认证考试Kano模型的数据统计分析.doc

Kano模型的数据统计分析 1、 用户需求分类 1．1 Kano模型 可以把基本品质、期望品质、和魅力品质理解为客户对产品的要求：功能要求---性价比/品牌效应---附加值/特殊性。 1．2 用户需求分类 将每项用户需求按照Kano模型进行分类，即分为基本品质、期望品质和惊喜品质。先进行用户意见调查，然后对调查结果进行分类和统计。 1．2．1 市场调查 对每项用户需求，调查表列出正反2个问题。例如，用户需求为“一键通紧急呼叫”，调查问题为“一键通紧急呼叫能随呼随通，您的感受如何?”以及“一键通紧急呼叫不能随呼随通，您的感受如何?”，每个问题的选项为5个，即满足、必须这样、保持中立、可以忍受和不满足。 项目 性能 用户感受 一键通 一键通紧急呼叫能随呼随通 满足 必须这样√ 保持中立 可以忍受 不满足 一键通紧急呼叫不能随呼随通 满足 必须这样 保持中立 可以忍受 不满足 √ 注：√表示用户意见 1．2．2 调查结果分类 通过用户对正反2个问题的回答，分析后可以归纳出用户的意见。例如，对某项用户需求，用户对正向问题的回答为“满足”，对反向问题的回答为“不满足”，则用户认为该项需求为“期望品质”。每项用户需求共5×5—25个可能结果。 正向问题 反向问题 满足 必须这样 保持中立 可以忍受 不满足 满足 可疑问题 惊喜品质 惊喜品质 惊喜品质 期望品质 必须这样 反向结果 不关心 不关心 不关心 基本品质 保持中立 反向结果 不关心 不关心 不关心 基本品质 可以忍受 反向结果 不关心 不关心 不关心 基本品质 不满足 反向结果 不关心 反向结果 反向结果 可疑问题 基本品质、期望品质和惊喜品质是3种需要的结果。其他3种结果分别为可疑、反向和不关心，这是不需要的，必须排除。 (1)可疑结果（用户的回答自相矛盾）。可疑结果共2个，即用户对正反问题的回答均为“满足”或“不满足”。例如，对于“一键通紧急呼叫”，正向问题为“一键通紧急呼叫能随呼随通，您的感受如何?”，用户回答是“满足”；反向问题为“一键通紧急呼叫不能随呼随通，您的感受如何?”，用户回答还是“满足”。这表明无论一键通紧急呼叫是否能随呼随通，用户都会满足，这显然是自相矛盾的。出现可疑结果有2种可能：一是用户曲解了正反问题，二是用户填写时出现错误。统计时需要去除可疑结果。 (2)反向结果（用户回答与调查表设计者的意见相反）。正向问题表明产品具有某项用户需求，反向问题表明不具备该用户需求，正向问题比反向问题具有更高的用户满意，但用户回答却表明反向问题比正向问题具有更高的客户满意度。例如，对用户需求“一键通紧急呼叫”，正向问题为“一键通紧急呼叫能随呼随通，您的感受如何?”，用户回答为“不满足”，反向问题为“一键通紧急呼叫不能随呼随通，您的感受如何?”，用户的回答为“满足”，这显然与调查表设计者的意见相反。反向结果较多时，表明调查表的设计存在问题，需要改进。 (3)不关心（用户对调查表所提出的问题漠不关心）。例如，对用户需求“一键通紧急呼叫”，正向问题为“一键通紧急呼叫能随呼随通，您的感受如何?”，用户回答为“保持中立”，反向问题为“一键通紧急呼叫不能随呼随通，您的感受如何?”，用户回答还是“保持中立”，说明用户对“一键通紧急呼叫” 的存在与否，既不是满足，也不是不满足。统计时需要去除这类结果。 1．2．3 调查结果统计 调查用户意见后，需要通过统计分析来判断每项用户需求属于哪种品质。判定方法是：对调查结果进行统计，去除可疑、反向和不关心结果，根据基本、期望和惊喜3种品质统计结果的数量，确定用户需求属于哪种品质。例如，对用户需求“一键通紧急呼叫”，如通过统计调查结果表明，用户认为“一键通紧急呼叫”是“基本品质”的最多，那么用户需求“一键通紧急呼叫”被确定为基本品质。 2、 用户需求重要度调整 2．1 调整算法 Kano模型中客户满意度与产品品质(即用户需求)之间的关系可以表达为： S表示客户满意度，P表示产品品质，k表示Kano模型分类中的调整系数。 从Kano模型图可以看出，基本品质的增加比例小于客户满意度的增加比例，期望品质的增加比例与客户满意度的增加比例呈线性关系，惊喜品质的增加比例大于客户满意度的增加比例。因此，可以将这3种关系表示为： 基本品质 期望品质 惊喜品质 为简单起见，假定与之间的关系是线性的。使用一个参数k，将上面的3个关系用一表达式来表示： 对于惊喜品质，是k1；对于期望品质，是k=1；对于基本品质，是Ok1。它还可以进一步转换成： c是一个常数。设和是当前的客户满意度和产品品质， 和 是客户满意度目标和产品品质目标，可以得到： 。 可以推导出： * 进一步还可以推导出： 是调整了的改进系数，是最初的改进系数，k是可以选择而且是需要选择