KANO模型

财经网编2023-04-14 12:382650
1.概述

KANO模型由东京理工大学教授狩野纪昭(noriaki Kano)发明,其用于分析用户对于各类需求的排名偏好情况,其在企业产品需求调研,市场研究中有着广泛的应用。

2.原理 1.属性

Kano模型将需求分为:魅力需求A、期望属性O、必备属性M、无差异属性I、反向属性R

属性名称

属性特征

魅力属性A

超出用户预期的功能/服务,该功能/服务完善程度高,用户满意度会明显上升,如果没有该功能/服务时,用户满意度下降不明显

期望属性O

有某功能/服务会提升满意度,没有会使满意度下降

必备属性M

有某功能/服务不会提升满意度,但没有会使满意度下降

无差异属性I

有和没有某功能/服务均不影响满意度

反向属性R

没有某功能/服务满意度会更高

可疑结果Q

用户没有很好理解某问项或误答

KANO模型

2.分析指标
  • Better(满意影响力)= (A+O)/(A+O+M+I),该指标介于0 ~ 1之间,值越大说明敏感性越大,优先级越高;
  • Worse(不满意影响力)= -1 * (O+M)/(A+O+M+I),该指标介于-1 ~ 0之间,值越小说明敏感性越大,优先级越高。

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。

3.基本步骤 1.识别所有可能需求

可以通过规范研究、研究文献和访谈材料等方式来获取所有可能的需求。

2.设计问卷

设计基于KNAO模型的问卷,需要把需求划分为两个维度:提供该服务时的满意程度、不提供该服务时的满意程度。对于同一个指标设计两个问题作为一组,一个正向一个反向,让用户对功能进行正面和负面评价。

选项通常有:

  • A.我喜欢
  • B.正因如此
  • C.无所谓
  • D.能忍受
  • E.不喜欢

KANO模型

3.实施问卷

让用户完成上一步基于KANO设计的问卷。正反问题之间的区别需注意强调,防止用户看错题意。在实际题目设置上,当功能点个数比较多(大于5个时)或功能点的差异不大时,有相似之处时,建议对用户进行分组,每个用户最多回答5个功能点,且尽量是区分度大的功能点。

4.问卷数据处理

根据问卷结果,参照KANO模型的分类标准,对问卷的选项进行汇总,确定质量属性(占比最大的为KANO定位属性),再计算Better系数和Worse系数。Kano 模型定位,比如在问卷中正向问题选择了B.正因如此,反向问题选择了E.不喜欢,查表应为第二行第第五个M(必备属性)。

KANO模型

KANO模型

5.制作 Better-Worse系数图

根据第四部统计得出的Better系数和Worse系数,Better系数为Y轴、Worse系数为X轴,制作二维图表,把各个需求的Better系数和Worse系数作为y和x值标在图上。x=50%,y=50%作为中心点,把图表等分为四个象限。

  • 第一象限(期望特性)表示:better 系数值高,worse 系数绝对值也很高的情况。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(魅力特性):better 系数值高,worse 系数绝对值低的情况。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(无差异特性):better 系数值低,worse 系数绝对值也低的情况。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(必备特性):better 系数值低,worse 系数绝对值高的情况。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。

KANO模型

通常情况下,产品开发需求的优先级为:必备特性>期望特性>魅力特性>无差异特性。

原文地址:https://cloud.tencent.com/developer/article/2061044

总结

以上是真正的电脑专家为你收集整理的KANO模型的全部内容,希望文章能够帮你解决所遇到的问题。

如果觉得真正的电脑专家网站内容还不错,欢迎将真正的电脑专家推荐给好友。

评论区