Giả sử dân số, từ đó chúng tôi giả sử bạn đang lấy mẫu ngẫu nhiên, chứa tỷ lệ của người quảng bá, của thụ động và của kẻ gièm pha, với . Để mô hình hóa NPS, hãy tưởng tượng lấp đầy một chiếc mũ lớn với số lượng vé khổng lồ (một cho mỗi thành viên trong dân số của bạn) được gắn nhãn cho người quảng bá, cho người thụ động và cho người gièm pha, theo tỷ lệ nhất định, sau đó vẽ của họ một cách ngẫu nhiên. Các mẫu NPS là giá trị trung bình trên vé đã được rút ra. Các thực NPS được tính như giá trị trung bình của tất cả các vé trong mũ: đó làp 0 p - 1 p 1 + p 0 + p - 1 = 1 + 1 0 - 1 np1p0p−1p1+ p0+ p- 1= 1+ 10- 1ngiá trị mong đợi (hoặc kỳ vọng ) của chiếc mũ.
Một công cụ ước tính tốt của NPS thực sự là NPS mẫu. NPS mẫu cũng có một kỳ vọng. Nó có thể được coi là trung bình của tất cả các mẫu NPS có thể. Kỳ vọng này xảy ra bằng với NPS thực sự. Các sai số chuẩn của NPS mẫu là thước đo bao nhiêu NPS mẫu của thường khác nhau giữa một mẫu ngẫu nhiên và khác. May mắn thay, chúng ta không phải tính toán tất cả các mẫu có thể để tìm SE: có thể tìm thấy nó đơn giản hơn bằng cách tính độ lệch chuẩn của vé trong mũ và chia cho . (Một điều chỉnh nhỏ có thể được thực hiện khi mẫu là một tỷ lệ đáng kể của dân số, nhưng điều đó không có khả năng cần thiết ở đây.)n--√
Ví dụ: hãy xem xét dân số quảng cáo, thụ động và kẻ gièm pha. NPS thực sự làp 0 = 1 / 3 p - 1 = 1 / 6p1= 1 / 2p0= 1 / 3p- 1= 1 / 6
NPS = 1 × 1 / 2 + 0 × 1 / 3 + - 1 × 1 / 6 = 1 / 3.
Phương sai là do đó
Var (NPS)= ( 1 - NPS )2× p1+ ( 0 - NPS )2× p0+ ( - 1 - NPS )2× p- 1= ( 1 - 1 / 3 )2× 1 / 2 + ( 0 - 1 / 3 )2× 1 / 3 + ( - 1 - 1 / 3 )2× 1 / 6= 5 / 9.
Các độ lệch chuẩn là căn bậc hai của này, khoảng bằng0,75.
Do đó, trong một mẫu của , bạn sẽ mong đợi quan sát NPS khoảng % với sai số chuẩn là khoảng %.1 / 3 = 33 0,75 / √3241 / 3 = 334,10,75 / 324---√= =4.1
Thực tế, bạn không biết độ lệch chuẩn của vé trong mũ, vì vậy bạn ước tính nó bằng cách sử dụng độ lệch chuẩn của mẫu thay thế. Khi chia cho căn bậc hai của kích thước mẫu, nó ước tính sai số chuẩn của NPS: ước tính này là biên sai số (MoE).
Với điều kiện bạn quan sát số lượng đáng kể của từng loại khách hàng (thông thường, khoảng 5 hoặc nhiều hơn mỗi người sẽ làm), việc phân phối NPS mẫu sẽ gần với Bình thường. Điều này ngụ ý bạn có thể diễn giải MoE theo những cách thông thường. Cụ thể, khoảng 2/3 thời gian NPS mẫu sẽ nằm trong một MoE của NPS thật và khoảng 19/20 thời gian (95%) NPS mẫu sẽ nằm trong hai MoE của NPS thật. Trong ví dụ, nếu tỷ lệ sai số thực sự là 4,1%, chúng tôi sẽ có độ tin cậy 95% rằng kết quả khảo sát (NPS mẫu) nằm trong khoảng 8.2% của NPS dân số.
Mỗi khảo sát sẽ có biên độ sai số riêng. Để so sánh hai kết quả như vậy, bạn cần tính đến khả năng xảy ra lỗi trong mỗi kết quả. Khi kích thước khảo sát là như nhau, sai số chuẩn của sự khác biệt có thể được tìm thấy bởi một định lý Pythagore: lấy căn bậc hai của tổng bình phương của chúng. Chẳng hạn, nếu một năm, MoE là 4,1% và một năm khác thì MoE là 3,5%, thì gần như chỉ ra một biên độ sai số xung quanh = 5,4% cho sự khác biệt trong hai kết quả đó. Trong trường hợp này, bạn có thể kết luận với độ tin cậy 95% rằng NPS dân số đã thay đổi từ khảo sát này sang khảo sát khác với điều kiện chênh lệch trong hai kết quả khảo sát là 10,8% hoặc cao hơn.3,52+ 4.12---------√
Khi so sánh nhiều kết quả khảo sát theo thời gian, các phương pháp tinh vi hơn có thể giúp ích, bởi vì bạn phải đối phó với nhiều lỗi sai khác nhau. Khi các lề của lỗi khá giống nhau, một nguyên tắc thô sơ là coi sự thay đổi của ba hoặc nhiều MoE là "đáng kể". Trong ví dụ này, nếu MoEs lơ lửng khoảng 4%, thì thay đổi khoảng 12% hoặc lớn hơn trong khoảng thời gian của một số khảo sát phải thu hút sự chú ý của bạn và những thay đổi nhỏ hơn có thể được coi là lỗi khảo sát. Bất kể, phân tích và quy tắc ngón tay cái được cung cấp ở đây thường cung cấp một khởi đầu tốt khi suy nghĩ về sự khác biệt giữa các khảo sát có thể có nghĩa gì.
Lưu ý rằng bạn không thể tính toán biên sai số từ NPS được quan sát: nó phụ thuộc vào số lượng quan sát của từng loại trong số ba loại người trả lời. Ví dụ: nếu hầu hết mọi người đều là "thụ động", thì NPS khảo sát sẽ ở gần với sai số rất nhỏ. Nếu dân số được phân cực bằng nhau giữa người quảng bá và người gièm pha, NPS khảo sát sẽ vẫn ở gần nhưng sẽ có biên sai số lớn nhất có thể (bằng trong một mẫu gồm người).0 1 / √001 / n--√n