Анализ опроса по модели Кано онлайн

Модель Кано описал японский исследователь качества Нориаки Кано с соавторами в 1984 году. Её главная мысль: удовлетворённость пользователя не растёт линейно с числом функций. Одни функции замечают только тогда, когда их нет, другие радуют, хотя никто их не просил. Модель делит требования на пять категорий:

• M — обязательные (must-be). Их отсутствие вызывает сильное недовольство, наличие воспринимается как должное. Пример — экспорт данных в B2B-сервисе или восстановление пароля.
• O — одномерные (one-dimensional, performance). Чем лучше реализованы, тем выше удовлетворённость: скорость загрузки, число интеграций, точность поиска.
• A — привлекательные (attractive, delighters). Отсутствие не расстраивает, наличие радует. Со временем привлекательные функции становятся одномерными, а затем обязательными.
• I — безразличные (indifferent). Пользователям всё равно, есть функция или нет.
• R — обратные (reverse). Функция раздражает тех, у кого она есть, и радует её отсутствие — например, навязчивые уведомления.

Отдельная категория Q — сомнительные ответы: человек отвечает, что ему нравится и наличие, и отсутствие функции. Так бывает, если вопрос непонятен или респондент отвечает невнимательно.

Про каждую функцию задают пару вопросов с одинаковой шкалой ответов:

Пара ответов переводится в категорию по таблице оценки. Калькулятор использует стандартный вариант, опубликованный Бергером и соавторами в 1993 году: строка — функциональный ответ, столбец — дисфункциональный.

Например, ответы «нравится» и «не нравится» дают O, а «всё равно» и «не нравится» — M. Для каждой функции считаются доли категорий, а итоговой становится самая частая. При равенстве действует правило M > O > A > I: сначала учитывают то, что сильнее влияет на недовольство.

Значим ли отрыв категории

Если 9 человек выбрали A, а 8 — O, «привлекательная» функция на деле спорная. Критерий Фонга (1996) проверяет, отличается ли самая частая категория от второй:

Если условие не выполняется, в выборке, скорее всего, несколько групп пользователей с разными ожиданиями. Разбейте ответы по сегментам — тарифу, роли, стажу — и проанализируйте их отдельно.

Доли категорий плохо сравниваются между функциями, поэтому Бергер и соавторы предложили два коэффициента удовлетворённости клиентов:

Better показывает, насколько вырастет удовлетворённость, если функцию добавить. Worse — насколько упадёт, если её не будет. Ответы R и Q в знаменатель не входят.

На диаграмме по горизонтали отложен модуль Worse, по вертикали — Better. Четыре квадранта с границей 0,5 повторяют категории: левый верхний — привлекательные, правый верхний — одномерные, правый нижний — обязательные, левый нижний — безразличные. Чем дальше точка от начала координат, тем сильнее функция влияет на отношение к продукту.

Как использовать результат

• Обязательные функции делайте в первую очередь, но не переусердствуйте: сверх базового уровня они удовлетворённость не добавят.
• Одномерные улучшайте постепенно и измеряйте — это основа конкурентного сравнения.
• Привлекательные дают отличие от конкурентов при небольших вложениях. Их удобно подсветить новым пользователям подсказкой или туром.
• Безразличные — кандидаты на удаление из бэклога. Оценить оставшееся по охвату и усилиям поможет калькулятор RICE и ICE.

• Описывайте пользу, а не реализацию. «Отчёт приходит на почту каждый понедельник» понятнее, чем «планировщик экспорта».
• Не больше 15–20 функций в одном опросе. Каждая функция — два вопроса; длинная анкета даёт невнимательные ответы и рост категории Q.
• Спрашивайте целевых пользователей. Новички и опытные клиенты часто оценивают одну функцию по-разному — отсюда незначимые категории.
• Соберите достаточно ответов. При 20 ответах на функцию разница в пару голосов меняет категорию. Сколько нужно для нужной точности, подскажет калькулятор выборки.
• Добавьте вопрос о важности. Шкала «насколько это важно от 1 до 9» помогает отделить слабые привлекательные функции от сильных.
• Повторяйте опрос. Категории со временем дрейфуют: вчерашний «вау-эффект» через пару лет становится обязательным.

1. Kano N., Seraku N., Takahashi F., Tsuji S. Attractive Quality and Must-Be Quality. Journal of the Japanese Society for Quality Control, 14(2), 1984 — исходная модель.
2. Berger C., Blauth R., Boger D. et al. Kano’s Methods for Understanding Customer-defined Quality. Center for Quality of Management Journal, 2(4), 1993 — опросник, таблица оценки, коэффициенты удовлетворённости.
3. Fong D. Using the Self-Stated Importance Questionnaire to Interpret Kano Questionnaire Results. Center for Quality of Management Journal, 5(3), 1996 — проверка значимости категории.
4. Matzler K., Hinterhuber H. H. How to Make Product Development Projects More Successful by Integrating Kano’s Model of Customer Satisfaction into Quality Function Deployment. Technovation, 18(1), 1998.