著名市场营销学大师、美国西北大学教授菲利普科特勒说过：满意是指一个人通过对一个产品的可感知的效果与他的期望值相比较后，所形成的愉悦或失望的感觉状态。在竞争日益激烈的当下，用户的满意度直接影响着用户对于企业/产品的忠诚度，进而影响用户的粘性和流失。正因如此，每个公司/产品，都想了解自己客户的满意度状况，从而制定后续的策略和规划。
在传统的观念里，会认为满意的反面就是不满意。然而赫兹伯格（1974）在研究员工满意度时提出了双因素理论（也被称作激励-保健理论），如图1所示，他认为满意与不满意并不是存共同存在一个单一的连续体，而是分开的。即满意和不满意不是二选一的关系，满意的反面是没有满意，而不满意的反面是没有不满意。所以令人满意的因素即使被去除，并不一定会导致员工的不满意。同样的，让人感到不满的因素被去掉，也不一定会导致员工满意。
图1赫兹伯格激励-保健理论图示
1.2Kano模型的二维属性模式日本教授狩野纪昭(NoriakiKano)将赫兹伯格的理论引入到产品质量管理中来。在1984年首度提出了Kano模型，如图2所示：横坐标表示某项要素的具备程度，越向右边表示该品质要素的具备程度越高，越向左边，具备程度越低。纵坐标表示顾客或使用者的满意程度，越向上，越满意，越向下，越不满意。利用坐标的相对关系，可以分为五类属性。
图2Kano二维属性模型示意图
魅力属性：用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升；期望属性：当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低；必备属性：当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低；无差异因素：无论提供或不提供此需求，用户满意度都不会有改变，用户根本不在意；反向属性：用户根本都没有此需求，提供后用户满意度反而会下降；
2、需求沟通——为什么会用Kano模型
为了适应淘宝卖家日益增长的管理客户的需求，淘宝官方客户关系管理工具需要引入一些新功能。业务方希望知晓在众多用户需要的功能中，哪些是基本功能，哪些是增值功能，功能的优先级又是如何分布排列的。从而可以在进行功能开发优先级排期的同时，结合实际业务情况，考虑哪些功能应该由淘宝官方做，哪些更适合与第三方合作完成。
Kano模型很好地贴和了业务的需求，从具备程度和满意程度这两个维度出发，将客户关系管理工具中的功能进行细致有效的区分和排序，帮助我们了解：哪些功能是一定要有，否则会直接影响用户体验的（必备属性、期望属性）；哪些功能是没有时不会造成负向影响，拥有时会给用户带来惊喜的（魅力属性）；哪些功能是可有可无，具备与否对用户都不会有太多影响的（无差异因素）。
由此决定利用Kano模型，对于客户关系管理工具的功能属性归属进行讨论。接下来将对于Kano模型的问题设置和分析方法的具体操作进行阐述。
3、Kano模型问卷编制——-正、反两面的Kano问题模式
Kano模型设置题目时，对于每一个想要探测的问题，均需要了解以下两个方面：用户对于工具具备该功能时的评价（态度）和工具不具备该功能时的评价（态度）。
例如，在探讨客户关系管理工具“信息管理-购买行为信息”这一功能点时，会分别正向和反向地询问用户对客户关系管理工具是否具备该功能的评价，题目设置如下图：
图3Kano模型题目设置举例
为了保证用户对问卷中各功能点准确理解，从而保证数据回收质量，我们进行了两个工作。1）对于每个功能点进行举例说明。如图3所示，对于“客户信息管理-购买行为信息”这一功能点，进行举例“如不同类目下面的历史购买商品”，方便用户清晰、生动地了解此功能内容和使用场景；2）预访谈3名卖家，请卖家做完问卷后提出自己疑惑的地方，检验功能点的阐述是否可以被卖家理解，对于卖家不能清晰理解的部分加以讨论和完善补充。
另外，由于每个用户对于“我很喜欢”“理所当然”“无所谓”“勉强接受”“我很不喜欢”的理解不尽相同，因此需要在问卷填写前给出统一解释说明，让用户有一个相对一致的标准，方便填答。本次在调研中给出的说明见下图：
图4问卷填答说明
4数据收集&清洗分析4.1数据收集
调研样本为3-4月有成交的卖家，通过EDM进行问卷投放，共回收5906份数据。
4.2数据清洗
除了严格的清洗程序，Kano问卷中，清楚了全部选择“我很喜欢”和全部选择“我很不喜欢”的数据。经过清洗，得到有效数据4395份。
4.3数据分析对于Kano模型部分，重点针对于近一个月发单量大于20单的139名用户进行分析。分析方法主要为“Kano二维属性归类”和“better-worse系数分析”。4.3.1Kano二维属性归属分类
图5Kano二维属性分类模板
分类标准如图5所示，若具备这一功能时感觉“很喜欢”，不具备时感受不强烈（“理所当然”/“无所谓”/“勉强接受”），说明这一选项属于锦上添花的“魅力属性”;
若具备时感受不强烈（“理所当然”/“无所谓”/“勉强接受”），但不具备时感受到“很不喜欢”，则属于一定需要的“必备属性”；
若具备时“很喜欢”，不具备时“很不喜欢”，可以称之为“期望属性”，呈一元线性模式；
无论具备还是不具备，感受都不强烈（“理所当然”/“无所谓”/“勉强接受”）的，便是中间部分的“无差异因素”；
若具备时感受偏不满意（“理所当然”/“无所谓”/“勉强接受”/“很不喜欢”），而不具备时感受偏满意（“很喜欢”/“理所当然”/“无所谓”/“勉强接受”），则说明这一因素的存在和用户的满意度呈反向关系，称做“反向结果”。
除了以上因素外，倘若出现功能具备和不具备情况下，用户都表示“很喜欢”，或者具备和不具备情况下均表示“很不喜欢”，这种矛盾的现象，我们把它叫做“可疑结果”。
图5中不难看出，每一个功能在6个维度上（魅力属性、期望属性、必备属性、无差异因素、反向属性、可疑结果）上均可能有得分，将相同维度的比例相加后，可得到各个属性维度的占比总和，总和最大的一个属性维度，便是该功能的属性归属。
图6功能属性结果举例
如上图所示，在对“信息管理-购买行为信息”这一功能进行统计整理时，发现魅力属性的占比总数最高。进而得到，客户关系管理工具中，“信息管理-购买行为信息”功能属于魅力属性。即没有这个功能，卖家不会有强烈负性情绪，但是有了这个功能，会让卖家感受到满意和惊喜。
4.3.2Better-worse系数分析除了对于Kano属性归属的探讨，还可以通过对于功能属性归类的百分比，计算出Better-Worse系数，表示某功能可以增加满意或者消除很不喜欢的影响程度。
Better，可以被解读为增加后的满意系数。better的数值通常为正，代表如果提供某种功能属性的话，用户满意度会提升；正值越大，代表用户满意度提升的影响效果越强，上升的也就更快。
Worse，则可以被叫做消除后的不满意系数。其数值通常为负，代表如果不提供某种功能属性的话，用户的满意度会降低；值越负向，代表满意度降低的影响效果越强，下降的越快。
Berger（1993)提出的指标计算公式如下：增加后的满意系数（better）：（魅力属性+期望属性）/(魅力属性+期望属性+必备属性+无差异因素）消除后的不满意系数（worse）：(期望属性+必备属性）/(魅力属性+期望属性+必备属性+无差异因素）×（-1）。
如将功能“信息管理-购买行为信息”的数据带入后，得到Better-Worse系数如下：Better=（.367+.288)/(.367+.288+.029+.216)=0.73Worse=(.288_.029)/(.367+.288+.029+.216)×（-1）=-0.35
5、Kano模型结果概览
图7Kano属性结果＊:表示大于增加滿意指标及小于消除不满意指标之平均數
图7中反映的是日发20单以上的139名卖家的选择分布情况。由于部分结果还在应用初期，各功能细节点暂时隐藏，如有兴趣，欢迎私下讨论交流。
6、模型应用的思考与讨论6.1Kano属性的优先级排序：
辅助业务进行优先级排序，是Kano模型的一大功能特点。业务方在排序功能优先级时，可主要参考：必备属性>期望属性>魅力属性>无差异因素的基本顺序进行排序。结合本次调研结果，给出可与业务结合的建议如下：期望属性的功能点对于工具的意义重大，建议优先考虑开发或强化；魅力属性的功能点，建议优先考虑better值较高的功能，会达到事半功倍的效果；无差异因素可以成为节约成本的机会；
6.2如何看待结果中的Kano属性
案例中多数功能属于魅力属性，可以看出卖家对于客户关系管理工具中，对于推出/待推出功能的积极态度。笔者认为，对于客户关系管理工具，魅力属性十分值得重视。从业务本身来看，客户关系管理虽未直接影响卖家进销存主流程，但若管理得好，会为卖家带来极大的利益点。由此，也可以将客户关系管理工具认为是魅力型工具。对于魅力型工具而言，能让卖家感到惊喜、满意的魅力属性，更有可能成为工具的闪光点。因此，对于魅力属性，尤其是better系数高的魅力属性，是值得引起重视的。
6.3应用Kano模型进行调研的优势和不足
结合过往的资料和自己的心得，笔者认为在调研中，Kano模型有以下几个优势：1）Kano模型可以细致全面的挖掘功能的特质；2）Kano模型可以帮助业务方在工作中排优先级，辅助项目排期；3）Kano模型可以帮助人们摆脱“误以为‘没有抱怨’等于用户满意”的想法。同样，Kano模型也有它的不足：1）Kano问卷通常较长，而且从正反两面询问，可能会导致用户感觉重复，并引起情绪上的波动，若用户受到影响没有认真作答，则会引起数据质量的下降。2）Kano问卷是针对产品属性进行测试时，部分属性也许并不是很好理解。3）Kano模型类似于一种定性归类的方法，以频数来判断每个测试属性的归类，这种情况下，可能会出属性归类结果表中，同一属性出现了不同归类栏频数相等或近似的情况。
由于KANO模型存在这些不足，在运用KANO模型分析数据的时候就要注重数据收集前期的准备工作，比如在问卷设计时，把问卷尽量设计得清晰易懂、语言尽量简单具体，避免语意产生歧义。同时，可以在在问卷中加入简短且明显的提示或说明。方便用户顺利填答。
7、小结
1、需求沟通阶段。与所有调研一样的，和业务方沟通项目时，需要明确调研目的，而后反问自己，本次调研是否适合利用Kano模型去解决，利用Kano模型做调研的意义和好处在哪里？如经过分析发现Kano模型很好地贴近业务需求，并且预计可以真正解决业务问题时，用它。同时，需求沟通阶段尽可能深入了解业务，比如在本次调研中，需要熟悉工具各功能点的应用场景，保证自己做到全面清楚了解，才能在后续问卷编制时做到清晰传达。
2、问卷编制阶段。对于Kano问卷，由于涉及到重复正反式的询问，可能会导致用户的疲惫、厌倦情绪。所以要在方便用户了解上做足功夫。比如1）在用户填答问卷前加入说明，保证用户理解选项标准；2）对于具体的功能/服务点加入典型例子说明，让用户可以生动地了解功能点的作用；3）问卷措辞简单具体，避免语意歧义。
3、数据收集&分析阶段。为了保证数据质量，可以酌情剔除明显乱答的数据，如本次数据中，剔除了全部选择第一个选项“我很喜欢”和全部选择最后一个选项“我很不喜欢”的数据。
5、模型应用阶段。这个阶段，是一个需要和业务方充分沟通和碰撞的阶段。我们拿到了Kano模型的结果，清楚了功能点的属性归属、better-worse系数等丰富信息。但如果不能和业务做有效结合，那么这份结果也只能停留在一个“参考分类”的层面。若希望它真正发挥作用，则需要和业务方进行充分讨论，共同结合Kano模型的结果和业务实际情况对于产品功能和开发和排期进行优先级排序。在这个阶段，可能你会需要其他一些数据的支持，比如现阶段用户对于产品的意识、使用频率等等。而关于这些的讨论，我们就又要回到需求沟通阶段，在项目初期深入了解业务，对于可能出现的结果和需要了解的其它数据进行评估和预设，方便在问卷编制阶段，早早地“埋下伏笔”。这样，在后期讨论结果应用时，就可以更加丰富，更好地支持业务。
本次对于Kano模型的应用，笔者认为有以下几处不足。1）问卷编制中，选项设置里包括“我很喜欢”和“我很不喜欢”两项，这里的程度词“很”可能会让用户不去选择这两项（虽然在结果来看并没有明显趋势），但后续可考虑将选项变为“我喜欢/我满意”和“我不喜欢/我不满意”这种程度相对没有那么强烈的表述，避免无关变量的干扰。
主要参考文献：BergerC.,BlauthR.,BogerD.,etc.Kano’smethodsforunderstandingcustomer-definedquality[J].CenterforQualityManagementJournal,1993,2(4):3-36.Herzberg,F.:WorkandtheNatureofMan.1974.Kano,N.,Seraku,N.,Takahashi,F.,Tsuji,S.:Attractivequalityandmust-bequality.TheJournalofJapanesesSocietyforQualityControl1984,14(2),39–48.Matzler,K.,Hinterhuber,H.H.:HowtomakeproductdevelopmentprojectsmoresuccessfulbyintegratingKano’smodelofcustomersatisfactionintoquality.Technovation.1998,18(1),25–38.Zhang,P.,vonDran,G.M.:SatisfiersandDissatisfiers:ATwo-FactorModelforWebsiteDesignandEvaluation.JournalofTheAmericanSocietyForInformationScience.2000,51(14),1253–1268.林英枫;郑静文;钟隆胜;吕珊卉.台南地区牙科诊所服务品质属性及民众再诊因素之探讨.2006.淘宝网UEDblog：//ued.taobao.com/blog/2011/06/13/Kano模型论与应用