导读：“客户满意度”是一个管理指标，几乎所有的企业都在讲“客户满意度”，也在做“客户满意度”调查，但调查结果对公司指导意义乏善可陈！另外面临这样问题的还有“企业竞争力”和“产品功能开发或新增”，在做这些时，感觉无从着手，本人以前也有这样的困惑，自从接触了精益中的KANO（狩野）模型后，再次面对这样的问题时，就得心应手了！接下来，分享一下：
狩野模型是东京理工大学教授狩野纪昭(Noriaki Kano)和他的同事Fumio Takahashi 基于行为科学家赫兹伯格的双因素理论(源自《质量的保健因素和激励因素》)的基础上提出的，旨在解决当时的日本，一直所面临的提高产品和企业服务这个难题！所以在解说狩野模型之前，我们先对赫兹伯格的双因素理论做一个简单了解（具体见下图）。
赫兹伯格认为：在企业中，影响员工绩效的主要因素分为两种，即满意因素和不满意因素。满意因素是指可以使人得到满足和激励的因素。与工作本身或工作内容有关，包括成就、赞赏、工作本身的意义及挑战性、责任感、晋升、发展等。不满意因素是指容易产生意见和消极行为的因素，即保健因素。内容包括公司的政策与管理、监督、工资、同事关系和工作条件等。
KANO 模型是东京理工大学教授狩野纪昭(Noriaki Kano)发明的对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现产品性能或功能和用户满意之间的非线性关系。如下图
KANO模型解析：
狩野教授将顾客满意度分为：厌恶（满意度低也就是不满意）、中性、满意等三个层级；将产品或服务的不同类型的质量特性具备程度分为：不具备（不满足）、中性、具备（完全满足）等三个层级。
根据不同类型的质量特性与顾客满意度之间的关系，狩野教授将产品服务的质量特性分为五类::
基本(必备)型质量–Must-be Quality/ Basic Quality （如上图中的：红色曲线）必备型需求、理所当然需求，是顾客对企业提供的产品或服务因素的基本要求。是顾客认为产品’必须有’的属性或功能。
– – – 产品提供此类型需求，用户满意度不会提升
– – – 产品不提供此类型需求，用户满意度会大幅下降
如：电器的开关和正常运行功能；手机的通信功能、拍照功能；模具计数功能、运水冷却功能
期望(意愿/绩效)型质量–One-dimensional Quality/ Performance Quality（如上图中的绿色直线）顾客的满意状况与需求的满足程度成正比例关系的需求
– – – 产品提供此类型需求，用户满意度会提升
– – – 产品不提供此类型需求，用户满意度会下降
如：模具易损位置氮化或激光处理；模具脱模质量；模具的成型周期；
兴奋(魅力)型质量-Attractive Quality/ Excitement Quality （如上图中的橙色曲线）不会被顾客过分期望的需求；随着满足顾客期望程度的增加，顾客满意度也会急剧上升，但一旦得到满足，即使表现并不完善，顾客表现出的满意状况则也是非常高的。
– – – 产品提供此类型需求，用户满意度会大幅提升
– – – 产品不提供此类型需求，用户满意度不会下降
如：模具制造厂自己具备试模注塑机；
无差异型质量–Indifferent Quality/Neutral Quality（如上图中的蓝色圆圈）
– – – 无论产品是否提供此类型需求，用户满意度都不会有所改变
如：模具非产品面外观
反向(逆向)型质量–Reverse Quality，亦可以将 ‘Quality’ 翻译成’质量’或’品质’。（如上图中的黑色直线）指引起强烈不满的质量特性和导致低水平满意的质量特性，而且提供的程度与用户满意程度成反比。
– – – 产品提供此类型需求，用户满意度会大幅下降
如：老人用的手机，有很多手输互动功能
总体来说：对于企业，
– – – 首先，要全力满足顾客的基本型需求，保证顾客要求（顾客心声VOC）提出的问题得到认真的解决，重视顾客认为企业有义务做到的事情，为顾客提供方便。以实现顾客最基本的需求满足。
– – – 其次，应尽力去满足顾客的期望型需求，提升企业竞争性力。提供顾客喜爱的产品功能或额外服务，使产品和服务（形成差异化）优于竞争对手并有所不同，引导顾客加强对本企业的良好印象，使顾客达到满意。
– – – 最后，争取实现顾客的兴奋型需求，为企业建立最忠实的客户群。
如何识别质量特性属于哪种需求类型？
检验一个特性到底是基本因素、期望（绩效）因素、还是魅力因素，主要是通过“主观”提问的方式：
（1）如果该特性不具备，你的感觉怎么样？
（2）如果该特性具备，你的感觉怎么样？
1. 简单的判定方法：
如果问题（1）的答案是“不好”，问题（2）答案是无所谓，那这个特性就是基本因素；
如果问题（1）的答案是“无所谓”，问题（2）的答案是“满意”，那这个特性就是魅力因素；
如果问题（1）（2）的答案都是“视情况而定”，那这个特性就是“期望（绩效）特性”；
如果问题（1）（2）的答案都是“无所谓”，那这个特性就是“无差异型特性”；
如果问题（1）答案是“视情况而定”或“无所谓”，问题（2）的答案是“不好”，那这个特性就是“反向特性”
2.规范的判定方式：
参照狩野纪昭教授基于KANO模型对用户需求的分析原理，开发的一套结构型问卷和分析方法：主要是通过标准化问卷调研的调研结果对各因素属性做归类，解决产品功能的优先级排序问题，以提高用户满意度。（这个方法在下面做详细的说明）
什么时候需要用“KANO (狩野)模型”?
- 明确目的：(新增功能或新产品研发）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。
2. 评估需求特性类别，因“类”施政，减少无用功，提升竞争力：
– – – 如果某个模块或功能是理所当然质量(基本型/必备型需求)，就要保证基本质量特性符合规格标准，实现满足顾客的基本要求，项目团队应集中在怎样降低故障出现率上;
– – – 如果是期望质量，项目团队关心的就不是符合不符合规格标准的问题，而是怎样提高规格标准本身。不断提高质量特性，促进顾客满意度的提升;
– – – 如果是魅力质量(兴奋性需求)，则需要通过满足顾客潜在需求，使产品或服务达到意想不到的新质量。
– – – 项目团队应关注的是如何在维持前两个质量的基础上，探究顾客需求，创造新产品和增加意想不到的新质量。
3. 寻找提高客户满意度的切入点：通过对顾客的不同需求进行区分处理帮助企业了解不同层次的顾客需求，找出顾客和企业的接触点，识别使顾客满意的至关重要的因素。
KANO（狩野）模型的运用方法：
STP1: 从顾客角度认识产品或服务需要：
举例：如一家汽车模具制造厂，为了提升客户的满意度，增强企业竞争力。重塑企业形象，需要重新评估：顾客对产品和服务的需要。通过对标，确定有以下几点：保险杠模具
这些需求哪些真正影响顾客对产品和服务的满意度？
STP2: 设计问卷调查表：
依据收集整理的功能分析设计问卷调查表，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。
问卷划分为2个维度：提供时的满意程度、不提供时的满意程度。(参考如何识别质量特性属于哪种需求类型？中的内容）
满意程度简化的分级可以分：满意、中性（无所谓）、厌恶（不满意），但为了后续分析更合理，建议将其分为：5个，很满意、满意、中性（无所谓）、勉强凑活、厌恶等等。
问卷的形式也比较灵活，常用表格(打钩即可)或者选择题。
如参考以上案例：（每一个特性都必须设计一份问卷）
STP3: 实施有效的问卷调查：
为了确保问卷的调查的有效性，需要重点注意：1.调查的对象，必须确保能够具有干扰或影响满意度评估结果的对象全部都有包含：如上例，影响模具满意度评价的人有：项目、工艺、质量、工程、模具、制造等有关的人等）；2.问卷调查的数量，必须确保每个对象都有一定代表性，最少5人次；3.调查时，不得进行语言方面的引导。让被调查人员完全主观的评估。
STP4: 将调查结果分类汇总，建立质量原型:
1. 整理：整理问卷调查结果时，可以清洗掉个别明显胡乱回答的问卷，例如全部问题都选满意度高或满意度低的。
2. 二维属性分类：根据官方的评价结果分类对照表将需求进行分类。
注意：按照概念，反向属性应该是提供程度和用户满意度成反比，也就是说产品提供了用户就不满意，所以上表只有左下角是明确的「反向属性」，有几个反向属性可以考虑转为「可疑结果」。
因为主观决定的满意程度本身就很难衡量，因此在实际工作中，不应该盲目地套用方法论或模型，应该根据自己的产品、公司、地域、用户群等等因素做调整。
3. 量化结果：将所收集的主观评价结果转化可对比的“数据”。
– – – 参照“官方评价结果分类表”，对所有有效调查问卷结果进行评价分类，按不同种类(对应官方评价结果分类表）进行归集，统计每个类别的数据。如：按照案例，发出调查问卷100份
– – – 确定该功能属性归属：从表格中不难看出，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（单项得分/总的调查问卷数量）总和，总和最大的一个属性维度，便是该功能的属性归属。
备注：如果最大的数据有两个或以上相同时，建议通过加大调研问卷数量解决！
STP5: 分析质量原型，识别具体测量指标的敏感性。
前面从STP 1 —- STP 4 是解决某一特性的属性 归属问题，并无法判断一个产品的多个特性的优先级排序问题，当然也可以采取依据所有特性的归属类别（必备、期望、魅力、无差异、反向），依据类别进行排序（如下），但总归不是很好。
如何分析质量原型，识别具体测量指标的敏感性,从而对多个需求进行优先级排序？
采用Better-Worse系数：分析需求对增加满意度或降低满意度的影响程度。
– – – 步骤1：将多个特性问卷调研的量化结果（量化表）汇总，和Better-Worse系数的计算，得出一下各个特性的Better 和 Worse 系数值：如下表例
SI 为 Better系数，即增加某功能的体验改善程度，数值通常是正的，越大表示完成需求对提升用户满意度的效果越显著。
公式为：SI = (A+O)/(A+O+M+I)
即 SI = (魅力属性+期望属性)/(魅力属性+期望属性+必备属性+无差异属性)
DSI为Worse系数，即去掉某功能的体验改善程度，数值通常是负的，绝对值越大表示完成需求对降低用户满意度的效果越显著。
公式为：DSI = -1*(M+O)/(A+O+M+I)
即 DSI = -1*(必备属性+期望属性)/(魅力属性+期望属性+必备属性+无差异属性)
– – – 步骤2：用SI平均值和DSI平均值的绝对值作为坐标原点，横轴是Worse（DSI）的绝对值，纵轴是Better（SI），绘制二维坐标
说明绘制方法：可以采用PPT或EXCEL 中的“插入”功能，选择插入“图表”功能 —- 选择“XY散布图”。将各特性或功能的 DSI 为 X值；SI 为Y值，输入数据，生成图表。如下表例
第一象限Better值高、Worse绝对值也高，表示提供此类型功能时，用户满意度会提升。因此落在这个象限的需求都是期望属性。
第二象限Better值高、Worse绝对值低，表示提供此类型功能时，用户满意度会大幅提升。因此落在这个象限的需求都是魅力属性。
第三象限Better值低、Worse绝对值也低，表示提不提供有没有此类型功能，用户满意度都不会有太大变化，因此落在这个象限的需求都是无差异属性。
第四象限Better低，Worse绝对值高，表示不提供此类型功能时，用户满意度会大幅下降，因此落在这个象限的需求都是必备属性。
Better- Worse分析：可以知道所有调查的特性或功能的属性和开发原则、优先级顺序。