当前位置: 首页 > news >正文

模型 KANO卡诺模型

本系列文章 主要是 分享 思维模型,涉及各个领域,重在提升认知。需求分析。


1 卡诺模型的应用

1.1 餐厅需求分析故事

假设你经营一家餐厅,你想了解客户对你的服务质量的满意度。你可以使用卡诺模型来收集客户的反馈,并分析客户的需求和期望。

首先,你可以设计一份调查问卷,向客户询问以下问题:

  1. 你对我们餐厅的食物质量满意吗?
  2. 你对我们餐厅的服务速度满意吗?
  3. 你对我们餐厅的价格满意吗?
  4. 你对我们餐厅的环境和氛围满意吗?

然后,你可以将客户的回答分为以下类别:

  • 基本需求:这些是客户认为必须满足的需求,如果这些需求没有得到满足,客户会非常不满意。
  • 期望需求:这些是客户期望得到满足的需求,如果这些需求得到满足,客户会感到满意。
  • 魅力需求:这些是客户没有期望得到满足的需求,但如果这些需求得到满足,客户会非常满意。

接下来,你可以使用卡诺模型来分析客户的反馈,并确定哪些需求是关键因素。你可以将客户的回答绘制在一个二维图表上,其中横轴表示满足程度,纵轴表示重要程度。

最后,你可以根据卡诺模型的分析结果,制定改进服务质量的计划。你可以优先满足客户的基本需求和期望需求,并考虑提供一些魅力需求,以提高客户的满意度。

注意:卡诺模型是一种定性分析工具,它不能代替定量分析。在使用卡诺模型时,你需要结合实际情况,进行合理的分析和判断。

1.2 电商平台需求分析故事

假设你经营一家电商平台,你想了解客户对你的服务质量的满意度。你可以使用卡诺模型来收集客户的反馈,并分析客户的需求和期望。

首先,你可以设计一份调查问卷,向客户询问以下问题:

  1. 你对我们网站的页面加载速度满意吗?
  2. 你对我们的商品搜索功能满意吗?
  3. 你对我们的支付和物流服务满意吗?
  4. 你对我们的客户服务质量满意吗?

然后,你可以将客户的回答分为以下类别:

  1. 基本需求:这些是客户认为必须满足的需求,如果这些需求没有得到满足,客户会非常不满意。
  2. 期望需求:这些是客户期望得到满足的需求,如果这些需求得到满足,客户会感到满意。
  3. 魅力需求:这些是客户没有期望得到满足的需求,但如果这些需求得到满足,客户会非常满意。

接下来,你可以使用卡诺模型来分析客户的反馈,并确定哪些需求是关键因素。你可以将客户的回答绘制在一个二维图表上,其中横轴表示满足程度,纵轴表示重要程度。

最后,你可以根据卡诺模型的分析结果,制定改进服务质量的计划。你可以优先满足客户的基本需求和期望需求,并考虑提供一些魅力需求,以提高客户的满意度。

1.3 酒店经营需求分析

假设你经营一家酒店,你想了解客户对你的服务质量的满意度。你可以使用卡诺模型来收集客户的反馈,并分析客户的需求和期望。

首先,你可以设计一份调查问卷,向客户询问以下问题:

  1. 你对我们酒店的客房干净整洁程度满意吗?
  2. 你对我们酒店的员工服务态度满意吗?
  3. 你对我们酒店的餐饮质量满意吗?
  4. 你对我们酒店的地理位置和周边环境满意吗?

然后,你可以将客户的回答分为以下类别:

  • 基本需求:这些是客户认为必须满足的需求,如果这些需求没有得到满足,客户会非常不满意。
  • 期望需求:这些是客户期望得到满足的需求,如果这些需求得到满足,客户会感到满意。
  • 魅力需求:这些是客户没有期望得到满足的需求,但如果这些需求得到满足,客户会非常满意。

接下来,你可以使用卡诺模型来分析客户的反馈,并确定哪些需求是关键因素。你可以将客户的回答绘制在一个二维图表上,其中横轴表示满足程度,纵轴表示重要程度。

最后,你可以根据卡诺模型的分析结果,制定改进服务质量的计划。你可以优先满足客户的基本需求和期望需求,并考虑提供一些魅力需求,以提高客户的满意度。

2 模型 KANO(卡诺)模型

2.1 KANO模型简介

KANO 模型是东京理工大学教授狩野纪昭(Noriaki Kano)发明的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。
根据不同类型的质量特性与顾客满意度之间的关系,狩野教授将产品服务的质量特性分为五类:

  • 基本(必备)型质量:Must-be Quality/ Basic Quality
  • 期望(意愿)型质量:One-dimensional Quality/ Performance Quality
  • 兴奋(魅力)型质量:Attractive Quality/ Excitement Quality
  • 无差异型质量:Indifferent Quality/Neutral Quality
  • 反向(逆向)型质量:Reverse Quality,亦可以将 'Quality' 翻译成“质量”或“品质”。

说明:这里的前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。

2.2 KANO模型使用

那么如何使用kano模型来实现一个完整的需求确定流程呢?

@1 设计 KANO 评价问卷。

针对需求X1 做评价需求,如下表所示:

需求X1 评价需求等级-2等级-1等级0等级1等级2

正向问题:如果满足了此项需求,你感觉如何?

我喜欢理应如此无所谓能忍受不喜欢

反向问题:如果未满足此项需求,你感觉如何?

我喜欢理应如此无所谓能忍受不喜欢

以此类推,分别对需求X2、X3...XN分别进行排版并形成调查问卷。

@2 获取 KANO 评价结果分类对照表。

这里主要是根据以上设计的问卷实施调查,按照正向问题和负向问题的回答对需求属性进行分类,具体分类对照表。

需求X负向问题

量表我喜欢理应如此无所谓能忍受不喜欢
我喜欢QAAAO
理应如此RIIIM
无所谓RIIIM
能忍受RIIIM
不喜欢RRRRQ

这里对这些字母进行详细说明:

需求类型需求描述
A:魅力型需求当正向问题的回答是“我喜欢”,对负向问题的回答是“它理应如此”、“我无所谓”或“我能忍受”。
O:意愿型需求当正向问题的回答是“我喜欢”,对负向问题的回答是“我不喜欢”。
M:必备型需求当负向问题的回答是“我不喜欢”,而对正向问题的回答是“它理应如此”、“我无所谓”或“我能忍受”。
R:逆向型需求表示用户不需要这种需求,甚至对该需求属性有反感,即逆向属性。
I:无差异型需求表示无差异需求,用户对这一因素无所谓。
Q:有疑问的结果用户的回答一般不会出现这个结果,除非这个问题的问法不合理、或者是用户没有很好地理解问题、或者是用户在填写问题答案时出现错误。

@3 计算满意度系数(SI)和不满意度系数(DSI)数据构建

有了对需求属性的分类,接下来就可以计算满意度系数和不满意度系数,从而进行KANO 模型分析了。KANO 模型分析是通过对各项用户需求的满意度系数和不满意度系数的分析,来判断用户对这些需求满足程度变化的敏感性,进而确定改进那些需求属性敏感性高、更有利于提升用户满意的关键因素。根据一定样本量的问卷调查(一般要过100),可以得到样本人群对某项需求的属性分类结果,接着计算满意度系数(SI)和不满意度系数(DSI)两个指标,计算公式如下:

#满意度系数计算:
SI=(A+O)/(A+O+M+I)
#不满意度系数:
DSI=(O+M)/(A+O+M+I)

一般来讲,会基于样本得出A O M I的比例,这里给出一组实际数据,如下所示:

需求1需求2需求3需求4需求5需求6需求7需求8
A45%25%35%50%48%20%2%15%
O33%55%50%32%18%62%25%25%
M12%22%10%16%22%16%70%58%
I10%8%5%2%12%2%3%2%
样本100100100100100100100100

然后开始计算SI和DSI,如下表所示:

需求编号需求描述满意度系数SI不满意度系数DSI
需求1XXX0.780.45
需求2XXX0.730.70
需求3XXX0.850.60
需求4XXX0.820.48
需求5XXX0.660.40
需求6XXX0.820.78
需求7XXX0.270.95
需求8XXX0.400.83
均值-0.670.65

@4 基于SI和DSI的数据分析

根据@3 中SI和DSI生成的系数表,可以构造以满意度系数为纵坐标、不满意度系数为横坐标的散点图,如下所示:

其中以 SI 和 DSI 的均值为临界线,可以划分为四个象限,如下所示:

  1. 第一象限区域属于一维属性区,根据示例计算结果可知,自动空调和外后视镜电动折叠属于一维属性,即这两项功能满足得越好,则消费者越满意;
  2. 第二象限区域属于魅力属性,示例中的侧气囊、自动泊车功能和前排座椅加热功能属于魅力属性,即这三项功能如果得不到满足,消费者也不会有太多的不满意,如果得到满足,则消费者的满意度会有大幅提高,即收获意外的惊喜;
  3. 第三象限区域属于无关属性,落入此区域的需求对满意度和不满意度的影响作用都不大,可以不予考虑。
  4. ​​​​​​​第四象限区域属于必备属性,示例中的倒车雷达、ABS 功能属于必备属性,即这两项功能如果得不到满足,消费者会非常不满意,如果得到满足,消费者的满意度也不会有大幅提高,属于消费者认为必须具备的功能。

通过上述步骤就可以完成一个基本的 KANO 模型分析,可以看出:KANO 模型在对用户需求进行识别和分类上具有很大的优势,能够较好地对用户需求进行区分、归入不同的属性,以此来帮助企业决策选择哪些需求进行有针对性的产品开发。

3模型简图

相关文章:

  • PCL 切片法实现点云模型的体积测量、面积测量(二)
  • 信息学奥赛一本通2067详解+代码
  • GRU算法
  • 介绍一下 MVC MVVM
  • 人工智能_机器学习092_使用三维瑞士卷数据_利用分层聚类算法进行瑞士卷数据三维聚类---人工智能工作笔记0132
  • 冰箱温度预测 C语言xdoj47
  • RLHF几大常用框架实践对比(trlx、deepspeedchat、colossalaichat)
  • SpringBoot灵活集成多数据源(定制版)
  • 【以题代复习】计算机网络 第三章
  • Debian安装k8s记录
  • Jenkins分布式实现: 构建弹性和可扩展的CI/CD环境!
  • 基于OpenAI的Whisper构建的高效语音识别模型:faster-whisper
  • 【教程】Typecho Joe主题开启并修复壁纸相册不显示问题
  • mongodb基本命令操作
  • OpenHarmony之消息机制实现
  • 【前端学习】-粗谈选择器
  • Codepen 每日精选(2018-3-25)
  • C学习-枚举(九)
  • electron原来这么简单----打包你的react、VUE桌面应用程序
  • Java方法详解
  • PyCharm搭建GO开发环境(GO语言学习第1课)
  • Spark VS Hadoop:两大大数据分析系统深度解读
  • Spring Cloud Alibaba迁移指南(一):一行代码从 Hystrix 迁移到 Sentinel
  • Stream流与Lambda表达式(三) 静态工厂类Collectors
  • 编写高质量JavaScript代码之并发
  • 使用parted解决大于2T的磁盘分区
  • 数据库写操作弃用“SELECT ... FOR UPDATE”解决方案
  • 问:在指定的JSON数据中(最外层是数组)根据指定条件拿到匹配到的结果
  • 我感觉这是史上最牛的防sql注入方法类
  • 智能合约Solidity教程-事件和日志(一)
  • 如何在招聘中考核.NET架构师
  • 数据可视化之下发图实践
  • ​创新驱动,边缘计算领袖:亚马逊云科技海外服务器服务再进化
  • ###51单片机学习(1)-----单片机烧录软件的使用,以及如何建立一个工程项目
  • $.extend({},旧的,新的);合并对象,后面的覆盖前面的
  • (1)(1.8) MSP(MultiWii 串行协议)(4.1 版)
  • (办公)springboot配置aop处理请求.
  • (附源码)spring boot智能服药提醒app 毕业设计 102151
  • (论文阅读30/100)Convolutional Pose Machines
  • (四)linux文件内容查看
  • (一)Linux+Windows下安装ffmpeg
  • (一)使用IDEA创建Maven项目和Maven使用入门(配图详解)
  • (正则)提取页面里的img标签
  • (转)IOS中获取各种文件的目录路径的方法
  • (转)Sublime Text3配置Lua运行环境
  • (转)机器学习的数学基础(1)--Dirichlet分布
  • (转载)CentOS查看系统信息|CentOS查看命令
  • (自适应手机端)响应式新闻博客知识类pbootcms网站模板 自媒体运营博客网站源码下载
  • (最完美)小米手机6X的Usb调试模式在哪里打开的流程
  • ****** 二十三 ******、软设笔记【数据库】-数据操作-常用关系操作、关系运算
  • ./indexer: error while loading shared libraries: libmysqlclient.so.18: cannot open shared object fil
  • .bashrc在哪里,alias妙用
  • .libPaths()设置包加载目录
  • .NET/C# 项目如何优雅地设置条件编译符号?
  • .NET程序员迈向卓越的必由之路