参考《如何从0到1进行KANO模型分析》
一、KANO模型的介绍
KANO模型是一种常用的产品需求分类及需求满意度调查的分析模型。通过对用户的满意度调查，将各个需求分类（也是对各个功能模块分类），从而得出开发优先度。
1.1 需求属性分析
必备型需求(M)：需求满足时，用户不会感到满意。需求不满足时，用户会很不满意。Must-be Quality
期望型需求(O)：需求满足时，用户会感到很满意。需求不满足时，用户会很不满意。One-dimensional Quality
魅力型需求(A)：该需求超过用户对产品本来的期望，使得用户的满意度急剧上升。即使表现的不完善，用户的满意度也不受影响。Attractive Quality
无差异型需求(I)：需求被满足或未被满足，都不会对用户的满意度造成影响。Indifferent Quality
反向型需求(R)：该需求与用户的满意度呈反向相关，满足该要求，反而会使用户的满意度 Reverse Quality
开发优先度：必须型 > 期望型 > 魅力型 > 无差异型
1.2 better-worse系数
Better系数=（期望数+魅力数）/（期望数+魅力数+必备数+无差异数）
Worse系数= -1*（期望数+必备数）/（期望数+魅力数+必备数+无差异数）
Better系数越接近1，表示该具备度越高，该需求对用户满意度提升的影响效果越大。Worse系数越接近-1，表示具备度越低，该需求对用户满意度造成的负面影响越大。
二、模型分析的过程
2.1 准备阶段
准备问卷的数据，具体的问卷操作根据文档《问卷调研方法论》
2.2 利用KANO模型分析问卷数据的流程介绍
第一步：制作分析表格（根据需求设计）
第二步：根据分析的表格整理问卷（输入问卷数据，输出规定格式数据）
第三步：将结果代入分析表（输入规定格式数据，输出better系数和Worse系数绝对值）
第四步：制作象限图（输入better系数和Worse系数绝对值，输出象限图）
第五步：补充详细图中的原始选项信息，使其可视化（输入象限图，输出可视化图片）
2.3 制作分析表格
针对问卷中的功能点，从正面评价、负面评价列出5*5的统计表。
将“我很喜欢”、“它理应如此”、“无所谓”、“勉强接受”、“我很不喜欢”分别用数字1、2、3、4、5标记。
根据KANO需求属性原则，将该表分为6类属性：可疑(Q)、魅力(A)、期望(O)、无差异(I)、反向(R)、必备(M)。并分别以不同的背景色标注，便于统计。如下图所示：
2.4 根据分析的表格整理问卷
将所有的问卷答案转化为分析的数据格式(X,X)
例如针对第一道题：“如果提供此功能，您的评价是？”用户选择了“我很喜欢”，则替换为1。“如果不提供此功能，您的评价是？”用户选择了“无所谓”，则替换为3。那么该用户对第一道题的满意度组合即为（1,3）；按照该方法，对所有问题的所有选项进行数字替换，并将各项组合的数量填入分析表中。
提供功能，你的评价是？如果不提供此功能，你的评价是？结果
功能A13（1,3）
功能B33（3,3）
功能C25（2,5）
2.5 将结果代入分析表，计算better系数和worse系数绝对值
每一题各项组合的数量填入分析表中后，按照以下公式进行计算：其中n（X,X）中的n代表所有数据中出现的次数。
介绍计算公式
可疑结果（Q）Q=n(1,1)+n(5,5)
魅力属性（A）A=n(1,2)+n(1,3)+n(1,4)
期望属性（O）O=n(1,5)
无差异属性（I）I=n(2,2)+n(2,3)+n(2,4)+n(3,2)+n(3,3)+n(3,4)+n(4,2)+n(4,3)+n(2,4)
反向属性（R）R=n(2,1)+n(3,1)+n(4,1)+n(5,1)+n(5,2)+n(5,3)+n(5,4)
必备属性（M）M=n(2,5)+n(3,5)+n(4,5)
Better系数Better=(A+O)/(A+O+M+I)
Worse系数绝对值Worse=(O+M)/(A+O+M+I)
2.6 根据better系数和worse系数绝对值制作象限图
汇总各个功能点的better系数和worse系数，并计算均值，如下图所示：
在excel表中以worse系数绝对值作为x轴，以better系数作为y轴，以均值作为中心点，绘制四象限：
2.7 补充详细图中的原始选项信息，使其可视化
将象限图复制到ppt中，对四象限中每个点所代表的功能进行标注，整理成如下样式：
同时对四象限分别标注为魅力属性、期望属性、无差异属性、必备属性。
最后可列出个人建议的开发优先级，按0-3进行依次排序。
三、注意事项
一般采用的是取better系数和worse系数绝对值两项的均值作为定位。如果不使用这种策略，使用其他方式，如（0,0）作为中轴线的定位，那么各功能点的属性在四象限中会发生相应的变化；这一点还需分析人员注意到，并思考最适合的形式来作图。
