如何理解和应用KANO模型
我一直认为如果对于一个概念或者工具，不能用一句话解释给一个不懂的人听，那么就是没有理解。如果用一句话解释KANO模型，我会说“KANO模型通过量化测量用户对得到或者失去一个功能/服务的情感反应来对功能优先级进行排序”。
受行为科学家赫兹伯格的双因素理论的启发，东京理工大学教授狩野纪昭(Noriaki Kano)和他的同事Fumio Takahashi于1979年10月发表了《质量的保健因素和激励因素》(Motivator and Hygiene Factor in Quality)一文，第一次将满意与不满意标准引人质量管理领域，并于1982年日本质量管理大会第12届年会上宣读了《魅力质量与必备质量》﹙Attractive Quality and Must-be Quality﹚的研究报告。
什么是KANO模型？
简单来讲，kano模型是狩野纪昭教授发明的对用户需求分类和优先排序的一种工具，与产品经理的贴合度非常高，于是这样一个非产品行业的教授所发明的工具，成为了产品经理们的方法论。
KANO模型定义了三个层次的顾客需求：基本型需求、期望型需求和兴奋型需求。这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。
1.卡诺模型简介
卡诺模型（KANO模型）是对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。在卡诺模型中，将产品和服务的质量特性分为四种类型：⑴必备属性；⑵期望属性；⑶魅力属性；⑷无差异属性。
魅力属性：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；
期望属性：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；
必备属性：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；
反向属性：用户根本都没有此需求，提供后用户满意度反而会下降
KANO问卷对每个质量特性都由正向和负向两个问题构成，分别测量用户在面对存在或不存在某项质量特性时的反应。
每一个功能在6个维度上(魅力属性、期望属性、必备属性、无差异因素、反向属性、可疑结果)上均可能有得分，将相同维度的比例相加后，可得到各个属性维度的占比总和，总和最大的一个属性维度，便是该功能的属性归属。以淘宝UED做过的客观关系管理系统的调研数据为例：
如上图所示，在对“信息管理-购买行为信息”这一功能进行统计整理时，发现魅力属性的占比总数最高。进而得到，客户关系管理工具中，“信息管理-购买行为信息”功能属于魅力属性。即没有这个功能，用户不会有强烈负性情绪，但是有了这个功能，会让用户感受到满意和惊喜。
除了对于Kano属性归属的探讨，还可以通过对于功能属性归类的百分比，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。
增加后的满意系数 Better/SI=（A+O）/(A+O+M+I)
消除后的不满意系数 Worse/DSI=-1*（O+M）/(A+O+M+I)
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。
因此，根据better-worse系数，对系数绝对分值较高的功能/服务需求应当优先实施。根据better-worse系数值，将散点图划分为四个象限。
根据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。落入这一象限的属性，称之为是期望属性，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；
第二象限表示：better系数值高，worse系数绝对值低的情况。落入这一象限的属性，称之为是魅力属性，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。落入这一象限的属性，称之为是无差异属性，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。落入这一象限的属性，称之为是必备属性，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。
如将功能“信息管理-购买行为信息”的数据带入后，得到Better-Worse系数如下：
Better=(.367+.288)/(.367+.288+.029+.216)=0.73
Worse=(.288_.029)/(.367+.288+.029+.216)×(-1)=-0.35
2.卡诺模型实操
2.1 问卷编写：
由于KANO模型问卷均需要了解以下两个方面：用户对于产品/服务具备某功能时的评价（态度）和产品/服务不具备某功能时的评价（态度），需要分别正向和反向地询问用户。需要注意：
① KANO问卷中与每个功能点相关的题目都有正反两个问题，正反问题之间的区别需注意强调，防止用户看错题意；
② 功能的解释：简单描述该功能点，确保用户理解；
③ 选项说明：由于用户对“我很喜欢”“理应如此”“无所谓”“勉强接受”“我很不喜欢”的理解不尽相同，因此需要在问卷填写前给出统一解释说明，让用户有一个相对一致的标准，方便填答。
我很喜欢：让你感到满意、开心、惊喜。
它理应如此：你觉得是应该的、必备的功能/服务。
无所谓：你不会特别在意，但还可以接受。
勉强接受：你不喜欢，但是可以接受。
我很不喜欢：让你感到不满意。
问题设计举例：
为了保证用户对问卷中各功能点准确理解，从而保证数据回收质量，要进行两个工作：
1) 对于每个功能点进行举例说明。如上图所示，对于“客户信息管理-购买行为信息”这一功能点，进行举例“如不同类目下面的历史购买商品”，方便用户清晰、生动地了解此功能内容和使用场景;
2) 预访谈，请用户做完问卷后提出自己疑惑的地方，检验功能点/服务的阐述是否可以被用户理解，对于用户不能清晰理解的部分加以讨论和完善补充。
2.2 数据分析
数据清洗→KANO二维属性归属分析→Better-Worse系数计算。
除了严格的清洗程序，Kano问卷中，还可以清晰掉全部选择“我很喜欢”和全部选择“我很不喜欢”的数据。
此外，还可以结合产品的一些数据支持进行结合分析，如用户画像，UV，转化率等。
2.3 数据解读
KANO模型是对功能/服务的优先级进行探索，具体情况还需要和业务方进行讨论，将Kano模型结果和业务实际情况结合讨论确定可行的产品功能开发/优化的优先级顺序，以将调研结果落地实施。淘宝客户关系管理的各个功能模块KANO得分如下：
3. 模型应用的思考与讨论
3.1 Kano属性的优先级排序
辅助业务进行优先级排序，是Kano模型的一大功能特点。业务方在排序功能优先级时，可主要参考：必备属性>期望属性>魅力属性>无差异因素的基本顺序进行排序
期望属性的功能点对于工具的意义重大，建议优先考虑开发或强化;
魅力属性的功能点，建议优先考虑better值较高的功能，会达到事半功倍的效果;
无差异因素可以成为节约成本的机会。
3.2 如何看待结果中的Kano属性
Kano属性的划分并非一成不变的，随着时间的变化，卖家对于客户关系管理的概念会日益成熟，各功能的属性归属很有可能会发生变化。如对于早期的电视机，遥控器也许是魅力属性(电视机上的按钮可能已经足够解决问题了)，而放在当代，遥控器则应该是人人需要的必备属性了。
3.3 应用Kano模型进行调研的优势和不足
Kano模型有以下几个优势：
1) Kano模型可以细致全面的挖掘功能的特质;
2) Kano模型可以帮助业务方在工作中排优先级，辅助项目排期;
3) Kano模型可以帮助人们摆脱“误以为‘没有抱怨’等于用户满意”的想法。
同样，Kano模型也有它的不足：
1) Kano问卷通常较长，而且从正反两面询问，可能会导致用户感觉重复，并引起情绪上的波动，若用户受到影响没有认真作答，则会引起数据质量的下降。
2) Kano问卷是针对产品属性进行测试时，部分属性也许并不是很好理解。
3) Kano模型类似于一种定性归类的方法，以频数来判断每个测试属性的归类，
这种情况下，可能会出属性归类结果表中，同一属性出现了不同归类栏频数相等或近似的情况。
由于KANO 模型存在这些不足，在运用KANO模型分析数据的时候就要注重数据收集前期的准备工作，比如在问卷设计时，把问卷尽量设计得清晰易懂、语言尽量简单具体，避免语意产生歧义。同时，可以在在问卷中加入简短且明显的提示或说明。方便用户顺利填答。
