KANO模型需要做因子分析

?KANO模型需要進(jìn)行因子分析?，主要用于評(píng)估測(cè)量結(jié)果是否準(zhǔn)確反映了所要測(cè)量的內(nèi)容。在KANO模型的效度分析中，常用的方法是因子分析法，包括KMO(Kaiser-Meyer-Olkin)檢驗(yàn)和巴特利特(Bartlett)球度檢驗(yàn)?。

一、KANO模型簡(jiǎn)介

KANO模型是一個(gè)經(jīng)典的用戶(hù)需求分類(lèi)方法，通過(guò)兩道問(wèn)題將一個(gè)功能歸為四類(lèi)：Must-be(必備屬性)、Performance(期望屬性)、Attractive(魅力屬性)和Indifferent(無(wú)差異屬性)?23.這兩道問(wèn)題分別詢(xún)問(wèn)用戶(hù)對(duì)這個(gè)功能存在與否的態(tài)度，然后根據(jù)大多數(shù)用戶(hù)的回答來(lái)分類(lèi)?。

二、因子分析在KANO模型中的應(yīng)用

?KMO檢驗(yàn)?：用于比較變量間的簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)。取值介于0到1之間。當(dāng)KMO值越接近于1時(shí)，表示變量間的相關(guān)性越強(qiáng);當(dāng)KMO值越接近于0時(shí)，表示變量間的相關(guān)性越弱。根據(jù)Kaiser給出的標(biāo)準(zhǔn)：0.9以上表示非常適合;0.8表示適合;0.7表示一般;0.6表示不太適合;0.5以下表示極不適合?。

?巴特利特球度檢驗(yàn)?：根據(jù)變量的相關(guān)系數(shù)矩陣的行列式得到。如果近似卡方值較大，且其對(duì)應(yīng)的p值小于顯著性水平，則認(rèn)為變量間的相關(guān)性較強(qiáng)，適合進(jìn)行因子分析?。

三、KANO模型的批判與替代方案

盡管KANO模型在用戶(hù)需求分析中非常經(jīng)典，但也存在一些批判：

?用戶(hù)態(tài)度可能重疊?：KANO模型的五個(gè)選項(xiàng)并不互斥，用戶(hù)可能對(duì)一個(gè)功能同時(shí)持有多種態(tài)度?。

?科技產(chǎn)品特性?：對(duì)于快速迭代的科技產(chǎn)品，用戶(hù)期望性能不斷提升，這使得期望、必備和魅力屬性的界限變得模糊?。

?問(wèn)卷設(shè)計(jì)問(wèn)題?：KANO模型的提問(wèn)設(shè)計(jì)違反了問(wèn)卷設(shè)計(jì)的基本規(guī)范，信度可能較差。實(shí)證研究顯示，用戶(hù)在多次回答同一問(wèn)題時(shí)，選擇的態(tài)度可能不一致?。

專(zhuān)家建議使用更傳統(tǒng)的量表來(lái)衡量用戶(hù)需求，雖然這種方法可能沒(méi)有KANO模型那么花哨，但它更加可靠，能更清楚地了解用戶(hù)在回答問(wèn)題時(shí)的真實(shí)想法?。