传统的NPS分值测量，仅能记录每个产品版本的分值变化情况。我们只能知道某个产品改版之后，分值是否发生了变化，或者与同行业中同类产品的基准NPS相做比较。但我们却无法得知，服务、价格、售后，用户体验等，谁对NPS的分值影响更大。又或者我们想要去探究用户体验各要素中，可用性、可读性、可视性、可发现性等，谁对NPS分值贡献会更大？
鉴于上述原因，我们在制定调查问卷时，需要将其他要素的11点量表，加入到NPS的调查中来。当我们收集到每个用户的数据后，将结果数据整理为两类：1.各要素的平均分值（作为满意度X轴的值）2.每个用户填写的NPS及各要素具体分值（可通过多元线性回归计算，各要素与NPS的相关性程度，并作为相关度Y轴的值）。根据最终计算后的值，我们可以绘制一个四象限图，去判断哪些要素是“紧急不重要的”，哪些是“紧急且重要的”，将有限的资源投入到更为重要的要素中去。以下将简要介绍下具体的执行的步骤，以供参考：
一、制定调查问卷
制定思路：NPS问题+体验要素满意度
测量范围：0-10（11点测量表）
问卷示范：
二、计算各体验属性的满意度平均分
体验属性平均分=P1+P2+...P3/N
P=每个用户的满意度分数
N=被调查用户总数
三、记录各体验属性的满意度平均分
四、记录每个用户的"NPS分值"与"要素"分值
五、将“步骤四”中的数据表，利用Spss或Excel中进行“多元线性回归”分析
NPS分值：定义为“因变量”
体验要素分值：定义为“自变量”
如利用Spass进行"多元线性回归"计算，可参考以下网址步骤：
https://statistics.laerd.com/spss-tutorials/multiple-regression-using-spss-statistics.phpstatistics.laerd.com
六、在计算结果中，提取相关度数据
标准化偏回归系数，其意义在于通过对偏回归系数进行标准化，从而可以比较不同自变量对因变量的作用大小。「标准化系数」绝对值越大的「自变量」对「因变量」的影响越大
注：在使用该列值时，不用管数值的正负号，只用取绝对值作为Y轴值即可
七、绘制"四象限“图
参考资料:
1.[Recommending Net Promoter (Designing the User Experience at Autodesk)](Recommending Net Promoter)
2.《用户体验度量：收集、分析与呈现（第2版）（全彩）》
3.[How to perform a Multiple Regression Analysis in SPSS Statistics | Laerd Statistics](https://statistics.laerd.com/spss-tutorials/multiple-regression-using-spss-statistics.php)
4.[多重线性回归的结果解读和报告（SPSS实例教程）](多重线性回归的结果解读和报告（SPSS实例教程）)
