KANO模型分析方法主要是通过标准化问卷进行调研,根据调研结果对各因素属性归类，解决产品属性的定位问题，以提高客户满意度的方法。下面小编给大家介绍下KANO模型，以及如何使用SPSSAU进行分析。
什么是KANO模型
KANO模型，是由东京理工大学教授狩野纪昭(Noriaki Kano)发明，用于分析用户对于各类需求的排名偏好情况，其在企业产品需求调研，市场研究中有着广泛的应用。
KANO模型的基本原理
KANO模型主要是通过标准化问卷进行调研，根据调研结果对各因素属性归类，KANO模型将功能/服务的态度属性分为六类，分别是魅力属性A、期望属性O、必备属性M、无差异属性I、反向属性R、可疑结果Q。
一、研究背景
当前有一项关于手机功能/服务的需求调研，共头脑风暴出10种功能/服务，分别是投影功能、左右手模式、超级快充、取消SIM卡、3D投影、照片搜索、自动美颜、防盗加锁、遥控器、暖手宝、望远镜、显微镜。
共收集有效数据为100份，现希望通过KANO模型分析出该10种功能/服务的态度情况，为企业产品研发提供建议。
二、问卷设计
设计KANO问卷时，针对每个功能需求，都需要设计正向和反向两个问题。
三、SPSSAU操作
① 选择SPSSAU【问卷研究】--【KANO模型】。
②将各功能指标的正反项放入对应分析框，同一题的正反两项放置的顺序需完全对应。
四、结果解读
1 KANO模型评价结果分类对照表
针对每个指标，KANO模型共分为正向题和负向题两个方向进行收集数据。并且在得到数据后，将指标映射到六个属性上。KANO模型评价结果分类对照表正是展现这样的对照表格。
注意：系统默认1分代表不喜欢，5分代表喜欢。如果你的数据不是这样设置的，可通过【数据处理】--【数据编码】进行修改。
2 KANO模型分析结果汇总
此表格为核心输出表格，即得出各功能/服务对应的属性占比、分类结果、Better和Worse值。
从上表可以看出，本次分析10个功能/服务的属性情况，按某属性占比最高作为划分界限：
最终结果为期望属性O包括投影功能共1项；魅力属性A包括左右手模式、超级快充和照片搜索共3项；必备属性M包括自动美颜和防盗加锁共2项；其余6项为无差异属性I。
需求满足优先级上，通常顺序为：必备属性>期望属性>魅力属性>无差异属性。
因而手机厂商应该首先开发必备属性即自动美颜和防盗加锁共2项功能；并且应当抓紧开发期望属性即投影功能，而且应该对魅力属性进行开发并且越完善越好，分别包括左右手模式，超级快充和照片搜索共3项。
除此之外，Better(满意影响力）= （A+O）/（A+O+M+I），该指标介于0 ~ 1之间，值越大说明敏感性越大，优先级越高；
Worse(不满意影响力）= -1 * （O+M）/（A+O+M+I），该指标介于-1 ~ 0之间，值越小说明敏感性越大，优先级越高。
Better、Worse值可结合Better-Worse系数图进行分析。
3 Better-Worse系数图
Better-Worse系数图是从10项功能的对比角度来分析属性分布情况，本次分析Better-Worse系数图如下图：
Better-Worse系数图展示各功能/服务的坐标情况，横坐标为Worse绝对值，纵坐标为Better值。
Better 的数值通常为正，正值越大 / 越接近 1，则表示用户满意度提升的效果会越强，满意度上升的越快。
Worse 的数值通常为负，其负值越大 / 越接近 -1，则表示对用户不满意度的影响最大，满意度降低的影响效果越强，下降的越快。
第一象限为期望属性，Better值高，Worse值绝对值高。该象限的功能/服务应优先满足，本次研究对应为‘投影功能’；
第二象限为魅力属性，Better值高，Worse值绝对值低。该象限的功能/服务应优先满足，本次研究对应着‘超级快充’，‘左右手模式’和‘照片搜索’；
第三象限为无差异属性，Better值低，Worse值绝对值低。该象限的功能/服务通常不提供；
第四象限为必备属性，Better值低，Worse值绝对值高。该象限的功能/服务一定需要满足，本次研究对应着‘投影功能’。
其他说明
KANO模型不仅适用在产品需求上，还可用在各个领域。如酒店服务、公共管理、教学评价等方面。
KANO模型的问卷设计有着严格的规范，一定需要有正向和负向题分别测试某‘功能/服务’的态度，并且分值一定完全对应。