 | 才谈得上精细比较 |
估算口诀：区间全宽约为三百二十除以样本量的平方根。反推所需样本量，就是三百二十除以期望的全宽再平方。
相关疑问
为什么我的推荐值是负数，但好评率很高？
两者口径不同。好评率通常算高分占比，而推荐值把中低分全部算作贬损者，且中间档不计入，同一批数据自然更低。
七分为什么不算推荐者？
这是刻意设定的门槛：原研究认为只有最顶端的分值才与实际的推荐行为相关，中间档被单独划出。
要多少份问卷才够？
看你要分辨多大的差异。若只想看大方向，上百份即可；要比较两期相差几个点，通常需要上千份。
推荐值能替代满意度调研吗？
不建议替代。它胜在简单可比，但会丢掉具体不满的原因，通常需要配合开放题或明细才能定位问题。
继续看：相关问题与资料
全部问题解答 →
内容标识：本页内容由人工智能辅助生成，并经人工核对与编辑。详见 人工智能生成内容标识说明。
内容说明：本页针对具体使用问题作答，方法步骤与数值由本站自行整理与复算，事实性内容以对应官方规范与文档为准。内容最后核对日期：2026-10-09。若发现错误，欢迎通过页脚反馈入口告知。
内容说明：本页针对具体使用问题作答，方法步骤与数值由本站自行整理与复算，事实性内容以对应官方规范与文档为准。内容最后核对日期：2026-10-09。若发现错误，欢迎通过页脚反馈入口告知。