模型 KANO卡诺模型

news2025/1/23 22:42:28

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

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1347233.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Android Matrix画布Canvas旋转Rotate,Kotlin

Android Matrix画布Canvas旋转Rotate,Kotlin private fun f1() {val originBmp BitmapFactory.decodeResource(resources, R.mipmap.pic).copy(Bitmap.Config.ARGB_8888, true)val newBmp Bitmap.createBitmap(originBmp.width, originBmp.height, Bitmap.Config.…

基于价值认同的需求侧电能共享分布式交易策略(matlab完全复现)

目录 1 主要内容 2 部分程序 3 程序结果 4 下载链接 1 主要内容 该程序完全复现《基于价值认同的需求侧电能共享分布式交易策略》,针对电能共享市场的交易机制进行研究,提出了基于价值认同的需求侧电能共享分布式交易策略,旨在降低电力市…

学习笔记15——前端和http协议

学习笔记系列开头惯例发布一些寻亲消息,感谢关注! 链接:https://baobeihuijia.com/bbhj/ 关系 客户端:对连接访问到的前端代码进行解析和渲染,就是浏览器的内核服务器端:按照规则编写前端界面代码 解析标准…

数组(定义,静态初始化,地址值,元素访问,索引,遍历,动态初始化,两种初始化的区别,练习)

文章目录 1.数组概念: 2.数组的定义格式一:格式二:详解:注意点: 3.数组的静态初始化完整格式:格式详解:注意点:简化格式:练习1:练习2:练习3: 4.地…

【网络面试(2)】DNS原理-域名和IP地址的查询转换

从上一篇博客我们得知浏览器是如何生成了HTTP消息了,但是浏览器作为应用程序,是不具备向网络中发送请求的能力,而是需要委托给操作系统的内核协议栈来发送请求。在委托协议栈之前,浏览器还要做的一件事情就是将域名转换为IP地址。…

驾驶人类未来:Apollo自动驾驶系统的影响力

前言 「作者主页」:雪碧有白泡泡 「个人网站」:雪碧的个人网站 ChatGPT体验地址 文章目录 前言1. 什么是自定义指令?2. Apollo中的自定义指令2.1 查询中的自定义指令2.2 变更操作中的自定义指令 3. 自定义指令的实现结论 文章目录 前言1. 什…

二维动态规划问题,python解决最长回文子串

一个算法中的经典问题,求最长回文子串问题,其实是可以归于二维动态规划问题。 对于给定的一个字符串中,找到这个字符串中的回文子串,回文子串的概念是从前往后正向的读和从后往前反向的读都是完全相同的字符串。 对这个问题进行…

14 2023.12.31 --------release--------misc--------

呵呵 一部分 misc 存在草稿箱好久了 而且 也并没有那么重要, 直接放出去吧 今年的 专业技能方面的收获主要是一些方面 linux 方面, 这部分内容主要是集中在上半年 90 telnet 连接上对方服务之后 立即 “Connection closed by foreign host.“ 89 重写 /proc/sys/vm/nr_pd…

golang锁源码【只有关键逻辑】

条件锁 type Cond struct {L Lockernotify notifyList } type notifyList struct {wait uint32 //表示当前 Wait 的最大 ticket 值notify uint32 //表示目前已唤醒的 goroutine 的 ticket 的最大值lock uintptr // key field of the mutexhead unsafe.Pointer //链表头…

单片机原理及应用:开关控制LED多种点亮模式

从这篇文章开始,我们不再只研究单一的外设工作,而是将LED、数码管、开关、按键搭配在一起研究,这篇文章主要介绍LED和开关能擦出怎样的火花,同时也介绍一些函数封装的知识。 由于开关有闭合与打开两种状态,LED有左移流…

机器学习---随机森林宫颈癌分类

1. 宫颈癌分类 from sklearn import tree from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_split from sklearn.model_selection import GridSearchCV from sklearn.pipeline import Pipeline from sklearn.preprocessi…

【操作系统xv6】学习记录1

前置说明: git-v9版本:git clone https://github.com/mit-pdos/xv6-public/tree/xv6-rev9 bili:https://www.bilibili.com/video/BV15r4y1z75F 深圳大学罗秋明老师的课程 我自己用的wsl2的ubuntu18 无桌面版本 make qemu-nox bug 起初在双系统的ubuntu…

go 源码解读 sync.RWMutex

sync.RWMutex 简介源码结构RLockRUnlockUnlockgo 运行时方法 简介 简述sync包中读写锁的源码。 (go -version 1.21) 读写锁(RWMutex)是一种并发控制机制,用于在多个 goroutine 之间对共享资源进行读写操作。它提供了…

10|记忆:通过Memory记住客户上次买花时的对话细节

10|记忆:通过Memory记住客户上次买花时的对话细节 在默认情况下,无论是 LLM 还是代理都是无状态的,每次模型的调用都是独立于其他交互的。也就是说,我们每次通过 API 开始和大语言模型展开一次新的对话,它…

Servlet中常用的三大API

HttpServlet 我们写 Servlet 代码的时候,首先第一步就是先创建类,继承自 HttpServlet,并重写其中的某些方法。我们实际开发的时候主要重写 doXXX 方法,很少会重写 init / destory / service。 因为这一些方法的调用时机&#xf…

【链表OJ—链表的回文结构】

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言一、pandas是什么?二、使用步骤 1.引入库2.读入数据总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:…

Apache DolphinScheduler 3.1.9 版本发布:提升系统的稳定性和性能

🚀我们很高兴宣布,Apache DolphinScheduler 的最新版本 3.1.9 已正式发布!此版本在 3.1.8 的基础上进行了关键的 bug 修复和文档更新,共计修复了 14 个 bug 和改进了 3 个文档。 主要更新亮点 本次更新重点解决了以下几个关键问题…

《PCI Express体系结构导读》随记 —— 第I篇 第1章 PCI总线的基本知识(19)

接前一篇文章:《PCI Express体系结构导读》随记 —— 第I篇 第1章 PCI总线的基本知识(18) 1.4 PCI总线的中断机制 1.4.3 中断请求的同步 在PCI总线中,INTx信号是一个异步信号。所谓异步是指INTx信号的传递并不与PCI总线的数据传送…

SpringBoot 医药咨询系统

概述 智慧医药系统(smart-medicine)是一个基于 SpringBoot 开发的Web 项目。整体页面简约大气,增加了AI医生问诊功能,功能设计的较为简单。 开源地址 https://gitcode.net/NVG_Haru/Java_04 界面预览 功能介绍 游客功能介绍 …

现实世界中的人工智能:工业制造的 4 个成功案例研究

现实世界中的人工智能:工业制造的 4 个成功案例研究 从抓鸡翅到建立整个虚拟工厂,各种规模的制造商都利用人工智能以更快的速度、更低的成本和更低的风险生产更多的产品。 我们能否让工厂变得足够聪明,在发生故障之前告诉我们?我…