Kano模型

简介: Kano模型


1.介绍:

Kano模型是一种质量管理工具,用于了解和满足顾客需求。

Kano模型认为,顾客的需求可以被分为五个不同的类型:基本需求、期望需求、感动需求、无差别需求和潜在需求。

基本型需求(Must-be):顾客认为这些需求是理所当然的,对产品或服务的满足程度不会引起顾客满意度的显著变化。如果基本需求没有得到满足,顾客会非常不满意。

期望型需求(One-dimensional):这些需求是顾客对产品或服务的预期,顾客期望满足这些需求。如果期望需求得到满足,顾客会满意;如果未能满足,顾客会不满意。

魅力型需求(Attractive):魅力需求是指顾客未曾期望或意识到的需求,但一旦得到满足,会给顾客带来极高的满意度和惊喜。这些需求通常是产品或服务的创新点,能够使企业脱颖而出,与竞争对手区分开来。满足魅力需求可以帮助企业吸引更多顾客并提升品牌形象。

无差异需求(Indifferent):这些需求不会影响顾客的满意度,无论是否满足,顾客的满意度都不会改变。

反向型需求(Reverse):反向需求指的是当产品或服务过度满足某个特定需求时,顾客的满意度反而会下降。这是因为这种需求在顾客心目中并不重要,过度满足反而会增加成本或给用户带来不便。因此,在满足反向需求时,需要谨慎考虑如何平衡满足和成本。

各个需求类型随着功能性的具备,满意度的变化:

2.Kano模型的作用:

产品规划和开发:通过分析顾客需求的不同类型,企业可以确定关键需求并将其作为产品开发的重点。同时,还可以识别出潜在的魅力需求,从而在产品设计中引入创新元素

产品评估和改进:Kano模型可以用于评估当前产品的满意度水平,并确定哪些需求是基本需求、期望需求、魅力需求或反向需求。这有助于企业确定改进产品的关键方向,以提高顾客满意度。

市场调研和竞争分析:通过对顾客需求的分类和评估,企业可以更好地了解市场上的竞争情况。它可以帮助企业识别出竞争对手未满足的魅力需求,并将其作为差异化竞争的机会。

顾客体验管理:将Kano模型应用于顾客体验管理可以帮助企业确定关键的顾客接触点,了解不同类型的需求对顾客体验的贡献,并从中找到提升顾客满意度的机会。

3.KANO模型使用场景:

常用于调研需求实现的优先级排序,了解具备某功能对用户满意度的影响。也可用于调研各服务环节与客户的满意度的关联,如调研“员工统一着装”、“服务过程中推销办卡”等行为客户的感受等。

4.使用步骤:

4.1设计问卷:

KANO模型需对同一功能进行正、反向提问,并将选项设置为5个不同的满意程度。如:

如果具备视频功能,您的感觉是?

A.我很喜欢、B.理所当然、C.无所谓、D.勉强接受、E.很不喜欢

如果不具备视频功能,您的感觉是?

A.我很喜欢、B.理所当然、C.无所谓、D.勉强接受、E.很不喜欢

需要注意:

(1)题干正反向提问关键词需尽可能对仗,如“具备”与“不具备”、“有”与“没有”。

(2)题干除正反向关键词外,内容需一致,如“具备视频功能,您的感觉如何”、“不具备视频功能,您的感觉如何”。

(3)需确保选项个数为5个。

4.2 数据分析

需要计算:KANO属性、Better系数、Worse系数

4.2.1 KANO属性

根据正反选项的对应表(5 * 5 = 25):

Q:可疑结果

M:基本型需求

O:期望型需求

A:魅力型需求

I:无差异需求

R:反向型需求

基于结果进行统计,最多比例的属性可作为统计后的结果,即该需求分类。

4.2.2 Better系数、Worse系数

Better满意系数,代表如果产品提供某种功能或服务,用户满意度会提升。Better值越大/越接近1,则表示用户满意度提升的效果会越强。

Worse不满意系数,Worse的数值通常为负,代表产品如果不提供某种功能或服务,用户的满意度会降低。其绝对值越接近1,则表示对用户不满意度的影响最大,满意度降低的影响效果越强,下降的越快。

计算公式:

Better系数=[魅力型(A)+期望型(O)]÷[魅力型(A)+期望型(O)+必备型(M)+无差异型(I)]。

Worse系数=[期望型(O)+必备型(M)]÷[魅力型(A)+期望型(O)+必备型(M)+无差异型(I)]*(-1)

当然,better系数值高、worse系数绝对值抽象表示了曲线的增长率,better_worse图最终抽象为如下经典KANO模型图,更加精确的描述了每一类属性需求的特性:

参考文章

4.2.3 举例:

从下向上推算:

可以画一个散点图展现(参考文章):

目录
相关文章
|
7月前
|
搜索推荐 安全 UED
浅谈AARRR模型
浅谈AARRR模型
|
4月前
|
搜索推荐 语音技术
SenseVoice模型建议
8月更文挑战第4天
415 1
|
5月前
|
存储 人工智能 自然语言处理
大模型时代
【7月更文挑战第6天】大模型时代
71 5
|
1月前
|
机器学习/深度学习 自然语言处理
MGTE系列模型
【10月更文挑战第15天】
70 9
|
3月前
|
人工智能 安全 测试技术
MetaLlama大模型
LLaMA 是一组基础语言模型,参数范围从 7B 到 65B,在大量公开数据上训练而成,性能优异。Llama 2 为 LLaMA 的升级版,参数规模扩大至 70 亿至 700 亿,特别优化了对话功能。Code Llama 基于 Llama 2 开发,专注于代码生成,提供不同参数规模的模型。这些模型可在多种平台上运行,包括官方 API、第三方封装库如 llama.cpp 和 ollama,以及通过 Hugging Face 的 transformers 库使用。此外,还提供了详细的模型申请及使用指南,便于开发者快速上手。相关链接包括 Meta 官方页面和 GitHub 仓库。
MetaLlama大模型
|
4月前
|
人工智能 算法 搜索推荐
你觉得大模型时代该出现什么?
【8月更文挑战第11天】大模型时代展望关键技术与基础设施升级,如量子计算支持、模型优化及专用芯片;模型层面探索多模态融合与自我解释能力;应用场景涵盖智能医疗、教育及城市管理等;社会人文领域则涉及新职业培训与伦理法规建设。
|
3月前
|
机器学习/深度学习
什么是领域大模型?
什么是领域大模型?
214 0
|
7月前
|
机器学习/深度学习 传感器 人工智能
世界模型是什么?
【2月更文挑战第9天】世界模型是什么?
788 3
世界模型是什么?
|
7月前
|
安全 JavaScript Unix
BLP 模型
BLP 模型
199 3
|
自然语言处理 搜索推荐 机器人
大模型的真正适用场景
大模型的真正适用场景
409 2
下一篇
DataWorks