?KANO模型需要進行因子分析?，主要用于評估測量結(jié)果是否準確反映了所要測量的內(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)檢驗和巴特利特(Bartlett)球度檢驗?。

一、KANO模型簡介

KANO模型是一個經(jīng)典的用戶需求分類方法，通過兩道問題將一個功能歸為四類：Must-be(必備屬性)、Performance(期望屬性)、Attractive(魅力屬性)和Indifferent(無差異屬性)?23.這兩道問題分別詢問用戶對這個功能存在與否的態(tài)度，然后根據(jù)大多數(shù)用戶的回答來分類?。

二、因子分析在KANO模型中的應(yīng)用

?KMO檢驗?：用于比較變量間的簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)。取值介于0到1之間。當KMO值越接近于1時，表示變量間的相關(guān)性越強;當KMO值越接近于0時，表示變量間的相關(guān)性越弱。根據(jù)Kaiser給出的標準：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?：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，且其對應(yīng)的p值小于顯著性水平，則認為變量間的相關(guān)性較強，適合進行因子分析?。

三、KANO模型的批判與替代方案

盡管KANO模型在用戶需求分析中非常經(jīng)典，但也存在一些批判：

?用戶態(tài)度可能重疊?：KANO模型的五個選項并不互斥，用戶可能對一個功能同時持有多種態(tài)度?。

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

?問卷設(shè)計問題?：KANO模型的提問設(shè)計違反了問卷設(shè)計的基本規(guī)范，信度可能較差。實證研究顯示，用戶在多次回答同一問題時，選擇的態(tài)度可能不一致?。

專家建議使用更傳統(tǒng)的量表來衡量用戶需求，雖然這種方法可能沒有KANO模型那么花哨，但它更加可靠，能更清楚地了解用戶在回答問題時的真實想法?。