什么是Kano模型？
Kano 模型（又称狩野模型）由东京理工大学教授狩野纪昭（Noriaki Kano）于 1984 年提出，用于回答一个核心问题：哪些功能做出来用户会满意，哪些功能不做用户会不满？
Kano 模型将产品需求/功能分为五类：
| 类别 | 特征 | 举例（以手机为例） |
|---|---|---|
| 必备需求（M） | 做了无感，不做强烈不满 | 通话功能、电源键 |
| 期望需求（O） | 做了满意，不做不满，与满意度线性相关 | 续航、屏幕素质 |
| 魅力需求（A） | 做了惊喜满意，不做也无所谓 | 折叠屏、个性化 AI 助手 |
| 无差异需求（I） | 做不做都没影响 | 外壳颜色选择 |
| 反向需求（R） | 做了反而反感 | 强制推送广告 |
关键洞察：满意度与功能的“有无”是非对称的——必备需求做足不会加分，魅力需求不做也不会扣分，但一旦做出，会显著提升惊喜感。
什么情况下使用？
Kano 适合回答：
- 功能优先级排序：新产品功能清单中，先做什么、后做什么；
- 需求挖掘与分类：从用户需求库中识别必备/期望/魅力需求；
- 版本规划：确定 MVP 必须包含的功能（必备+期望）与差异化亮点（魅力）；
- 满意度解释：解释“为什么功能齐全满意度仍不高”（必备需求没做到位）。
不适合的场景：
- 定量衡量需求强度或支付意愿（Kano 只分类不度量强度，应配合 MaxDiff/Conjoint）；
- 需求数量过多时（超过 20 个功能，问卷过长，建议分批或聚焦核心功能）；
- 用户无法理解的功能（高度技术化的功能需先解释清楚再评价）。
研究设计
功能清单筛选：通过定性访谈、用户反馈、竞品分析收集候选功能，控制在 10–20 个核心功能。
题目形式：每个功能设计成对问题——正向（具备时感受）+ 反向（不具备时感受）：
正向题：如果该产品具备【超长续航】，您会觉得？ 反向题：如果该产品不具备【超长续航】，您会觉得？
五个选项：
- 我很喜欢这样
- 这是理所当然的
- 我无所谓
- 我可以勉强接受
- 我很不喜欢这样
样本要求：最小样本 ≥ 200；按用户群体细分时每组 ≥ 100；优先覆盖重度用户与潜在用户。
问卷设计
每个功能的成对问题示例（手机续航）：
| 情景 | 您会觉得？ | 我很喜欢 | 理所当然 | 无所谓 | 勉强接受 | 很不喜欢 |
|---|---|---|---|---|---|---|
| 具备超长续航 | ○ | ○ | ○ | ○ | ○ | |
| 不具备超长续航 | ○ | ○ | ○ | ○ | ○ |
设计要点
正向题与反向题的选项顺序保持一致；功能描述简洁（8–15 字内）；随机化功能呈现顺序；控制总功能数 ≤ 20，避免疲劳导致随意作答。
数据分析
第一步：Kano 分类矩阵
将每个受访者对某功能的（正向回答，反向回答）组合映射到类别：
| 正向＼反向 | 喜欢 | 理所当然 | 无所谓 | 勉强接受 | 不喜欢 |
|---|---|---|---|---|---|
| 喜欢 | Q | A | A | A | O |
| 理所当然 | R | I | I | I | M |
| 无所谓 | R | I | I | I | M |
| 勉强接受 | R | I | I | I | M |
| 不喜欢 | R | R | R | R | Q |
（A=魅力，O=期望，M=必备，I=无差异，R=反向，Q=可疑回答）
统计全部受访者分类的众数类别作为该功能的 Kano 类别。
第二步：Better-Worse 系数（满意度提升/消除系数）
Better（提升满意度）= (A + O) / (A + O + M + I)
Worse（消除不满意）= (M + O) / (A + O + M + I) × (−1)第三步：四象限判定
| 象限 | Better | Worse | 判定 |
|---|---|---|---|
| 第一象限 | 高 | 高 | 期望需求：全力做好 |
| 第二象限 | 高 | 低 | 魅力需求：差异化亮点 |
| 第三象限 | 低 | 低 | 无差异需求：暂不投入 |
| 第四象限 | 低 | 高 | 必备需求：必须达标 |
结果解释
- 必备需求是入场券：任何一项 M 类功能不达标，整体满意度都会被拖垮；
- 期望需求是竞争焦点：O 类功能每提升一点，满意度提升一点——这是持续投入的主战场；
- 魅力需求是差异化来源：A 类功能决定产品在用户心中的惊喜感与口碑，但数量不宜过多；
- 无差异需求避免浪费：I 类功能在资源有限时砍掉或延后；
- 结合业务成本：Kano 分类 × 开发成本矩阵，产出“性价比优先级”。
报告呈现
- Better-Worse 散点图：四象限图，每个功能一个点，标注功能名；
- 分类汇总表：功能清单 + Kano 类别 + Better/Worse 系数 + 优先级建议；
- 人群对比：新用户 vs 老用户、重度 vs 轻度用户的需求差异；
- 行动清单：分“必须做 / 重点做 / 亮点做 / 暂不做”四类给出明确建议。
常见误区
- 只问正向不问反向：Kano 的核心是“有无”不对称性，缺少反向题无法分类；
- 把众数当唯一答案：类别分布分散时（如 A 与 M 各 30%），应展示分布而非单一类别；
- 功能太多：问卷过长导致敷衍作答，Q（可疑回答）比例上升；
- 忽略期望与必备的转化：需求会随市场成熟而“降级”（魅力→期望→必备），需定期重测；
- 用 Kano 代替优先级量化：Kano 分类 + Better/Worse 可排序，但精细权衡仍需 Conjoint/MaxDiff；
- 样本代表性不足：只测现有用户会高估熟悉度类需求，应纳入潜在用户。
工具推荐
想自动完成 Kano 分类矩阵与 Better-Worse 分析？使用 SurveyKit Quant，上传成对题数据即可生成四象限图与优先级建议。