kano模型的详尽解释

kano模型的详尽解释受行为科学家赫兹伯格的双因素理论的启发，东京理工大学教授狩野纪昭(NoriakiKano)和他的同事FumioTakahashi于1979年10月发表了《质量的保健因素和激励因素》(MotivatorandHygieneFactorinQuality)一文，第一次将满意与不满意标准引人质量管理领域，并于1982年日本质量管理大会第12届年会上宣读了《魅力质量与必备质量》﹙AttractiveQualityandMust-beQuality﹚的研究报告。KANO模型定义了三个层次的顾客需求:基本型需求、期望型需求和兴奋型需求。这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。1.卡诺模型简介卡诺模型（KANO模型）是对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。在卡诺模型中，将产品和服务的质量特性分为四种类型：⑴必备属性；⑵期望属性；⑶魅力属性；⑷无差异属性。魅力属性：用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升；期望属性：当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低；必备属性：当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低；无差异因素：无论提供或不提供此需求，用户满意度都不会有改变，用户根本不在意；反向属性：用户根本都没有此需求，提供后用户满意度反而会下降KANO问卷对每个质量特性都由正向和负向两个问题构成，分别测量用户在面对存在或不存在某项质量特性时的反应。除了对于Kano属性归属的探讨，还可以通过对于功能属性归类的百分比，计算出Better-Worse系数，表示某功能可以增加满意或者消除很不喜欢的影响程度。增加后的满意系数Better/SI=（A+O）/(A+O+M+I)消除后的不满意系数Worse/DSI=-1*（O+M）/(A+O+M+I)Better，可以被解读为增加后的满意系数。better的数值通常为正，代表如果提供某种功能属性的话，用户满意度会提升；正值越大/越接近1，表示对用户满意上的影响越大,用户满意度提升的影响效果越强，上升的也就更快。Worse，则可以被叫做消除后的不满意系数。其数值通常为负，代表如果不提供某种功能属性的话，用户的满意度会降低；值越负向/越接近-1，表示对用户不满意上的影响最大，满意度降低的影响效果越强，下降的越快。因此，根据better-worse系数，对系数绝对分值较高的功能/服务需求应当优先实施。根据better-worse系数值，将散点图划分为四个象限。根据better-worse系数值，将散点图划分为四个象限。第一象限表示：better系数值高，worse系数绝对值也很高的情况。落入这一象限的属性，称之为是期望属性，即表示产品提供此功能，用户满意度会提升，当不提供此功能，用户满意度就会降低，这是质量的竞争性属性，应尽力去满足用户的期望型需求。提供用户喜爱的额外服务或产品功能，使其产品和服务优于竞争对手并有所不同，引导用户加强对本产品的良好印象；第二象限表示：better系数值高，worse系数绝对值低的情况。落入这一象限的属性，称之为是魅力属性，即表示不提供此功能，用户满意度不会降低，但当提供此功能，用户满意度和忠诚度会有很大提升；第三象限表示：better系数值低，worse系数绝对值也低的情况。落入这一象限的属性，称之为是无差异属性，即无论提供或不提供这些功能，用户满意度都不会有改变，这些功能点是用户并不在意的功能。第四象限表示：better系数值低，worse系数绝对值高的情况。落入这一象限的属性，称之为是必备属性，即表示当产品提供此功能，用户满意度不会提升，当不提供此功能，用户满意度会大幅降低；说明落入此象限的功能是最基本的功能，这些需求是用户认为我们有义务做到的事情。2.卡诺模型实操2.1问卷编写：由于KANO模型问卷均需要了解以下两个方面：用户对于产品/服务具备某功能时的评价（态度）和产品/服务不具备某功能时的评价（态度），需要分别正向和反向地询问用户。需要注意：①KANO问卷中与每个功能点相关的题目都有正反两个问题，正反问题之间的区别需注意强调，防止用户看错题意；②功能的解释：简单描述该功能点，确保用户理解；③选项说明：由于用户对“我很喜欢”“理应如此”“无所谓”“勉强接受”“我很不喜欢”的理解不尽相同，因此需要在问卷填写前给出统一解释说明，让用户有一个相对一致的标准，方便填答。我很喜欢：让你感到满意、开心、惊喜。它理应如此：你觉得是应该的、必备的功能/服务。无所谓：你不会特别在意，但还可以接受。勉强接受：你不喜欢，但是可以接受。我很不喜欢：让你感到不满意。2.2数据分析数据清洗→KANO二维属性归属分析→Better-Worse系数计算。此外，还可以结合产品的一些数据支持进行结合分析，如用户画像，UV，转化率等。2.3数据解读KANO模型是对功能/服务的优先级进行探索，具体情况还需要和业务方进行讨论，将Kano模型结果和业务实际情况结合讨论确定可行的产品功能开发/优化的优先级顺序，以将调研结果落地实施。KANO模型最早在腾讯的《在你身边为你设计》中看到这个模型，却一直没完全弄懂是怎么使用的，今天自己编造了一些数据，一步步做了一遍，总算理解了。以下的引用部分引用自知乎。1.卡诺模型简介-对用户满意度和需求进行分析的工具卡诺模型（KANO模型）是对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。在卡诺模型中，将产品和服务的质量特性分为四种类型：⑴必备属性；⑵期望属性；⑶魅力属性；⑷无差异属性。KANO模型中的几种属性魅力属性：用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升；期望属性：当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低；必备属性：当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低；无差异属性：无论提供或不提供此需求，用户满意度都不会有改变，用户根本不在意；反向属性：用户根本都没有此需求，提供后用户满意度反而会下降2.KANO模型的使用-问卷编制与数据处理KANO问卷对每个质量特性都由正向和负向两个问题构成，分别测量用户在面对存在或不存在某项质量特性时的反应。需要注意：①KANO问卷中与每个功能点相关的题目都有正反两个问题，正反问题之间的区别需注意强调，防止用户看错题意；②功能的解释：简单描述该功能点，确保用户理解；③选项说明：由于用户对“我很喜欢”“理应如此”“无所谓”“勉强接受”“我很不喜欢”的理解不尽相同，因此需要在问卷填写前给出统一解释说明，让用户有一个相对一致的标准，方便填答。我很喜欢：让你感到满意、开心、惊喜。它理应如此：你觉得是应该的、必备的功能/服务。无所谓：你不会特别在意，但还可以接受。勉强接受：你不喜欢，但是可以接受。我很不喜欢：让你感到不满意。因此在编制问卷的时候，对每个项目都要有正反两道题来测，比如，“如果在微信中加入朋友圈功能，您怎样评价？”对应“如果在微信中去掉朋友圈功能，您怎样评价？”均提供五个选项：我很喜欢、它理应如此、无所谓、勉强接受、我很不喜欢那么每个用户对于某一个项目的态度必然落入下图表中的某个格子。而对所有的用户来说，共有5*5即25种可能，统计每种可能下的用户人数占总人数的百分比，来填入下表。之后将下表中标A、O、M、I、R、Q的格子中百分比相加，即可得到五种属性对应的百分比。从需求的角度来说，先满足M百分比最高的去掉R百分比最高的，再满足O百分比最高的，最后满足A百分比最高的。KANO评估分类表3.Better-Worse系数-计算与使用除了对于Kano属性归属的探讨，还可以通过对于功能属性归类的百分比，计算出Better-Worse系数，表示某功能可以增加满意或者消除很不喜欢的影响程度。增加后的满意系数Better/SI=（A+O）/(A+O+M+I)消除后的不满意系数Worse/DSI=-1*（O+M）/(A+O+M+I)以上算法，就是把各个项目下每个字母对应的百分比放进去进行计算，得到两个系数。Better，可以被解读为增加后的满意系数。better的数值通常为正，代表如果提供某种功能属性的话，用户满意度会提升；正值越大/越接近1，表示对用户满意上的影响越大,用户满意度提升的影响效果越强，上升的也就更快。Worse，则可以被叫做消除后的不满意系数。其数值通常为负，代表如果不提供某种功能属性的话，用户的满意度会降低；值越负向/越接近-1，表示对用户不满意上的影响最大，满意度降低的影响效果越强，下降的越快。因此，根据better-worse系数，对系数绝对分值较高的功能/服务需求应当优先实施。根据better-worse系数值，将散点图划分为四个象限。better-worse对应属性分析第一象限表示：better系数值高，worse系数绝对值也很高的情况。落入这一象限的属性，称之为是期望属性，即表示产品提供此功能，用户满意度会提升，当不提供此功能，用户满意度就会降低，这是质量的竞争性属性，应尽力去满足用户的期望型需求。提供用户喜爱的额外服务或产品功能，使其产品和服务优于竞争对手并有所不同，引导用户加强对本产品的良好印象；第二象限表示：better系数值高，worse系数绝对值低的情况。落入这一象限的属性，称之为是魅力属性，即表示不提供此功能，用户满意度不会降低，但当提供此功能，用户满意度和忠诚度会有很大提升；第三象限表示：better系数值低，worse系数绝对值也低的情况。落入这一象限的属性，称之为是无差异属性，即无论提供或不提供这些功能，用户满意度都不会有改变，这些功能点是用户并不在意的功能。第四象限表示：better系数值低，worse系数绝对值高的情况。落入这一象限的属性，称之为是必备属性，即表示当产品提供此功能，用户满意度不会提升，当不提供此功能，用户满意度会大幅降低；说明落入此象限的功能是最基本的功能，这些需求是用户认为我们有义务做到的事情。得到各个项目的better和worse两个系数以后，就可以对全部项目做出散点图，然后对比不同的项目它们该归为哪个属性，由于这里的象限是相对来划分的，因此这里使用象限图对四种属性的分类也就是各个项目互相对比而来的。补充：知乎上从功能角度对该模型的新解读：最下面一条曲线叫“基础（功能）”，没有的时候，用户对产品无法接受，有了，也不会夸奖你，用户会觉得这是理所应当的。所以，必须做，也叫“musthave”，不管成本有多高都得做。在功能列表里，这种功能就不用参与pk了，比如手里的打电话、发短信，当然，也许多年以后不是了。最上面的曲线叫“亮点（功能）”，没有的时候，用户也想不到，有了以后，用户会赞不绝口，wow，惊喜。比如手机的指纹识别，解决了安全（更多更复杂的密码、证书、外挂硬件等等）和方便这一对矛盾的需求。亮点功能的特性，使得我们在选择“做哪个”的时候有一个诀窍——挑选成本低的亮点功能去实现，比如苹果电脑的呼吸灯？不要费太大的功夫去做一个亮点——除非你在大公司的里的“研究中心、创新中心”。你认为的亮点到底能不能点亮用户，是要运气的，相比下面一种功能，它更像早期投资。中间的叫“期望功能”，曲线比较平，也叫“nicetohave”，这里体现出用户调研的局限性，如果我们简单的去问用户，只能获得“期望功能”，为什么，因为基础用户觉得你肯定有，不会提，而亮点根本想不到。那要让我们的产品更加丰满，怎么办？基础功能，我们说，要靠产品经理的领域知识来弥补，你是做手机的，就必须知道手机要能打电话；而亮点，就需要靠对用户需求、场景、人性的理解了，也就是我们经常所谓的“创造需求”，其实，你只是探究到了用户深层的需求，然后创造了一个解决方案。基础功能只能消除不满，不能带来满意，亮点的重要性在于，有了，才有口