狩野分析小論
前言
自從2017年開始在服務設計領域推廣Kano Model，越來越多企業以及講師把Kano Model(本文簡稱Kano)放進專案流程與教材中，我最早接觸Kano這個方法論是20年前我還在傳統產業內，負責公司內部的iso-9002的內部產品品質稽核的時候，當時的顧問建議我用這個方式去檢核客戶的想法。他表示，並不是產品品質好，符合iso規範與品質標準就不會有客訴，有時問題會出現服務流程上。那時我其實不太理解他在說什麼，純粹只是照做而已，但是在20年後，我的確在這個方法論上得到很多啟發。
Kano在應用上，我不建議把它是做單一的「分析工具」，而是我們要試著理解整個Kano背後思考的模式。使用Kano前，在發展眾多的功能與服務中，有一個發展的進程：
品質管制→品質管理→魅力創造
品質管制：你的產品功能或服務，必須達到基本要求，讓人可以用，達不到就會讓消費者感受到不滿意。例如：煮一杯能夠讓人願意飲用的咖啡。
品質管理：你的產品功能與服務，必須能夠回應使用者的選擇，並且維持一致的體驗。例如，消費者想要半糖拿鐵，你就能提供一杯半糖拿鐵，而每一杯的半糖拿鐵的味道口感都能夠一致。
魅力創造：你的產品功能或服務，讓人驚豔，但僅止於驚艷，而不會有強烈需求。例如，半糖拿鐵上拉一朵花。
所以一家咖啡廳，至少要先針對品質管制類的「咖啡單品」，把品質做好，這是讓咖啡廳不產生負評重要因素；接著，針對品質管理類的「半糖拿鐵」，你的奶泡要夠細緻，你的糖要盡量講究，奶泡不夠細緻、糖隨便選用，就會產生負評，反之，奶泡越細緻，糖越講究，這杯「半糖拿鐵」就會帶來正評，這個正評已經可以有機會讓顧客回流；最後，你開始練習魅力創造的拉花技巧，消費者已經很喜歡妳的「半糖拿鐵了」，這時突然看到自己的剪影出現在拉花上，消費者會非常開心，甚至拍照上傳，這時，你的產品服務就有機會開始吸引未造訪的消費者。
品質管制、品質管理、魅力創造，這是我們使用Kano前的思考模式，這是我們使用Kano的初衷，理解我們的功能服務在消費者心目中的觀感，作為我們在開發功能服務、優化功能服務、以及資源運用決策的參考依據。在這個思考模式之下，Kano Model，就是協助我們判定眼前的功能服務，屬於哪一個進程的分析工具。
用統計概念建構的Kano Model
使用Kano作為分析工具，他可以協助你判斷眼前的功能服務屬於基本型、期望型、魅力型、無差異型、還是反向型。
上圖是用座標的方式解釋5種類型的性質，我想很多人以為Kano很難，就是因為這張圖，因而望而卻步，但其實Kano在使用上是簡易的。本文不介紹如何進行Kano，我希望讀者自己可以做點功課，網路上其實很多資料可以參考，我也常跟上課學員說，確定要上課嗎？估狗都有教喔！
看到這裡，容我先預告一下，這一篇是給使用者研究員看的，如果您只想知道怎麼用，看上面的連結就好，如果您想進入kano整個思考架構，再往下看。
上圖是Kano的統計理論圖解，Kano為何可以判定功能服務屬於哪一個類型，他的思考方式是，在母體(市場)中，認定你的功能服務屬於哪一種類型的人數比例最高，有些人認為是基本需求型、有些人覺得是無差異型，我們只是從其中找出占比最高的是哪一個類型。
但各位不要忘了，其中有很多人是你根本沒有調查到的，只是我們不理會「沒被抽樣」。Kano其實就只是把你手中的資料講出來，哪一類型的占比最高，這時你可以把Kano視作近似敘述統計。敘述統計需要有多少抽樣數？(我們還沒有要推論母體喔，那又是另外一個故事了，揪咪^_<”)
但是我想強調的是：
不是這個服務的性質是期望型，而是你手中的數據告訴你，認為是期望型的人，占比比較高
這是一種面對大眾市場而非客製化市場的思考邏輯，你只想對於這個市場提出單一的方向，所以我們在意占比最高的那群人，而我們調查的當下，有沒有抽樣問題，這就很值得思考了。你隨機了嗎?
使用Kano要注意的抽樣問題，要先確定你是用在上市前還是上市後，這樣的區分原因是，上市前受訪者”可能”不會有人使用過這個功能服務(為什麼用”可能”?，因為那是調查設計的議題，好的實驗設計可以把”可能”拿掉，或是讓所有人都使用過)，如果是上市後，你可能會混雜「使用過服務的樣本」以及「沒使用過服務的樣本」，而我的經驗告訴我，這會直接應影響你的結果，所以我強烈建議要分層抽樣，這個「層」就是「有無使用過」，而我傾向把「使用過服務的樣本」當主軸。
而真正需要在意的思考點是，人心是浮動的，他不會永遠保持一致的意見。
我們應該要知道的幾個跟Kano Model有關的時機點
受訪者面對Kano這種調查方式，人心有可能會浮動，意思是針對同樣的功能服務得問卷調查，受訪者可能會有不同的答案，怎麼會這樣呢？
大家不妨可以自己回憶一下，當你第一次看到手機可以滑的功能，當時會覺得這是一個一定要給的功能嗎？還是一個讓你驚豔的功能呢？對我而言，當時真的是個讓我驚豔的功能啊！但是那時我還滿愛用Nokia3210，所以不認為是個基本功能，但是現在要我買一支不能滑的手機，恐怕很難了，現在沒有滑的功能，使用上真的會很不習慣。
有一些功能服務，在使用者的使用經驗上，會隨著時間以及市場上普遍性，開始會產生不一樣的感受。
就如同剛剛舉的手機滑動功能的例子，有一些功能服務具備這種性質，一開始是魅力型，接著便成了期望型，久了變成基本型甚至無差異型。但我也必須強調並不是所有的功能服務都會有這樣情況。
所以我們在使用Kano時，會有一個情況，我們調查的結果是期望型，所以我們積極地想要優化這個功能，讓使用者可以有更好的滿意度。但是如果這個功能在使用者的經驗上屬於會變動的性質，我們其實就可能會有一些誤判：
是從魅力型變成了期望型，還是即將從期望型變成了基本型呢？
這兩種不同的情況，在決策上就有可能產生資源投注上的浪費，所以我個人傾向不要只做一次分析，一個調查梯次做兩次，取得的結果會比較篤定，或是定期的進行調查。
無差異型就不會變動了嗎？
無差異型的功能服務在長期性反覆調查時就不會再變動了嗎?我個人並不會很篤定說不會，原因在於前一篇文章提到的造成調查偏誤的原因：「使用者有沒有使用過」。
就個人來看，無差異型可能會變成魅力或是期望型，他的原因可能就是來自於前一篇文章，這個使用者一開始沒有使用，後來使用了，有沒有使用可能會左右使用者的觀感；就群體來看，發生的可能性可能就真的很低了，如果我們的調查條件控制得很嚴謹，受訪者數量龐大。
Kano使用的時機
Kano的使用時機其實沒有特別的限制，但是思考的方向會不同，我這邊主要分成兩種情況：1)上市前；2)上市後。其差異點還是在於一個反覆提及的概念，「使用者有沒有使用過」
我常常被問到一個問題，功能產品都還沒有實作出來時，可以使用Kano嗎？答案是可以的，但是也有但書，你必須讓受訪者清楚知道你的功能服務的使用情境、確定他們理解整個內容、以及每一個受訪者心裡想的畫面是一致的。(這個其實是問卷施測的問題。)
當然你也可以控制施測條件，先讓受訪者試用你的功能服務，再來進行問卷調查，創造受訪者都有使用過的條件控制，這其實也是可以，最好可以跟易用性測試一起做，更節省你的受訪者費用。
但是，這樣創造出來的控制條件，是否就跟上市後的情況一樣了呢？答案是不一樣。
先前有提及，上市後的施測，你會抽樣到兩種狀況不同的人，一種是有使用過，一種是沒有，後者的情況可能會比上市前的調查，更讓受訪者難以想像使用情境；前者的情況也很不同，上市後抽樣找到的使用者，應該都是「有需求，有付錢、真的有拿來滿足自己的」，這個才是「真●使用者」。講到這邊，各位應該就有感受上一片文章為何要強調分層抽樣，然後把重心放在「真●使用者」，因為我們真的想要知道的是「真●使用者」的意見，用這群人的意見決定公司資源的投注決策，來迎合往後即將成為「真●使用者」的那群人。
那為什麼不在意那群市場上沒使用過的人的意見？我們對待未使用者的態度，應該是使用行銷、補貼、勸誘、搭售的方式騙他們來使用，他們很有可能不是不想嘗試，而是不知道。
上市前使用Kano，目的性上有下列幾個：
1. 你對於你的使用者研究沒有信心，不知道需求有沒有被驗證，所以只好跳過需求驗證，用Kano直接來驗證解決方案。
2. 你家公司的整體滿意度偏低，你想要知道接下來要推出哪一個功能服務，可以坐收短線的效果。
3. 你家公司的整體滿意普普，你想要知道接下來要推出哪一個功能服務，可以增加長期的流量。
上市後使用Kano，目的性有下列幾個：
1. 透過反覆性的調查，探知使用者的態度消長，作為修正決策的依據。
2. 最近整體滿意度降低，想知道哪個基本型的服務沒有做好。
3. 整體滿意度一直拉不起來，回客率不高，想知道哪個服務是期望型，好好來加強它。
4. 看看哪個服務是魅力型，對照網站的landing page是否一致，或是使用者常常上傳分享的服務是不是也是魅力型，好好來短期行銷一下，增加流量。
而我還是要強調，條件越嚴謹施測的調查，結果就越具參考性，反之亦然，但有做就一定有幫助。但是如果你的使用者研究做的很嚴謹，對於需求驗證有信心，自己能夠非常清楚策略意圖與策略方向是一致的，或許上市前，你是不需要做Kano的。
Kano是用來理解解決方案，不是驗證需求。
請不要用Kano Model來驗證需求
容我假設一個情境，有一個餐廳的使用者需求研究中，發覺很多消費者希望在夏季的時候，可以在用餐時段消暑。如果「在用餐時段消暑」是一個需求，某個團隊開始發想可以有哪些方式，最後選了「擺北極的照片」、「冷氣空調」、以及「冰淇淋吃到飽」，三種策略，並透過Kano的調查，知道了這三種策略的類型分別是「無差異」、「期望型」、「期望型」。
接著他們嘗試要反推回去做需求驗證，這時候問題來了。
哪一種類型才算是好的策略
究竟「基本型」、「期望型」、「魅力型」、「無差異型」哪一個才是好的策略？如果我們先入為主的以為「魅力型」是好的策略，那我們就要看 下「魅力型」的性質：「有這個功能福使用者會很開心，但是沒有也無所謂」。
如果沒有也無所謂，那「魅力型」的功能服務就不適合拿來變現，因為她可以拿掉，可以拿掉的功能服務拿來變現就有點危險了。
那究竟是哪一個類型才是好的策略？其實並沒有特定的類型是「好的策略」，一個服務體系或是一個APP，都會需要這四種類型的功能服務。桌子上有沒有擺面紙可能不會影響你去一家店的意願，但是這個服務在你需要的時候，它就有顯示貼心的機會。
同樣滿足一個需求，要選哪一個類型比較好？
選期望型比無差異適合嗎？這不一定，如果你的功能服務中已經有多項期望型的服務，你的優化與維護的成本可能就會很高，畢竟期望型的服務要到位才能帶來正面的評價。
所以如果你的功能服務都還沒有開發，請務必要考量開發成本，先決定需求的優先序，再來衡量整體的營運費用，思考要選擇哪一種策略，每個追求滿意度的功能服務必定伴隨成本，要適度取捨。
Kano只有告訴你類型，沒告訴你到位了沒
這是進行Kano時很重要的一點，就算是你正在導流的服務是魅力型，但也不代表你有做好，只代表你提出了一個魅力型的服務，但你可能把它搞到很糟，很不到位，導致它沒有發揮猛爆性的流量，所以不論Kano最後的結果如何，我們還是需要去評估你的服務有沒有做到位，別忘了，kano就是以「滿意度」跟「到位與否」區分類型的。
策略對了不代表需求對了
當我們看到一個需求衍生出三種策略，其中「冰淇淋吃到飽」是期望型的服務，所以這個服務如果做得更好，滿意度會提升，或許，從福樂換成哈根大？但是，「掛北極照片」，也是從「想要消暑」這個需求所想出來的，但它是無差異呢！
這邊的盲點是，究竟哪一個策略才是真正滿足「想要消暑」這個需求？或許「冰淇淋吃到飽」只是因為滿多人喜歡吃飯後甜點，並沒有「想要消暑」？所以我們如果要從驗證策略來反推需求是否正確，這可能會有問題。
此外，需求研究是在發掘現象到定義問題階段(discover to define)，但是kano其實已經是雛型驗證到交付執行階段(develop to deliver)，所以設計流程上，一定是前面的部分確認無誤後才會進入到下個階段，當我們進行迭代時，主要還是鎖定在雛形、測試、回饋、修正雛形、測試、回饋……這個迴圈裡，如果這個迴圈是在4D流程一直迴圈，這就代表這個團隊的使用者研究一直存在問題了。
小結一下
講到這裡，我要在強調前面統計提及的部分，Kano是在母體(市場)裡抽樣，根據備抽樣的人數來判定類型，執行的方式是問卷，這其實意味著Kano偏重於市場面的調查，這跟使用者研究想要挖掘現象背後未知的需求，過程並不同，所以我的個人意見，kano應該是偏向調查，不是一種研究。當然你可以拿Kano的結果去做各種的長期性的分析比對，那或許就是拿Kano的結果作為研究的資料(data)了。
但別忘了，Kano是敘述抽樣後各種類型的比例，所以其實也算是一種把質性(人的態度)，轉成量化的方式。而發展Kano Model的狩野紀昭先生在1984年有沒有思考過這幾篇文章的議題，這個就很難說了，或許他當初並沒有想那麼多，純粹是用在服務品質驗證而已。
Kano Model的市場預測
其實近年來Kano被廣泛運用的另一個原因是，我們可以用Kano來預測市場走向。
我這邊舉個例子，我們要推出一個過去市面上沒有過的APP，我隨便想一個，用「空拍機到中華職棒看球賽APP」，這個APP下有10個功能。當我們透過Kano Model調查這個核心功能「空拍機到中華職棒看球賽APP」，我們會產生第一批的結果。這時請這麼作，我們要用Kano來分群：
早期接受者：包含期望型與基本型的受訪者，在產品上市之初很有可能是第一批的購買使用者。這時您的策略就是把這群人先納作會員，提供優惠的甚至免費的優惠，吸引它們變成會員。
晚期接受者：包含魅力型的受訪者。基本上他們已經有意識到這個核心功能可能會滿足它們深層的需求，但是需要等到這個核心功能發布過一段時間，市場普及了才會購買。而我們就是要用早期接受者來引出晚期接受者。
不採用者：包含無差異型的受訪者，對於這個核心功能不感興趣，已預見的未來也不會有很高的購買意願。
這三群使用者將成為Kano Model Persona。
接下來就我們就可以用這個分群資料來決定10個細部功能要不要先上線。過去Kano Model的做法是讓基本型先上，降低不滿意，在依序上架期望型、魅力型、最後是無差異。但是以下的決定方式會更貼近市場。
我們把所有10個功能也都建立Kano Model，我們要看的是，早期接受者不喜歡那些功能，也就是他們會分佈在「無差異」以及「反向型」的比例如果很高，這些功能就不應該上，因為早期接受者可以說是市場上的第一桶金，不能得罪。
我們去除了早期接受者不喜歡的功能，剩下的功能請再通過重要性分析，您可以使用李克特的9點或是7點量表，濾除重要性低的功能。
最後的分析，就是比較剩下的功能，「產生的滿意可能性」以及「產生「不滿意的可能性」，我們就可以很清楚的知道什麼功能應該要先上架了。
希望這一連串對於Kano Model的解析，能夠幫助您更進一步理解這個分析工具的發展性。