Индекс чистой поддержки, или Net Promoter Score (NPS), остаётся одной из самых распространённых метрик оценки отношения клиентов к компании. Предложенный Ф. Райхельдом, он строится на единственном вопросе о готовности рекомендовать компанию и вычисляется как разность долей промоутеров и критиков [1]. Простота сделала NPS корпоративным стандартом, однако она же порождает риск: единственное число способно демонстрировать благополучие, оставляя скрытыми конкретные трудности, с которыми клиент сталкивается на пути покупки. Особенно остро это проявляется в цифровом ритейле, где путь клиента распадается на множество слабо контролируемых точек: выбор товара, поиск информации, оформление, доставка и возврат [9].

Цель статьи — показать на эмпирических данных, что высокий NPS может сосуществовать с системными проблемами клиентского опыта, и обосновать дополнение NPS метрикой клиентских усилий (Customer Effort Score, CES). Актуальность вопроса усиливается тем, что в цифровых экосистемных продуктах именно совокупный опыт, а не отдельная покупка, формирует удержание клиента [17], а взаимосвязь лояльности и оттока становится самостоятельным предметом управленческого анализа [14].

NPS как реляционная метрика и его ограничения

NPS относится к реляционным метрикам: он измеряет отношение к бренду в целом и лояльность во времени, а не лёгкость или качество отдельной транзакции [8]. Именно это свойство лежит в основе его критики. Кейнингем с соавторами на продолжительных данных не смогли воспроизвести заявленное «превосходство» NPS над альтернативными метриками [3]. Заки с коллегами показали, что высокая доля промоутеров может уживаться с реальным оттоком клиентов, то есть NPS не всегда соответствует поведению [4]. Бэре с соавторами установили, что рост продаж предсказывает лишь NPS, измеренный по всему рынку, тогда как NPS текущих клиентов такой силы не имеет [5]. Каццаро и Чиодини обращают внимание на статистическую сторону: одно и то же значение индекса может скрывать разную структуру клиентской базы [6]. Показательно, что и сами авторы концепции различают реляционный и транзакционный NPS, признавая, что отношение к бренду и оценка конкретной сделки — не одно и то же [2].

Ответом на потребность измерять именно транзакционную сторону опыта стала метрика клиентских усилий CES, предложенная Диксоном, Фриманом и Томаном: она фиксирует, сколько усилий потребовалось клиенту для решения его задачи, и, по утверждению авторов, предсказывает лояльность лучше традиционных метрик [7]. Однако и CES не является универсальным решением. Парди-Кьюсик в B2B-контексте не обнаружил значимой связи CES с намерением повторной покупки [11]; Ким и Джун по итогам межотраслевого сравнения заключают, что ни одна метрика не является лучшей для всех случаев [10]; Норузи показывает, что в модели пожизненной ценности клиента вклад NPS может превосходить вклад CES [13]. Ценность CES, таким образом, контекстна и зависит от отрасли, канала и типа покупки.

Из сопоставления следует вывод, который разделяет большинство современных работ: метрики комплементарны, и продуктивно не заменять одну другой, а применять их совместно. Чанг формулирует это прямо: NPS отражает лояльность и отношение во времени, тогда как CSAT и CES фокусируются на каждой транзакции в конкретной точке контакта [8]. Ким и Джун отмечают, что комбинированное использование метрик повышает предсказуемость лояльности сильнее, чем любая из них по отдельности [10]. Пирес с соавторами описывают метрики как звенья единой цепочки, в которой усилие, целостное качество пути, удовлетворённость и лояльность измеряют разные её участки [12]. В отечественной литературе близкие идеи развиваются применительно к измерению потребительского опыта [16] и к контент-анализу клиентских коммуникаций как источнику диагностики опыта [15].

Данные и методы

Эмпирической базой послужил онлайн-опрос покупателей крупного маркетплейса в категории «одежда, обувь и аксессуары», проведённый в июле–августе 2026 года. Из 163 полученных ответов 112 прошли квалификацию (покупка в категории за последние три месяца) и составили рабочую выборку. Анкета давала на одних и тех же респондентах парные значения NPS (шкала 0–10), CES (1–7) и CSAT (1–5), оценки лёгкости по пяти точкам пути клиента, а также поведенческий блок — факт возврата или переоформления товара. Для анализа применялись корреляции, логистическая регрессия факта возврата и сравнение прогностической точности метрик по площади под ROC-кривой (AUC); метрики предварительно стандартизировались для сопоставимости коэффициентов. В соответствии с условиями конфиденциальности внутренние операционные показатели площадки в тексте не раскрываются и приводятся в обобщённом виде.

Результаты: благополучный индекс и скрытое трение

Общий по выборке NPS составил +28,6 (промоутеров 53,6 %, критиков 25,0 %) — умеренно-положительный фон, который на уровне единственного числа выглядит благополучно. Однако тот же массив данных обнаруживает существенное трение: 49,1 % респондентов возвращали или переоформляли товар, средний CES составил лишь 5,21 из 7, а самыми трудными точками пути оказались возврат и обмен (доля оценивших их как тяжёлые составила 40,9 %) и выбор товара и размера (27,3 %). Иными словами, положительный NPS сосуществует с массовым и вполне конкретным затруднением.

Различия метрик между теми, кто возвращал товар, и теми, кто не сталкивался с возвратом, приведены в таблице 1.

Таблица 1

Средние значения метрик по группам клиентов (опрос 2026, n = 112)

Как видно, у клиентов с возвратом снижаются все три метрики, но за средними значениями скрывается важная деталь. Разброс NPS в группе возврата заметно выше, чем в группе без возврата (стандартное отклонение 3,23 против 1,63): часть клиентов ставит высокую оценку готовности рекомендовать, несмотря на то что им пришлось возвращать товар. Лояльность к бренду в этих случаях сохраняется, а пережитое усилие в NPS попросту не отражается — это и есть его «слепое пятно».

Прямое сравнение прогностической силы подтверждает вывод. По точности предсказания факта возврата CES превосходит NPS (AUC 0,739 против 0,690). При включении обеих метрик в одну модель CES остаётся статистически значимым предиктором (p = 0,010), тогда как NPS значимость теряет (p = 0,105). Усилие клиента объясняет реальное поведение лучше, чем декларируемая лояльность.

Наконец, «слепое пятно» видно и в качественных данных. Контент-анализ около 1,4 тыс. клиентских отзывов с высокими оценками (4–5 баллов) показал, что даже в положительных отзывах доминируют жалобы, связанные с усилием: несоответствие размера и посадки (45,5 %) и нехватка информации о товаре (18,5 %). Высокая оценка и позитивное отношение, таким образом, вполне уживаются с ощутимым трением, которое метрики удовлетворённости и лояльности сами по себе не показывают. Клиенты с возвратом дают ниже все три метрики — резче всего снижается CES/CSAT

Рис. 1. Средние значения метрик по группам клиентов с возвратом и без (опрос 2026, n = 112)

Обсуждение и выводы

Полученные результаты не отвергают NPS как инструмент, но точно очерчивают границы его применимости. NPS обоснованно служит индикатором здоровья бренда и реляционного отношения клиента, однако он не локализует точки трения и, как показывают данные, способен оставаться высоким там, где клиент испытывает значительные усилия. На маркетплейсе, где качество каждой точки пути зависит от множества независимых продавцов, а площадка управляет опытом лишь косвенно, одномерное измерение особенно рискованно.

Практический вывод состоит в переходе к гибридной системе метрик по принципу «NPS над путём, CES в точках»: реляционный NPS сохраняется как индикатор бренда, а транзакционные замеры усилий регулярно проводятся в наиболее проблемных точках, а именно при возврате и обмене, выборе размера и поиске информации о товаре. Такой контур не только фиксирует уровень отношения, но и показывает, что именно требует исправления, связывая измерение с конкретными управленческими действиями.

Исследование имеет ограничения. Выборка невелика (n = 112), данные одномоментны, что создаёт риск смещения общего метода, а сам опрос основан на самоотборе и смещён по полу, возрасту и географии, поэтому выводы о генеральной совокупности следует делать осторожно. Кроме того, как показывает литература, предсказательная ценность CES контекстна и не универсальна, поэтому предлагается именно совместное применение метрик, а не отказ от NPS. Проверка устойчивости выводов на более крупных и репрезентативных выборках, а также в других товарных категориях, составляет направление дальнейшей работы.

Литература:

1. Reichheld F. F. The One Number You Need to Grow // Harvard Business Review. — 2003. — Vol. 81, № 12.
2. Райхельд Ф., Марки Р. Искренняя лояльность. Ключ к завоеванию клиентов на всю жизнь. — М.: Манн, Иванов и Фербер, 2018. — 352 с.
3. Keiningham T. L., Cooil B., Andreassen T. W., Aksoy L. A Longitudinal Examination of Net Promoter and Firm Revenue Growth // Journal of Marketing. — 2007. — Vol. 71, № 3. — P. 39–51.
4. Zaki M., Kandeil D., Neely A., McColl-Kennedy J. R. The Fallacy of the Net Promoter Score: Customer Loyalty Predictive Model. — Cambridge Service Alliance, 2016.
5. Baehre S., O'Dwyer M., O'Malley L., Lee N. The use of Net Promoter Score (NPS) to predict sales growth: insights from an empirical investigation // Journal of the Academy of Marketing Science. — 2022. — Vol. 50. — P. 67–84.
6. Cazzaro M., Chiodini P. M. Statistical validation of critical aspects of the Net Promoter Score // The TQM Journal. — 2022. — DOI: 10.1108/TQM-05–2022–0170.
7. Dixon M., Freeman K., Toman N. Stop Trying to Delight Your Customers // Harvard Business Review. — 2010. — July–August.
8. Chang D. Y. L. Managing Customer Experiences through Digital Disruption // Leading in a Digitally Disruptive World. — World Scientific, 2024. — Ch. 5. — P. 95–114.
9. Lemon K. N., Verhoef P. C. Understanding Customer Experience throughout the Customer Journey // Journal of Marketing. — 2016. — Vol. 80, № 6. — P. 69–96.
10. Kim J., Jung B. Сравнительное исследование методов измерения (CFM) для повышения предсказуемости лояльности клиентов // Journal of Venture Innovation. — 2018. — Vol. 1, № 2. — P. 61–73.
11. Pardi-Cusick J. The Relationship Between Repurchase Intention and Common Customer Experience Metrics in the B2B Context: Doctoral dissertation. — National University, 2023.
12. Pires P. B., Perestrelo B. M., Santos J. D. Measuring Customer Experience in E-Retail // Administrative Sciences. — 2025. — Vol. 15. — DOI: 10.3390/admsci15110434.
13. Norouzi V. Predicting e-commerce CLV with neural networks: The role of NPS, ATV, and CES // Journal of Economy and Technology. — 2024. — Vol. 2. — P. 174–189.
14. Мунджишвили И. И., Иванов В. В. Оценка взаимосвязи индекса лояльности клиентов и оттока клиентов с последующей оценкой показателей, влияющих на индекс лояльности клиентов // Индустриальная экономика. — 2024. — № S2.
15. Калабихина И. Е., Чесноков А. А. Использование контент-анализа коммуникаций в онлайн-консультанте для улучшения клиентского опыта // Государственное управление. Электронный вестник. — 2020. — № 80.
16. Сержантов А. А., Орлова М. В. Маркетинговые подходы к измерению и оценке потребительского опыта // Вестник университета. — 2017. — № 3. — С. 87–92.
17. Халиф Е. И., Российская М. В. Формирование лояльности потребителя в сфере цифровых экосистемных продуктов // Путеводитель предпринимателя. — 2024. — № 3.