NPS B2B วัดยังไงให้ต่อยอดเป็น pipeline ได้จริง

NPS B2B ไม่ใช่แค่คะแนนสวยบนสไลด์ เจาะวิธีคำนวณ ตีความ และเชื่อมเข้ากับ lifecycle จริง เริ่มอ่านเพื่อทำให้ตัวเลขนี้บอกอะไรได้มากกว่าที่คิด

NPS B2B ทำไมคะแนนสูงแต่ลูกค้ายังไหลออก และวัดยังไงให้ใช้ได้

Last updated: 2026-09-26

ทีมส่งรายงานเข้าห้องประชุมพร้อมสไลด์ที่เขียนว่า NPS = 62 เลขเขียว ๆ ทุกคนพยักหน้า แต่ไตรมาสถัดมาลูกค้ารายใหญ่สองเจ้าไม่ต่อสัญญา คำถามที่ค้างคาคือ ถ้าคนพอใจขนาดนั้น แล้วทำไมเงินถึงหาย

ปัญหาไม่ได้อยู่ที่ NPS แต่อยู่ที่วิธีเราใช้มัน หลายบริษัท B2B เก็บ NPS เพราะเห็นคนอื่นเก็บ ได้ตัวเลขมาแปะรายงานแล้วจบ ไม่มีใครถามต่อว่าใครคือคนตอบ ตอบเพราะอะไร และเราทำอะไรกับคำตอบนั้น บทความนี้จะพาดูว่า NPS B2B ต่างจากฝั่ง B2C ยังไง คำนวณและตีความแบบไหนถึงไม่หลอกตัวเอง และจะเชื่อมมันเข้ากับ lifecycle กับ pipeline จริงได้อย่างไร

Key Takeaways: NPS B2B คือการวัดความน่าจะแนะนำต่อในสเกล 0-10 แต่ในบริบท B2B ที่ดีลใหญ่และคนตัดสินใจมีหลายคน ค่าเฉลี่ยรวมมักบังปัญหาไว้ สิ่งที่ต้องดูไม่ใช่แค่เลขสุดท้าย แต่คือ response rate ว่าใครตอบ ตำแหน่งของคนตอบในองค์กร และเหตุผลหลังคะแนน จับ NPS ไปผูกกับ account health และรอบสัญญา แล้วมันจะกลายจากเลขประดับเป็นสัญญาณเตือนล่วงหน้าก่อนลูกค้าจะหาย

NPS B2B คืออะไร และทำไมมันไม่เหมือนฝั่ง B2C

NPS B2B คือ Net Promoter Score ที่ใช้วัดในบริบทธุรกิจต่อธุรกิจ โดยถามคำถามหลักคำถามเดียวว่า “คุณจะแนะนำเราให้เพื่อนร่วมงานหรือพันธมิตรมากแค่ไหน” ให้ตอบเป็นสเกล 0 ถึง 10 แล้วแบ่งคนตอบเป็นสามกลุ่มตามวิธีมาตรฐาน คือ Detractor (ให้ 0-6), Passive (ให้ 7-8) และ Promoter (ให้ 9-10) ค่า NPS = %Promoter ลบ %Detractor ได้ผลลัพธ์ตั้งแต่ -100 ถึง +100

จุดที่คนพลาดคือคิดว่า NPS ของ B2B เล่นเหมือน B2C ได้เลย มันไม่เหมือน เหตุผลมีสองข้อที่ต้องเข้าใจก่อน

ข้อแรก คนหนึ่งบัญชีลูกค้ามีหลายคนเกี่ยวข้อง ผู้ใช้งานจริงอาจรัก แต่คนเซ็นงบอาจไม่เคยแตะระบบเลย ถ้าคุณส่งแบบสอบถามไปหาแต่ user แล้วได้ 9 คะแนน มันไม่ได้แปลว่า decision maker จะต่อสัญญา NPS ที่ไม่รู้ว่าใครตอบคือ NPS ที่ตีความไม่ได้

ข้อสอง ฐานลูกค้า B2B เล็กกว่ามาก บริษัทหนึ่งอาจมีลูกค้าหลักไม่กี่สิบราย คนตอบแค่ 5 คนก็สวิงคะแนนได้ทั้งกระดาน ตัวเลขที่ดูนิ่งบนสไลด์จึงเปราะกว่าที่คิด และการเสียลูกค้ารายเดียวกระทบรายได้มากกว่าฝั่ง B2C หลายเท่า

เพราะแบบนี้ NPS B2B จึงไม่ควรอ่านเป็นตัวเลขเดี่ยว แต่ต้องอ่านคู่กับว่าใครตอบ ตอบมาจากบัญชีไหน และบัญชีนั้นมูลค่าเท่าไร

วิธีคำนวณและตีความ NPS แบบไม่หลอกตัวเอง

การคำนวณตรงไปตรงมา สมมติส่งแบบสอบถามได้คำตอบกลับมา 40 คน เป็น Promoter 22 คน Passive 10 คน Detractor 8 คน คิดเป็น Promoter 55% และ Detractor 20% ดังนั้น NPS = 55 – 20 = 35 (ตัวอย่างนี้เป็นการคำนวณสมมติเพื่อให้เห็นวิธี)

Passive ไม่ถูกนำมาบวกหรือลบ แต่ห้ามมองข้าม เพราะคนกลุ่มนี้คือคนที่พร้อมย้ายไปหาคู่แข่งที่เสนอดีกว่านิดเดียว ในดีล B2B ที่การเปลี่ยนเจ้ามีต้นทุน คน Passive จำนวนมากคือ pipeline ของ churn ที่ยังไม่ระเบิด

ส่วนที่คนมักลืมคือ response rate ถ้าส่งไป 200 คนตอบกลับ 40 คน นั่นคือ 20% คำถามคือ 160 คนที่เงียบเป็นใคร ประสบการณ์ตรงคือคนที่ไม่พอใจมักไม่ตอบ เขาแค่เงียบแล้วหายไปตอนหมดสัญญา NPS ที่คำนวณจากคนตอบ 20% จึงอาจสวยเกินจริง เพราะกรองคนที่กำลังจะไปออกไปแล้ว

ตารางนี้คือสิ่งที่ใช้อ่านสัญญาณจริง เกณฑ์ตัวเลขด้านล่างเป็นเส้นแบ่งที่กำหนดขึ้นเองเพื่อใช้ตัดสินใจว่าควรลงมือตรงไหนก่อน ไม่ใช่ค่าเฉลี่ยอุตสาหกรรม

อาการที่เห็น	สาเหตุน่าจะเป็น	สิ่งที่ทำ
Response rate < 20%	คนไม่พอใจเลือกเงียบ / ส่งผิดคน / แบบยาวเกิน	ตัดคำถามให้เหลือ 1-2 ข้อ, ส่งซ้ำถึงคนที่เงียบ, โทรตามบัญชีมูลค่าสูง
NPS รวมสูง แต่ Detractor กระจุกในบัญชีใหญ่	ค่าเฉลี่ยบังปัญหาของลูกค้ารายใหญ่	ถ่วงน้ำหนักคะแนนตามมูลค่าบัญชี, ตั้งวอร์รูมเฉพาะบัญชีเสี่ยง
Passive เกินครึ่งของคนตอบ	สินค้าพอใช้แต่ไม่ผูกพัน สลับง่าย	หาว่าอะไรจะดันเป็น 9-10, เพิ่ม value ที่ย้ายเจ้ายาก
คะแนน user สูง แต่ decision maker ต่ำ	ส่งไปผิดชั้นในองค์กร	แยกเก็บตามบทบาท, จัด business review กับคนเซ็นงบ
NPS นิ่ง แต่ churn เพิ่ม	วัดถี่ไม่พอ สัญญาณมาช้า	ผูก NPS เข้ากับ trigger รายเหตุการณ์ ไม่ใช่รายปีอย่างเดียว

เกณฑ์ที่ผมใช้เป็นเส้นเตือนคือ ถ้า response rate ต่ำกว่า 20% ให้ถือว่าตัวเลขยังเชื่อไม่ได้เต็มที่ ต้องไปไล่เก็บเพิ่มก่อน ไม่ใช่รีบสรุป การเก็บวิธีคิดแบบนี้ช่วยให้เราไม่เอา NPS ที่บางไปตัดสินใจใหญ่ ๆ เรื่องเชื่อมข้อมูลหลายแหล่งเข้าด้วยกันอ่านต่อได้ที่ MarTech Analytics & Tracking Guide

เก็บ NPS แบบไหนถึงได้คำตอบที่ใช้ต่อได้

จังหวะเก็บสำคัญกว่าที่หลายคนคิด การส่งแบบสอบถามปีละครั้งได้ภาพรวม แต่มาช้าเกินจะแก้อะไร แนวที่ใช้ได้จริงคือผสมสองแบบ

Relationship NPS เก็บตามรอบ เช่น ก่อนต่อสัญญา 60-90 วัน เพื่อจับอารมณ์รวมของบัญชี ส่วน Transactional NPS เก็บทันทีหลังเหตุการณ์สำคัญ เช่น ปิดงาน onboarding เสร็จ หรือหลังปิดเคส support ใหญ่ คะแนนแบบหลังนี้เจาะจงและเอาไปแก้ได้เลยว่าจุดไหนพัง

คำถามปลายเปิดคือหัวใจที่ B2B ทิ้งไม่ได้

ตัวเลข NPS บอกว่ามีปัญหา แต่ไม่บอกว่าปัญหาคืออะไร คำถามปลายเปิดต่อท้ายอย่าง “เหตุผลหลักที่ให้คะแนนนี้คืออะไร” คือส่วนที่เปลี่ยน NPS จากเลขเป็น action ในบริบท B2B ที่คนตอบไม่กี่คน คำตอบเชิงคุณภาพหนึ่งประโยคมีค่ากว่าค่าเฉลี่ยที่ขยับ 2 จุด

เวลาส่งแบบสอบถาม ให้เก็บ metadata ติดไปด้วยเสมอ ว่าคนตอบอยู่บัญชีไหน ตำแหน่งอะไร ใช้ผลิตภัณฑ์ตัวไหน พอมีข้อมูลนี้ NPS ถึงจะ segment ได้ ไม่งั้นได้แค่เลขก้อนเดียวที่ตีความไม่ออก

ข้อผิดพลาดที่เจอบ่อยตอนเก็บ NPS B2B

พลาดแรกคือถามยาวเกิน แบบสอบถาม 15 ข้อทำให้ response rate ร่วง คนตอบครบมักเป็นคนที่รักอยู่แล้ว เหลือ 1-2 ข้อพอ พลาดที่สองคือเอาค่าเฉลี่ยรวมมาฉลอง ทั้งที่ Detractor ทั้งหมดกระจุกในลูกค้าที่จ่ายเยอะสุด พลาดที่สามคือเก็บแล้วไม่ตอบกลับ คนอุตส่าห์ให้ feedback แต่เงียบหาย รอบหน้าเขาไม่ตอบแล้ว การปิด loop ด้วยการติดต่อกลับ Detractor ภายในเวลาสั้นคือสิ่งที่แยกทีมที่ใช้ NPS เป็นออกจากทีมที่แค่เก็บเลข

เชื่อม NPS เข้ากับ lifecycle และ pipeline

NPS จะมีค่าก็ต่อเมื่อมันขยับการตัดสินใจได้ วิธีทำให้เกิดจริงคือผูกคะแนนเข้ากับ stage ของลูกค้าในระบบ

Detractor ในบัญชีที่ใกล้ครบสัญญา ควรกลายเป็น task เข้าทีม account อัตโนมัติ ไม่ใช่รอสรุปสิ้นไตรมาส Promoter ควรถูกส่งต่อไปทีมที่ดูแลเรื่อง reference กับ upsell เพราะคนกลุ่มนี้คือแหล่ง case study และการบอกต่อที่แท้จริง ส่วน Passive คือกลุ่มที่ต้องหาว่า value อะไรจะดันเขาขึ้นไปเป็น Promoter

การจะทำแบบนี้ได้ NPS ต้องไม่อยู่ในไฟล์ Excel แยกต่างหาก แต่ต้องไหลเข้าไปอยู่ในที่เดียวกับข้อมูล account และ pipeline พอตัวเลขอยู่ในบริบทเดียวกัน เราถึงถามได้ว่าบัญชีที่ให้คะแนนต่ำมีมูลค่ารวมเท่าไร และ churn ที่เกิดขึ้นสัมพันธ์กับคะแนนที่ตกล่วงหน้ากี่เดือน เรื่องการรวมข้อมูลหลายแหล่งเข้าเป็นภาพเดียวอ่านต่อที่ Looker Studio Dashboard B2B Template และการต่อ NPS เข้ากับเส้นทางที่นำไปสู่รายได้ดูได้ที่ Attribution Model B2B Guide

ถ้าอยากทำให้ข้อมูล feedback ไหลเข้าระบบวิเคราะห์อัตโนมัติ การตั้ง event tracking ก็ช่วยได้ ดูวิธีวางระบบเก็บข้อมูลฝั่ง Google ได้ที่ Google Analytics Help

Real-world Example

FAQ

NPS B2B ที่ดีควรได้เท่าไร
คำตอบตรงคือไม่มีเลขมาตรฐานที่ใช้ได้กับทุกอุตสาหกรรม เพราะฐานลูกค้า วิธีถาม และ response rate ต่างกันหมด สิ่งที่มีความหมายกว่าคือแนวโน้มของตัวเองเทียบไตรมาสก่อน และการดูว่าคะแนนต่ำกระจุกที่บัญชีมูลค่าสูงหรือไม่ อย่าไปไล่ตามตัวเลขของบริษัทอื่นที่คุณไม่รู้วิธีเก็บของเขา

ควรเก็บ NPS บ่อยแค่ไหนสำหรับ B2B
ผสมสองจังหวะ Relationship NPS ตามรอบสัญญาหรือทุก 6-12 เดือน และ Transactional NPS ทันทีหลังเหตุการณ์สำคัญอย่าง onboarding หรือปิดเคส support การพึ่งรอบปีอย่างเดียวทำให้สัญญาณมาช้าเกินแก้

NPS ต่างจาก CSAT ยังไง
CSAT วัดความพอใจต่อเหตุการณ์เฉพาะจุด เช่น พอใจกับการตอบของ support ครั้งนี้ไหม ส่วน NPS วัดความผูกพันระยะยาวและความน่าจะบอกต่อ ใน B2B ใช้คู่กันได้ CSAT จับจุดที่พังทันที NPS จับสุขภาพความสัมพันธ์โดยรวม

Passive สำคัญยังไง ในเมื่อไม่ถูกนำมาคำนวณ
ในสูตร Passive ไม่บวกไม่ลบ แต่เขาคือกลุ่มเสี่ยงย้ายเจ้าที่ใหญ่ที่สุด เพราะไม่ได้ผูกพันพอ Passive จำนวนมากคือ churn ในอนาคตที่ยังไม่แสดงตัว ต้องหาว่าอะไรจะดันเขาขึ้นเป็น Promoter

ถ้าลูกค้าน้อยเกินจะคำนวณ NPS ได้ไหม
ถ้ามีลูกค้าไม่กี่สิบราย NPS แบบเปอร์เซ็นต์จะสวิงแรงจนตีความยาก ในกรณีนี้ให้อ่านคำตอบปลายเปิดเป็นรายบัญชีแทนการยึดเลขรวม และคุยตรงกับ decision maker จะได้ข้อมูลที่ใช้ตัดสินใจได้จริงกว่า

สรุป

NPS B2B ไม่ใช่ถ้วยรางวัลไว้โชว์ แต่เป็นเครื่องมือเตือนล่วงหน้า ถ้าใช้เป็น สามเรื่องที่อยากให้ติดกลับไป คือ หนึ่ง อย่าอ่านเลขรวมโดด ๆ ให้ดู response rate ว่าใครตอบและใครเงียบก่อนเสมอ สอง ถ่วงน้ำหนักตามมูลค่าบัญชี เพราะ Detractor หนึ่งรายในลูกค้าใหญ่กระทบมากกว่าคะแนนเฉลี่ยที่ดูสวย และสาม ผูก NPS เข้ากับ lifecycle จริง ให้คะแนนต่ำกลายเป็น task ที่มีคนรับผิดชอบ ไม่ใช่ตัวเลขในรายงานที่ไม่มีใครทำอะไรต่อ

อยากวางระบบวัดผลลูกค้า B2B ให้เชื่อมกันทั้งเส้นทาง อ่านต่อได้ที่ชุด Guides รวม pillar ทั้งหมด เพื่อต่อภาพจากการเก็บ feedback ไปจนถึงการวัดผลที่ผูกกับรายได้จริง