CampusDown

首页 › 学习指南

概念梳理

KANO模型是什么?必备、期望、魅力属性详解,看电磁炉、智能家电与新能源汽车OTA如何从“惊喜”变成“标配”

CampusDown 编辑部 · 2026. 10. 28. · 更新 2026. 11. 09.
套用千篇一律的 AI 句子很难脱颖而出。在 CampusDown 找到更有个人角度的灵感。
三点速览
  • KANO模型把满意和不满意看作两个独立维度,而不是一条线的两端。
  • 必备属性做好了也只能减少不满,期望属性越多越满意,魅力属性没有也不会被抱怨。
  • 通过正反向问题对分类功能,并定期复测“魅力属性向必备属性退化”的趋势。
目录
  1. 企业为什么要用KANO模型?
  2. KANO模型的理论根源是什么?
  3. 五类质量属性如何定义?
  4. KANO问卷怎么设计,结果怎么分类?
  5. 电磁炉与智能家电如何排需求优先级?
  6. 常见问题

KANO模型(狩野模型)把产品功能分为必备属性、期望属性、魅力属性、无差异属性和反向属性,用来判断“做了这个功能,用户满意度到底会不会涨”。它最扎心的结论是:基础功能做得再好,用户也不会夸你;而今天让人惊喜的魅力功能,明天就可能沦为“没有就差评”的必备功能。从燃气灶的熄火保护,到小米、海尔的智能联动,再到新能源汽车的智驾和OTA,中国市场正在把这条“魅力质量向必备质量退化”的规律演绎得淋漓尽致。

现代中国公寓的智能厨房里,黑色电磁炉上的铁锅冒着热气,白色烟机自动开启,台面上的手机显示家电控制App,旁边摊开的笔记本上写着KANO模型,温暖油画风插图,CampusDown制作
电磁炉一开,烟机自动跟着转:笔记本上的“KANO模型”正好拿来分析这套联动(CampusDown)

本文依次讲清KANO模型的由来、五类属性的定义、正反向问卷的设计与分类方法、Better-Worse系数的计算,并用电磁炉、智能家电和新能源汽车三个中国案例说明需求优先级如何排序。

企业为什么要用KANO模型?

用户需求越来越碎片化,反馈渠道也从电视、报纸转向抖音、小红书、电商评价区和应用商店评论。产品团队每天面对成百上千条需求,真正的难题是:先做哪个?KANO模型回答的正是这个问题——这个功能加上去,是能提升满意度、只能减少抱怨,还是根本没人在乎。

判断准确,直接关系到市场份额。把研发预算砸在必备功能的“过度优化”上,口碑几乎不动;漏掉一个必备功能,差评和退货立刻上来;押中一个魅力功能,用户会主动在社交平台替你传播。

Ad

KANO模型的理论根源是什么?

KANO模型由日本东京理科大学教授狩野纪昭与濑乐信彦、高桥文夫、辻新一于1984年提出,论文题为《魅力质量与必备质量》,发表在日本品质管理学会期刊上。其理论基础是赫茨伯格的双因素理论:满意和不满意不是一条线的两端,而是由不同因素决定的两个维度。具体可参考赫茨伯格双因素理论。

换句话说,“不满意”并不等于“不满”,“没有不满”也不等于“满意”。这正是KANO模型的出发点,也是它比简单打分问卷更有解释力的原因。

阅读长文时,先浏览小标题能更快理清整体脉络。读完后不妨试着提炼一个思考问题来巩固理解。

五类质量属性如何定义?

KANO模型五类属性与中国常见例子
属性具备时不具备时例子
必备属性理所当然强烈不满燃气灶熄火保护装置、App支持微信或支付宝付款
期望属性(一维)越多越满意越少越不满电磁炉火力、手机续航、外卖送达速度
魅力属性惊喜不会不满灶具开火后烟机自动联动、车辆OTA新增功能
无差异属性无影响无影响家电内部元器件的供应商名称
反向属性反感更满意开屏广告、强制注册、频繁弹窗推送

必备属性的关键在于:用户本来就是冲着它买的产品,有了它不会加分。比如按照国家标准,家用燃气灶必须配备熄火保护装置,今天已经没有人会因为“有熄火保护”而给灶具五星好评。

明亮的大学产品设计教室里,老师站在白板旁讲解三条手绘曲线,红色的魅力曲线向上急升,绿色的期望直线斜向上,蓝色的必备曲线趋于平缓,学生们用笔记本电脑记录,温暖油画风插图,CampusDown制作
课堂上的KANO曲线:“魅力”急升、“期望”直线上扬、“必备”很快封顶(CampusDown)

在经典KANO图中,横轴是功能的具备程度,纵轴是满意度。必备曲线从很低的负值上升后很快在零附近封顶;期望属性是一条斜向上的直线;魅力曲线从零开始,随着具备程度提高而快速上扬。

Ad

KANO问卷怎么设计,结果怎么分类?

KANO问卷对每个功能同时问两个问题:正向问题“如果产品有这个功能,你感觉如何?”和反向问题“如果没有这个功能,你感觉如何?”。选项通常是:我很喜欢、理应如此、无所谓、能忍受、我很不喜欢。

  1. 梳理候选功能:一次控制在10到20个,每题只说一个利益点。
  2. 写成正反问题对:如“电磁炉有锅具干烧自动断电,你感觉如何?”“没有的话,你感觉如何?”
  3. 配图说明:用户没用过的功能,配一句解释或示意图,避免凭空想象。
  4. 选项顺序统一:所有题目保持相同排列。
  5. 分人群收集:一二线城市与下沉市场、独居青年与三代同堂家庭分开统计。
KANO评价表常见组合
有此功能无此功能分类
我很喜欢我很不喜欢期望属性
我很喜欢无所谓或能忍受魅力属性
理应如此我很不喜欢必备属性
无所谓无所谓无差异属性
我很不喜欢我很喜欢反向属性
我很喜欢我很喜欢可疑结果

统计每个功能出现最多的分类后,再计算Better-Worse系数:Better(满意系数)=(A+O)/(A+O+M+I),Worse(不满意系数)=−(O+M)/(A+O+M+I)。以Better为纵轴、Worse绝对值为横轴画四象限图,就能一眼看出哪些功能必须先补齐、哪些值得重点投入。

如果某个功能的可疑结果比例很高,先检查题目是否太长、术语太多,再决定是否采用数据。课程作业收集几十份有效问卷,就足以看出有意义的趋势。

电磁炉与智能家电如何排需求优先级?

原研究选择的电热灶具在中国同样增长迅速。越来越多家庭在小户型、出租屋和新装修住宅里选择电磁炉或电陶炉,理由包括没有明火、热效率高、火灾和燃气泄漏风险低、台面平整好清洁。国产品牌与外资品牌同台竞争,智能化成了新的战场。

厨房电器KANO分析示例
功能当前可能分类原因
燃气灶熄火保护、电磁炉干烧断电必备属性国家标准与安全底线,没有就不买
火力档位、加热速度期望属性越快越精细越满意
童锁、余热提示由魅力转向必备主流机型已普遍配备
与烟机联动、接入米家或海尔智家App远程控制魅力属性(正在退化)首次体验很惊喜,但竞品正在快速跟进
操作提示音过多、强制联网才能用反向属性用户明确反感

小米米家和海尔智家等生态让“灶具开火、烟机自动启动、手机远程关火”成为卖点,但当几乎所有中高端套装都具备联动时,它就会从魅力属性滑向期望属性,最终变成“没有就落伍”的必备属性。品牌的应对策略是:必备项做到合格即可,期望项在核心指标上拼性能,魅力项则持续寻找下一个惊喜。

需要注意的是,下沉市场用户和一线城市年轻用户对“联网”的态度可能完全不同,分群分析比整体平均更有参考价值。

新能源汽车智驾与OTA:魅力质量为什么会退化成必备质量?

KANO模型最有实践意义的一点是属性会随时间变化。新能源汽车就是最好的教材:几年前,能通过OTA远程升级、新增功能的汽车让人眼前一亮;如今对于很多新势力品牌的车主来说,没有OTA才是不可接受的。高阶智能辅助驾驶也经历了类似过程,2025年起头部车企把智驾功能下放到更低价位车型,“有没有智驾”迅速从溢价卖点变成购车的基本比较项。同时,工信部也加强了对OTA升级备案和智驾宣传的规范管理,提醒厂商把安全放在惊喜之前。

夜晚的地下车库里,年轻车主坐在新能源电动车驾驶座上端着咖啡微笑,中控大屏显示OTA升级进度条,手机放在无线充电板上,窗外是城市天际线,温暖油画风插图,CampusDown制作
“OTA升级”进度72%:曾经的惊喜,正在变成车主眼中的理所当然(CampusDown)

扫码支付、外卖预计送达时间、快递实时轨迹,也都走过从魅力到必备的路。因此,调研结果不能“一次用到底”,最好每一两年复测一次,并预判当前魅力属性何时退化。想进一步理解期望如何影响满意,可以看期望不一致理论。

一句话总结:补齐所有必备项,在两三个关键期望项上保持竞争力,再持续投入一小部分资源,去创造下一个让用户“哇”一声的魅力功能。

常见误区

  • 让用户凭想象评价从没用过的功能。
  • 题目冗长、术语堆砌,导致可疑结果增多。
  • 把差异很大的人群混在一起取平均。
  • 一次调研结论用好几年。

自测清单

  • 每个功能是否都设计了正向和反向问题?
  • 五个选项是否顺序一致?
  • 是否计算了Better-Worse系数而不只是数分类?
  • 是否计划了复测时间?

CampusDown编辑部根据狩野纪昭等(1984)、Berger等(1993)的研究以及燃气灶具国家标准、行业公开资料整理,2026年11月复核。文中品牌与产品仅作举例,与相关企业无合作关系。

Ad

常见问题

KANO模型是谁提出的?

由日本东京理科大学教授狩野纪昭及其同事于1984年在论文《魅力质量与必备质量》中提出。

必备属性和期望属性有什么区别?

必备属性做好了只能避免不满,不会带来额外满意;期望属性则是做得越好,用户越满意。

KANO问卷每个功能要问几个问题?

两个:有这个功能时感觉如何的正向问题,以及没有这个功能时感觉如何的反向问题。

为什么说魅力属性会退化?

竞品跟进、用户习惯之后,期待会上升。新能源汽车OTA、扫码支付、烟灶联动都是从惊喜变成标配的例子。

Better-Worse系数怎么计算?

Better=(A+O)/(A+O+M+I),Worse=−(O+M)/(A+O+M+I),分别表示加入功能后满意度的提升潜力和缺少功能时不满的程度。

Ad

觉得有用就分享吧

发给需要的朋友。

X Facebook Threads