一、KANO模型所属模块

KANO模型归在SPSSAU【问卷研究】模块。

二、方法概述

KANO模型主要用于识别用户需求类型，帮助判断哪些功能会提升满意度，哪些功能缺失后更容易引发不满。它常用于产品优化、服务改进、问卷研究等场景，适合做需求优先级排序。

三、变量设置规则

1. 需要设置的变量类型

KANO模型需要设置两类变量，分别是正向题和反向题，两类变量都为必填，各自最少放入1项，最多可放入200项。实际操作时，通常按同一功能或服务的一正一反成对设置，这样更便于后续分类判断。

（1）正向题

正向题用于询问“如果具备某项功能或服务，用户会有什么感受”。这一栏必须放入变量，数量至少1项，最多200项。若一次分析多个功能点，建议每个功能单独对应1道正向题。

（2）反向题

反向题用于询问“如果缺少某项功能或服务，用户会有什么感受”。这一栏同样必须放入变量，数量至少1项，最多200项。反向题应与正向题一一对应，否则结果汇总时不利于准确解释。

四、分析结果表格及其解读

1. 输出表格概览

SPSSAU进行KANO模型分析后，通常会输出4张核心结果表，分别用于查看分类规则、各功能归类结果、原始数量分布以及有效样本量情况。

2. 表1：KANO模型评价结果分类对照表

该表格的作用是展示正向题与反向题不同回答组合，对应会落入哪一种KANO需求类型，表内包含正向题选项、反向题选项以及A、O、M、I、R、Q六类分类标记。

● 正向题与反向题组合：用于确定每位受访者对某项功能的需求归类。判断时只需要看该受访者在正向题和反向题中的答案落在哪个交叉位置，交叉格对应的字母就是该次评价结果。

● A：表示魅力属性，意思是有了会明显加分，没有时用户通常也不会强烈不满。判断上，如果某项功能更常被归到A，说明它适合做体验提升点。

● O：表示期望属性，功能表现越好，满意度越高，功能不到位时也容易带来不满。如果某项功能更多落在O，通常说明它是直接影响评价的重要因素。

● M：表示必备属性，用户往往觉得“应该有”，做到了未必特别加分，但缺失时不满会很明显。如果某项功能主要落在M，通常说明它属于基础配置。

● I：表示无差异属性，是否提供这项功能，对满意度影响都不明显。如果某项功能主要落在I，说明当前用户并不太在意它。

● R：表示反向属性，说明用户可能更不希望出现该功能或该功能设计方式不符合预期。若R占比偏高，通常提示该功能需要谨慎上线。

● Q：表示可疑属性，多见于答题矛盾、理解偏差或填写不认真。若Q占比偏高，说明题目设计或数据质量需要重点检查。

3. 表2：KANO模型分析结果汇总

该表格的作用是汇总每个功能或服务最终落入哪一类需求类型，同时给出各类型占比以及Better、Worse两个核心指标，是解释KANO结果时最常用的一张表。

● A、O、M、I、R、Q占比：表示某项功能被判定为各类属性的比例。作用是观察分类分布结构。判断时，哪一类占比最高，通常就以哪一类作为该功能的主要分类结果；如果几类占比很接近，则说明该功能认知较分散，解释时要更谨慎。

● 分类结果：是对该功能最终类型的归纳结论。作用是帮助快速完成需求分层。判断时，可直接查看结果属于A、O、M、I、R中的哪一类，再结合业务目标决定优先级。

● Better：表示当该功能被提供或做好时，对用户满意度的拉动强弱。作用是帮助识别“做出来能不能明显加分”。判断标准上，数值越高越好，越接近高水平，说明越能提升满意度。

● Worse：表示当该功能缺失或做不好时，对用户不满意的影响强弱。作用是帮助识别“缺了会不会惹用户不满”。判断时通常看其绝对值，绝对值越高，说明缺失带来的负面影响越明显，越需要优先保障。

4. 表3：KANO模型分析结果汇总-数字结果

该表格的作用是用原始人数而不是比例，展示每个功能在A、O、M、I、R、Q各类别中的分布情况，同时保留分类结果、Better和Worse指标，便于从样本数量角度补充判断。

● 各类别数字结果：表示落入不同属性类别的实际人数。作用是帮助判断比例背后的样本基础是否稳定。判断时，如果某类人数明显最多，该功能的分类通常更有支撑；若总体人数较少，即使比例高，解释时也应更保守。

● 分类结果：与汇总百分比表中的结论相对应，用于再次确认主要属性类型。判断时，应结合人数分布和比例分布一起看，避免只看单一指标。

● Better与Worse：这两个指标仍然用于判断满意提升和不满风险方向。实际解读时，可以把这张表看作是表2的数量补充版。

5. 表4：KANO模型分析有效样本量

该表格的作用是展示每组正向题与反向题配对后，真正进入分析的有效样本数量，核心指标只有分析有效样本量。

● 分析有效样本量：表示该功能在剔除无效、缺失或无法配对的数据后，最终参与分析的人数。作用是判断结果是否稳定可靠。判断标准上，样本量越充足，结果越稳；如果不同功能之间有效样本量差异很大，说明部分题目可能存在漏答或配对不完整，需要结合原始问卷检查。

五、分析结果图表及其解读

SPSSAU的KANO模型会输出Better-Worse系数图1种核心图表，用于直观比较各功能对满意提升和不满意风险的双重影响。

Better-Worse系数图

该图本质上是一个需求优先级分布图，每个点代表一项功能或服务。纵向位置越靠上，说明该功能做得好时越能提升满意度；横向位置越靠右，说明该功能缺失时越容易引发不满。判断时，如果某个点同时偏上又偏右，往往说明这类功能既重要又敏感，通常应优先优化；如果位置偏下且偏左，通常说明当前对整体满意影响相对有限。

以上就是SPSSAU KANO模型的相关内容，更深入教程可查看SPSSAU帮助手册、教学视频、疑难解惑等资料。