KANO分析方法分析和总结.docxVIP

KANO 分析 满意度是用户对产品感知的效果与期望值相比较后，用户形成的开心或失望 的感 觉。在日常满意度应用中，我们都认为满意度是一维的，即某个产品（页面）， 提供更 多功能、服务时用户就会感到满意，相反，当功能、服务不充足时，用户 会感到不满。 因此我们可能会不断在产品（页面）中添加新功能，通过这种方式 提升用户的满意度。 但是事实上会发现，并不是所有新增或优化的功能，都能提 升用户的满意度，甚至有一些还会损害用户体验。 满意度理论研究中发现，并非所有的因素对用户满意度产生的影响都是一维 的，二 维模式认为，当提供某些因素时，未必会获得用户的满意，有时可能会造 时提供或不提供某些因素，用户认为根本无差异，这就是满意度的 成不满意，有二维模式。 满意度的二维模式是从赫茨伯格 （ Herzberg ）的双因素理论发展而来。赫茨 伯格 的理论认为，满意和不满意并非共存于单一的连续体中，而是截然分开的； 该理论通过 考察一群会计师和工程师的员工满意度与生产效率的关系， 工作中员工的满意度分为两种，一种是激励因素，另一种称为保健因素。激励因 工作本身带来的成就、认可和责任；保健因素指公司政策和管理、技术监 发现日常素表示 督、薪水、工 作条件以及人际关系等。当具备激励因素时会增加员工的满意，但 是当缺乏时不会不满 意；而当具备保健因素时不会提高员工的满意， 但是当缺乏 时，则会造成不满。 Kano 模型的二维属性模式 日本教授狩野纪昭 （ Noriaki Kano ）在 1984 年首次提出二维模式，构建出 kano 模型。将影响因素划分为五个类型，包括： 豪度认可 Kano 模型 魅力因素：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； 期望因素（一维因素）：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 ; 必备因素：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； 反向因素：用户根本都没有此需求，提供后用户满意度反而会下降； 从 kano 模型的因素 分类可以发现， kano 并不是直接用来测量用户满意度的方法， 而是通过对用户的不同需 求进行区分处理， 帮助产品找出提高用户满意度的切入 点。它常用于对影响指标进行分 类，帮助产品了解不同层次的用户需求，识别使 用户满意的至关重要的因素。 实际中如何应用 kano 模型 Kano 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，然后 计算 better-worse 系数，以显示达成此项因素属性对增加满意或消除不满意的 Better 的数值通常为正，表示如果产品提供某功能或服务，用户的满意度会提 值越大，代表用户满意度提升的效果会越强，满意度上升的越快； 影响程度。 升。其正 worse 的数值通常为负，表示如果产品不提供某功能或服务，用户的满意度会降 负值越大，代表用户满意度降低的效果会越强，满意度下降的越快； 因此，根据 better-worse 系数，对系数绝对分值较高的项目应当优先实施。 从一个案例来说明：某产品希望优化 5 项功能，但是不知道哪些是用户需要的。通过 kano 调研分析，可以分别计算出 5 项功能的 better-worse 系数，构建如下 图。 Better-worse 系数分祈 低。其 四分位 根据 5 项功能的 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。 在实际中， 我们首先要全力以赴地满