前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >KANO模型

KANO模型

原创
作者头像
落雨
发布2022-07-28 23:19:22
1K0
发布2022-07-28 23:19:22
举报
文章被收录于专栏:落雨的专栏

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

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

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)。

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。

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。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1.概述
  • 2.原理
    • 1.属性
      • 2.分析指标
      • 3.基本步骤
        • 1.识别所有可能需求
          • 2.设计问卷
            • 3.实施问卷
              • 4.问卷数据处理
                • 5.制作Better-Worse系数图
                领券
                问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档