วิธีสร้างรายงาน CSAT ที่นำไปสู่การปฏิบัติจริง

ทีมสองทีมทำการสำรวจลูกค้ากลุ่มเดียวกันในวันเดียวกัน ทีมหนึ่งรายงานผลที่ 82% ส่วนอีกทีมรายงานที่ 4.1

ทั้งสองทีมถูกต้องทั้งหมด ทีมหนึ่งใช้วิธีคิดแบบเปอร์เซ็นต์ ส่วนอีกทีมใช้การหาค่าเฉลี่ยของคะแนน และแหล่งข้อมูลที่กำหนดตัวชี้วัดนี้ก็อนุญาตให้ใช้ได้ทั้งสองวิธี

นั่นคือสิ่งแรกที่ต้องตกลงกันให้เรียบร้อยก่อนที่คุณจะสร้างรายงาน สูตรคำนวณคือสิ่งที่เราเลือกได้ ไม่ใช่มาตรฐานบังคับ

คู่มือนี้จะครอบคลุมถึงสิ่งที่รายงานต้องมีและสูตรคำนวณที่ถูกต้องทั้งสองแบบ จากนั้นจะอธิบายว่าทำไมเกณฑ์การวัด (scale) และช่วงเวลาจึงเป็นตัวกำหนดสิ่งที่คุณจะได้เรียนรู้ รวมถึงวิธีสร้างรายงานจากการส่งข้อมูลการสำรวจออก (survey export)

สิ่งที่รายงาน CSAT ต้องมี

คะแนนเป็นเพียงแค่บรรทัดเดียว แต่รายงานคือสิ่งที่จะทำให้คะแนนนั้นนำไปใช้งานจริงได้

มี 6 สิ่งที่ควรอยู่ในมุมมองเดียวกัน ได้แก่ คะแนน, สูตรที่ใช้, เกณฑ์การวัด (scale), จำนวนผู้ตอบแบบสอบถาม, กลุ่มประชากรที่ทำการสำรวจ และจุดกระตุ้น (trigger point)

จุดกระตุ้นคือสิ่งที่รายงานส่วนใหญ่มักจะละเลยไป คะแนนที่เก็บหลังจากสายบริการช่วยเหลือลูกค้า และคะแนนที่เก็บหลังจากครอบครองสินค้าไปแล้ว 30 วัน ถือเป็นการวัดผลที่แตกต่างกันอย่างสิ้นเชิงแม้จะใช้ชื่อเดียวกันก็ตาม

ควรใส่การกระจายตัวของข้อมูล (distribution) ลงไปด้วย โดยเก็บจำนวนผู้ตอบในแต่ละจุดของเกณฑ์การวัดไว้ เพราะการรวบยอดให้เหลือตัวเลขเพียงตัวเดียวจะทำให้เราสูญเสียรูปแบบของข้อมูลไปอย่างถาวร

จำนวนผู้ตอบแบบสอบถามมีความสำคัญมากกว่าที่หลายคนคิด หากมีผู้ตอบเพียง 40 คน แค่คนไม่กี่คนเปลี่ยนคะแนนไปเพียงแต้มเดียวก็อาจทำให้คะแนนรวมแกว่งไปได้หลายจุด

สองสูตรคำนวณที่ถูกต้อง กับตัวเลขสองค่าที่แตกต่างกัน

Qualtrics ได้กำหนดตัวชี้วัดนี้และวิธีการคำนวณไว้ใน หน้า CSAT ของพวกเขา และได้ระบุแนวทางทั้งสองแบบไว้

วิธีคิดแบบเปอร์เซ็นต์คือวิธีที่พวกเขาอธิบายขั้นตอนไว้ โดยคุณจะต้อง "ใช้คำตอบระดับ 4 (พึงพอใจ) และ 5 (พึงพอใจมาก)" จากนั้นจึงใช้สูตรคำนวณที่เผยแพร่ไว้

สูตรคำนวณมีดังนี้: จำนวนลูกค้าที่พึงพอใจ หารด้วยจำนวนผู้ตอบแบบสอบถามทั้งหมด แล้วคูณด้วย 100

มีเหตุผลที่ระบุไว้สำหรับกฎการเลือกสองอันดับแรก (top-two rule) โดยในหน้าเว็บระบุว่า "การใช้ค่าสูงสุดสองอันดับแรกในแบบสำรวจความคิดเห็นเป็นตัวบ่งชี้ที่แม่นยำที่สุดในการรักษาลูกค้าไว้ (customer retention)"

วิธีหาค่าเฉลี่ยก็ได้รับการยอมรับในหน้าเดียวกัน โดยผลลัพธ์ "สามารถนำมาหาค่าเฉลี่ยเพื่อให้ออกมาเป็นคะแนนความพึงพอใจของลูกค้าโดยรวม (Composite Customer Satisfaction Score)" แม้ว่าโดยทั่วไปแล้วคะแนน "มักจะแสดงในรูปแบบของเปอร์เซ็นต์มากกว่า"

	วิธีคิดแบบเปอร์เซ็นต์	วิธีหาค่าเฉลี่ย
ผลลัพธ์	0% ถึง 100%	ตัวเลขตามเกณฑ์การวัดของคุณ
มองคะแนนระดับ 3 เป็น	ไม่พึงพอใจ	ปานกลาง
อ่อนไหวต่อ	การเคลื่อนไหวข้ามเส้นแบ่งระหว่าง 3 ไป 4	การเคลื่อนไหวในทุกจุด
เปรียบเทียบกับเกณฑ์มาตรฐาน (benchmarks) ที่เผยแพร่ทั่วไปได้หรือไม่	ส่วนใหญ่ได้	ไม่ค่อยได้

เลือกวิธีใดวิธีหนึ่งแล้วระบุไว้ในรายงาน ทั้งสองวิธีนี้ไม่สามารถแปลงค่าแทนกันได้ และทีมที่เปลี่ยนวิธีคำนวณกลางปีจะทำให้ข้อมูลแนวโน้ม (trend) ของตัวเองเสียไปโดยสิ้นเชิง

ตัวชี้วัดที่เกี่ยวข้องตัวอื่นจะใช้กฎที่แตกต่างออกไป NPS จะคัดกลุ่มคะแนนระดับกลางออกจากเปอร์เซ็นต์ทั้งสองฝั่ง ในขณะที่ CSAT จะยังคงนับทุกคนไว้ในตัวหาร คู่มือของเราเกี่ยวกับ การสร้างรายงาน NPS ได้ครอบคลุมการเปรียบเทียบดังกล่าวไว้แล้ว

จุดที่การตัดสินใจเลือกเกณฑ์การวัด (scale) ส่งผลกระทบ

Qualtrics นำเสนอ CSAT บนเกณฑ์การวัดแบบ 5 ระดับ (five-point scale) ตั้งแต่ไม่พึงพอใจอย่างมากไปจนถึงพึงพอใจอย่างมาก

มีการเผยแพร่ข้อความคำถามมาตรฐานด้วยเช่นกัน โดยจะถามว่าลูกค้าจะ "ประเมินความพึงพอใจโดยรวมของคุณต่อ [สินค้า/บริการ] ที่ได้รับอย่างไร"

เครื่องมือจำนวนมากมักจะตั้งค่าเริ่มต้นเป็นแบบ 7 ระดับ หรือ 10 ระดับแทน ซึ่งนั่นไม่ใช่เรื่องที่ผิด แต่จะทำให้การคำนวณทางคณิตศาสตร์เปลี่ยนไป

กฎการเลือกสองอันดับแรก (top-two rule) จะใช้ไม่ได้ผลเหมือนเดิมเมื่อเกณฑ์การวัดเปลี่ยนไป การเลือกสองช่องจากห้าช่องคิดเป็น 40% บนสุดของเกณฑ์การวัด ในขณะที่สองช่องจากสิบช่องคิดเป็นเพียง 20% บนสุดเท่านั้น

ดังนั้น แบบสำรวจแบบ 10 ระดับที่คิดคะแนนจากสองช่องบนสุดจะรายงานผล CSAT ที่ต่ำกว่าแบบสำรวจแบบ 5 ระดับ ทั้งที่ลูกค้ามีความรู้สึกพึงพอใจเท่ากัน นั่นเป็นเพียงผลลัพธ์ที่เกิดจากวิธีการวัดผล (measurement artefact) ไม่ใช่สัญญาณที่แท้จริงจากลูกค้า

กฎสองข้อที่ควรปฏิบัติตาม ซึ่งทั้งสองข้อนี้ทำได้ง่ายมาก คือ กำหนดเกณฑ์การวัดให้คงที่ และบันทึกเกณฑ์นั้นไว้ข้างๆ ทุกคะแนนที่คุณเผยแพร่

หากคุณจำเป็นต้องเปลี่ยนเกณฑ์การวัด ให้ถือว่าเป็นชุดข้อมูลใหม่ บันทึกวันที่เปลี่ยนเอาไว้ และหยุดนำข้อมูลก่อนและหลังการเปลี่ยนมาเปรียบเทียบกัน

ช่วงเวลาที่คุณถามจะเปลี่ยนสิ่งที่คุณได้เรียนรู้

จังหวะเวลาคือการตัดสินใจในการออกแบบที่แหล่งข้อมูลเดียวกันมองว่าเป็นหัวใจสำคัญ

Qualtrics อธิบายว่า CSAT เป็นตัวชี้วัดแบบ "ณ ตรงนี้ ตอนนี้" ซึ่ง "เกี่ยวข้องกับประสบการณ์เฉพาะเจาะจงมากกว่าความสัมพันธ์ระยะยาวกับลูกค้า"

นั่นเป็นตัวกำหนดว่าเมื่อใดที่คำถามนี้จะสมเหตุสมผล สำหรับการโต้ตอบเป็นรายครั้ง เช่น การโทรหาศูนย์บริการลูกค้า (contact centre) หน้าเว็บแนะนำให้ถามทันทีในขณะที่การสนทนายังคงใหม่อยู่ในความทรงจำ

สำหรับสิ่งที่มีการใช้งานอย่างต่อเนื่อง คำแนะนำจะกลับกัน บริการแบบสมัครสมาชิกหรือสินค้าที่มีความทนทานอาจต้องใช้เวลาหลายวันหรือหลายสัปดาห์ก่อนที่ลูกค้าจะสามารถประเมินได้

ผลลัพธ์ในทางปฏิบัติสองประการที่ตามมาคือ คะแนน CSAT รวมที่ผสมผสานจุดสัมผัส (touchpoint) ทั้งสองประเภทเข้าด้วยกันนั้นแทบจะไม่มีความหมายเลย และวิธีแก้ไขคือการรายงานผลแยกตามจุดกระตุ้น (trigger)

หน้าเว็บยังเตือนเกี่ยวกับเรื่องความถี่ด้วย การถามลูกค้าประจำบ่อยเกินไป "อาจสร้างปัญหาในตัวเองได้" ซึ่งจะแสดงให้เห็นในข้อมูลของคุณในรูปแบบของอัตราการตอบกลับ (response rate) ที่ลดลง

จงเฝ้าดูอัตราการตอบกลับนั้นในฐานะตัวชี้วัดที่สำคัญตัวหนึ่ง คะแนนที่สูงขึ้นในขณะที่จำนวนผู้ตอบลดลงมักเกิดจากผลกระทบของการอยู่รอด (survivorship bias) ไม่ใช่การปรับปรุงที่ดีขึ้นจริง

วิธีทำด้วยตัวเองแบบแมนนวล

ทางเลือกที่ 1: นับสองค่าแล้วหารหนึ่งครั้ง

นับจำนวนคำตอบที่ระดับ 4 และ 5 ด้วยฟังก์ชัน COUNTIFS จากนั้นนับจำนวนคำตอบทั้งหมดด้วยฟังก์ชัน COUNTA ในคอลัมน์คะแนนประเมิน

การใช้ COUNTA ในคอลัมน์คะแนนประเมินแทนการนับจำนวนแถวนั้นมีความสำคัญมาก คะแนนที่ว่างเปล่าไม่ใช่ศูนย์ และการปล่อยให้ค่าว่างเหล่านั้นเข้าไปอยู่ในตัวหารจะดึงให้คะแนนรวมต่ำลง

ทำการหารเพียงครั้งเดียวในตอนท้ายและแสดงจำนวนนับทั้งสองค่าให้เห็นชัดเจน เพื่อให้ทุกคนสามารถคำนวณตัวเลขของคุณซ้ำได้จากเซลล์สองเซลล์ด้านบนนั้น

ข้อจำกัดสูงสุดคือคุณจะได้คะแนนเพียงค่าเดียวสำหรับช่วงเวลาหนึ่งๆ โดยไม่เห็นภาพรวมว่าจุดสัมผัส (touchpoint) หรือกลุ่มลูกค้า (segment) ใดที่มีการเปลี่ยนแปลง

ทางเลือกที่ 2: การกระจายตัวของข้อมูลแบบเต็มรูปแบบ

เก็บจำนวนนับในทุกๆ จุดของเกณฑ์การวัด จากนั้นจึงคำนวณหาทั้งค่าเปอร์เซ็นต์และค่าเฉลี่ยจากตารางเดียวกัน

การแสดงผลทั้งสองแบบมีประโยชน์ในการตรวจสอบความถูกต้อง (sanity check) หากทั้งสองค่าบอกเล่าเรื่องราวที่ขัดแย้งกัน แสดงว่าคุณมีข้อมูลที่มีการกระจายตัวแบบสองยอด (bimodal distribution) และการใช้ตัวเลขเพียงตัวเดียวจะทำให้เกิดความเข้าใจผิดไม่ว่าคุณจะเลือกทางใดก็ตาม

ตอนนี้รายงานสามารถนำมาจำแนก (slice) ได้แล้ว ไม่ว่าจะแยกตามจุดกระตุ้น, ตามผลิตภัณฑ์, ตามช่องทาง, ตามพนักงาน หรือตามระยะเวลาที่เป็นลูกค้า (tenure)

ข้อมูลเชิงลึกที่ค้นพบมักจะซ่อนอยู่ในการจำแนกข้อมูลนี้ คะแนนรวมที่ดูดีมักจะซ่อนช่องทางหนึ่งช่องทางที่มีคะแนนต่ำกว่าช่องทางอื่นอยู่เต็มๆ หนึ่งคะแนน

ข้อจำกัดคือการเชื่อมโยงข้อมูล (joins) และปริมาณข้อมูล การจับคู่คำตอบแบบสำรวจกับข้อมูลบัญชีผู้ใช้หรือข้อมูลตั๋วสนับสนุน (ticket) นั้นเกินกว่าจุดที่สูตรคำนวณทั่วไปจะจัดการได้สะดวก

ทางเลือกที่ 3: แท็บคำจำกัดความ

บันทึกสูตรคำนวณ, เกณฑ์การวัด, ข้อความคำถาม, จุดกระตุ้น และกลุ่มประชากร

ข้อความคำถามควรอยู่ในรายการนั้นด้วยเหตุผลสำคัญ การเปลี่ยนคำถามใหม่จะทำให้ได้คะแนนที่แตกต่างออกไป และจะถูกตีความว่าเป็นความรู้สึกของลูกค้าที่เปลี่ยนแปลงไป

บันทึกข้อมูลที่ได้รับการยกเว้น (exclusions) ด้วยเช่นกัน ผู้ทดสอบภายใน, การส่งข้อมูลซ้ำ และคำตอบที่อยู่นอกช่วงที่กำหนด ต่างก็ต้องการวิธีการจัดการที่ระบุไว้อย่างชัดเจน

ข้อจำกัดนี้เป็นเรื่องที่คุ้นเคยกันดี การเขียนกฎลงไปไม่ได้หมายความว่ากฎนั้นจะถูกนำไปใช้จริง และใครบางคนก็อาจจะต้องมาสร้างตัวกรองแบบเดิมซ้ำอีกในรอบการทำงานถัดไป

ข้อจำกัดร่วมกัน ทั้งสามทางเลือกนี้ตั้งอยู่บนสมมติฐานที่ว่าข้อมูลที่ส่งออกมีตัวระบุจุดกระตุ้น (trigger) หรือตัวระบุแบบสำรวจ หากไม่มีตัวระบุเหล่านี้ คะแนนรวมก็จะไม่สามารถแยกย่อยกลับไปเป็นประสบการณ์ที่สร้างคะแนนนั้นขึ้นมาได้

จุดที่วิธีการทำด้วยตัวเองแบบแมนนวลเริ่มช้าลง

รายงานฉบับแรกอาจใช้เวลาหนึ่งชั่วโมง แต่ฉบับที่สี่จะใช้เวลานานกว่านั้น เพราะมีสามสิ่งที่มีการเปลี่ยนแปลง

เครื่องมือทำแบบสำรวจเปลี่ยนเกณฑ์การวัดในระหว่างการออกแบบใหม่ และไม่มีใครเชื่อมโยงคะแนนที่เปลี่ยนไปนั้นเข้ากับรูปแบบของฟอร์มที่เปลี่ยนไป

กลุ่มประชากรขยายวงกว้างขึ้นอย่างเงียบๆ แบบสำรวจที่ส่งไปยังผู้ติดต่อทั้งหมดแทนที่จะส่งเฉพาะผู้ซื้อรายล่าสุด จะดึงเอาผู้คนที่ไม่มีประสบการณ์ล่าสุดมาประเมินผล

จากนั้นก็มีการอ้างอิงเกณฑ์มาตรฐาน (benchmarks) โดย Qualtrics ระบุว่าการเปรียบเทียบเกณฑ์มาตรฐานของ CSAT "ไม่ใช่ศาสตร์ที่แม่นยำตายตัว" โดยชี้ไปที่ ACSI สำหรับตัวเลขในอุตสาหกรรม พร้อมทั้งเน้นย้ำว่าทุกธุรกิจและทุกผลิตภัณฑ์มีความแตกต่างกัน

แนวคิดที่มีประโยชน์มากกว่านั้นเรียบง่ายกว่ามาก หากคะแนนของคุณกำลังขยับจากต่ำไปสูง แสดงว่าคุณกำลังทำบางสิ่งบางอย่างได้ถูกต้องแล้ว

มีต้นทุนที่สี่ที่ปรากฏขึ้นเมื่อใกล้ถึงกำหนดส่งงาน เมื่อมีคนถามว่า 82% นั้นดีหรือไม่ และการจะตอบคำถามนี้ได้จำเป็นต้องใช้ข้อมูลแนวโน้ม, การแยกตามจุดกระตุ้น และจำนวนผู้ตอบแบบสอบถามที่คุณไม่ได้เตรียมมา

ในส่วนของเครื่องมือต่างๆ มีการรวบรวมไว้แล้วใน ซอฟต์แวร์ AI สำหรับการวิเคราะห์ข้อมูลแบบสำรวจ

วิธีสร้างรายงานด้วย Powerdrill Bloom

ขั้นตอนที่ 1: อัปโหลดไฟล์ส่งออกของแบบสำรวจของคุณ

อัปโหลดไฟล์ส่งออกคำตอบโดยตรงจากเครื่องมือแบบสำรวจของคุณ Powerdrill Bloom จะวิเคราะห์คอลัมน์ต่างๆ ทันทีที่ได้รับข้อมูล ดังนั้นคะแนนที่ว่างเปล่า, ค่าที่อยู่นอกช่วง และตัวระบุผู้ตอบแบบสอบถามที่ซ้ำกันจะปรากฏขึ้นมาก่อนที่จะมีการคำนวณคะแนนใดๆ

ขั้นตอนที่ 2: อธิบายรายงานด้วยภาษาธรรมชาติ

ระบุกฎเกณฑ์ต่างๆ แทนที่จะต้องสร้างมันขึ้นมา ระบุชื่อคอลัมน์คะแนนประเมิน, เกณฑ์การวัด, สูตรคำนวณ, ช่วงเวลา, กลุ่มประชากร และฟิลด์จุดกระตุ้น

จากนั้นถามคำถามเพื่อตรวจจับข้อผิดพลาด ถามว่ามีคำตอบกี่ข้อที่ว่างเปล่าหรืออยู่นอกเกณฑ์การวัด ขอทั้งค่าเปอร์เซ็นต์และค่าเฉลี่ยจากข้อมูลชุดเดียวกัน จากนั้นขอให้แยกคะแนนตามจุดกระตุ้นและตามกลุ่มลูกค้า

ขั้นตอนที่ 3: ส่งออกแผนภูมิ, รายงาน หรือสไลด์นำเสนอ

ดึงคะแนนออกมาพร้อมกับการกระจายตัวของข้อมูลแบบเต็มรูปแบบ, แนวโน้มในแต่ละช่วงเวลา หรือสไลด์ที่แสดงสูตรคำนวณและจำนวนผู้ตอบแบบสอบถามไว้ข้างๆ ตัวเลขคะแนน

ข้อผิดพลาดที่พบบ่อย

การไม่ระบุสูตรคำนวณ วิธีคิดแบบเปอร์เซ็นต์และวิธีหาค่าเฉลี่ยต่างก็เป็นวิธีที่ถูกต้องทั้งคู่แต่ไม่สามารถนำมาเปรียบเทียบกันได้ ควรระบุให้ชัดเจนว่าคุณใช้วิธีใด

การเปลี่ยนเกณฑ์การวัดกลางคัน แบบสำรวจแบบ 5 ระดับ และแบบ 10 ระดับจะให้คะแนนที่แตกต่างกันแม้ว่าลูกค้าจะมีความรู้สึกเหมือนกัน ให้ถือว่าการเปลี่ยนแปลงนี้เป็นชุดข้อมูลใหม่

การนับค่าว่างเป็นศูนย์ การไม่ตอบแบบสอบถามไม่ได้หมายถึงความไม่พึงพอใจ ควรคัดค่าว่างออกจากทั้งตัวตั้งและตัวหาร

การนำจุดกระตุ้นมารวมกัน คะแนนหลังการโทรและคะแนนหลังการใช้งาน 30 วันเป็นการวัดผลคนละสิ่งกัน ควรรายงานผลแยกกัน

การรายงานคะแนนโดยไม่มีจำนวนผู้ตอบแบบสอบถาม กลุ่มตัวอย่างขนาดเล็กจะทำให้คะแนนแกว่งได้ง่าย ควรใส่จำนวนผู้ตอบไว้ข้างๆ ตัวเลขคะแนนทุกครั้ง

การตีความว่าคะแนนที่สูงขึ้นในขณะที่จำนวนผู้ตอบลดลงคือการปรับปรุงที่ดีขึ้น รูปแบบนี้มักเกิดจากผลกระทบของการอยู่รอด (survivorship bias) ควรติดตามอัตราการตอบกลับควบคู่ไปด้วย

การอ้างอิงเกณฑ์มาตรฐานของอุตสาหกรรมอื่นเป็นเป้าหมาย การเปรียบเทียบเกณฑ์มาตรฐานในเรื่องนี้ไม่ใช่ศาสตร์ที่แม่นยำตายตัว ควรใช้แนวโน้มข้อมูลของตัวคุณเองเป็นเกณฑ์อ้างอิง

บทสรุป

เลือกสูตรคำนวณ กำหนดเกณฑ์การวัดและข้อความคำถามให้คงที่ รายงานผลแยกตามจุดกระตุ้น และเผยแพร่คะแนนพร้อมกับจำนวนผู้ตอบและการกระจายตัวของข้อมูล

คะแนนไม่ใช่ผลงานส่งมอบสุดท้าย แต่จุดกระตุ้นหรือกลุ่มลูกค้าที่มีคะแนนต่ำกว่าส่วนอื่นๆ ต่างหากที่จะบอกคุณว่าควรจะมุ่งเน้นปรับปรุงจุดใดในเดือนถัดไป

หากการจัดเตรียมมุมมองข้อมูลดังกล่าวในแต่ละรอบการทำงานทำให้คุณต้องเสียเวลาไปทั้งสัปดาห์ ลองใช้ Powerdrill Bloom กับไฟล์ส่งออกของแบบสำรวจของคุณ และดูคู่มือของเราเกี่ยวกับ การเปลี่ยนข้อมูลแบบสำรวจที่ยุ่งเหยิงให้เป็นแผนภูมิที่ชัดเจน รวมถึงหน้า voice of customer summarizer และ CSV AI assistant

คำถามที่พบบ่อย

CSAT มีวิธีการคำนวณอย่างไร

วิธีทั่วไปคือการหารจำนวนคำตอบระดับ 4 และ 5 ด้วยจำนวนคำตอบทั้งหมด แล้วคูณด้วย 100 การหาค่าเฉลี่ยจากคะแนนดิบก็เป็นวิธีที่ได้รับการยอมรับเช่นกัน แต่จะให้ตัวเลขที่แตกต่างกันออกไป

ทำไมจึงต้องใช้เพียงแค่คำตอบสองอันดับแรกเท่านั้น

Qualtrics ระบุว่าการใช้ค่าสูงสุดสองอันดับแรกเป็นตัวบ่งชี้ที่แม่นยำที่สุดในการรักษาลูกค้าไว้ และยังทำให้สามารถอ่านผลลัพธ์ในรูปแบบเปอร์เซ็นต์ได้ง่ายขึ้นด้วย

แบบสำรวจ CSAT ควรใช้เกณฑ์การวัด (scale) แบบใด

เกณฑ์การวัดแบบ 5 ระดับ ตั้งแต่ไม่พึงพอใจอย่างมากไปจนถึงพึงพอใจอย่างมากคือมาตรฐานที่เผยแพร่ทั่วไป เกณฑ์การวัดที่ยาวกว่านี้ก็สามารถใช้งานได้เช่นกัน หากคุณกำหนดเกณฑ์นั้นให้คงที่และบันทึกข้อมูลไว้

ฉันควรส่งแบบสำรวจเมื่อใด

ส่งทันทีหลังจากการโต้ตอบเป็นรายครั้ง และส่งหลังจากผ่านไปหลายวันหรือหลายสัปดาห์สำหรับผลิตภัณฑ์ที่มีการใช้งานอย่างต่อเนื่อง CSAT จะวัดผลประสบการณ์เฉพาะเจาะจงมากกว่าความสัมพันธ์ในภาพรวม

CSAT เหมือนกับ NPS หรือไม่

ไม่เหมือนกัน CSAT จะยังคงนับผู้ตอบแบบสอบถามทุกคนไว้ในตัวหาร ในขณะที่ NPS จะหักเปอร์เซ็นต์ของผู้ไม่สนับสนุน (detractors) ออกจากเปอร์เซ็นต์ของผู้สนับสนุน (promoters) และคัดกลุ่มคะแนนระดับกลางออกจากทั้งสองฝั่ง