Soovitusindeks (Net Promoter Score) on võimalus klientidelt tagasiside saamiseks. Tihti esitatakse soovitusindeks ühe arvuna. Kuid see ei näita kindlust, et tegelik soovitusindeks on just see arv. Kindluse hindamiseks tuleks leida soovitusindeksi usaldusintervallid.
Soovitusindeks leitakse järgnevalt:
  • kliendile saadetakse e-mail, milles palutakse tal hinnata skaalal 0-10, kui tõenäoliselt ta teenust soovitab sõbrale/kolleegile.
  • kui vastused on käes, eemaldatakse tulemustest hinded 7-8 (neid loetakse neutraalseteks). Seejärel arvutatakse mitu % on soovitajaid (hinded 9-10) kogu vastanutest (kaasa arvatud neutraalsed) ning mitu % on mittesoovitajaid (hinded 0-6).
  • seejärel lahutatakse soovitajate %-st mittesoovitajate %-t ning tulemus ongi soovitusindeks.
Näide: Hinnangud olid sellised: 3, 2, 7, 9, 10. Soovitajaid on ainult kaks (hinnet 9 ja 10 mõlemat anti ainult ühe korra). Neutraalseid on üks (hinne 7). Mittesoovitajaid on kaks (hinded 3, 2). Arvutame soovitusindeksi: soovitajate % - mittesoovitajate % = 2/5%-1/5% = 1/5% = 20%.

Kuid kui kindlad me oleme selles hinnangus? Punkthinnangud on üldjuhul halvad, kuna need ei näita, kui kindlad (või õigemini kahtlevad) me oleme hinnangus. Näiteks, kui 95%-line usaldusintervall on -20% kuni 60% (soovitusindeksi skaala on -100% kuni 100%!), kas oleme väga kindlad, et tegelik soovitusindeks on 20%? Mina ei oleks.

Kuidas usaldusintervalle arvutada? Mina kasutan permutatsioonipõhist lähenemist. Võtan algsetest hinnangutest juhusliku valimi hinnanguid (oluline on siin kasutada asendusega permutatsiooni) ning arvutan soovitusindeksi. Seda sammu kordan mitusada või tuhat korda. Näide saadud tulemustest (kasutasin suuremat algset hinnangute hulka kui eeltoodud näites):














Sinise osaga on toodud välja piirkond, kus 95%-lise tõenäosusega soovitusindeks on (ehk siis vahemikus 53% kuni 88%).  Keskmine soovitusindeks praeguses näites on 72%.  Soovitusindeksi puhul oleme suhteliselt kindlad, et kliendid on meiega küllaltki rahul.

Lihtne meetod, kuid oluline on meetodit "tuunida". Näiteks, mida korda tuleb algsetest hinnangutest juhuslikke valimeid võtta? Mitu hinnangut tuleks võtta igasse valimisse? Täpset õiget vastust  ei ole, kuid üldjoontes peaks mõlemad olema "piisavalt suured".  Soovitus on proovida erinevaid väärtuseid. Näiteks kui võtta väga väike osa hinnanguid valimisse võib tulemus olla selline:

Näeb välja nagu Jüri Arraku maal. Usaldusintervall on laiem kui eelmisel joonisel. Samas ei erine tulemuse algsest drastiliselt. See ongi oluline: proovida erinevate suurustega ning vaadata, kui palju tulemused erinevad. Kui tulemused on enam-vähem samad, võime kindlad olla, et oleme jõudnud usaldusväärse mudelini.

Permutatsioonidest on kirjutatud raamatuid ning käesolev kirjatükk oli ainult kiire hüpe, kuidas seda praktikas oma kasuks ära kasutada.