KANO模型

简介: 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。

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

7a956314399c9e33d24c2f09dd3c4edb.png


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

image.png

 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)。

81782efa1f7d3914506c5daa0d5acba1.png

360a9b6572cbeeba85c2b79dc1d51bdd.png

 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。

27828749fdd0e1c25aa811fddea6d47e.png

   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。

目录
相关文章
|
6月前
|
搜索推荐 安全 UED
浅谈AARRR模型
浅谈AARRR模型
|
机器学习/深度学习 TensorFlow 算法框架/工具
AIAM 模型
AIAM(Artificial Intelligence and Music)模型是一种基于深度学习的音乐生成模型。
284 3
|
4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
64 5
|
20天前
|
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】
48 9
|
2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
|
3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。
|
2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?
138 0
|
6月前
|
安全 JavaScript Unix
BLP 模型
BLP 模型
181 3
|
6月前
使用xxmix9realistic_v40.safetensors模型
使用xxmix9realistic_v40.safetensors模型
272 0
|
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
394 2