kano模型功能（全网最详细的KANO卡诺）

kano模型功能（全网最详细的KANO卡诺）4、无差异质量(I)（Indifferent Quality），即无论提供或不提供此类需求，使用者满意度并不会有明显变化。在条件有限的情况下，可以不优先提供此类需求。3、魅力质量(A)（Attractive Quality），又叫兴奋质量，在实践中，若不提供此类需求，使用者满意度不会降低，但当提供此类需求时，满意度会极大提升，有时是产品或服务具有竞争力的保证。如：手机除了通话功能外，增加了智能共享功能，则淘汰了传统功能的手机。图1. Kano 质量模型1、必备质量（M）（Must-be Quality），又叫基本质量，当提供此类需求时，使用者满意度不会明显提升，但不提供此类需求时满意度会大幅降低，是必须被保障的基础需求。如高星级酒店提供的客房和餐饮服务，和必须具备的基础功能等；又如手机产品的通话功能，安全性能等。2、期望质量(M)（One-dimensional Quality），又叫一元

作者：陈耀

一、KANO（卡诺）模型介绍

Kano（卡诺）模型是1984年由日本东京理工大学教授、世界著名质量管理大师狩野纪昭提出的，其设计灵感来自于赫兹伯格的双因素理论，主要用于客户需求分类和优先排序的工具，展示产品或服务与客户满意度之间的关系。为设计出顾客满意的产品和服务提供了有效方法。Kano模型体现了产品性能和用户满意度之间的非线性关系。如图1。

打开百度APP看高清图片

图1. Kano 质量模型

1、必备质量（M）（Must-be Quality），又叫基本质量，当提供此类需求时，使用者满意度不会明显提升，但不提供此类需求时满意度会大幅降低，是必须被保障的基础需求。如高星级酒店提供的客房和餐饮服务，和必须具备的基础功能等；又如手机产品的通话功能，安全性能等。

2、期望质量(M)（One-dimensional Quality），又叫一元质量，当提供此类需求时，使用者满意度会提升，反之则降低。该类应是被优先考虑提升和改进的需求。如手机的待机时间长、信号强客户就会很满意，反之会不满意。酒店提供标准的顾客期望中的服务，客人就会满意，反之就有失望感。

3、魅力质量(A)（Attractive Quality），又叫兴奋质量，在实践中，若不提供此类需求，使用者满意度不会降低，但当提供此类需求时，满意度会极大提升，有时是产品或服务具有竞争力的保证。如：手机除了通话功能外，增加了智能共享功能，则淘汰了传统功能的手机。

4、无差异质量(I)（Indifferent Quality），即无论提供或不提供此类需求，使用者满意度并不会有明显变化。在条件有限的情况下，可以不优先提供此类需求。

如：航空公司或酒店为顾客提供的没有实用价值的赠品。

5、反向质量（R）（Reverse Quality），即使用者没有此需求，若提供反而会导致满意度下降。如：过度服务会引起不少顾客的反感。

在设计绩效指标时，前三种必备质量、期望质量和魅力质量，就是基本因素、绩效因素和激励因素。

我们也要明白需求会因人而异，萝卜青菜各有所爱，要做的是满足目标客户群中大多数人的需求；需求会因为文化差异而不同；如国内的互联网产品比国外的互联网产品要做得好；需求会随着时间变化。昨天的期望型需求，甚至魅力型需求，到今天可能已变成了必备型需求。企业需要持续调研需求、产品需要持续迭代，与时俱进才能取得成绩，而不是照搬过去的、别人的方法。

卡诺模型的质量类型评价表

卡诺模型的数据收集是采用问卷法，每个问题设计正方两方面问题，最后

把数据填入质量类型评价表，共有必备质量、期望质量、魅力质量、无差异质量

、反向质量和可疑六个类型组成。表1所示。

表1. 质量类型评价表

二、KANO模型分析法操作步骤

本研学内容在KANO模型分析法的基础上做了一些延展，以使产品需求分析更加科学和直观。

1.收集对客产品、产品功能或服务内容等

2. 编制发放及清洗问卷

（分值为序号值：很满意、满意、无所谓、不满意、很不满意；或者根据题意设定别的合适的分值表达，如很有兴趣、有兴趣、无所谓、没兴趣、很没兴趣等）通过SPSS等软件，收集目标客户的完成答题的问卷，并清洗不合格问卷。

3.问卷信度和效度分析

4.设计KANO模型记录分值表，进行答卷分值汇总。依次把样本数据正反答题组合人数，填入到KANO模型质量类型评价表中。

5.所有服务内容分别填入评价表后，根据比例确定每个提项的所属类型。

6. 引入Berger等人提出的Better-Worse系数计算方法进行辅助识别

Better =（O A）/(M O A I)

Worse =（O M）/(M O A I) ×（-1）

7. 运用四分图直观呈现质量属性。

8.分析。

三、实例操作

本文通过研学社实际调研的项目作为案例对各个步骤加以说明。

我们应某社区服务机构委托对社区服务内容进行调研，以便该公司对服务内容进行分类和聚焦，更准确的匹配客户的各种需求。研究主要采用了本文介绍的Kano分析法按照上述步骤展开。

1、 收集产品和服务内容

根据社区服务机构提供的服务内容，最终归纳出30项服务内容：

1.3岁及以下婴幼儿托育服务；2.快递包裹到家服务；3.提供周边商店购物送上门服务；4.产后养护服务；5.家庭生活保姆介绍服务；6.孩子自律、自立、正向价值观培训服务；7.家教信息平台服务；8.品牌培训机构社区培训服务；9.留学咨询及中介服务；10.移民咨询及中介服务；11.厨师到家服务；12.营养早餐定制服务；13.汽车内饰精洗服务；14.洗车服务；15.家庭木地板、大理石地面及家具养护服务；16.邻里共同兴趣活动组织（如徒步、茶道、业余运动赛事、书法、钓鱼等）；17.家电深度清洗及保养服务（空调，冰箱，洗衣机等）；18.家庭照明系统设计改造及维护服务；19.家庭网络搭建及信号接收效果优化服务；20.家庭生活水管路深度清洗及净化服务（如：管路除污除锈、水质净化等）；21.家庭杀虫、灭鼠服务；22.家庭生活主题活动策划服务（如生日、婚庆、纪念日等）；23.家庭生活主题拍摄服务（如宝宝成长照、全家福照、老照片翻拍等）；24.邻里居家养老照护服务；25.邻里拼车/顺风车服务；26.社区平台组织的团购服务；27.家政保洁服务；28.旧家电回收服务；29.邻里就医陪护服务；30.孩子上下学接送服务。

2． 编制发放及清洗问卷

通过问卷标准设计原则，对这30项服务内容，综合信息及个人信息三部分进行问卷设计，如示意表2。

我们应客户要求通过网络对江浙沪地区高档社区居民进行了问卷发放，通过清洗共得到233份有效问卷。

表2. 社区服务问卷示意表

3.问卷信度和效度分析及统计信息

正向回答分析数据如下：

信度分析：问卷中说明同一概念的一组问题的稳定性和一致性即为内在信度，通过分析代表信度的Cronbach's Alpha系数为0.935，说明此问卷数据信度很高。

效度分析：为了检验量表的正确测量程度，需要运用因子分析来进行效度检验，求出量表的构建效度。效度是指测验结果的正确性或可靠性，体现了答题者的真实想法。

Kaiser-Meyer-Olkin值为0.931，说明此问卷效度远大于高水平的0.85。效度很好。

反向回答分析数据如下：

信度分析：Cronbach's Alpha系数为0.925，同样说明反向回答数据信度高。

效度分析：Kaiser-Meyer-Olkin值为0.893，达到了效度检验的高值，说明效度很好。可以进行接下来的深入研究。

进一步汇总统计了该问卷的样本基本信息，详见表3。

4．设计KANO模型记录分值表，答卷分值汇总。

依次把样本数据正反答题组合人数，填入到KANO模型表中。下表4是SPSS统计软件汇总的每组正反题获得的样本数据。

表4. 服务内容正反问卷示意表

把表中得到的数据，填入KANO模型质量类型评价表，依次需要完成本调研的30组服务项目数据，工作量也是不小的。当然也有专门的卡诺分析模型供选择使用，有兴趣的可以自行了解，如组合表5。

表5. 卡诺模型质量类型评价表

5． 所有服务内容分别填入分析表后，根据比例确定每个提项的所属类型。再进行进一步分析。

参照以上卡诺模型质量类型评价表设计，表5中的服务内容1）有：必备质量（M）14（占比6%），期望质量（O）9（3.9%），魅力质量(A)29（12.4%），无差异质量(I)173（74.2%），反向质量(R)6（2.6%），和可疑数2。则服务内容1）数量最多的为无差异质量173，占比74.2%，比例最大，所以此服务属于无差异质量。通过计算所有的30个服务项目，发现此案例中大多数属于无差异质量。为了进一步提高敏感度，我们引入了Better-Worse系数计算方法。

6. 引入Berger等人提出的Better-Worse系数计算方法进行辅助识别

传统的Kano质量分类方法属于二维属性归类，汇总统计各项指标与Kano评价表进行对应即可，确定过程较为直接。但当两项质量类型的统计数值比较接近时会造成质量属性的误判。从本案例社区服务内容需求的Kano问卷的初步统计结果可以发现，无差异质量（I）与其他质量较为接近，不利于正确识别出该项指标真正的质量类型。因此，需要引入Berger等人提出的Better-Worse系数计算方法进行辅助识别。

Better-Worse系数表示当增加或减少某类需求时，对使用者满意或不满意的影响。Better系数表示当满足某项需求时使用者的满意程度，Worse系数则表示当不满足某项需求时，使用者的不满意程度。当Better值和Worse绝对值均＞0.5时判定为期望质量（O），当Better值和Worse绝对值均＜0.5时为无关质量（I），当Better值＞0.5、Worse绝对值均＜0.5时为魅力质量（A），当Better值＜0.5、Worse绝对值＞0.5时为必备质量（M）。通过Better-Worse进行分类，一定程度上弥补了传统分类方法的不足，但无法判断反向质量（R）。由于反向质量（R）在实际情况中较少出现，且能够通过传统分类方法进行快速判断。因此本研究先通过传统分类识别出反向质量（R）和可疑结果（Q），再通过Better-Worse方法进行分类.

计算方法为：

Better =（O A）/(M O A I)

Worse =（O M）/(M O A I) ×（-1）

以服务项目1、2为例计算：

服务项目1

Better

=（O A）/(M O A I)

=(9 29)/(14 9 29 173)

=38/225

=0.17

|Worse|

=（O M）/(M O A I) ×（-1）

=(9 14)/(14 9 29 173)*(-1)

=0.1

服务项目1 ：Better<0.5 Worse<0.5 定位为无差异质量。

服务项目2

Better

=（O A）/(M O A I)

=(39 81)/(9 39 81 97)

=120/226

=0.53

|Worse|

=（O M）/(M O A I) ×（-1）

=(39 9)/( 9 39 81 97)*(-1)

=48/226

=0.21

服务项目2 ：Better>0.5 Worse<0.5 定位为魅力质量。

依次对30个服务项目进行计算，定位其质量类型。此处不再展开！

7、运用四分图直观呈现质量属性

根据Kano模型理论实践得到的重要性排序可以是，必备质量（M）＞期望质量（O）＞魅力质量（A）＞无关质量（I）。由于B-W系数公式不涉及反向质量和可疑项，所以四分图刚好涵盖余下的四个质量属性。

为了更直观的体现30项服务的质量归属，将计算汇总的Better值、Worse值和重要度值（通过SPSS统计分析软件取30项正向问题进行均值分析得到），导入新建的SPSS文件，通过上一篇IPA重要绩效操作方法，进行四象限图归类，其中重要度导入“设置标记（S）”。结果如图2.

图2. Better-Worse敏感重要度矩阵散点图

本研究的服务项目没有落在必备质量上，分析其原因是由于社区服务是在物业管理的基础上的增值和附加服务，一些必备服务内容如停车服务、清洁安全、房屋维护等是由物业公司服务的范畴。

图2涉及期望质量、魅力和无差异质量三个方面。其中“2.快递包裹到家服务服务”内容在B-W分析中为魅力质量，四分图中为期望质量，由于其重要度中分值最高，公司在操作中需要重点重视。

8. 分析

根据图2做进一步说明：

1、期望质量按照重要度排序分别为：

2>20>24>19>14>21>28>27>16>29>30

（2.快递包裹到家服务> 20.家庭生活水管路深度清洗及净化服务> 24.邻里居家养老照护服务> 19.家庭网络搭建及信号接收效果优化服务> 14.洗车服务> 21.家庭杀虫、灭鼠服务 > 28.旧家电回收服务 > 27.家政保洁服务 >16.邻里共同兴趣活动组织 > 29.邻里就医陪护服务 >30.孩子上下学接送服务。）

2、 魅力质量重要度排序分别为：17>3>6

17.家电深度清洗及保养服务 > 3.提供周边商店购物送上门服务> 6.社区孩子自律、自立、正向价值观培训服务

3、无差异质量（略）

通过以上Kano模型分析法，经市场调研，面向直接用户得出了比较科学合理的结论，社区服务机构可以从以上顺序对“期望质量服务内容”进行重点研究和设计，魅力质量如果能做到高质量则社区服务会得到较高的满意度，“无差异质量内容"可根据公司具有的资源斟酌，甚至可以暂时不予考虑。另外必备质量是排序第一位的内容，社区机构有必要深入思考，根据所处社区的实际情况加以挖掘，能提供住户所需的必不可少的服务内容，则企业的重要性能进一步体现。