NPS הוא אחד המדדים המוכרים ביותר למדידת שביעות רצון ונאמנות לקוחות. הוא מאפשר לארגון לקבל אינדיקציה ברורה לגבי נכונות הלקוחות להמליץ עליו, ולעקוב אחר השינוי לאורך זמן. אבל לפעמים קורה משהו מעניין: ה־NPS גבוה, ובכל זאת לקוחות עוזבים.
זה לא אומר שהמדד לא טוב או שהוא טועה. יכול להיות ששני הדברים נכונים בו־זמנית. השאלה היא מה עדיין חסר לנו כדי להבין את התמונה?
נניח שלקוח נתן לחברה ציון 9. מבחינת ה-NPS מדובר בלקוח שמרוצה מספיק כדי להמליץ עליה. אבל באותה תקופה הוא כותב בקבוצה שהוא מאוד מרוצה מהמוצר, שהשירות מקצועי, ושבסך הכול הוא ממליץ על החברה. ואז הוא מוסיף שבכל פעם שיש לו בעיה, לוקח לו יותר מדי זמן להגיע לאדם שיכול לעזור לו.
מה אנחנו יודעים עכשיו?
הציון אומר שהלקוח מוכן להמליץ ועם זאת השיח מספר לנו שיש בחוויה שלו גם נקודת חיכוך משמעותית.
ואם נגלה שאותה נקודה חוזרת אצל לקוחות נוספים, כבר מדובר במשהו אחר לגמרי. לא עוד תלונה של לקוח אחד, אלא דפוס שאפשר לחקור ולהבין את המשמעות שלו.
וזה בדיוק המקום שבו מידע איכותני יכול להוסיף לנתונים שכבר נמצאים אצל הארגון.
ה־NPS נותן לנו את הציון, הוא לא נועד לספר לנו את כל הסיפור שמאחוריו.
Behind the Number כשיש לנו נתון, אנחנו עדיין צריכים להבין מה עומד מאחוריו
נניח שה־NPS של חברה ירד. הארגון יודע שהמדד ירד, והוא יכול לבדוק מתי זה קרה, באילו קבוצות לקוחות ובאיזה שלב במסע הלקוח.
אבל הירידה עצמה יכולה להיגרם מסיבות שונות: אולי משהו השתנה במוצר, אולי המחיר נתפס אחרת, אולי חוויית השירות השתנתה, אולי נוצרה חלופה טובה יותר ואולי הלקוחות עדיין מרוצים, אבל משהו אחר גרם להם להתחיל לשקול אפשרויות נוספות.
כדי להבין את זה, צריך להסתכל על המידע שמאחורי הציון.
כאן השיח האותנטי של לקוחות יכול להיות מקור מידע משמעותי. אנשים מספרים בו מה הם אוהבים, מה מפריע להם, במה הם מתלבטים, למה הם ממליצים על חברה מסוימת ולמה הם שוקלים לעבור לאחרת.
אבל גם כאן יש הבדל בין לקרוא תגובות לבין לבצע מחקר.
אם אדם אחד כתב שהשירות גרוע, זו אמירה מעניינת אבל היא עדיין לא הופכת לממצא.
כדי לזהות דפוס צריך לראות שהרעיון חוזר אצל אנשים שונים, בשיחות שונות ובהקשרים רלוונטיים. ככל שהרעיון מופיע באופן עצמאי ועקבי יותר, אפשר לבחון אותו כבסיס למסקנה מחקרית.
המספרים יכולים לעזור לנו להבין את היקף התופעה: כמה אזכורים, כמה שיחות, כמה כותבים, באיזו תקופה ובאילו מקורות. אבל הכמות לבדה עדיין לא מספרת לנו מה בדיוק חוזר.
הניתוח האיכותני הוא זה שמאפשר להתעמק בתוכן ולשאול מה עומד מאחורי החזרה הזו.
Satisfaction vs Retention לקוח יכול להיות מרוצה ועדיין לעזוב
זו אולי אחת ההבחנות החשובות ביותר כשמנסים להבין נטישה.
לקוח לא חייב להיות לא מרוצה כדי לעבור לחברה אחרת.
הוא יכול להיות מרוצה מהמוצר, אבל להרגיש שהוא משלם עליו יותר מדי. הוא יכול להעריך את השירות, אבל לקבל הצעה טובה יותר ממתחרה. הוא יכול להמליץ על החברה לאחרים אבל כשהגיע הזמן לחדש את העסקה, לקבל החלטה אחרת.
דוגמה מאוקטובר 2026. מנכ"ל בנק לאומי שאל ברשת X מה אפשר לשפר בשירות. ניתחנו 1,211 יחידות שיח מהשרשור. שירות אכן הוביל, עם 297 אזכורים. אבל 188 אזכורים, כ-15.5% מהשיח, עסקו בעמלות, בריבית על יתרות זכות ובחלוקת הרווחים. כלומר בשאלה אם היחס הכלכלי הוגן. לקוח יכול להעריך את הבנקאי שלו ועדיין להרגיש שהוא משלם יותר מדי. ציון שביעות רצון לא יתפוס את הפער הזה. לניתוח המלא
לכן גם NPS גבוה לא בהכרח אומר שאין לארגון בעיה שצריך להבין.
הוא יכול דווקא להעלות שאלה מעניינת: מה גורם ללקוח להמליץ עלינו, ומה גורם לו בכל זאת להתלבט לגבי המשך הקשר איתנו?
הפער בין שני הדברים יכול להיות המקום שבו נמצאת ההזדמנות העסקית.
Drivers of Value גם ציון גבוה לא מספר מה הלקוח הכי מעריך
נניח שה־NPS עלה בעקבות שינוי שהחברה ביצעה. המספר אומר שמשהו השתפר אבל אם רוצים להבין מה כדאי לשמר, לחזק או להרחיב, צריך לדעת מה הלקוחות מייחסים לשינוי:
האם הם מרגישים שהמוצר השתפר?
האם השירות הפך לנוח יותר?
האם משהו בתקשורת של החברה יצר יותר ביטחון?
או שאולי הסיבה בכלל נמצאת במקום אחר?
אותו דבר נכון גם כשהציון יורד, מחקר איכותני יכול לעזור לזהות אילו נושאים חוזרים בשיח סביב המותג ולראות כיצד הם מתקשרים לחוויית הלקוח ולבחירה שלו.
לא כל דבר שחוזר בשיח הוא בהכרח בעיה, ולא כל דבר חיובי הוא בהכרח מניע בחירה, המשמעות תלויה במה שהארגון מנסה להשיג.
אם החברה רוצה להגדיל שימור, למשל, היא צריכה להבין אילו תפיסות וחוויות קשורות להחלטה להישאר או לעזוב. אם היא יוצאת עם מוצר חדש, השאלות יהיו אחרות. לכן המחקר לא מתחיל ונגמר בשאלה "האם הלקוחות מרוצים?"
הוא בוחן את השיח בהתאם למהלך ולמטרה של הארגון, ומנסה להבין מה מתוך השיח רלוונטי להחלטות שהוא צריך לקבל.
באותו שרשור, 41 אזכורים מ-37 כותבים שונים ביקשו מהבנק לפתוח גישה מאובטחת לחשבון דרך API, כדי לחבר אליו כלים וסוכני AI. זה 3.4% מהשיח, בשרשור שעסק בשירות. אף אחד לא שאל אותם על זה. ובתוך דפוס השירות עצמו התגלה שהתפיסה היא שירות לא עקבי, ולא שירות גרוע: תיאורים של בנקאים מצוינים לצד קושי להשיג מענה. סקר שביעות רצון היה מחזיר ממוצע. השיח החזיר את הפער.
From Score to Decision אז מה אפשר לעשות עם המידע הזה?
המטרה היא לא להחליף את ה־NPS אלא להוסיף לו שכבת הבנה. הארגון יכול לדעת שהלקוחות מרוצים, ובמקביל לגלות שיש נקודת חיכוך שחוזרת אצל רבים מהם.
הוא יכול לראות שהציון ירד ולגלות שהשינוי קשור לתפיסה חדשה שנוצרה סביב המוצר, הוא יכול לזהות שלקוחות ממליצים על החברה מסיבה מסוימת ולהבין שהיתרון הזה משמעותי יותר ממה שהארגון חשב והוא יכול לגלות שפער שנראה בתחילה כמו בעיית מחיר הוא למעשה בעיה של ערך נתפס.
ב־align אנחנו משתמשים בניטור בשיח האותנטי של הלקוחות כמקור למידע מחקרי. המטרה היא לנתח את החומר לאורך זמן, לזהות דפוסים שחוזרים אצל אנשים שונים ובשיחות שונות, להבין אילו תפיסות עולות מהם ולחבר את ההבנה הזו למהלכים ולהחלטות של הארגון.
כי בסופו של דבר, NPS הוא מספר חשוב. אבל גם כשהמספר גבוה, יכולות להישאר שאלות שהארגון עדיין לא יודע לענות עליהן.
השאלה היא לא אם ה־NPS שלכם גבוה או נמוך. השאלה היא מה אתם עדיין לא יודעים על הלקוחות שלכם, למרות שאתם כבר מודדים אותם.