NPS(Net Promoter Score、ネット・プロモーター・スコア)は、顧客に「この会社(製品)を友人や同僚に勧める可能性は、どのくらいありますか」と尋ね、0〜10の11段階で答えてもらう指標です。9〜10と答えた人を推奨者、0〜6と答えた人を批判者とし、推奨者の割合から批判者の割合を引いた値がNPSです。
NPSは、Bain & CompanyのFred Reichheldが2003年にHarvard Business Reviewの論文「The One Number You Need to Grow」で提唱しました(HBR(別タブで開く))。
本記事では、NPSの計算方法、日本で値がマイナスになりやすい理由、誤差の計算、解約の予測に使うときの注意点を解説します。後半では、動画学習サブスクのデモ用のデータで、NPSとその後の解約を結びつけた例を紹介します。
NPSの計算方法
質問
Bainが示す質問は、次のとおりです(Measuring Your Net Promoter Score(別タブで開く))。
How likely are you to recommend us to a friend or colleague?
日本語では「〇〇を友人や同僚に勧める可能性は、どのくらいありますか」と尋ね、0(まったく勧めない)〜10(強く勧める)で答えてもらいます。
3つの分類
| 分類 | 点数 | 意味 |
|---|---|---|
| 推奨者(Promoter) | 9〜10 | 継続し、ほかの人にも勧める |
| 中立者(Passive) | 7〜8 | 満足しているが、他社に乗り換えることもある |
| 批判者(Detractor) | 0〜6 | 不満があり、悪い評判を広めることもある |
計算式
NPS = 推奨者の割合(%) − 批判者の割合(%)
中立者は、割合の分母には入りますが、引き算には使いません。値は −100(全員が批判者)から +100(全員が推奨者)の範囲になります。
例:回答が100人で、推奨者20人・中立者40人・批判者40人なら、NPS = 20% − 40% = −20 です。
満足度との違い
満足度は「満足しているか」を尋ねます。NPSは「人に勧めるか」を尋ねます。人に勧めるには自分の評判をかけるため、満足度より厳しい答えになりやすい、という考え方です。
また、平均点ではなく「9〜10の割合 − 0〜6の割合」で数えるため、7〜8点の人がどれだけ増えてもNPSは変わりません。
商標について
Net Promoter®、NPS® は、Bain & Company、NICE Systems(旧Satmetrix)、Fred Reichheldの登録商標です。Net Promoter Score℠ は、同じ3者のサービスマークです(Net Promoter System(別タブで開く))。
日本ではNPSがマイナスになりやすい
日本では、NPSがマイナスになる業界が多く見られます。
NTTドコモビジネスX(旧NTTコム オンライン)の「NPSベンチマーク調査2026」では、次の値でした。
| 業界 | 1位 | 業界の平均 | 調査 |
|---|---|---|---|
| 銀行(13行) | ソニー銀行 −13.9 | −34.7 | 2026年6月、有効回答6,043件 |
| ダイレクト型自動車保険(7社) | ソニー損保 −22.1 | −31.3 | 2026年6〜7月、有効回答3,184件 |
出典:銀行(別タブで開く)、ダイレクト型自動車保険(別タブで開く)
Qualtrics XM Instituteが2021年に公開した18か国・地域の調査では、日本は好意的に見られている企業でも −47で、各国の中で最も低い水準でした(NPSの国際比較(別タブで開く))。
日本と韓国では、人に何かを勧めること自体を人間関係のリスクと感じ、点数が低くなりやすい、とする研究もあります(Seth ほか, Asia Marketing Journal(別タブで開く))。
そのため、海外で使われる目安を、日本の顧客の値にそのまま当てはめることはできません。見るべきは、自社の値の推移と、同じ方法で測った同業との差です。
リレーショナルNPSとトランザクショナルNPS
NPSは、尋ねるタイミングで2種類に分けられます(Qualtrics(別タブで開く))。
| リレーショナルNPS | トランザクショナルNPS | |
|---|---|---|
| 測るもの | 会社・製品との関係の全体 | 特定のやり取り(サポート、購入、導入など) |
| タイミング | 四半期・半年・年ごとなど、定期的に | そのやり取りの直後 |
| 使い道 | 推移を追う、同業と比べる | 接点ごとの改善 |
サブスクやSaaSなら、たとえば有料の会員に半年ごとにリレーショナルNPSを尋ね、サポートの問い合わせが閉じたあとにトランザクショナルNPSを尋ねる、という使い分けができます。両方を同じグラフに混ぜると、推移を比べられなくなります。
なお、従業員に「この会社を働く場所として勧めるか」を尋ねるものは、eNPS(従業員NPS)と呼ばれます(Employee NPS(別タブで開く))。
NPSの誤差:何人に答えてもらえばよいか
NPSは、回答した人だけから計算する推定値です。回答が少ないと、前回との差が偶然の範囲に収まることがあります。
推奨者を +1、中立者を 0、批判者を −1 と置くと、NPSの標準誤差は次の式で計算できます(MeasuringU(別タブで開く))。
- 分散 = 推奨者の割合 + 批判者の割合 −(推奨者の割合 − 批判者の割合)²
- 標準誤差 = √(分散 ÷ 回答数)
- 95%の信頼区間 = NPS ± 1.96 × 標準誤差
例:回答734人、推奨者23.8%・批判者37.9%(NPS −14.0)の場合、分散は 0.238 + 0.379 − 0.141² ≒ 0.597、標準誤差は √(0.597 ÷ 734)≒ 0.0285 です。95%の信頼区間は −14.0 ± 5.6(−19.6〜−8.4)になります。
前回と比べるときは、2回分の誤差が重なるため、同じ回答数なら差の誤差は約 ±7.9 ポイントになります。この回答数では、前回より3〜4ポイント上がっても、偶然の範囲を出ません。プランや部署ごとに分けると、1つあたりの回答はさらに少なくなるため、分けた値ほど慎重に読みます。
NPSと解約の関係
Bainは、批判者は推奨者より離反する割合が高いとし、分類ごとの継続率から顧客の生涯価値を計算するよう勧めています(The economics of loyalty(別タブで開く))。
一方で、NPSがほかの満足度の指標より成長をよく予測する、という主張は、その後の研究で再現されていません。Keiningham らは、ノルウェーの21社・15,500件超のインタビューのデータで検証し、NPSが他の指標より明らかに優れているという結果は得られなかったとしています(Journal of Marketing, 2007, DOI: 10.1509/jmkg.71.3.39(別タブで開く))。
自社でNPSを解約の予測に使うなら、回答と、その後の解約を結びつけて、自社のデータで確かめるのが確実です。次の節で、その例を紹介します。
分析例:NPSとその後90日の解約を結びつける
動画学習サブスク「Lumina」(デモ用の架空のサービス)で、2026年1月15日に有料会員へNPSのアンケートを送った、という想定の例です。会員・契約・利用のデータはデモ環境のもので、アンケートの回答はこの記事のために足したものです。
NPSの集計

Claudeで作成したNPSの集計(デモ用のデータ)
NPSは −14.0 でした。最も多いのは7〜8点で、中立者が38.3%を占めます。6点(123人)は批判者に入るため、6点の人が7点に変わるだけでもNPSは上がります。
回答率は29.9%です。よく使う会員ほど答える、という想定のため、回答した人は会員全体より利用が多い人に偏っています。
分類ごとの、その後90日の解約率

Claudeで作成したNPSの分類ごとの解約率(デモ用のデータ)
この例から分かることは、次の3つです。
- 批判者と推奨者の差は小さい:批判者の解約率は9.0%、推奨者は6.9%で、差は2.1ポイントでした。この人数では、偶然の差と区別できません(2つの割合の差の検定で、5%水準で有意ではない)
- 未回答の会員のほうが解約する:未回答の会員の解約率は11.0%で、どの分類よりも高い値でした。アンケートに答えない会員の状態は、NPSでは分かりません
- 利用のデータと組み合わせると、絞り込める:直前30日の利用が少ない(下位25%)批判者は、89人のうち18.0%が解約しました。同じ批判者でも、利用が多い人の解約率は2.5〜3.3%でした
NPSの値だけで解約を予測するより、利用のデータと組み合わせて、先に連絡する相手を決めるほうが役に立ちます。利用のデータで解約の兆しを点数にする方法は、「ヘルススコアの作り方(別タブで開く)」で解説しています。
NPSを集計・分析する手順
1. 対象とタイミングを決める
- 対象:有料の会員だけか、トライアル中の人も含めるか。契約からの期間(例:有料転換から30日以上)も決める
- タイミング:リレーショナルNPSなら、毎回同じ時期に送る。季節で値が変わることがあるため
2. 理由を尋ねる自由記述を付ける
点数だけでは、何を直せばよいか分かりません。「その点数を付けた理由を教えてください」という自由記述を1問だけ付けます。自由記述の分類は、「解約理由の分析のやり方(別タブで開く)」と同じ方法で、生成AIで分類できます。
3. 回答を顧客IDと結びつけて保存する
匿名で集めると、回答とその後の解約や利用を結びつけられません。アンケートのツールで顧客ID(会員ID・メールアドレスなど)を回答に付け、CRMやデータ基盤に保存します。
4. 分類ごとの解約率と、未回答の人を見る
上の分析例と同じく、アンケートを送った日から一定の期間(例:90日)の解約率を、推奨者・中立者・批判者・未回答で比べます。差が小さければ、NPSを解約の予測に使うのはやめ、改善のヒントを集める指標として使います。
Claudeで集計するときの指示の例
アンケートを送った相手の一覧(customer_id, sent_at)、回答(customer_id, score, comment)、契約のデータ(customer_id, converted_at, canceled_at, plan)をClaudeに渡す場合の指示の例です。未回答の人を数えるため、送った相手の一覧も渡します。
プロンプト例
推奨者を9〜10、中立者を7〜8、批判者を0〜6として、NPSと95%信頼区間(推奨者+1・中立者0・批判者−1として標準誤差を計算)を出してください。次に、アンケートを送った日の翌日から90日以内に解約した人の割合を、推奨者・中立者・批判者・未回答に分けて、人数とあわせて表にしてください。批判者と推奨者の解約率の差が偶然の範囲かどうかも、2つの割合の差の検定で確かめてください。
プロンプト例
プランごとのNPSを出してください。回答が100人未満のプランは「参考値」と書いてください。批判者の自由記述は、理由のまとまりごとに件数を数えてください。
Claudeでのデータ分析の始め方は、「Claudeでデータ分析する方法(別タブで開く)」で解説しています。
NPSを使うときの注意点
送る相手を選ばない
満足していそうな顧客にだけ送ると、NPSは高く出ます。担当者が送る相手を選ばないよう、条件(例:有料転換から30日以上の全会員)を決めて機械的に送ります。
NPSを担当者の目標にしない
NPSを担当者の評価に直結させると、「9か10を付けてください」とお願いするなど、値を上げる行動が起きやすくなります。目標にするなら、NPSそのものより、批判者の理由への対応の件数や、解約率など結果の指標と組み合わせます。
値より、理由と変化を見る
日本ではNPSがマイナスになりやすいため、値の大きさに一喜一憂する必要はありません。見るのは、前回からの変化(誤差の範囲を出ているか)と、批判者の理由です。
まとめ
- NPS:「友人や同僚に勧める可能性」を0〜10で尋ね、推奨者(9〜10)の割合から批判者(0〜6)の割合を引いた指標
- 日本の値:多くの業界でマイナス。2026年の銀行の調査では、1位でも −13.9。海外の目安は当てはめず、自社の推移と同業との差で見る
- 2種類:関係の全体を定期的に測るリレーショナルNPSと、やり取りの直後に測るトランザクショナルNPS
- 誤差:回答734人で ±5.6 ポイント程度。分けた値ほど慎重に読む
- 解約との関係:自社のデータで確かめる。デモ用のデータでは、NPSだけでは差が小さく、利用のデータと組み合わせると解約しやすい人を絞り込めた
株式会社INVOXは、データ基盤の構築、データ分析の支援、AIエージェントの開発を行っています。アンケートの回答と、契約・利用・CRMのデータをBigQueryに集め、解約の兆しのある顧客をCSの担当に知らせる仕組みの構築を支援しています。
「NPSを取っているが、解約の対策に使えていない」「アンケートの回答と利用のデータを結びつけたい」といった課題をお持ちでしたら、お問い合わせください。




