汽车可视倒车雷达KANO模型在汽车产品开发中的应用与改进
国家信息中心信息资源开发部
摘要：本文介绍了KANO模型研究方法及其在汽车产品开发中进行需求分析的应用，同时提出了一种改进KANO模型的思路——利用TOPSIS逼近理想解方法来获得需求重要度，以实现需求重要度的定量化排序结果。
关键词：KANO 需求重要度TOPSIS
用户需求反映了用户对企业产品总的要求，是产品全生命周期的起点，产品开发过程在很大程度上依赖于对用户需求的认识和分析。在进行汽车产品开发时，设计者往往会面临用户提出的纷繁复杂的需求，在不断涌现的大量需求面前，设计者必然要做出一个选择：在新开发的汽车产品中，最终应满足用户的哪些需求？这就需要对用户需求加以区分和分析，本文介绍的KANO模型就是这样一种分析方法，它是一种简单易行的识别用户需求属性或者对用户需求进行类别划分的技术，正在被越来越多的国内汽车厂商所熟识。
一、KANO模型简介
受行为科学家赫兹伯格双因素理论启发，东京理工大学教授狩野纪昭(Noriaki Kano)和他的同事于1979年10月发表了《质量的保健因素和激励因素》(Motivator and Hygiene Factor in Quality)一文，第一次将满意
与不满意标准引人质量管理领域，并于1982年日本质量管理大会第12届年会上宣读了《魅力质量与必备质量》(Attractive Quality and Must-be Quality)的研究报告。该论文于1984 年1月18日正式发表在日本质量管理学会(JSQC)的杂志《质量》总第14期上，标志着狩野模式(Kano model)的确立和魅力质量理论的成熟1。
Kano模型指出2：应该从顾客的主观感受与产品的客观表现这两个维度认知产品的功能和质量，进而获取顾客满意程度与产品客观表现之间的非线性关系，如图1所示。Kano模型通过把产品（或服务）的具体属性转化成顾客收益，依据不同产品功能或质量属带来的顾客满意程度，将这些功能和质量属性加以区分，以指导企业相关决策。
Kano模型将产品（服务）的质量属性分为五类：
1唐一灵等.基于KANO模型的物流服务价值探测研究.[J]价值工程,2011年第4期
2狩野纪昭.在全球化中创造魅力质量.[J]中国质量,2002年第9期.
（1）魅力质量属性( Attractive quality)：魅力属性被描述为能够给顾客带来惊喜或意外收获的特性，它得到充分满足时，能够大大提高顾客满意度，得不到充分满足时也不会引起太多的不满意，这一类属性往往是企业宣传的独特卖点。
（2）必备质量属性( Must-be quality)：必备属性是理所当然的质量要求，当这些质量特性充分满足时的产品才算合格，得不到充分满足时会引起顾客的不满。例如，夏天家庭使用空调，如果空调正常运行，顾客不会为此而对空调质量感到满意；反之，一旦空调出现问题，无法制冷，那么顾客对该品牌空调的满意水平则会明显下降，投诉、抱怨随之而来。
（3）一维质量属性( One-dimensional quality)：也称为线性属性或期望属性，一维质量属性充分满足时会导致满意，得不到充分满足时会引起不满，也就是说，顾客的满意程度与产品的一维质量属性呈线性相关关系，它们是企业间竞争最激烈的质量特性。质量投诉处理在我国的现状始终不令人满意，该服务也可以被视为期望型需求。如果企业对质量投诉处理得越圆满，那么顾客就越满意。
（4）无差异质量( Indifferent quality)：是顾客不关注的质量因素，它们的满足与否不会导致顾客满意或不满意。
（5）逆向质量( Reverse quality)：指此质量要素充足时反而引起顾客不满，不充足时顾客却感到满意。
KANO模型对于企业的实际操作意义在于：企业通过对这5类质量属性的区分，应当重点关注魅力质量属性、必备质量属性和一维质量属性，避免逆向质量属性，忽略无差异质量属性，从而将企业有限的资源投入到更有效的领域中去。
另一方面，在产品开发过程中，产品的功能和质量属性要解决的问题本质上是用户需求，因此可以利用KANO模型对用户需求加以分析，形成对应的5类需求属性：即魅力需求属性、必备需求属性、一维需求属性、无差异需求属性和逆向需求属性，根据不同的需求属性确立不同的产品功能和质量的开发目标，从而更有针对性地进行产品开发。
二、KANO模型在汽车产品开发中的应用与局限
目前，KANO模型已经被越来越多的汽车厂商所认识和熟悉，特别是在汽车产品开发的前期，KANO模型可以较好地对用户需求加以区分，这得益于KAMO模型特有的一套测试方法，主要有三个步骤组成：
（1）设计KANO评价问卷。为了能够将用户的需求区分为必备需求、一维需求和魅力需求等不同属性，KANO模型中的评价问卷是由正向和负向两个问题构成，分别测量用户在面对满足或不满足某项需求时所作出的态度评价。KANO评价问卷中的问题答案采用五级选项，分别是“我喜欢这样”、“它理应如此”、“我无所谓”、“我能够忍受”、“我讨厌这样”。KANO评卷问卷的问题形式如下表所示。
表1 KANO评价问卷
（2）获取KANO评价结果分类对照表。根据以上设计的问卷实施调查，按照正向问题和负向问题的回答对需求属性进行分类，具体分类对照见表2。
当正向问题的回答是“我喜欢”，对负向问题的回答是“我不喜欢”，那么在KANO评价表中，这项需求属性就分类为O，即一维需求。
当正向问题的回答是“我喜欢”，对负向问题的回答是“它理应如此”、“我无所谓”或“我能忍受”，那么这项需求属性就分类为A，即魅力需求。
当负向问题的回答是“我不喜欢”，而对正向问题的回答是“它理应如此”、“我无所谓”或“我能忍受”，那么这项需求属性就分类为M，即必备需求。
表2 KANO评价结果分类对照表
表2中，R表示用户不需要这种需求，甚至对该需求属性有反感，即逆向属性；I表示无差异需求，用户对这一因素无所谓；Q表示有疑问的结果，用户的回答一般不会出现这个结果，除非这个问题的问法不合理、或者是用户没有很好地理解问题、或者是用户在填写问题答案时出现错误。
（3）计算满意度系数（SI）和不满意度系数（DSI）。
有了对需求属性的分类，接下来就可以计算满意度系数和不满意度系数，从而进行KANO模型分析了。KANO模型分析是通过对各项用户需求的满意度系数和不满意度系数的分析，来判断用户对这些需求满足程度变化的敏感性，进而确定改进那些需求属性敏感性高、更有利于提升用户满意的关键因素。
根据一定样本量的问卷调查，可以得到样本人对某项需求的属性分类结果，接着计算满意度系数(SI)
和不满意度系数(DSI)两个指标，计算公式如下：
SI=（A+O）/(A+O+M+I) 公式（1）
DSI=(O+M)/(A+O+M+I) 公式（2）
表3是根据模拟数据得到的需求属性分类结果，下文将根据这一模拟数据进行满意度系数（SI）和不满意度系数（DSI）的计算演示：
表3 需求属性分类结果（示例）
根据公式（1）和公式（2）即可得到示例中各项用户需求的满意度系数SI和不满意度
系数DSI，结果如表4所示：
根据表4的结果，可以构造以满意度系数为纵坐标、不满意度系数为横坐标的散点图，其中以SI和DSI的均值为临界线，可以划分为四个象限，如图2所示：
在图2中，第一象限区域属于一维属性区，根据示例计算结果可知，自动空调和外后视镜电动折叠属于一维属性，即这两项功能满足得越好，则消费者越满意；
第二象限区域属于魅力属性，示例中的侧气囊、自动泊车功能和前排座椅加热功能属于魅力属性，即这三项功能如果得不到满足，消费者也不会有太多的不满意，如果得到满足，则消费者的满意度会有大幅提高，即收获意外的惊喜；
第四象限区域属于必备属性，示例中的倒车雷达、ABS功能属于必备属性，即这两项功能如果得不到满足，消费者会非常不满意，如果得到满足，消费者的满意度也不会有大幅提高，属于消费者认为必须具备的功能。
第三象限区域属于无关属性，落入此区域的需求对满意度和不满意度的影响作用都不大，可以不予考虑。
通过上述步骤就可以完成一个基本的KANO模型分析，可以看出：KANO模型在对用户需求进行识别和分类上具有很大的优势，能够较好地对用户需求进行区分、归入不同的属性，以此来帮助企业决策选择哪些需求进行有针对性的产品开发。
当然另一方面，从上述过程中也可以发现KANO模型的局限性：Kano模型本质上属于
定性分析方法，Kano 模型的决策准则存在较强的经验性，如前所述，划分必备属性、一维属性、魅力属性等区域的临界线准则比较含糊，而且更为重要的是，KANO 模型并未涉及如何确定同一分类中用户需求的优先顺序，亦即传统Kano 模型并未考虑到顾客对每个需求属性的重要度，这些局限限制了Kano 模型的决策支持作用，往往需求进一步进行额外的定量测试才能弥补KANO 模型传统方法的不足。因此，本文介绍一种改进Kano 模型的思路和方法，解决KANO 模型的上述局限，使得在原有KANO 模型的计算方法基础上、不必额外进行二次测量即可完成各个需求重要度的排序，这种方法就是TOPSIS ——逼近理想解排序方法。
三、KANO 模型的改进——基于TOPSIS 方法
TOPSIS 方法，也叫逼近理想解排序法3，是一种有效的多指标评价方法。这种方法通过构造评价问题的正理想解和负理想解，即各指标的最优解和最劣解，通过计算每个方案到理想方案的相对贴近度，即靠近正理想解和远离负理想解的程度，来对方案进行排序，从而选出最优方案。
将KANO 模型的各个需求视为评价方案，满意度系数SI 和不满意度DSI 视为评价指标，则可利用TOPSIS 方法，计算出各个评价方案的优先度顺序，即各个需求的重要度顺序。
TOPSIS 方法的步骤如下：
假设一多属性决策问题有m 个备选方案12,,
,m A A A ，同时有n 个决策属性（指标）
12,,,n R R R ，其评价值构成决策矩阵。
ij x n =
(1,2,
;1,2,,)i m j n ==，
Step2：计算加权规范决策矩阵
其加权值为：ij j ij n υω=⋅ （j ω为j R 的权重，1
1n
j
j ω
==∑）
Step3：确定正理想解和负理想解
{}()(){}
12,,,max ,min n ij ij A j I j I υυυυυ+++
+
==∈∈ {}()(){}
12,,
,min ,max n ij ij A j I j I υυυυυ----==∈∈
其中，I 为效益型属性，j 为成本型属性。 Step4：计算某个方案与正理想解和负理想解的分离度：
3
乔永辉.一种基于 TOPSIS 的多属性决策方法研究.[J]企业技术开发,2006年第25期
i d +=
i d -
=
Step5：计算备选方案与正理想解的相对接近度
*
i i i i d r d d -
+
-
=+ (1,2,)i m =， Step6：根据*
i r ，由大到小对备选方案排序
在本次示例中，原有的8个需求可视为8个备选方案，满意度系数SI 可视为评价指标R 1，且属于效益型属性，不满意度系数DSI 可视为评价指标R 2，且属于成本型属性，将两个指标的权重视为同等重要，据此构造的决策矩阵如表5所示：
应用TOPSIS 方法计算各需求的优先度（重要度），步骤如下：
Step1：构造决策矩阵：
M =(
0.780.450.730.70
0.850.60
0.820.480.660.400.820.780.270.950.40
0.83)
Step2：规范化决策矩阵(由于两个系数的权重相等，因此此步结果也等于加权规范化决策矩阵):
N =(
0.2360.3960.3670.3700.3140.4320.2510.4170.2100.3350.4090.4170.4980.1370.435
0.203)
Step3：将DSI 系数视为成本型属性，SI 系数为效益型属性，可获得正、负理想解。
发布评论