世界各地的貝恩咨詢團隊經(jīng)常在這個框架下，使用公司的內(nèi)部顧客數(shù)據(jù)來量化顧客的終生經(jīng)濟性質(zhì)。當然，這些成果必須保密，但我們可以借用外部的公共信息和一些市場研究（就像在評估收購候選對象或競爭對手的時候，你可能會做的事情一樣），來演示如何使用這個模型。讓我們以一個例子作為開始。貝恩團隊在2008年時使用這個辦法為北美的零售銀行估算顧客級別的NPS經(jīng)濟價值。首先，我們對北美的4 300名銀行顧客進行了問卷調(diào)查。根據(jù)顧客對調(diào)查的回應(yīng)，我們把每家銀行的顧客分成推薦者、被動者和貶損者三個類型。在調(diào)查中，我們還向顧客提出了以下問題：購買了這家銀行的哪些產(chǎn)品和服務(wù)，他們的賬戶余額狀況如何，他們成為這家銀行的顧客有多長時間了，他們是如何成為這家銀行的顧客的，他們是否打算繼續(xù)光顧這家銀行，他們向別人推薦這家銀行的狀況如何。

團隊發(fā)現(xiàn)，可以驅(qū)動銀行利潤的顧客行為在推薦者、被動者和貶損者之間存在著顯著差異。我們之前就曾跟一些零售銀行合作過很多年，2008年金融調(diào)查發(fā)現(xiàn)的差異跟我們之前的發(fā)現(xiàn)非常一致。假設(shè)你是一家銀行，你的推薦者存在你這里的家庭存款的比率，比你的貶損者高出近45%。平均而言，推薦者從你這里購買的產(chǎn)品比貶損者多25%，他們購買的產(chǎn)品組合也傾斜于利潤更高的支票和儲蓄賬戶。平均而言，推薦者的流失率只有貶損者的1/3，而且推薦者作出的正面推薦差不多是貶損者的7倍。

為了估算這些顧客行為給銀行帶來的財務(wù)影響，我們使用這個行業(yè)平均的存款和貸款凈息差以及管理費用和其他成本來創(chuàng)建普通零售銀行的損益表。然后再使用簡單的除法，把它轉(zhuǎn)換成顧客級的損益表。通過貼現(xiàn)未來現(xiàn)金流把它們轉(zhuǎn)化為終生價值，我們在一個簡單的模型中插入了推薦者、被動者和貶損者行為，從而估算出他們各自不同的行為帶來的財務(wù)影響。這種分析顯示，對于一家銀行來說，推薦者的價值大約比貶損者高9 500美元（圖3–3）。事實上，貶損者的終生價值是負面的：對股東和員工來說，他們實際上破壞了價值。

這種分析仍然遺漏了某些價值元素。例如我們的經(jīng)驗顯示，推薦者介紹來的新顧客明顯也更有可能成為推薦者，所以他們比一般的新顧客更具價值。如果我們的估算不是那么保守的話，我們就會把這種顧客價值增量歸功于推薦者。同樣，貝恩公司的客戶還發(fā)現(xiàn)，為貶損者提供服務(wù)的成本比推薦者高。貶損者對呼叫中心的員工更為挑剔，帶來了更多需要解決的問題，而且不太可能使用像網(wǎng)上銀行這樣的自助服務(wù)工具。如果把這種額外的成本差異考慮在內(nèi)，就會進一步提高價值差異估值的精度。

戴爾公司的口碑經(jīng)濟

在上面這個有關(guān)銀行的例子中，貝恩團隊必須從正反兩方面來估計顧客推薦的價值。你可以在圖3–3中看到，推薦者和貶損者之間的很大一部分價值差異都可以歸因于口碑。我們已經(jīng)在很多合作過的公司顧客中看到了類似的模式。然而，公司管理團隊通常都不愿意計算顧客推薦的價值，甚至沒有進行過任何嘗試，因為現(xiàn)有的金融或管理文獻極少提及這個主題。但是它十分重要。良好的聲譽可以帶來大量新業(yè)務(wù)，壞名聲則可能會讓你的努力付諸東流。