案例数据
300 行 × 10 列，覆盖 5 项智能手机候选功能（防水 / AI 智能助手 / 折叠屏 / 100W 快充 / 5000mAh 长续航）的正向题 + 反向题配对评分，演示 KANO 五维分类与 Better-Worse 决策象限。
| 文件名 | kano.xlsx |
|---|---|
| 样本量 | 300 行 |
| 变量数 | 10 列（5 个功能 × 正向/反向 2 题，均为 SPSSau 标准 5 级 Likert） |
| 数据用途 | 产品功能优先级评估：识别智能手机 5 个候选功能的 KANO 属性，决定下一代旗舰应优先开发哪些卖点。 |
| 变量说明 | 快充_正向 / 快充_反向、续航_正向 / 续航_反向、AI助手_正向 / AI助手_反向、折叠屏_正向 / 折叠屏_反向、防水_正向 / 防水_反向。量表：1=不喜欢 / 2=能忍受 / 3=无所谓 / 4=理应如此 / 5=喜欢。 |
完整案例
1. 背景
某手机厂商在下一代旗舰立项前面向目标用户做了一次 300 人的功能优先级调研，候选 5 项功能：防水、AI 智能助手、折叠屏、100W 快充、5000mAh 长续航。研发资源有限，团队需要回答三个关键问题：①哪些功能必须做（不做就被骂）？②哪些功能越好越满意（投入产出最高）？③哪些功能能制造差异化惊喜？KANO 模型通过对每个功能同时问"有"与"没有"两种情境下用户的感受，把功能划分到必备、期望、魅力、无差异、反向五类，并通过 Better-Worse 系数给出量化优先级。
2. 理论与公式
KANO 模型用正向题和反向题组合判断需求类型，并通过满意系数衡量功能出现或缺失时的影响。
衡量功能存在时提升满意度的潜力。
衡量功能缺失时造成不满意的风险。
按魅力型、期望型、必备型、无差异型中频数最高者归类。
3. 数据结构
每行 1 位受访者，5 个功能各占两列（正向题 + 反向题），共 10 列。正向题问"如果这款手机具备该功能，你的感受是"，反向题问"如果这款手机不具备该功能，你的感受是"。两题必须严格配对：
| 功能 | 正向题列名 | 反向题列名 | 预期主类 |
|---|---|---|---|
| 100W 快充 | 快充_正向 | 快充_反向 | M 必备（充电慢忍不了） |
| 5000mAh 长续航 | 续航_正向 | 续航_反向 | O 期望（越久越好） |
| AI 智能助手 | AI助手_正向 | AI助手_反向 | A 魅力（有了惊喜） |
| 折叠屏 | 折叠屏_正向 | 折叠屏_反向 | A 魅力 / I 无差异（极客喜欢，大众无感） |
| 防水（IPX 等级） | 防水_正向 | 防水_反向 | M 必备 / O 期望（日常基础需求） |
SPSSau 量表编码：1=不喜欢 / 2=能忍受 / 3=无所谓 / 4=理应如此 / 5=喜欢。如使用其他来源问卷，请先把回答统一映射到 1-5 编码，否则会被 KANO 二维矩阵误判到"反向 R"或"可疑 Q"。
4. 操作步骤
- 登录 SPSSzero，进入 工作台 → 上传
kano.xlsx - 左侧方法栏 → 问卷研究 → 点击 KANO 模型
- 把 5 个 正向题 列（快充_正向 / 续航_正向 / AI助手_正向 / 折叠屏_正向 / 防水_正向）按顺序拖入 因变量 Y 框
- 把 5 个 反向题 列（快充_反向 / 续航_反向 / AI助手_反向 / 折叠屏_反向 / 防水_反向）按相同顺序拖入 自变量 X 框
- 核对左右两栏序号一一对应（第 1 行正向对应第 1 行反向），点击 开始分析
5. 结果表格与结果阅读
结果区核心输出 3 张表：①各功能 KANO 五类频数与主类归属；②Better-Worse 系数 + 优先级建议；③KANO 二维评估对照矩阵（理论参考）。
| 功能 | A 魅力 | O 期望 | M 必备 | I 无差异 | R 反向 | Q 可疑 | 主类 |
|---|---|---|---|---|---|---|---|
| 100W 快充 | 3 | 23 | 157 | 77 | 24 | 16 | M 必备属性 |
| 5000mAh 长续航 | 90 | 106 | 43 | 43 | 7 | 11 | O 期望属性 |
| AI 智能助手 | 213 | 12 | 1 | 52 | 9 | 13 | A 魅力属性 |
| 折叠屏 | 140 | 16 | 8 | 99 | 21 | 16 | A 魅力属性 |
| 防水（IPX） | 43 | 49 | 90 | 90 | 15 | 13 | M 必备属性* |
| * 防水的 M 与 I 频数并列 90，按后端优先级 A>O>M>I 取 M；R/Q 占比均 < 10% 视为正常。 | |||||||
关键观察：快充主类是 M（157/300 ≈ 52% 选必备），AI 助手主类是 A（213/300 ≈ 71% 觉得有了是惊喜），续航主类是 O（106/300 选期望且 90 人选魅力），符合产品直觉。
| 功能 | 主类 | Better | Worse | 综合分* | 优先级建议 |
|---|---|---|---|---|---|
| 5000mAh 长续航 | O 期望 | 0.695 | −0.528 | 1.223 | 🥇 最高优先：典型 O 类，越久越满意，缺了立刻挨骂 |
| AI 智能助手 | A 魅力 | 0.809 | −0.047 | 0.856 | 🥈 差异化卖点：Better 最高，做好能制造惊喜 |
| 防水（IPX） | M 必备 | 0.338 | −0.511 | 0.849 | 🥉 必须保证：基础项，做到位即可，无需过度投入 |
| 100W 快充 | M 必备 | 0.100 | −0.692 | 0.792 | ⚠️ 底线功能：|Worse| 最高，缺了用户最不满，必做 |
| 折叠屏 | A 魅力 | 0.593 | −0.091 | 0.684 | 💡 可选惊喜：A 类但 I 比例 33%，大众无感，按预算决定 |
| * 综合分 = Better + |Worse|，反映该功能在"提升满意"与"避免不满"两方面的总杠杆；Better=(A+O)/(A+O+M+I)，Worse=−(O+M)/(A+O+M+I) | |||||
必备类（快充 / 防水）|Worse| 高 Better 低 → 不做必扣分，做好不加分；期望类（续航）两者都高 → 投入产出最高；魅力类（AI / 折叠）Better 高 |Worse| 低 → 差异化资本。
| 正向题 ↓ \ 反向题 → | 1 不喜欢 | 2 能忍受 | 3 无所谓 | 4 理应如此 | 5 喜欢 |
|---|---|---|---|---|---|
| 1 不喜欢 | Q | R | R | R | R |
| 2 能忍受 | M | I | I | I | R |
| 3 无所谓 | M | I | I | I | R |
| 4 理应如此 | M | I | I | I | R |
| 5 喜欢 | O | A | A | A | Q |
| A=魅力 / O=期望 / M=必备 / I=无差异 / R=反向 / Q=可疑。每位受访者在每个功能上落入一格，频数最高的属性即为该功能主类。 | |||||
7. 文字分析
对 5 个智能手机候选功能的 KANO 分类与开发优先级综合分析：
- 主类归属：100W 快充与防水落入 M 必备属性，5000mAh 长续航落入 O 期望属性，AI 智能助手与折叠屏落入 A 魅力属性，无任何功能被多数用户判为反向（R）或可疑（Q），调研有效性良好；
- 优先级排序（按 Better + |Worse| 综合分降序）：续航（1.223）> AI 助手（0.856）> 防水（0.849）> 快充（0.792）> 折叠屏（0.684）；
- 续航是 ROI 最高的功能：Better=0.695 且 |Worse|=0.528 两端都高，意味着电量做大用户满意度直线上升，电量小立刻流失。这种"两头都敏感"的 O 类是手机行业最值得砸钱的方向；
- 快充与防水构成不可妥协的底线：快充 |Worse|=0.692 是全局最高（缺了用户最愤怒），防水 |Worse|=0.511 紧随，但二者 Better 均 < 0.35，说明做到行业平均水平即可，过度堆料不会带来等比例的满意度增长；
- AI 助手是差异化机会：Better=0.809 全局最高，但 |Worse| 仅 0.047 —— 没有 AI 用户不会骂，有 AI 用户会惊喜。适合在旗舰款上做大做透打出"AI 手机"的标签；
- 折叠屏需谨慎：A 类（140）与 I 类（99）几乎并立，反向 R=21 也偏高，说明用户群体分化严重。建议作为独立 Pro Max 子系列试水而非全系标配。
结论：研发资源配置建议遵循 "必备先保住 → 期望持续投入 → 魅力点出差异" 三段式：①底线（快充 + 防水）按行业头部标准达标；②王牌（长续航）压上重资源做到 6000mAh 以上抢市场；③标签（AI 助手）做出口碑级体验制造话题；④实验（折叠屏）单独立项试水高端，避免拖累主力机型成本。
8. 剖析提醒
正反向题必须严格成对且顺序对齐，不能只上传单侧题项；如果某功能的 R（反向）或 Q（可疑）比例 > 15%，回查问卷题干是否引发用户误读；本案例量表统一为 SPSSau 标准（1=不喜欢 ... 5=喜欢），如使用其他来源数据请先做编码映射。KANO 是横截面意向调研而非购买行为验证，最终决策应结合定价、成本与竞品策略综合判断。