KANO模型詳解

1、最早在騰訊的在你身邊為你設(shè)計(jì)中看到這個模型，卻一直沒完全弄懂是怎么使用的，今天自己編造了一些數(shù)據(jù)，一步步做了一遍，總算理解了。以下的引用部分引用自知乎。1.卡諾模型簡介-對用戶滿意度和需求進(jìn)行分析的工具卡諾模型（KANO模型）是對用戶需求分類和優(yōu)先排序的有用工具，以分析用戶需求對用戶滿意的影響為基礎(chǔ)，體現(xiàn)了產(chǎn)品性能和用戶滿意之間的非線性關(guān)系。在卡諾模型中，將產(chǎn)品和服務(wù)的質(zhì)量特性分為四種類型：必備屬性；期望屬性；魅力屬性；無差異屬性。KANO模型中的幾種屬性魅力屬性：用戶意想不到的，如果不提供此需求，用戶滿意度不會降低，但當(dāng)提供此需求，用戶滿意度會有很大提升；期望屬性：當(dāng)提供此需求，用戶滿意度會

2、提升，當(dāng)不提供此需求，用戶滿意度會降低；必備屬性：當(dāng)優(yōu)化此需求，用戶滿意度不會提升，當(dāng)不提供此需求，用戶滿意度會大幅降低；無差異屬性：無論提供或不提供此需求，用戶滿意度都不會有改變，用戶根本不在意；反向?qū)傩裕河脩舾径紱]有此需求，提供后用戶滿意度反而會下降2.KANO模型的使用-問卷編制與數(shù)據(jù)處理KANO問卷對每個質(zhì)量特性都由正向和負(fù)向兩個問題構(gòu)成，分別測量用戶在面對存在或不存在某項(xiàng)質(zhì)量特性時的反應(yīng)。需要注意： KANO問卷中與每個功能點(diǎn)相關(guān)的題目都有正反兩個問題，正反問題之間的區(qū)別需注意強(qiáng)調(diào)，防止用戶看錯題意； 功能的解釋：簡單描述該功能點(diǎn)，確保用戶理解； 選項(xiàng)說明：由于用戶對“我很喜歡”“

3、理應(yīng)如此”“無所謂”“勉強(qiáng)接受”“我很不喜歡”的理解不盡相同，因此需要在問卷填寫前給出統(tǒng)一解釋說明，讓用戶有一個相對一致的標(biāo)準(zhǔn)，方便填答。我很喜歡：讓你感到滿意、開心、驚喜。它理應(yīng)如此：你覺得是應(yīng)該的、必備的功能/服務(wù)。無所謂：你不會特別在意，但還可以接受。勉強(qiáng)接受：你不喜歡，但是可以接受。我很不喜歡：讓你感到不滿意。因此在編制問卷的時候，對每個項(xiàng)目都要有正反兩道題來測，比如，“如果在微信中加入朋友圈功能，您怎樣評價？”對應(yīng)“如果在微信中去掉朋友圈功能，您怎樣評價？”均提供五個選項(xiàng)：我很喜歡、它理應(yīng)如此、無所謂、勉強(qiáng)接受、我很不喜歡那么每個用戶對于某一個項(xiàng)目的態(tài)度必然落入下圖表中的某個格子。而

4、對所有的用戶來說，共有5*5即25種可能，統(tǒng)計(jì)每種可能下的用戶人數(shù)占總?cè)藬?shù)的百分比，來填入下表。之后將下表中標(biāo)A、O、M、I、R、Q的格子中百分比相加，即可得到五種屬性對應(yīng)的百分比。從需求的角度來說，先滿足M百分比最高的去掉R百分比最高的，再滿足O百分比最高的，最后滿足A百分比最高的。KANO評估分類表3.Better-Worse系數(shù)-計(jì)算與使用除了對于Kano屬性歸屬的探討，還可以通過對于功能屬性歸類的百分比，計(jì)算出Better-Worse系數(shù)，表示某功能可以增加滿意或者消除很不喜歡的影響程度。增加后的滿意系數(shù) Better/SI=（A+O）/(A+O+M+I)消除后的不滿意系數(shù) Worse

5、/DSI=-1*（O+M）/(A+O+M+I)以上算法，就是把各個項(xiàng)目下每個字母對應(yīng)的百分比放進(jìn)去進(jìn)行計(jì)算，得到兩個系數(shù)。Better，可以被解讀為增加后的滿意系數(shù)。better的數(shù)值通常為正，代表如果提供某種功能屬性的話，用戶滿意度會提升；正值越大/越接近1，表示對用戶滿意上的影響越大,用戶滿意度提升的影響效果越強(qiáng)，上升的也就更快。Worse，則可以被叫做消除后的不滿意系數(shù)。其數(shù)值通常為負(fù)，代表如果不提供某種功能屬性的話，用戶的滿意度會降低；值越負(fù)向/越接近-1，表示對用戶不滿意上的影響最大，滿意度降低的影響效果越強(qiáng)，下降的越快。因此，根據(jù)better-worse系數(shù)，對系數(shù)絕對分值較高的功

6、能/服務(wù)需求應(yīng)當(dāng)優(yōu)先實(shí)施。根據(jù)better-worse系數(shù)值，將散點(diǎn)圖劃分為四個象限。better-worse對應(yīng)屬性分析第一象限表示：better系數(shù)值高，worse系數(shù)絕對值也很高的情況。落入這一象限的屬性，稱之為是期望屬性，即表示產(chǎn)品提供此功能，用戶滿意度會提升，當(dāng)不提供此功能，用戶滿意度就會降低，這是質(zhì)量的競爭性屬性，應(yīng)盡力去滿足用戶的期望型需求。提供用戶喜愛的額外服務(wù)或產(chǎn)品功能，使其產(chǎn)品和服務(wù)優(yōu)于競爭對手并有所不同，引導(dǎo)用戶加強(qiáng)對本產(chǎn)品的良好印象；第二象限表示：better系數(shù)值高，worse系數(shù)絕對值低的情況。落入這一象限的屬性，稱之為是魅力屬性，即表示不提供此功能，用戶滿意度不會

7、降低，但當(dāng)提供此功能，用戶滿意度和忠誠度會有很大提升；第三象限表示：better系數(shù)值低，worse系數(shù)絕對值也低的情況。落入這一象限的屬性，稱之為是無差異屬性，即無論提供或不提供這些功能，用戶滿意度都不會有改變，這些功能點(diǎn)是用戶并不在意的功能。第四象限表示：better系數(shù)值低，worse系數(shù)絕對值高的情況。落入這一象限的屬性，稱之為是必備屬性，即表示當(dāng)產(chǎn)品提供此功能，用戶滿意度不會提升，當(dāng)不提供此功能，用戶滿意度會大幅降低；說明落入此象限的功能是最基本的功能，這些需求是用戶認(rèn)為我們有義務(wù)做到的事情。得到各個項(xiàng)目的better和worse兩個系數(shù)以后，就可以對全部項(xiàng)目做出散點(diǎn)圖，然后對比不同

8、的項(xiàng)目它們該歸為哪個屬性，由于這里的象限是相對來劃分的，因此這里使用象限圖對四種屬性的分類也就是各個項(xiàng)目互相對比而來的。補(bǔ)充：知乎上從功能角度對該模型的新解讀：最下面一條曲線叫“基礎(chǔ)（功能）”，沒有的時候，用戶對產(chǎn)品無法接受，有了，也不會夸獎你，用戶會覺得這是理所應(yīng)當(dāng)?shù)?。所以，必須做，也叫“must have”，不管成本有多高都得做。在功能列表里，這種功能就不用參與pk了，比如手里的打電話、發(fā)短信，當(dāng)然，也許多年以后不是了。最上面的曲線叫“亮點(diǎn)（功能）”，沒有的時候，用戶也想不到，有了以后，用戶會贊不絕口，wow，驚喜。比如手機(jī)的指紋識別，解決了安全（更多更復(fù)雜的密碼、證書、外掛硬件等等）和方

9、便這一對矛盾的需求。亮點(diǎn)功能的特性，使得我們在選擇“做哪個”的時候有一個訣竅挑選成本低的亮點(diǎn)功能去實(shí)現(xiàn)，比如蘋果電腦的呼吸燈？不要費(fèi)太大的功夫去做一個亮點(diǎn)除非你在大公司的里的“研究中心、創(chuàng)新中心”。你認(rèn)為的亮點(diǎn)到底能不能點(diǎn)亮用戶，是要運(yùn)氣的，相比下面一種功能，它更像早期投資。中間的叫“期望功能”，曲線比較平，也叫“nice to have”，這里體現(xiàn)出用戶調(diào)研的局限性，如果我們簡單的去問用戶，只能獲得“期望功能”，為什么，因?yàn)榛A(chǔ)用戶覺得你肯定有，不會提，而亮點(diǎn)根本想不到。那要讓我們的產(chǎn)品更加豐滿，怎么辦？基礎(chǔ)功能，我們說，要靠產(chǎn)品經(jīng)理的領(lǐng)域知識來彌補(bǔ)，你是做手機(jī)的，就必須知道手機(jī)要能打電話；而亮點(diǎn)，就需要靠對用戶需求、場景、人性的理解了，也就是我們經(jīng)常所謂的“創(chuàng)造需求”，其實(shí)，你只是探究到了用戶深層的需求，然后創(chuàng)造了一個解決方案