2.8 分
两年前，北投一间温泉会馆。Google 评分 2.8。每月添加 15-20 则负评。回复率：0%。
老板每天打开手机就看一排红色一星。“服务差”“设备老旧”“不值这个价”“柜台态度恶劣”。
他试过降价。试过换柜台人员。试过请公关公司。分数纹丝不动。
降价每个月少赚十五万。换了三个柜台人员，训练成本加起来八万。公关公司收了十二万，写了几篇博客文章、发了几篇新闻稿——带来了零则新好评。分数纹丝不动。不是因为他不努力，是因为他的每一个动作都没有打到根因。
他在用直觉打仗，而不是用数据打仗。
他做的第一件事：分类
他停止逐则回复。改成先把三个月的负评全部列出来，逐一分类。
结果：60 则负评里，38 则跟“服务态度”有关。20 则跟“设备老旧”有关。2 则是抱怨停车。
“服务态度”占了 63%。这就是 Pareto 的“关键少数”。
意大利经济学家 Vilfredo Pareto 在 1897 年观察到，意大利 80% 的土地由 20% 的人拥有。后来 Joseph Juran 在 1937 年把这个观察推广为“关键少数与有用多数”的原则：80% 的问题通常来自 20% 的原因。在这间会馆的案例里，63% 的负评指向同一个问题——服务态度。只要解决这一个问题，就能消灭超过六成的负评来源。
但“服务态度”太模糊了。他再用五问法追：
- 为什么客人说服务态度差？→ 因为柜台人员“冷漠”“不耐烦”。
- 为什么柜台人员冷漠？→ 因为他们同时处理 check-in、电话、投诉。
- 为什么同时处理那么多事？→ 因为人力不够。
- 为什么人力不够？→ 因为老板为了省成本砍了假日兼职。
- 为什么砍兼职？→ 因为营收下降。
根因：砍人→超载→态度差→负评→客人更少→营收更低→再砍人。恶性循环。
五问法（Five Whys）是丰田生产系统创始人丰田佐吉在 1930 年代发展出来的根因分析工具，后来由大野耐一在丰田汽车内部推广。它的内核原则很简单：连续问五次“为什么”，直到触及真正的根本原因。多数人停在第一层或第二层就开始解题。但第一层的答案通常是症状，不是病因。这间会馆如果停在第一层（“员工态度不好”→“换员工”），问题不会被解决。追到第五层才发现：根因不是员工，是老板的裁员决策。
他做的第二件事：对症下药
他没有降价。他做了一件违背直觉的事：把假日兼职加回来，而且多加了一个人。
成本增加了。但柜台不再超载。等待时间从平均 12 分钟降到 4 分钟。“态度差”的负评在两个月内减少了 70%。
接着处理“设备老旧”。20 则负评里，12 则提到“温泉池磁砖剥落”。他花了两万块修磁砖——不是整修，就是修磁砖。“设备老旧”的负评几乎归零。
修磁砖花了两万。加兼职每月多花三万。降价每月少赚十五万。他选择了花五万解决问题，而不是少赚十五万假装解决。
这里有一个重要的商业洞察：解决问题的成本，通常远低于假装解决问题的成本。修磁砖两万，vs. 持续承受“设备老旧”负评造成的订房流失——假设每月流失 5 组客人，平均客单价 6,000 元，一个月就少赚三万。一个月。磁砖修一次撑三年。投资回报率是几十倍。
但多数经营者看到“花钱修磁砖”的第一反应是“又要花钱”。他们没看到的是：不修，花的更多——只是花在看不见的地方。
他做的第三件事：回复
分类之后，他开始回复——但不是逐则道歉。他设计了三种回复模板，根据负评类型使用：
服务态度类：“感谢您的回馈。我们已调整假日人力配置，柜台等待时间已从 12 分钟缩短至 4 分钟。下次莅临时请告诉我们，我们会亲自确认您的体验。”
设备类：“您提到的温泉池磁砖问题已于上月完成修缮。我们会定期检查所有设备。感谢您让我们知道。”
其他类：逐一客制化回复。
关键不在模板。在于每则回复都具体说明已采取的行动。不是“我们会改进”——而是“我们已经做了 X，结果是 Y”。
这两者的差别是巨大的。“我们会改进”是一句空的承诺——潜在客人读到时，心里的反应是“每家都这样说”。“我们已调整假日人力配置，等待时间从 12 分钟降到 4 分钟”是一个可验证的事实——潜在客人读到时，心里的反应是“这家真的做了什么”。
BrightLocal 在 2023 年的消费者信任度调查中发现：62% 的消费者表示“管理层有具体行动的回复”会提高他们对该品牌的信任。而“只有道歉没有行动”的回复，反而会降低信任——因为消费者觉得“他们只是在做公关”。
潜在客人读到这些回复时，看到的不是道歉——是一个在积极解决问题的品牌。
NPS 回测
Fred Reichheld 在 2003 年于 Harvard Business Review 发表了 “The One Number You Need to Grow”，正式提出 NPS（Net Promoter Score，净推荐分数）。他用一个问题取代数十页的满意度问卷：“你有多大概率把这家公司推荐给朋友？”0-10 分，9-10 分是推荐者，0-6 分是贬损者，推荐者比例减去贬损者比例就是 NPS。
Reichheld 随后与 Bain & Company 合作，追踪了 200 家企业三年。NPS 每提升 10 分，营收成长率平均高于同业 2.5 个百分点。
但重点不是分数本身——是“推荐者的推荐理由”和“贬损者的贬损原因”的结构化分析。这间会馆做的正是这件事：不问“分数多少”，问“为什么推荐、为什么不推荐”，然后针对根因行动。
Reichheld 后来在 2020 年出版的 Winning on Purpose 中补充了一个关键：NPS 的高分不是靠“让所有人满意”达到的。而是靠“先解决贬损者的痛点，让他们至少变成中立者”。因为一个贬损者带来的负面口碑，影响力是一个推荐者正面口碑的 2-3 倍。消灭贬损者，比制造推荐者更有效率。
18 个月后
评分从 2.8 升到 4.1。订房率成长 40%。回复率从 0% 升到 95%。
不是奇迹。是方法：分类 → 五问法追根因 → 对症下药 → 系统化回复。
但这个方法，每个月要花好几天手动做。分类靠人工读。频率靠人工数。回复靠人工写。如果规模更大——十间分店、每间每月 100 则负评——人力成本会指数增长。
下载负评 12 型对照表
想用同样的方法分类你的负评？留下 Email，取得 12 型对照表，看看你的负评集中在哪几型——那就是你的根因所在。
延伸阅读
← 回复之前先分类：让每则负评变成可行动的情报
这间会馆用的方法，就是 12 型分类 + 五问法。先读这篇了解框架。
→ 阅读
加载中…