在进行新产品和服务开发时，设计者往往需要列举出一系列的产品功能属性，以满足现有用户和潜在用户的各种需求。通常，设计者会进行多种复杂的用户需求研究，以获得尽量丰富的用户需求清单。然而，当大量的需求摆在面前时，设计者必然会遇到一个问题：我的最终产品中，应该包含哪些功能属性？有许多种方法可以帮助设计者实现筛选的目的，比如，最简单的是让用户进行排序来进行筛选。日本学者Kano教授和他的同事们提出了一种分析技术，被称作Kano分析技术。Kano分析技术是一种简单易行的识别产品属性或者产品功能性概念类别划分的技术，正在被越来越多的产品设计者所应用。
Kano分析技术的理论基础
Kano分析技术起源于赫兹伯格（Herzberg）的双因素理论，也被称作激励－保健理论（Motivational/Hygienetheory，M-Htheory）。这一理论是赫兹伯格在研究工作满意度时提出来的。传统的观点认为满意的反面是不满意。但赫兹伯格认为，满意与不满意并不是或此或彼、二择一的关系。满意的反面是没有满意，不满意的反面是没有不满。也即令人满意的因素虽然被去除，并不一定会导致员工不满意，同样，令人不满意的因素虽然被去除，并不一定会导致员工满意。
为此，赫兹伯格区分出了激励因子和保健因子。赫兹伯格的研究发现：
1.成就感、别人的认同、责任、进步等因素可以归为激励因素，具备这些因素可以令人满足，但不具备也不致招人不满。
2．组织政策、管理者的行政措施、监督方式、工作条件等因素可以归为保健因素，具备这些因素只能使员工不产生不满情绪，但并不能起到激励的作用。
一维属性、必备属性和魅力属性
Kano将赫兹伯格的理论引入到产品质量管理中来。他指出，对于产品而言，存在三类属性，如图1所示：
图1 Kano分析中的属性
一维属性（One-dimensional）：与客户满意度线性相关的属性被称作“一维属性”，这类属性性能的改进将使客户的满意度线性增加。这类属性往往时客户能够了解，而且能够清楚描述出来的。以电脑为例，对于某些用户而言，CPU的主频的高低往往是一种一维的属性；
必备属性(Must-be)：这一类属性与客户的满意度之间不是线性关系。“必备属性”是使客户满意所必须具备的。在这类属性上表现较差，会使得客户不满成指数水平下降，但是在这类属性上表现较好，并不会带来满意水平的显著增加。以电脑为例，对于某些用户而言，系统的稳定性往往是一种必备的属性；
魅力属性（Attractive）：这一类属性与客户满意度成指数关系。缺乏这些属性时，客户不会不满意，但是具有这类属性，则会深受客户喜爱。以电脑为例，对于某些用户而言，具有防水功能的键盘往往是一种魅力属性。这类属性容易取悦客户，在产品使用体验中提供好的因素。许多研究产品创新的专家认为，那些知道如何识别取悦客户的属性的公司，注定会取得成功。
除了上述三种属性之外，还有一种次要属性或无关属性（Indifferent），指那些无论功能表现如何，对满意度都不会有影响的属性。
Kano分析技术应用示例
1、用户数据的采集
在为Kano分析进行数据采集时，往往需要询问被访者一组配对客户需求问题。Kano分析的数据采集过程非常简单，但是由于待测试的功能属性往往数量巨大，因此会非常占用时间。表1描述了针对某一属性的数据采集格式。
表1 Kano分析的数据采集问题
| 如果电脑拥有防水键盘，您感觉如何？ | 如果电脑没有防水键盘，您感觉如何？ |
| 1.我喜欢 2.它理应如此 3.无所谓 4.我能忍受 5.我不喜欢 | 1.我喜欢 2.它理应如此 3.无所谓 4.我能忍受 5.我不喜欢 |
针对每一个需求的配对问题，每个被访者可以得到5×5种可能的回答组合。研究者可以给每一种回答组合一个合适的分类定义。表2列举了一种典型的分类方式：
其中：
A＝魅力属性
M＝必备属性
O＝一维属性
I＝次要属性（无关属性）
R＝与假设相反的看法
Q＝有问题的回答
表2Kano分析的一种典型属性分类表
| 产品不提供此功能 | ||||||
| 喜欢 | 理应如此 | 无所谓 | 能忍受 | 不喜欢 | ||
| 产品提供此功能 | 喜欢 | Q | A | A | A | O |
| 理应如此 | R | I | I | I | M | |
| 无所谓 | R | I | I | I | M | |
| 能忍受 | R | I | I | I | M | |
| 不喜欢 | R | R | R | R | Q | |
产品不提供此功能
喜欢理应如此无所谓能忍受不喜欢
产品提供此功能喜欢QAAAO
理应如此RIIIM
无所谓RIIIM
能忍受RIIIM
不喜欢RRRRQ
所有后期的数据分析，都将依靠合理的属性分类表来进行。
2.Kano分析技术的结果展示
Kano技术的研究者发展出了多种结果展示方式。图2是一种比较直观易用的结果展示方式。在图2中，我们可以看到，标有1、2、……10的属性被分散到了各个不同的象限中去。属性越接近左上角（第二象限），如图中的属性5，越倾向于是一种魅力属性；属性越接近右下角（第四象限），如图中的属性6、7等，越倾向于是一种必备属性。
图2 Kano分析的一种结果展示方式
除了上述图示化的结果展示之外，还可以利用Kano技术的分类结果，结合高级统计分析方法，如聚类分析、对应分析等方法，进行市场细分等深入研究。
Kano分析技术使用注意事项
在应用Kano技术时，研究者和产品经理必须注意两个问题，即用户的差异性和用户需求的发展性。
用户的差异性。不同用户对同一属性的定义可能是不相同的。对同一属性而言，有些人可能会认为是魅力属性，而另外一些人则可能会认为是必备属性。比如手机的彩信功能，对于传统的以话音为主的用户而言可能是魅力属性，甚至是次要（无关）属性；而对于时尚的年轻人而言，它可能是一个必备的属性。此时，针对全部用户进行Kano分析时可能会面临一定的风险。因此，如果我们已知产品有着明确的、不同的细分市场，我们应该针对不同细分市场来分别进行数据分析，判断不同细分市场的需求是否有差异；如果我们不清楚产品的细分市场，我们则可以尝试应用Kano分析的结果来对用户进行需求的市场细分，以便对不同的细分市场提供不同功能配置的产品。
用户需求的发展性。同一属性的定义不可能是恒定不变的。当某一属性由原来的创新逐渐变成为业界的通用标准时，往往相应地，它会从魅力属性转变为必备属性。电脑键盘的防水功能最初出现时，是一个魅力属性；但是从目前市场发展来看，它可能很快就会从魅力属性转变为必备属性。这意味着，设计者应该以固定或者不固定的时间间隔，进行连续性的用户研究，以把握他们需求的发展和变化。
和任何一种分析技术一样，Kano分析技术也必然有着一定的缺陷。比如相对简单的类别划分方式，决定了它的精细性较低。尽管如此，Kano分析技术仍不失为一种有效、实用的分析技术。
参考文献：
1.CenterForQualityOfManagementJournal.Fall1993:Volume2,Number4.
2.JohnC.Goodpasture
GetYourNewProductsRequirementsRightWithKanoAnalysis.ProceedingsoftheProjectManagementInstituteAnnualSeminars&Symposium
November1–10,2001,Nashville,Tenn.,USA
3.雅基·莫尔编著，《新产品与创新的营销》，胡奇英译，机械工业出版社，2002
4.王垒，《组织管理心理学》，北京大学出版社，2002
|
