Kano模型是一种用于分析用户需求对满意度影响的工具，由东京理工大学狩野纪昭教授发明。它将需求分为必备型、期望型、魅力型、无差异型和反向型五类，通过二维坐标系展示需求与满意度的关系。Kano模型的优点在于能对定性功能进行量化处理，操作简单，实施周期短。但缺点是样本选择难，用户需求可能存在不确定性。Kano模型分析方法包括设计问卷调查、收集数据、计算Better-Worse系数、识别具体测量指标和结果分析等步骤。通过分析，可以找到影响用户满意度的关键因素，为产品功能优化提供依据。Kano模型是一种有效的用户需求分析工具，通过将需求分为五类，帮助企业了解不同层次的用户需求，确定关键要素。虽然存在样本选择和用户需求不确定性的问题，但通过科学的方法和步骤，Kano模型能为产品功能优化提供有价值的参考。
1.定义：KANO模型是东京理工大学狩野纪昭教授发明的，受行为科学家赫兹伯格的双因素理论启发，狩野纪昭(NoriakiKano)和其同事FumioTakahashi创造KANO模型。KANO模型用于定性指标。对用户需求进行分类和优先顺序排序的工具，以分析用户需求对用户满意度的影响为基础，它反映了产品各个属性和用户满意度之间的非线性关系。
2.需求属性分类：
KANO模型定义了五种需求类型：
通过对需求的满意度、KANO将需求划分为必备型、期望型、魅力型、无差异型、反向型五类，分别以英文字母M、O、A、I、R表示。
•必备(基本)型需求(M)：需求满足时，用户不会感到满意。需求不满足时，用户会很不满意。
•期望型需求(O)：需求满足时，用户会感到很满意。需求不满足时，用户会很不满意。
•魅力型需求(A)：该需求超过用户对产品本来的期望，使得用户的满意度急剧上升。即使表现得不完善，用户的满意度也不受影响。
•无差异型需求(I)：需求被满足或未被满足，都不会对用户的满意度造成影响。
•反向型需求(R)：该需求与用户的满意度呈反向相关，满足该要求，反而会使用户的满意度下降。
3.模型图：
KANO模型用二维坐标系表示，如右图所示。横轴代表“品质”充分或不充分的程度；纵轴代表“满意度”或“不满意度”，图中五种曲线分别代表Kano模型的五种品质关系。通过上述诸多品质的判定，更容易厘清不同品质与满意度之间的关系，找出有效提升用户满意度的重要品质项目。
4.优点：
Kano模型分析方法主要是通过标准化问卷进行调研，根据调研结果对各因素属性归类，解决产品属性的定位问题，以提高客户满意度。
5.Better-worse系数、
Better系数=(期望数+魅力数)/(期望数+魅力数+必备数+无差异数)
Better系数越接近1，表示该具备度越高该需求对用户满意度提升的影响效果越大。
Worse系数=-1*(期望数+必备数)/(期望数+魅力数+必备数+无差异数)
Worse系数越接近-1，表示具备度越低该需求对用户满意度造成的负面影响越大。
6.KANO模型分析方法：
KANO模型分析方法是狩野纪昭基于KANO模型对顾客需求的细分原理，开发的一套结构型问卷和分析方法。KANO模型分析方法并不直接用来测量顾客的满意程度，主要用于识别顾客需求，帮助企业了解不同层次的顾客需求，确定使顾客满意的关键要素。
KANO模型分析方法基本步骤如下：
(1)从顾客角度认识产品／服务需要；
(2)设计问卷调查表；
(3)实施有效的问卷调查；
(4)将调查结果分类汇总，建立质量原型；
(5)分析质量原型，识别具体测量指标的敏感性。
第一步：调研问卷设计
在问卷设计环节，需要了解到，Kano模型调查问卷的特殊之处。该类调查问卷对于每个特性的调研问题上，都是分正向和负向两个方面来提问。在做KANO分析前，一般需要进行用户调研。通常采用矩阵量表的形式让用户对功能进行正面和负面评价，评价分为五个程度“我很喜欢”、“它理应如此”、“无所谓”、“勉强接受”、“我很不喜欢”。
第二步：收集数据并分析
收集到的数据，要注意进行清洗，对于全部选择“喜欢”或者全部选择“不喜欢”之类的问卷要进行剔除。
M：基本(必备)型需求
O：期望(意愿)型需求
A：兴奋(魅力)型需求
I：无差异型需求：顾客对这一因素无所谓；
R：反向(逆向)型需求：顾客不需要这种质量特性，甚至对该质量特性有反感
Q：可疑结果：顾客的回答一般不会出现这个结果，除非这个问题的问法不合理、或者是顾客没有很好地理解问题、或者是顾客在填写问题答案时出现错误。
第三步：判断功能的影响程度：
Better-Worse系数计算
根据每个功能的属性分类百分比对照表，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。
Better/SI=(A+O)/(A+O+M+I)
Worse/DSI=-1*(O+M)/(A+O+M+I)
Better系数=(期望数+魅力数)/(期望数+魅力数+必备数+无差异数)Better系数越接近1，表示该具备度越高该需求对用户满意度提升的影响效果越大。
Worse系数=-1*(期望数+必备数)/(期望数+魅力数+必备数+无差异数)Worse系数越接近-1，表示具备度越低该需求对用户满意度造成的负面影响越大。
Better系数可以理解为满意系数，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系数可以理解为不满意系数，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。
第四步：识别具体测量指标
对于功能属性归类的百分比，计算出Better-Worse系数，目的是显示达成此项因素属性对增加满意或消除不满意的影响程度。根据better-worse系数，对系数绝对分值较高的项目应当优先实施。
第一象限表示：better系数值高，worse系数绝对值也很高的情况。落入这一象限的因素，称之为是期望因素(一维因素)，功能5落入此象限，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；
第二象限表示：better系数值高，worse系数绝对值低的情况。落入这一象限的因素，称之为是魅力因素，功能1落入此象限，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。落入这一象限的因素，称之为是无差异因素，功能2、3、4落入此象限，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。落入这一象限的因素，称之为是必备因素，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。
第五步：结果分析
根据模型分析，能够针对性的找到用户满意度中关键性指标，并对产品功能针对用户需求提出合理切实可行的建议。
6.KANO模型优缺点：
优点
•能对定性的功能进行量化处理，更能科学的指导产品决策。
•操作简单，实施周期短。
•作为了解用户需求的一种科学方式。
缺点
•样本的选择较难准确界定，因为不同功能对不同的用户群体接受度不一样。
•因为完全由用户自行填写，但用户往往没看到新功能之前也不确定自己需要什么，所以会存在盲人摸象的情况。
以上内容由58汽车提供。如有任何买车、用车、养车、玩车相关问题，欢迎在下方表单填写您的信息，我们将第一时间与您联系，为您提供快捷、实用、全面的解决方案。
原创文章，作者：58汽车，如若转载，请注明出处：https://car.58.com/7141577/
