50-狩野分析

Published in

不悶燒工作坊

5 min readApr 30, 2018

狩野分析是由狩野紀昭教授由1984年所提出，狩野分析大多被稱呼為狩野模型(KANO Model)，主要是用來分析顧客滿意度。他所提出的方式是利用正反問題來得出一種二維象限區間的滿意度，而非單一的一維滿意度。
他的主要作法是利用一個項目題中正反兩種問法，例如兩個問題是”假如iphone推出藍色你喜歡嗎?”、”假如iphone推出藍色你不喜歡嗎?”，藉此釐清回答者是否有需要這樣的設計(功能、服務)，以達到評估的目的。

主要的用途:
1. 辨認出有效提高客戶滿意度的功能或服務。

2. 分析產品功能、服務與客戶滿意度之間的相關性。

3. 依客戶滿意度研究，辨認產品功能的優先改善順序。

狩野分析在網路上的解釋與方式有好幾種，有提出僅有4種特質分析，也有提出6種特質分析，或是像書中所說的5種特質分析(但英文用詞不同，不知道是否是翻譯的問題?)，推斷有可能是初期僅提出4種，但後續為前精準衍伸出6種，例如在wiki中少了第6項”疑問的(Questionable)。

以下以目前有的6種特質類型作為介紹，前面的英文為代號，方便在統計分析時簡寫

M 基本型需求、必要的（Must-be）
客戶認為理所當然的基本需求(功能)，最基本一定要達到的事情，如果沒有的話客戶鐵定會非常不滿意。
例如到餐廳用餐客戶認知是基本餐廳要提供筷子湯匙刀叉，但如果餐廳不提供的話，大部分的客人會生氣。
例如租屋app，如果不提供可以搜尋區域租屋的app，使用者也會放棄使用。

O 期望型需求、一維品質（One-dimensional）
滿足客戶需求的服務或功能，增強功能或是服務品質
客戶會期待品質需求。
例如餐廳用餐時有先上水、濕紙巾等
例如租屋app，如果條件搜尋時有多種細項條件可以選擇，客戶會更喜歡使用這個app

A 魅力型需求、魅力品質（Attractive）
增添服務或產品吸引人的部分
例如用餐時菜餚精緻的擺盤
例如租屋app增加了app提示介紹與使用小密技

I 無差異需求、無差異品質（Indifferent）
使用者對這一因素無所謂，可有可無
例如用餐時附贈的紙巾比平常多一張
例如租屋app 色彩整體條淡2%

R 不需要、反向品質（Reverse）
使用者不需要的功能或是服務，甚至對該項反感、不喜歡
例如用餐時服務生桌邊獻唱
例如租屋app各項變更上架都跳推播通知

Q 有疑問（Questionable）
表示有疑問的結果，一般不會出現這個結果，除非這個問題的問法不合理、受測者沒有很好地理解問題、或者是在填寫問題答案時出現錯誤。

實作過程：
這次設計了一個題目”如果租屋網站的APP有(沒有)通知喜歡的物件已經被預訂的功能，你覺得如何?”
有正反兩種提問，請10位填寫，來測試看看大家是否需要類似的推播功能。
測試的結果分類如下，當中的英文字母是代表上述的6種品質需求。

https://blog.akanelee.me/posts/276423-use-kono-mode/

在每一張問卷上評斷使用者是頃向哪種品質需求，例如正向問題勾選”不喜歡”、負向問題勾選”無所謂”，就可以的得到 R 不需要、反向品質。
以此類推將十張問卷做完統計
可以得到：
M 基本型需求:2票(20%)
O 期望型需求2票(20%)
A 魅力型需求:1票(10%)
I 無差異需求:2票(20%)
R 不需要:3票(30%)
Q 有疑問:0

服務功能開發優先順序為：M > O > A > I

以問卷來說認為不需要的人比較多，但是基本型和期望型的的票數若統合起來也有40%，這時候可以繼續下一個步驟繼續分析其功能落點應該在哪個象限區間。
https://img.akanelee.me/20150518-4.jpg

SI：滿意影響力
DSI：不滿意影響力

計算公式
SI =（A+O) / (A+O+M+I)
DSI = (O+M) / (A+O+M+I) × -1

SI = 30/ 70 = 0.43
DSI = 40 / 70 x -1 ＝ -0.57