KANO模型是东京理工大学教授狩野纪昭（Noriaki Kano）发明的对用户需求分类和优先排序的有用工具，该模型是受行为科学家赫兹伯格的双因素理论启发而提出的，体现了产品性能和用户满意度之间的非线性关系，主要是通过标准化问卷进行调研，根据调研结果对各因素属性归类，解决产品属性的定位问题，以提高客户满意度，如图所示：
KANO模型
基本性需求
也被称为必备型需求、理所当然需求，是客户对企业提供的产品或服务因素的基本要求，是客户认为产品“必须有”的属性或功能。当其特性不充足（不满足顾客需求）时，客户会不满意；当其特性充足（满足客户需求）时，客户也可能不会因而表现出满意。对于这类基本型需求，即使超过了客户的期望，但客户充其量达到满意，不会对此表现出更多的好感。不过只要稍有一些疏忽，未达到客户的期望，则客户满意度将一落千丈。对于客户而言，这些需求是必须满足的，理所当然的。对于这类需求，企业的做法应该是注重不要在这方面失分，需要企业不断地调查和了解客户需求，并通过合适的方法在产品中体现这些要求。
期望型需求
也叫意愿型需求。是指客户的满意程度与需求的满足程度成比例关系的需求，此类需求得到满足或表现良好的话，客户满意度会显著增加，企业提供的产品和服务水平超出客户期望越多，客户的满意状况越好。当此类需求得不到满足或表现不好的话，客户的不满也会显著增加。
期望型需求没有基本型需求那样苛刻，要求提供的产品或服务比较优秀，但并不是“必须”的产品属性或服务行为有些期望型需求连客户都不太清楚，但是是他们希望得到的，也叫客户需求的痒处。这是处于成长期的需求，客户、竞争对手和企业自身都关注的需求，也是体现竞争力的需求。对于这类需求，企业的做法应该是注重提高这方面的质量，要力争超过竞争对手。
在市场调查过程中，客户谈论的通常是期望型需求；比如针对客户投诉也可以被视为期望型需求。如果企业对投诉处理得越圆满，那么客户就越满意。
魅力型需求
又叫兴奋型需求，指不会被客户过分期望的需求。
对于魅力型需求，随着满足客户期望程度的增加，客户满意度也会急剧上升，但一旦得到满足，即使表现并不完善，客户表现出的满意状况则也是非常高的。反之，即使在期望不满足时，客户也不会因而表现出明显的不满意。
当客户对一些产品或服务没有表达出明确的需求时，如果能提供给客户一些完全出乎意料的产品属性或服务行为，使客户产生惊喜，客户就会表现出非常满意，从而提高客户忠诚度。这类需求往往是代表客户的潜在需求，企业的做法就是去寻找发掘这样的需求，领先对手。
无差异型因素
无论提供或不提供此需求，客户满意度都不会改变，因为客户根本不在意。无论提供与否，对客户体验均无影响，不会导致客户满意或不满意。
反向型需求
又称逆向型需求，指能够引起客户强烈不满的质量特性和导致低水平满意度的质量特性，因为并非所有的客户都有相似的喜好。许多客户根本都没有此需求，提供后客户满意度反而会下降，而且提供的程度与客户满意程度成反比。例如：一些客户喜欢新理念、新技术而另一些人更喜欢成熟度高的普通产品，过多的额外功能会引起客户不满。
KANO模型的意义
在实际操作中，企业首先要全力以赴地满足客户的基本型需求，保证客户提出的问题得到认真的解决，重视客户认为企业有义务做到的事情，尽量为客户提供方便。以实现客户最基本的需求满足。
然后，应尽力去满足客户的期望型需求，这是质量的竞争因素。提供客户喜爱的额外服务或产品功能，使其产品和服务优于竞争对手并有所不同，引导客户加强对企业的良好印象，使客户达到满意。最后争取实现客户的兴奋型需求，为企业建立最忠实的客户群。
KANO模型的应用流程
KANO模型分析方法是狩野纪昭基于KANO模型对客户需求的细分原理开发的一套结构型问卷和分析方法。 KANO模型分析方法主要是通过标准化问卷进行调研，根据调研结果对各因素属性归类，解决产品属性的定位问题，以提高客户满意度。主要工作流程是：
1、首先要考虑的是分析范围——包括要评估的功能和针对的客户
要研究的功能应该是客户在使用过程中能从中受益的功能。Kano模型研究的是客户对可感知、可操作功能的满意度，还要限制问卷中包含的功能数量，以此提高客户的参与度和专注度。
在选择目标客户参与时，一定要考虑客户所属的人口统计学特征、社会群组或角色，否则最后得到的数据很可能是非常分散的。潜在客户对功能的感受也不相同。但如果考虑到他们所属的某些客群特征分组，就可以显著减少分析中的噪音。
比如有一些产品的核心功能已经存在，而且在业内广为人知，比如电动车进电梯的自动报警、高空抛物监测等。 尽管如此，仍有一部分客户认为它是魅力型，而另一部分客户则认为它是必须型。之所以有这样不同的功能感知，通常是由于客户对市场的了解程度、对企业自身已有优势的判断、对自己的用户需求掌握程度不同导致的。因此，如果能按客户的基本资料对他们的回答进行细分时，每个功能的结果就更加清晰了。虽然有各种细分可能性，但必须得选择对产品有意义的细分。 尤其是B端产品，那么同一个功能对集团型用户或项目公司型客户来说，吸引力就有很大不同。
2、通过问卷获取(尽可能有效的)客户数据
设计调研问卷的时候，问题要尽可能清晰、简洁。每个问题最好只代表一个功能。如果功能比较复杂，而且包含多个步骤和子流程，那就需要进行拆分。而且所问问题应该从与客户利益相关的角度进行表述，而不是产品使用的角度。如果有条件的话，这个时候最好直接给客户演示功能然后询问具备或不具备功能时的看法，这样比表述清楚的问题效果更好。
也可以用文字描述功能优势，再用原型和交互式线框或模型来代替文本问题。 通过视觉和动态的“解释”，这样客户就可以更清楚地了解这些功能和提问。如果以这种形式提出问题，那就应在客户与功能互动之后立即询问客户对标准备选答案的选择。 这样客户就能始终保持清晰的记忆，不至于把这个功能与同一调查中的其他功能混淆。
还有最重要的一点，也是我自己最不喜欢的一种问卷方式，那就是为什么老是喜欢用“我喜欢...”，“我不喜欢...”“必须是...样”之类，最好用一种更为温和的措词，比如“这对我有些帮助”、“这是我想要的基本要求”、“这有点麻烦”、“对我来说这是个影响项目绩效的问题”。
3、分析数据
在对收集到的结果进行整理、制表和清洗后，就能够对功能进行分类，并深入了解确定功能优先级排序。
数据分析可以采用离散分析和连续分析。二者都是对数学概念的引用，并且与它们如何将参与者的结果与Kano的分类进行映射有关。
离散型分析是指结果与结果之间没有关系，是分散的。比如类别型的、属性类、合计值、出现的次数、排名等。如果出现多个结果而没有一个明确的分类，则可能有隐藏的信息没有考虑到。 这种情况下，就要回到问卷中去寻找线索；
根据功能的重要性对离散值进行分类排序。此后，在确定优先级时使用的一般经验法则是：首当其冲所有的必须型功能，然后添加尽可能多的期望性功能，最后来一丢丢魅力型功能。这种分析类型适合用在初步了解需求的程度上。
连续性分析是指所获答案是某一范围内的对应数值，比如从-5到+5。数值越大，答案就越能反映客户对该功能的想要程度。重要性也可以从0分到9分之间（在心理测试上最喜欢用这样的方式）。这类答案可以赋予不同权重，以此来考虑如果忽视了的话，客户强烈/较弱的情绪对比。
还有最重要的一点是，这类数值是可以用使用平均数、中位数来对比客户对某一功能的偏好，如此一来，就可以为每个功能计算：所有功能具备、功能缺失和重要性答案的平均分值、中位值；功能具备、功能缺失和重要性评分的标准差。根据每个功能的功能具备和功能缺失的平均分值，可以将它们用tableau的二维表格式+散点图的工具来展示。
网友评论