NPS(Net Promoter Score_순추천고객지수)의 실행 요건

NPS (Net Promoter Score_순추천고객지수)의 효과적 실행 요건 

 

I. NPS

1. NPS와 Framework

 

NPS는 Bain & Company의 Frederick F. Reichheld가 Harvard Business Review (2003. 12)에 발표한 고객 로열티 측정법이다. 즉 기존의 고객만족 점수는 실제 고객의 행동과 상관 관계가 낮다는 분석 결과에 기인한다.

NPS는 추천의향을 높임으로써 반복구매(Repeat Purchase) 또는 추천(Referral)를 일으키고자 한다.

이 두 가지를 통해 궁극적으로 기업의 성장을 달성하고자 하는 것이 NPS를 기반으로 한 성장의 Framework이라 할 수 있다.

 

2. NPS 측정

측정하는 방법은 단순하다.

 

“~를  ~에게 추천할 의향이 얼마나 있습니까? (How likely is it that you would recommend Company X to a friend or colleague?)” 라는 추천의향 문항을 10점 척도로 측정하여 추천고객 (Promoter : 10점, 9점)비율에서 비추천 고객(Detractor: 6점~1점 )비율을 뺀다. 해서, 마이너스의 NPS 값도 나오기도 한다.

NPS = (Promoters수 - Detractors수) / 응답수

 

 

고객 만족도를 10개의 단계로 나누면 6점 이상이면 만족한다고 계산을 하지만 NPS는 9점과 10점의 고객이 만족한 고객(추천고객)이고 6점이하의 고객은 모두 비추천 고객으로 분류한다.

1) Promoters (9~10 응답자) : 귀사로부터 물건을 지속적으로 구매하고 다른 사람들에게 동일한 수준으로 추천하여, 귀사의 Growth를 창출해 내는 충성도 높은 열성적 고객군

 

2) Passives (7~8 응답자) : 귀사와의 거래에서 만족은 하지만 경쟁력있는 제의에 대해 쉽게 무너질 수 있는 열성이 없는 수동적 고객군

 

3) Detractors (0~6 응답자) : 잘못된 이유로 인해 구매를 했을 수 있거나 귀사의 브랜드와  부정적인 견해 제공으로  인해 귀사의 브랜드에 해가 되거나 귀사의 성장을 방해할 수 있는 불행한 명예를 훼손시키는 고객 군

  

 

 

 

 

 ‘추천의향’을 고객 로열티를 측정하는 문항으로 채택한 이유는 이것이 실제 고객의 반복구매 행동이나 추천 행동과 상관 관계가 가장 높다는 그의 연구 결과 때문이다.

 

 3. NPS의 장점

첫째, 기업 성장과의 연관성 _ NPS가 기업의 성장을 예측할 수 있다.

둘째, 실행이 용이하다. _ 추천 의향과 이유를 묻는 문항 뿐으로 조사 수행이 쉽고 간단

셋째, 피드백의 적시성 _ 고객의 초기 반응 / 신속한 개선 / 최신 데이터 제공

넷째, VOC를 효과적으로 들을 수 있다. - 구체적인 근본 원인 도출 / 실행 가능한 개선안  개발 용이

 

II. 주요 이슈

1. 추천 사유

 

1) 추천 행동을 통해 추천자가 얻는 혜택

첫째, ‘선택 후 인지 부조화의 감소’

-. Leon Festinger의 인지 부조화(Cognitive Dissonance)이론에 따르면 사람들은 행동과 태도 간의 일관성을 유지하려는 동기가 있다. 만약 상품을 구입한 후에 만족하는 사람들이 보이는 전형적인 행동(추천 행동)에 참여하지 않으면, 자기 선택의 합리성에 대한 의구심 또는 후회로 인한 정신적인 압력을 경험할 수 있다. 이러한 정신적인 압력은 심리적인 불편감을 초래하기 때문에 사람들은 이를 회피하기 위한 심리적인 노력을 하게 된다.

이러한 노력의 일환으로 사람들은 자신의 선택이 정당함을 알리는 추천 활동을 할 뿐만 아니라, 동시에 자신의 얘기를 들은 타인이 자신과 동일한 선택을 하는 것을 확인함으로써 자신의 선택이 옳았음을 스스로 확인하고 싶어한다.

 

 

둘째, ‘구매 후 만족감의 지속’

-. 구매만족도는 시간이 흐를수록 감소할 수 밖에 없다. Brickman과 Campbell의 Hedonic Treadmill  이론에 따르면, 인간은 지속적인 행복을 구하기 위해 마치 트레드밀 위의 운동선수처럼 자신에게 만족감을 주는 대상을 찾아 계속해서 방황하는 존재라고 한다.

이런 면에서 추천 행위는 구매 후의 만족감을 지속시키는 데 크게 기여할 수 있다. 왜냐하면 이는 자신의 만족을 재확인하는 동시에 타인에게 유용한 정보를 주는 선행으로 지속적인 만족감을 느낄 수 있기 때문이다.

 

 

 

2) 추천을 받는 사람의 혜택

첫째, ‘의사 결정 과정의 편의성’

-. 소비자들은 구매 행동을 위한 의사결정 과정에서 복잡하거나 정교한 정보보다는 단순하거나 도식화 되어 있는 정보에 더 크게 의존하는 경향이 있다. 복잡한 환경에 적응하기 위해서는 모든 사안에 대해 정보 처리 과정을 거치기 보다는 자동화된 행동 양식이 의사 결정에 더욱 효율적이기 때문이다. A. Tversky와 D. Kahneman은 이러한 추론 과정을 Heuristics라고 명명하였다.

추천에 의한 정보는 객관적인 정보에 비해 상대적으로 덜 정교할 수는 있으나 기억 및 인출이 쉽고 인지적인 노력을 더 적게 요구한다. 따라서 인지적인 구두쇠인 소비자들은 정보 탐색 과정을 줄여주고 의사 결정을 용이하게 하여 정보처리 상의 과부하를 피할 수 있는 추천 정보를 선호한다. 

 

둘째, ‘선택의 안전성’

사회심리학자에 의하면 무엇이 옳은가를 결정하기 위해서 인간이 사용하는 방법 중의 하나는 다른 사람들이 옳다고 생각하는 것이 무엇인지를 알아내는 것이라고 한다. 일반적으로 다른 사람들이 하는 대로 행동하면 실수할 확률이 줄어든다. 왜냐하면 많은 경우에 다수의 행동은 올바르다고 인정되기 때문이다. 이를 사회적 증거(Social Proof)의 법칙이라고 한다.

타인의 추천은 마치 사회적 증거처럼 각인되기 때문에 선택에 있어 위험을 회피할 수 있다.

 

 

2. 측정 척도

-. NPS는 11점 척도를 이용하여 추천 의향의 정도에 따라 고객 군을 추천 고객, 중립 고객, 비추천 고객으로 구분한다. 그러나 하나의 기준으로 획일적으로 구분하여 일괄적으로 적용하는 것은 적절치 않을 수 있다. 

 

 

-. 고려해볼 것은 질문과 응답을 위한 척도가 응답자인 고객의 관점에서 구성되었는가 하는 것이다. 측정자의 관점에서 사후적 해석의 용이 또는 활용을 위해 11점 척도를 쓰고 있지는 않은가 생각해 볼 일이다. 과연 응답자인 고객은 6점과 7점 또는 8점과 9점의 차이를 주어진 11점 척도에서 잘 구분할 수 있을까?

#. 따라서, 응답 형태로 주어지는 데이터에 기반하여 고객 군을 나누는 것이 응답자의 인식과 성향을 반영하는 더욱 좋은 구분이 될 수도 있다고 생각한다. 

 

 

3. 추천의향의 실체는 있는가?

 

 

 

 

 

첫째, 추천의향과 실제 추천행위 사이에 격차는 없는가?

 

  고객들은 질문에서 추천 의향이 높다라고 응답하지만, 높은 추천 의향이 실제로 그들이 반드시 추천을 할 것이라는 것을 의미하지는 않을 수도 있다.

  사람은 본능적으로 자신의 이익을 추구하는 존재이므로 추천하고자 하는 기업에 대해 강한 애착이나 좋은 관계가 없다면 쉽게 실제 추천행위로 옮기게 되지는 않을 것이라고 생각한다. 높은 추천의향을 실제 추천과 연결시키기 위해서 추천행동를 유도할 수 있는 강력한 유인이 반대급부로 주어져야 할 것이다. 이것이 바로 과거에 성공적인 결과를 이끌어낸 추천 프로그램의 핵심 요건이었다고 생각한다.

따라서, 이러한 기존 고객들의 실제 추천 행위를 보상해주는 혜택이 주어지지 않는다면, 추천의향이 높은 고객이라 하더라도 실제 추천 행위로 가시화되기는 쉽지 않다고 생각한다. 

 

 

 

둘째, 추천의향이 높은 고객이 실제로 추천을 하는지 안 하는지를 어떻게 알 수 있는가?

고객의 추천의향이 실제 추천행위와 다르다면, 고객의 추천의향만으로 추천행위를 파악하고 관리하기가 어렵다. 그래서 NPS가 성공적으로 관리되려면, 추천의향의 제고를 통한 실제 추천구매를 추적하여 측정하고 관리할 수 있는 추적 메커니즘(Tracking Mechanism)이 있어야 한다.

 

NPS가 성공하려면 추적(Tracking) 시스템을 갖추고 기존 고객의 추천 의향 개선을 통한 추천구매를 측정할 수 있도록 거래데이터를 서베이 데이터와 결합시켜 실제 추천구매를 관리해 나가야만 할 것이라고 생각한다.

 

5. 모든 산업에 적용할 수 있는가?

 

 

NPS는 고객의 자발적인 로열티, 즉 고객 풀(pull) 개념으로 시장의 푸쉬(push) 혹은 구조에 의해서 성과가 나타나는 산업에는 적용하기 어렵다.

첫째, 제품이나 서비스에 대한 소비자 정보의 양이 부족하거나 접근이 어려운 경우이다. 의료서비스가 이러한 대표적인 예이다. 병원에 대한 정보는 충분치 않고 유용한 정보를 얻을 수 있는 채널은 제한적이다. 이럴 때 실제 경험자에게서 나온 추천 정보는 영향력이 크다.

둘째, 제품 수명주기(Product Life Cycle)가 짧은 산업이다. 제품 수명주기가 짧으면 구매 후 반복 구매가 빈번히 일어나기 때문에 추천이 영향을 끼칠 수 있다. 그러나 내구재 등 제품 수명주기가 긴 경우 추천 의향이 많을지라도 반복 구매 하는 시점까지의 기간에 동일 제품의 기술 발전으로 업그레이드 제품이 계속 출시됨으로 실제 반복 구매 시점에서는 이전 제품의 추천 의향이 영향을 미치기 어렵다.

셋째, 소비자 선택의 자율이 있는 산업이다. 시장 구조가 제한적인 경우 소비자 선택은 영향력을 미치기가 어렵다. 선택에 제약이 없을수록 추천은 효과를 발휘한다. 

 

 

 

III. NPS의 효과적인 활용을 위한 제언

 

 

1. 데이터에 기반한(Data-driven) 고객 분류

 

 

카테고리 별로 개별 기업에 맞는 고객 구분을 고려해 볼 필요가 있다. 개별 카테고리 별로 고객을 구분할 때 데이터에 기반한(Data-driven) 접근은 분류된 고객 군 내 동질성을 확보한다는 측면에서 추천할 만하다. 

 

2. NPS 개선의 성과를 측정할 수 있는 Tracking Mechanism 구축

 

 

-. 서베이 응답은 조사하는 시점의 주관적인 의향이나 불완전한 추측에 기반되어 형성되므로 실제로 나타나는 고객의 행태와는 차이가 있을 수 있다. 그렇다면 NPS 점수의 증대가 실제 추천을 통한 구매를 유도하여 재무 성과에 기여할 수 있을까? 

 

 

-. NPS는 정확히 무엇을 의미하는지 그 실체가 명확하지 않다. 실체를 알기 위해서는 측정을 해야 한다. 따라서 추천 의향(NPS)의 개선을 통해 이루어진 성과를 측정하고 평가할 수 있는 추적 메커니즘이 필요하다.

 

 

이를 위해 NPS 점수가 고객의 거래 데이터(Transactional Data)로 확인되어야 한다. 거래 데이터 중에서도 재무 성과와 관련된 고객 지표가 유용하다. 예를 들면 추천 구매율, 반복 구매율, 고객 유지율 등이다. 서베이 결과로 얻은 의향 자료인 NPS 점수와 실제 거래 데이터에 기반한 고객 자료 간의 연관성을 지속적으로 추적(Tracking)하여 NPS 점수의 변화에 따라 거래 데이터가 어떻게 변동되는지 메커니즘을 밝힐 수 있다. 이것이 필요한 이유는 NPS의 실체가 무엇이고 이를 개선하면 기업에 어떤 효과가 있는지를 알 수 있기 때문이다. 또한 NPS 점수를 높이는데 초점을 맞추기 보다 점수 개선을 위한 비용과 투자 대비 효과를 비교 분석하여 최적 NPS 수준을 찾아 유지해 나가는 등 NPS의 전략 방향도 고려해 봄 직하다.

 

3. 우량 고객 중심의 추천 증대 활동 체계화

-. 기업 관점에서 보면 모든 고객을 만족시키기는 어렵다. NPS도 고객 세분화를 통해 우량고객 중심으로 추천 증대 활동을 집중하는 것이 필요하다.

-. 우량 고객 세그먼트를 정의하고 이에 맞는 차별적인 추천 증대 프로그램을 개발하고 전개하는 것이 모든 고객을 대상으로 하여 NPS를 높이고자 하는 것보다 더욱 효과적일 수 있다.

-. 우량 고객 세그먼트가 결정되면 이를 전담하여 관리할 Segment Manager를 선정하여 관리토록 한다. 세그먼트 매니저는 추천 증대 프로그램의 구체적인 목표와 관리 지표를 설정하고 이를 위해 일관성 있는 고객 관리를 실행한다.

-. 또한 추천 활동을 증대시키기 위해서는 추천 활동에 따른 인센티브의 체계화도 필요하다. 

 

#. NPS는 고객의 실제 행동(Actual Behavior)과 일치하는 지표는 아니다. 추천 의향이 실제 추천행위와 다르듯이, NPS는 실제 추천을 통해 나타나는 매출과는 다를 수 있다. 따라서, 기업의 로열티는 고객의 실제 행동 지표인 거래 데이터로 보완하는 것이 더 올바른 측정이 될 수 있을 것이다.

<참고문헌>  프레드 라이켈트,「지속적 성장을 위한 1등 기업의 법칙」, 청림 출판, 2006