مدل کانو و نحوه استفاده از آن برای سنجش و افزایش رضایت مشتری
به نظر می‌رسد که اشکالات کار شما تمامی ندارند، این موارد به مشارکت همه‌ی افراد تیم‌تان از جمله ذی‌نفعان داخلی، مشتری‌ها، مشتری‌های بالقوه و همه‌ی افرادی مربوط می‌شود که نظرشان درباره‌ی محصول مهم است (بله حتی خود شما). شما نمی‌توانید همه چیز را همین الان بسازید. شما نمی‌خواهید همه چیز را به کار بگیرید (و نباید این کار را بکنید).
ممکن است که درک بسیار خوبی از اینکه چه چیزی به‌خوبی کار می‌کند و چه چیزی چندان موفق نیست، داشته باشید، اما هنگامی که می‌خواهید به اطمینان برسید یا زمانی که می‌خواهید تصمیم‌تان را برای دیگر اعضای سازمان توضیح بدهید، به داده‌هایی نیاز دارید که از تصمیمات شما حمایت می‌کنند. شما می‌خواهید محصولی تولید کنید که ویژگی‌های موردنظرتان را داشته باشد.
دلایل بسیار زیادی مبنی بر اینکه چرا می‌خواهید این ویژگی‌های مشخص حتما وجود داشته باشند، وجود دارد اما برای فهمیدن این موضوع که چه ویژگی‌هایی واقعا مشتری‌های (آینده‌ی) شما را خوشحال می‌کند و باعث ارجحیت محصول‌تان در چشم آنان می‌شوند، می‌توانید از مدل کانو استفاده کنید. در این مقاله با مدل کانو و نحوه‌ی سنجش و افزایش رضایت مشتری با استفاده از آن آشنا می‌شوید.
تولید محصولاتی که مشتری‌های ما را راضی نگه می‌دارند، موضوع بسیار رایجی در طراحی تجربه مشتری و مدیریت چرخه‌ی تولید است. این موضوع کاملا طبیعی است، در هر صورت هدف نهایی کار ما این است که مشتری‌ها را راضی نگه داریم اما:
- چگونه می‌توانیم میزان رضایت مشتریان را اندازه‌گیری کنیم؟
- چگونه چیزی را که موجب رضایت مشتری می‌شود انتخاب می‌کنیم؟
- چگونه از رضایت مشتری فراتر می‌رویم و آنها را خوشحال می‌کنیم؟
پاسخ دادن به این پرسش‌ها آسان نیست، اما خوشبختانه ابزار بسیار سودمندی وجود دارد که ما را برای یافتن پاسخ پرسش‌های بالا هدایت می‌کند: مدل کانو.
ما همه‌ی منابع آنلاین را جست‌وجو کرده‌ایم (ازجمله برخی پژوهش‌های آنلاین) تا این راهنمای گام‌به‌گام و دقیق را به همراه تمامی چیزهایی که برای فهم و استفاده از مدل کانو لازم دارید، فراهم کنیم.
مدل کانو چیست؟
نوراکی کانو، پژوهشگر و مشاور ژاپنی، مقاله‌ای در سال ۱۹۸۴ منتشر کرد که شامل مجموعه‌ای از ایده‌ها و تکنیک‌هایی بود که به ما کمک می‌کنند تا ویژگی‌هایی را که موجب رضایت مشتری‌ها (و مشتری‌های بالقوه) می‌شوند تعیین کنیم. امروزه این ایده‌ها با عنوان مدل کانو شناخته می‌شوند و بر مقدمات زیر پایه‌ریزی شده‌اند:
- رضایت مشتری از ویژگی‌های محصولات ما، به سطح کارآمدیِ ایجادشده توسط این محصولات (چقدر خوب می‌توانند کارشان را انجام دهند) بستگی دارد.
- می‌توان این ویژگی‌ها را در چهار گروه دسته‌بندی کرد.
- با استفاده از یک پرسشنامه می‌توانید مشخص کنید که مشتری‌ها نسبت به یک ویژگی مشخص چه احساسی دارند.
بیایید هریک از این موارد را با جزئیات بیشتری بررسی کنیم.
رضایت دربرابر کارآمدی
همه چیز با این هدف آغاز می‌شود: رضایت. کانو بُعدی را پیشنهاد می‌دهد که از رضایت کلی (خوشحالی یا هیجان نیز نامیده می‌شود) تا نارضایتی کلی (ناامیدی) ادامه پیدا می‌کند. همانطور که در شکل می‌بینیم این بعد با سطوح مختلف رضایت نشان داده می‌شود. باید توجه داشته باشید که این مقیاس همیشه خطی نیست و می‌تواند به شیوه‌ی غیرخطی نیز بیان شود. ممکن است فکر کنید که می‌خواهید همیشه در بالاترین سطح این مقیاس قرار بگیرید، درست است؟ چنین چیزی ممکن نیست.
در اینجا مبحث کارآمدی نیز وارد میدان می‌شود. این عامل که سرمایه گذاری، پیچیدگی یا پیاده‌سازی نیز نامیده می‌شود، نشان می‌دهد که مشتری‌ها چه میزان از یک ویژگی مشخص را دریافت می‌کنند، ما چقدر خوب آن را پیاده‌سازی می‌کنیم یا برای توسعه‌ی آن چقدر سرمایه‌گذاری کرده‌ایم.
این بعد از ناکارآمد شروع می‌شود و تا بهترین پیاده‌سازی ممکن پیش می‌رود. به همین دلیل است که اصطلاح سرمایه‌گذاری نیز برای این مفهوم بسیار مناسب است. این مفهوم به ما یادآوری می‌کند که هزینه‌ی انجام هر کاری چقدر است.
صرف نظر از نامی که برای این مفاهیم انتخاب می‌کنیم، چیزی که در اینجا واقعا اهمیت دارد این است که بدانیم این دو بعد مطرح‌شده، مبنای مدل کانو را ایجاد می‌کنند و مشخص می‌نمایند که مشتری‌های ما چه احساسی نسبت به ویژگی‌های محصولات‌مان دارند. در ادامه این موضوع را بررسی می‌کنیم.
چهار دسته‌ی ویژگی‌ها
کانو ویژگی‌ها را با توجه به واکنش مشتریان به سطح عملکرد ارائه‌شده در چهار گروه دسته‌بندی می‌کند.
عملکردی
برخی از ویژگی‌های محصولات درست مانند چیزی که ما به‌طور شهودی درباره‌ی رضایت تصور می‌کنیم، کار می‌کنند: هرچه بیشتر آن را فراهم کنیم، مشتری‌ها رضایت بیشتری خواهند داشت. به دلیل وجود این رابطه‌ی متناسب میان کارآمدی و رضایت، در ادبیات کانو این ویژگی‌ها معمولا به عنوان خطی، عملکردی یا تک‌بعدی شناخته می‌شوند (ما عملکردی را ترجیح می‌دهیم).
هنگامی که خودرویی را خریداری می‌کنیم، معمولا میزان مصرف سوخت آن نوعی ویژگی عملکردی است. مثال‌های خوب دیگر می‌تواند سرعت اتصال شما به اینترنت، عمر باتری لپ‌تاپ یا فضای ذخیره‌سازی در حساب دراپ‌باکس‌تان باشد. هرچه این موارد بیشتر باشند، رضایت شما بیشتر خواهد بود.
اگر به نمودار این مدل بازگردیم، شاهد پویایی واکنش مشتریان به این نوع از ویژگی‌ها خواهیم بود. هر افزایشی در کارآمدی منجر به افزایشِ رضایت مشتری‌ها می‌شود. همچنین لازم است که در ذهن داشته باشیم که هرچه کارآمدی بیشتری اضافه کنیم، باید سرمایه‌گذاری بیشتری نیز برای آن انجام دهیم (برای مثال تیمی برای ایجاد آن، منابع موردنیاز و غیره).
اجباری
برخی دیگر از ویژگی‌های محصولات به همان گونه‌ای هستند که مشتریان انتظار دارند. اگر محصول موردنظر این ویژگی‌ها را نداشته باشد، از نظر مشتری‌ها ناقص خواهد بود. این نوع از ویژگی‌ها به‌عنوان ویژگی‌های اجباری یا انتظارات اولیه شناخته می‌شوند.
ما باید این ویژگی‌ها را در محصول‌مان داشته باشیم، اما وجود آنها باعث افزایش رضایت مشتری‌ها نمی‌شود. وجود این ویژگی‌ها تنها باعث می‌شود تا مشتری‌ها ناراضی نباشند. ما انتظار داریم تلفن‌ها امکان صحبت کردن با دیگران را برای ما فراهم کنند. اتاق هتل ما باید آب لوله‌کشی و تختخواب داشته باشد. خودرو‌ها باید ترمز داشته باشند. داشتن این موارد باعث خوشحالی شما نمی‌شود. اما نبود آنها باعث عصبانیت شما نسبت به محصول یا خدمات می‌شود.
توجه داشته باشید که منحنی رضایت چگونه عمل می‌کند. حتی سرمایه‌گذاری اندک روی این ویژگی‌ها می‌تواند باعث رشد زیادی در رضایت مشتری‌ها شود. همچنین توجه داشته باشید که چگونه رضایت هرگز حتی به سطح مثبت منحنی نمی‌رسد. فرقی نمی‌کند که در آینده چقدر سرمایه‌گذاری کنیم، هرگز نمی‌توانیم سطح رضایت مشتری‌ها از محصول را افزایش دهیم. خبر خوب این است که هنگامی که به سطح مشخصی از انتظارات دست پیدا کردیم، دیگر نیازی به سرمایه‌گذاری بیشتر روی این ویژگی‌ها نداریم.
جذاب
ویژگی‌های دور از انتظاری وجود دارند که هنگام فراهم شدن، واکنش مثبتی در مشتری‌ها ایجاد می‌کنند. این ویژگی‌ها معمولا جذاب، هیجان‌انگیز یا خوشحال‌کننده نامیده می‌شوند. ما ترجیح می‌دهیم که از اصطلاح جذاب استفاده کنیم، چرا که مقیاس بودن مورد بحث ما را مشخص می‌کند. ما می‌توانیم شاهد واکنش‌هایی باشیم که از جذابیت کم شروع می‌شوند و تا خوشحالی محض ادامه پیدا می‌کنند؛ همه‌ی این واکنش‌ها تحت نام «جذاب» قابل‌توضیح هستند.
اولین بار که از گوشی آیفون استفاده کردیم، انتظار چنان صفحه‌ی لمسی روانی را نداشتیم و واقعا شوکه شده بودیم. به اولین باری که از گوگل مپ یا گوگل داک استفاده کردید فکر کنید؛ احساس می‌کردید به چیزی دست پیدا کرده‌اید که فراتر از تمامی ویژگی‌هایی است که تاکنون می‌شناختید و از محصولات مشابه انتظار داشته‌اید. به یاد داشته باشید که لازم نیست مغز ما برای رسیدن به چیزی که در این دسته قرار می‌گیرد نبوغ ویژه‌ای نشان دهد، تنها کافی است ویژگی جالبی در محصول‌تان وجود داشته باشد.
نمودار بالا این ویژگی را به بهترین شکل ممکن نشان می‌دهد. ببینید که چگونه برخی از سطوح کارآمدی منجر به افزایش رضایت می‌شود و این عامل چقدر سریع رشد می‌کند. این واقعیت برای مشخص کردن سرمایه‌گذاری روی یک ویژگی مشخص اهمیت بسیار زیادی دارد. اما باید دقت داشت، چرا که از نقطهای مشخص به بعد ما تنها مشغول زیاده‌روی در این کار هستیم.
بی‌تفاوت
طبیعتا ویژگی‌هایی نیز وجود دارند که نسبت به آنها احساس بی‌تفاوتی می‌کنیم. وجود یا عدم وجود این ویژگی‌ها تأثیری بر واکنش ما نسبت به محصول ندارد.
این ویژگی‌ها در مرکز بُعد رضایت قرار می‌گیرند (جایی که محور افقی با آن تلاقی می‌کند). یعنی فرقی نمی‌کند که چقدر برای آنها تلاش کنید، کاربرها واقعا به آنها توجهی نمی‌کنند. به بیان دیگر ما نباید تلاش زیادی صرف این ویژگی‌ها کنیم چرا که باعث اتلاف هزینه‌ها می‌شوند.
از بین رفتن طبیعی رضایت
اکنون که تصویر کاملی از دسته‌بندی ویژگی‌ها در مدل کانو داریم، زمان آن رسیده است که به واقعیتی اساسی توجه کنیم: این ویژگی‌ها ایستا نیستند، بلکه درطول زمان تغییر می‌کنند. احساسی که مشتری‌های امروزی نسبت به برخی ویژگی‌های محصولات دارند، همان احساسی نیست که مشتری‌های آینده خواهند داشت. ویژگی‌های جذاب با گذشت زمان به ویژگی‌های عملکردی و اجباری تبدیل می‌شوند.
یکبار دیگر مثال آیفون را در نظر بگیرد، صفحه‌ی لمسی روانی که در سال ۲۰۰۷ همه‌ی ما را شگفت‌زده کرده بود، امروزه به انتظاری اولیه تبدیل شده است. هر تجربه‌ی شگفت‌انگیزی را که در گذشته با یک محصول داشته‌اید، بررسی کنید. اگر آن محصول امروز به شما عرضه شود چه احساسی خواهید داشت؟ هنگامی که زمان کافی گذشته باشد، این احتمال وجود دارد که یک ویژگی فوق‌العاده در گذشته تبدیل به یک ویژگی عملکردی یا اجباری شود.
این واقعیت به عوامل زیادی بستگی دارد، از جمله انقلاب‌های تکنولوژیک و ظهور رقبای جدید که همگی تلاش می‌کنند تا کارکرد مشخصی را بعد از اولین نوآوری، برای مشتری‌‌هایشان فراهم کنند. نکته‌ی مهمی که باید در اینجا به یاد داشته باشیم این است که هر تحلیلی که در دوره‌ی زمانی مشخصی انجام می‌شود، همچون عکسی است که تنها آن دوره‌ی زمانی را نشان می‌دهد. هرچه از آن زمان جلوتر بیاییم آن تحلیل ارتباط کم‌تری با شرایط واقعی خواهد داشت. دسته‌بندی‌های پورتر برای همیشه پایدار نیستند.
دو پرسشی که درک مشتری‌ها را برای ما آشکار می‌کنند
اکنون ما دو بخش اول مدل کانو را توضیح دادیم: ابعاد تحلیل و نقش آنها در تعریف دسته‌بندی ویژگی‌ها.
برای اینکه درک مشتری‌ها را از ویژگی‌های محصولات‌مان مشخص کنیم، باید از پرسشنامه‌ی کانو استفاده کنیم. این پرسشنامه برای هر یک از ویژگی‌های مورد ارزیابی ما دو پرسش مشخص کرده است:
- یکی از پرسش‌ها از مشتری‌ها می‌پرسد که اگر ویژگی مشخصی را داشته باشند چه احساسی خواهند داشت؛
- پرسش دیگر می‌پرسد که اگر آن ویژگی را نداشته باشند چه احساسی خواهند داشت.
پرسش اول صورت کارآمدی نامیده می‌شود و پرسش دوم صورت ناکارآمدی (جان موران این دو پرسش را مثبت و منفی نامیده است). اینها پرسش‌های باز نیستند بلکه گزینه‌های کاملا مشخصی هستند که باید از آنها استفاده کنیم. برای هر یک از پرسش‌های «در صورت داشتن/ نداشتن ویژگی چه احساسی خواهید داشت»، پاسخ‌های محتمل عبارتند از:
- آن را دوست دارم.
- انتظار آن را دارم.
- خنثی هستم.
- می‌توانم تحمل کنم.
- آن را دوست ندارم.
زمانی که این گزینه‌ها را بیان می‌کنید باید مواردی را که در ادامه بررسی می‌کنیم، در نظر بگیرید.
پس از اینکه برای مشتری‌ها (مشتری‌های بالقوه) این دو پرسش را مطرح و پاسخ‌های آنها را دریافت کردیم، می‌توانیم هر یک از ویژگی‌ها را دسته‌بندی کنیم.
جدول ارزیابی
یکی از نکات جالب درباره‌ی مدل کانو این است که این مدل داشتن و نداشتن برخی از کارآمدی‌ها را بررسی می‌کند. این کار درجه‌ی مطلوب بودن، موردنیاز بودن یا بی‌تفاوت بودن ویژگی برای مشتری‌ها را مشخص می‌کند.
ما این کار را با استفاده از جدول ارزیابی انجام می‌دهیم که ترکیبی از پاسخ‌های کارآمدی و ناکارآمدی در ردیف‌ها و ستون‌هاست و دسته‌بندی‌هایی را که پیش از این توضیح دادیم، مشخص می‌کند. هر جفت پاسخی که داده می‌شود، به یکی از آن دسته‌بندی‌ها منجر می‌گردد و دو دسته‌بندی دیگر نیز با توجه به این پرسش‌ها ایجاد می‌شود.
دو دسته‌بندی جدید
با توجه به این واقعیت که هر دو جبنه‌ی مربوط به یک ویژگی را می‌پرسیم، قادر خواهیم بود تا بگوییم که:
- مشتری پرسش‌ها یا ویژگی‌هایی را که توضیح داده‌ایم، به‌درستی متوجه نشده است؛
- چیزی که ما به سمت آن حرکت کرده‌ایم دقیقا متضاد چیزی است که آنها می‌خواهند.
اینها دسته‌بندی‌های واقعی کانو نیستند، بلکه توسط پرسشنامه ایجاد شده‌اند و بسیار سودمند هستند.
اگر فردی بگوید که نسخه‌ی کارآمد را دوست ندارد و نسخه‌ی ناکارآمد را دوست دارد، این فرد به‌روشنی علاقه‌ای به چیزی که ما پیشنهاد می‌دهیم ندارد و احتمالا دقیقا عکس آن را می‌خواهد. این دسته‌ی جدید معکوس نامیده می‌شود. اگر بیشتر مشتری‌ها به شما بگویند که یک ویژگی معکوس است، کافی است که جای پرسش کارآمد و ناکارآمد را عوض کنید و به پاسخ‌ها امتیاز بدهید.
هنگامی که برای هر دو پرسش پاسخ‌های متعارض دریافت می‌کنید (مانند «دوست دارم» و «دوست دارم») درواقع یکی از پاسخ‌ها قابل‌تردید هستند. به این دلیل فِرِد پلیوت پیشنهاد می‌کند که خانه‌های (۲،۲) و (۴،۴) از جدول ارزیابی استاندارد کانو نیز باید به قابل‌تردید تغییر کنند. وجود تعدادی پاسخ متعارض در نتایج طبیعی است، اما اگر بیشتر کاربران پاسخ‌های متعارض داده باشند، احتمالا در پرسشی که مطرح می‌کنید مشکلی وجود دارد.
جدول ارزیابی (کمی) اصلاح‌شده
از حالا به بعد ما برای دسته‌بندی پاسخ‌هایمان از جدول ارزیابی پلیوت که کمی اصلاح شده است استفاده می‌کنیم.
ما باید با درون‌یابی مشخص کنیم که هر دسته از پاسخ‌های جفتی چگونه استخراج می‌شوند، برای اینکه فهم بهتری از مدل حاصل شود، از ارجاع مداوم به جدول خودداری می‌کنیم.
تا کنون پاسخ‌های قابل‌تردید (جفت پاسخ‌های متضاد) را توضیح داده‌ایم. آنها قطر جدول را تشکیل می‌دهند، که شامل سلول‌های میانی جدول نمی‌شود.
ویژگی‌های علمکردی سرراست‌ترین جایگاه را در جدول دارند. آنها ویژگی‌هایی هستند که مشتری‌ها دوست دارند داشته باشند و از اینکه وجود نداشته باشند ناراحت می‌شوند. این واکنش افراد، به‌صورت «هرچه بیشتر بهتر» ترجمه می‌شود.
ویژگی‌های اجباری آنهایی هستند که مشتری از نبود آنها ناراحت می‌شود. درواقع مشتری‌ها انتظار دارند که این ویژگی‌ها وجود داشته باشند.
ویژگی‌های جذاب زمانی نمایان می‌شوند که مشتری‌ها دوست دارند یک ویژگی که انتظارش را ندارند داشته باشند. به بیان دیگر چیزی که ارائه می‌کنیم جدید و جذاب است.
سپس نوبت به ویژگی‌های بی‌تفاوت می‌رسد. این ویژگی‌ها زمانی ظاهر می‌شوند که با پاسخ‌های «برای من فرقی ندارد» یا «می‌توانم تحملش کنم» درپرسش‌های کارآمدی یا ناکارآمدی روبه‌رو شویم. این ویژگی‌ها خانه‌های میانی سلول را اشغال می‌کنند.
درنهایت، پاسخ‌های معکوس را داریم که در راستای دو محور اصلی قرار گرفته‌اند و پاسخ آنها یا دوست نداشتن وجود یک ویژگی یا دوست داشتن نبود ویژگی است. با عوض کردن ارزش‌های کارآمدی و ناکارآمدی می‌توانید ببینید که دسته‌ها معکوس هستند. سپس می‌توانید بررسی کنید که آیا این ویژگی عملکردی، جذاب یا اجبار معکوس است یا خیر.
استفاده از مدل کانو
اکنون که درکی کلی از چگونگی کارکرد مدل کانو به دست آوردیم، زمان آن رسیده است که چگونگی استفاده کردن از آن را با وجود تعداد زیادی کاربر و ویژگی‌ها بررسی کنیم.
هدف ما به عنوان مدیران تولید و طراحان استفاده‌ی کاربری این است که مشخص کنیم کدام ویژگی‌ها باعث رضایت بیشتر مشتری‌ها می‌شوند و با استفاده از این اطلاعات، اولویت‌های موردنیاز را مشخص کنیم. این بخش براساس استفاده‌های متعدد از مدل کانو توسط شرکت‌کننده‌ها و محققانی نوشته شده است که تجربه‌ها و درس‌هایی را که از این مدل یاد گرفته‌اند، به اشتراک گذاشته‌اند. در هر گام از این فرایند:
- ویژگی‌ها و کاربران را برای تحلیل مشخص کنید،
- بهترین داده‌های ممکن را از مشتری‌ها دریافت کنید،
- نتایج را تحلیل کنید.
گام ۱: انتخاب ویژگی‌ها و کاربران هدف
اولین چیزی که باید در نظر گرفت، دامنه‌ی تحلیلی برای ویژگی‌ها و کاربران است.
انتخاب ویژگی‌ها
ویژگی‌هایی که برای مطالعه انتخاب می‌کنید، باید آنهایی باشند که کاربران از آنها منفعت قابل‌توجهی دریافت می‌کنند. پشتیبانی شما ممکن است شامل موارد زیادی باشد که به توجه شما نیاز دارند. برای مثال پرداخت بدهی فنی، چیزهایی برای تیم فروش و بازاریابی یا طراحی مجدد. همه‌ی این موارد بیرون از دامنه‌ی تحلیل کانو قرار می‌گیرند.
ما رضایت مشتری را در میان ویژگی‌های ملموس بررسی می‌کنیم، اما شرایط برای محصولات کاملا متفاوت است. اگر برای حمایت از انجام ندادن کاری که یکی از ذی‌نفعان داخلی از شما خواسته است به داده‌هایی نیاز دارید، درصورت استفاده از تحلیل کانو ضرر بزرگی به خودتان، تیم‌تان و مشتری‌هایتان وارد کرده‌اید.
همچنین سعی کنید تا تعداد ویژگی‌هایی را که می‌خواهید در پیمایش‌تان بررسی کنید محدود نگه دارید، به‌ویژه هنگامی که مطالعه را با کمک شرکت‌کننده‌های داوطلب انجام می‌دهید. این کار باعث می‌شود تا سطح همکاری و جذابیت موضوعات‌تان بهبود پیدا کند.
انتخاب مشتری‌ها
هنگامی که مشتری‌ها (یا مشتری‌های بالقوه) را برای مطالعه انتخاب می‌کنید، باید افراد و گروه‌هایی را انتخاب کنید که به موضوع مطالعه‌ی شما مربوط باشند. درغیراین‌صورت داده‌های بی‌ربطی جمع‌آوری خواهید کرد. مشتری‌های شما مشابه هم نیستند و طرز فکرشان نیز احتمالا با هم تفاوت‌هایی دارد. اما اگر گروه‌های مشخصی از آنها را انتخاب کنید، می‌توانید تا حد زیادی بروز اختلال در تحلیل‌تان را کاهش دهید.
جین مورمان زمانی اهمیت این مورد را فهمید که مشغول معرفی ویژگی‌های محصولی جدید به گروهی از کاربران بالقوه بود. یکی از ویژگی‌های اصلی محصول معرفی و به‌خوبی از محصولات رقیب متمایز شده بود. با این وجود، برخی از کابران این ویژگی را در دسته‌ی جذاب قرار می‌دادند و گروه دیگر آن را اجباری در نظر می‌گرفتند. او به این نتیجه رسید که این واکنش متفاوت به درک متفاوت افراد از بازار مربوط می‌شود. هنگامی که او پاسخ‌ها را با توجه به نوع شرکت‌کننده‌ها دسته‌بندی کرد، نتایج مربوط به هر ویژگی وضوح بیشتری پیدا کردند.
می‌توان شرکت‌کننده‌ها را به شیوه‌های مختلفی دسته‌بندی کرد، درنتیجه شما باید آنها را به‌گونه‌ای دسته‌بندی کنید که با محصول‌تان رابطه‌ی معناداری داشته باشند. فرض کنید که در یک شرکت خدمات نرم‌افزاری b2b کار می‌کنید. اگر به فکر اضافه کردن نوعی ویژگی هستید که به کاربران اجازه می‌دهد تا صورت‌حساب را با سفارش خرید همراه سازند، باید بدانید که جذابیت این ویژگی برای کسب‌کارهای کوچک کاملا متفاوت از بنگاه‌های بزرگ است.
شما باید چه درهنگام انتخاب کاربران برای مطالعه (چرا که شما ویژگی‌های هدف‌تان را می‌دانید) و چه پس از آن و درهنگام تحلیل نتایج مطالعه این نکته را در ذهن داشته باشید.
گام ۲: دریافت بهترین داده‌های ممکن از مشتری‌هایتان
پرسشنامه و شیوه‌ی ارائه‌ی آن تنها ورودی شما در مطالعه‌ی کانو است. درنتیجه باید اطمینان داشته باشید که این گام را تا جایی که امکان دارد مؤثر برمی‌دارید.
پرسش‌های واضح بنویسید
بسیار مهم است که پرسش‌ها را تا جایی که امکان دارد واضح و مختصر بیان کنید. هر پرسش تنها باید به یک ویژگی اختصاص داده شود. اگر ویژگی موردنظر پیچید است و به گام‌ها و زیرفرایند‌های متعدد نیاز دارد، لازم است که پرسش را به چند زیرپرسش بشکنید.
پرسش‌های شما باید به‌صورت عباراتی بیان شوند که به مشتری‌ها سود برسانند (نه به‌صورت کاری که محصول قادر است انجام دهد). برای مثال این پرسش که «اگر شما به‌صورت خودکار بتوانید کیفیت عکس‌هایتان را بهبود بخشید چه احساسی به شما دست خواهد داد؟» از «اگر امکان MagicFix را داشته باشید چه احساسی به شما دست می‌دهد؟» بهتر است.
برای پرسیدن قطب دیگر جفت پرسش‌ها کاملا مراقب باشید. لازم نیست پرسش‌های ناکارآمدی دقیقا متضاد پرسش‌های مربوط به کارآمدی باشند، بلکه فقط باید به نبود آن کارایی اشاره کنید. در ادامه مثالی از یک نرم‌افزار ویرایش ویدیو را بیان می‌کنیم که هدف آن بهینه کردن سرعت خروجی گرفتن است:
- پرسش کارآمدی: «اگر خروجی گرفتن از هر ویدیو کم‌تر از ۱۰ ثانیه طول بکشد، چه احساسی خواهید داشت؟»
- پرسش ناکارآمدی اشتباه: «اگر خروجی گرفتن از هر ویدیو بیشتر از ۱۰ ثانیه طول بکشد، چه احساسی خواهید داشت؟»
- پرسش ناکارآمدی مناسب: «اگر خروجی گرفتن از بعضی از ویدیوها بیشتر از ۱۰ ثانیه طول بکشد، چه احساسی خواهید داشت؟»
بهتر است به جای اینکه ویژگی‌ها را بنویسید آنها را نشان بدهید
هرجا که امکان دارد بهتر است به جای اینکه پرسش‌های واضح بنویسید، کارایی آنها را واقعا به مشتری‌ها نشان بدهید و سپس از آنها بپرسید که احساس‌شان نسبت به داشتن یا نداشتن آن ویژگی چیست.
می‌توانیم مزایای یک ویژگی را توضیح بدهیم و سپس نمونهی اولیه‌ی آن را به مشتری‌ها نشان بدهیم. با داشتن این توضیح تصویری و پویا، کاربر می‌تواند درک روشن‌تری از چیزی که به او پیشنهاد می‌شود داشته باشد.
اگر پرسش‌هایتان را به این شکل مطرح می‌کنید باید از کاربران بخواهید که درست پس از تعامل با ویژگی موردنظر، پاسخ استانداردشان را بیان کنند. درست مانند هنگامی که به پرسش‌های متنی پاسخ می‌دهند. آنها باید حافظه‌ی خود را تازه نگه دارند و نباید با ویژگی‌های دیگری که ممکن است در همان پیمایش نشان داده می‌شوند گیج شوند.
نسبت به نحوه‌ی بیان و فهم پاسخ‌ها دقت کنید
ترتیب پاسخ‌های استاندارد در پرسشنامه‌ی کانو ممکن است برخی از افراد را گیج کند. آنها معمولا متوجه نمی‌شوند که چرا پاسخ «آن را دوست دارم» پیش از پاسخ «باید وجود داشته باشد» ظاهر می‌شود. منطق نمایش دادن پاسخ‌ها به این شیوه این است که آنها نشان‌دهنده‌ی مقیاسی هستند که از رضایت تا نارضایتی ادامه پیدا می‌کند. در ادامه جایگزینی برای مشخص کردن ترتیب پاسخ‌ها بیان می‌کنیم:
- من از این شیوه لذت می‌برم
- این یک نیاز اولیه است یا انتظار دارم اینگونه باشد
- خنثی هستم
- آن را دوست ندارم، اما می‌توانم به این شکل تحملش کنم
نمونهی دیگر توسط تیم رابرت بلاوث پیشنهاد شده است:
- این برای من بسیار سودمند است
- این یک نیاز اولیه برای من است
- نباید بر کار من تأثیر منفی بگذارد
- این مورد کمی باعث ناراحتی من می‌شود
- این یک مشکل بزرگ برای من خواهد بود
من واقعا فکر می‌کنم گزینه‌هایی که در ابتدای این راهنما معرفی شدند دارای بهترین تعادل میان وضوح و اختصار هستند.
نکته‌ی مهمی که باید به آن توجه داشته باشیم این است که این گزینه‌ها چگونه تفسیر می‌شوند؛ و بسیار مهم است که اطمینان حاصل کنیم که پاسخ‌دهندگان هدف پرسشنامه را به‌درستی متوجه شده‌اند. انتخاب مجموعه‌ای از پاسخ‌ها که به بهترین شکل با مورد شما هماهنگی داشته باشد و توضیح دادن گزینه‌ها برای شرکت‌کننده‌ها پیش از شروع کار باعث می‌شود که نتایج بسیار بهتری به دست آورید.
از مشتری‌ها درباره‌ی اهمیت ویژگی‌ها سؤال کنید
یکی از چیزهای مهمی که توسط گروه‌های متعددی به روش کانو اضافه شده است، پرسش دیگری است که پس از پرسش‌های کارآمدی/ ناکارآمدی اضافه شده است. این پرسش از مشتری‌ها می‌پرسد که یک ویژگی مشخص چقدر برای آنها اهمیت دارد.
داشتن این اطلاعات برای متمایز کردن ویژگی‌ها و تشخیص اینکه کدام ویژگی‌ها از همه بیشتر به مشتری‌ها مربوط می‌شوند بسیار مهم است. با این کار ابزاری در اختیار شما قرار می‌گیرد که با استفاده از آن می‌توانید ویژگی‌های مهم را از ویژگی‌های غیرمهم متمایز کنید و مشخص کنید که آنها چگونه روی تصمیم مشتری‌ها درباره‌ی محصول تأثیر می‌گذارند.
پرسش درباره‌ی اهمیت گزینه‌ها ممکن است به این شیوه بیان شود: «چقدر مهم است/ می‌تواند مهم باشد اگر (الزام موردنظر) وجود داشته باشد؟» برای مثال، «چقدر مهم است/ می‌تواند مهم باشد اگر: خروجی گرفتن از یک ویدیو همیشه کم‌تر از ۱۰ ثانیه طول بکشد؟»
پاسخ‌ها باید در مقیاسی که از ۱ تا ۹ شماره‌‌گذاری شده‌اند بیان شوند. این شماره‌گذاری‌ها از «اصلا مهم نیست» شروع می‌شوند و تا «به‌شدت مهم» ادامه پیدا می‌کنند.
پرسشنامه‌تان را آزمایش کنید
اگر ممکن است قبل از ارائه‌ی پرسشنامه به مشتری‌ها، آن را با برخی از اعضای تیم‌تان آزمایش کنید. اگر هرگونه اشکالی در آزمایش وجود داشته باشد، قطعا هنگامی که با مشتری‌ها نیز کار می‌کنید این اشکال نمایان خواهد شد.
گام ۳: تحلیل نتایج
اکنون به مرحله‌ای رسیده‌ایم که مطالعه‌ی ما برای آن انجام شده بود. پس از جدول‌بندی و پردازش نتایج باید قادر باشیم که ویژگی‌ها را دسته‌بندی و به بهترین شکل ممکن آنها را اولویت‌بندی کنیم.
دو سطح مختلف برای تحلیل وجود دارد: گسسته و پیوسته. این اسامی بهترین اصطلاحات برای توضیح این روش‌ها هستند. هر دو به مفاهیم ریاضیاتی ارجاع می‌دهند و به شیوه‌ی نگاشت پاسخ‌های شرکت‌کننده‌ها به دسته‌بندی کانو مربوط می‌شوند.
هر یک از این رویکرد‌ها می‌توانند با توجه به چشم‌اندازی که به‌دنبال آن هستید، برای شما مناسب باشند.
تحلیل گسسته
ساده‌ترین روش کار با نتایج کانو یه شرح زیر است:
- پاسخدهندهها را با توجه به معیارهای مردم‌شناختی که آنها را تعریف می‌کنند، تقسیم کنیم.
- با استفاده از جدول ارزیابی هر یک از پاسخ‌ها را دسته‌بندی کنیم.
- پاسخ‌های کلی را در هر دسته و برای هر ویژگی (و جمعیت) امتیازدهی کنیم.
- دسته‌ی هر ویژگی بیشترین پاسخی خواهد بود که دریافت کرده است.
- اگر نتایج نزدیکی در میان دسته‌بندی‌های مختلف وجود داشته باشد، از این قانون استفاده کنید: اجباری > عملکردی> جذاب> بی‌تفاوت.
- اگر از پاسخ‌دهنده‌ای درباره‌ی اهمیت ویژگی‌ها سؤال پرسیده‌اید (و باید این کار را بکنید)، میانگین آن را برای هر ویژگی مشخص کنید.
درنهایت به جدولی مانند جدول زیر دست پیدا خواهید کرد.
اگر نتایج زیادی وجود دارند که دسته‌ی روشنی برای آنها وجود ندارد، احتمالا چیزهای پنهانی برای مشتری‌ها وجود دارد که شما آنها را در نظر نگرفته‌اید. در این موارد باید به عقب بازگردید و پاسخ‌های مشتری‌های را برای یافتن الگو‌ها از نو بررسی کنید. بررسی کنید که کدام پاسخ‌های مشتری‌ها معمولا برای همه یکسان است، همچنین دسته‌های جمعیتی را که ممکن است از قلم انداخته باشید، پیدا کنید.
با استفاده از جدول نتایج می‌توانید ویژگی‌ها را با توجه به اهمیت‌شان رتبه‌بندی کنید. مهم‌ترین قانونی که باید درهنگام اولویت‌بندی استفاده کنید این است که به‌دنبال ویژگی‌های اجباری باشید، پس از آن تا جایی که می‌توانید ویژگی‌های عملکردی را اضافه کنید و درنهایت چند مورد از ویژگی‌های جذاب را اضافه نمایید.
این نوع از تحلیل به بهترین شکل ممکن سطحی از فهم را برای شما فراهم می‌کند و در بسیاری از موارد که به رویکرد جدی‌تری نیاز ندارید (برای مثال آزمایش کردن ایده‌های طراحی یا ایجاد طرح اولیه‌ی نقشه‌ی مسیر) مناسب است.
تحلیل پیوسته
اگرچه تحلیل گسسته برای شروع عالی است و دیدی کلی از نتایج را برای ما فراهم می‌کند، اما اشکالات زیادی نیز دارد. از جمله:
- در این روش اطلاعات بسیار زیادی را از دست می‌دهیم. نخست ۲۵ ترکیبِ پاسخی را که از هر پاسخ‌دهنده برای هر یک از شش دسته به دست می‌آید و سپس همه‌ی پاسخ‌های فرد شرکت‌کننده که به یک دسته‌بندی برای هر ویژگی تقلیل می‌یابد؛
- هیچ درکی از پراکندگی داده‌ها از معیار نداریم؛
- پاسخ‌های ملایم، وزنی برابر با پاسخ‌های شدیدتر دارند.
بیل دوموکل، یک روش تحلیل پیوسته‌ی عالی را پیشنهاد می‌کند که در بخش‌های بعدی آن را توضیح می‌دهیم.
امتیاز دادن به پاسخ‌ها
ابتدا هر پاسخ به یک ارزش عددی در یک مقیاس رضایت ترجمه می‌شود که از ۲- تا ۴ ادامه پیدا می‌کند. هرچه عددی که اختصاص می‌دهیم بزرگ‌تر باشد، نشان‌دهنده‌ی میل بیشتر مشتری به داشتن آن ویژگی است. اهمیت نیز مانند گذشته از ۱ تا ۹ امتیازدهی می‌شود.
- کارآمدی: ۲- (دوست ندارم)، ۱- (تحمل می‌کنم)، ۰ (خنثی)، ۲ (اجباری)، ۴ (دوست دارم)؛
- ناکارآمدی: ۲- (دوست دارم)، ۱- (اجباری)، ۰ (خنثی)، ۲ (تحمل می‌کنم)، ۴ (دوست ندارم)؛
- اهمیت: ۱ (اصلا مهم نیست)، …، ۹ (به‌شدت مهم است).
ممکن است فکر کنید که مقیاس ناکارآمدی برعکس است، اما این‌طور نیست. امتیاز بالاتر (مثبت) به معنای پتانسیل رضایت بیشتر است. برای پاسخ‌های ناکارآمدی، دوست نداشتن یک چیز به معنای مخالفت شدید با غیبت این ویژگی است. درنتیجه اگر این ویژگی‌ها وجود داشته باشند، رضایت بیشتری برای مشتری به همراه خواهند آورد و به این دلیل است که امتیاز بیشتری به آن داده شده است.
دلیل این مقیاس نامتقارن که به جای ۴- از ۲- شروع می‌شود این است که دسته‌‌ای که از پاسخ‌های منفی (معکوس و قابل‌تردید) دریافت می‌کنید ضعیف‌تر از دسته‌‌ای است که از پاسخ‌های مثبت (اجباری و عملکردی) دریافت می‌کنید. درنتیجه دوموکل با این مقیاس بر قسمت مثبت مقیاس تأکید بیشتری کرده است.
پس از این مرحله این امتیازها به دسته‌بندی ویژگی‌ها در صفحه‌‌ای دو بعدی کمک می‌کنند. با این روش دیگر نیازی به جدول ارزیابی استاندارد نخواهد بود.
باید روی مربع مثبت تمرکز کنیم که نشان‌دهنده‌ی قوی‌ترین پاسخ‌هاست. خارج از این مربع پاسخ‌های ضعیف‌تری چون قابل‌تردید و معکوس قرار می‌گیرند. اگر یک ویژگی نتیجه‌ی معکوس داشته باشد، می‌توانید آن را به‌صورت معکوس تعریف کنید و امتیاز‌های کارآمدی و ناکارآمدی را معکوس کنید. به این ترتیب این بخش نیز درون یکی از دسته‌بندی‌های کانو قرار می‌گیرد، همچنین می‌توانید آن را از مطالعه‌ی خود حذف کنید.
نکته‌ی جانبی: ضرایب رضایت و نارضایتی
اگر منابع موجود درباره‌ی مدل کانو را بررسی کنید، احتمالا به ضرایب رضایت و نارضایتی برخورد خواهید کرد. در مدل دوموکل که در این مقاله آن را توضیح دادیم جایگزین بهتری برای این ضرایب وجود دارد.
مایک تیمکو پیشنهاد می‌دهد که از امتیاز‌های «بهتر» و «بدتر» که به‌شکل عددی نشان می‌دهند که رضایت و نارضایتی مشتری‌ها چگونه با وجود یا نبود یک ویژگی تغییر می‌کند، استفاده کنیم. البته او این اعداد را ضریب‌های رضایت و نارضایتی نامگذاری نمی‌کند، اما معمولا با این نام‌ها شناخته می‌شوند. با در نظر گرفتن عدد کلی جواب‌ها در هر دسته برای یک ویژگی مشخص، این ضرایب با استفاده از فرمول‌های زیر محاسبه می‌شوند:
اگرچه این ضرایب نتایج عددی به همراه دارند و برای مقایسه‌های نسبی سودمند هستند اما با مشکلات زیادی روبه‌رو هستند که تیمکو در مقاله‌اش به آنها اشاره کرده است. مهم‌ترین مشکل این است که این ضرایب نقص‌های تحلیل گسسته را دارند: این اعداد با استفاده از دسته‌بندی کانو برای هر پاسخ به دست می‌آیند. از دست رفتن اطلاعات به این شکل، صرف نظر از قدرت و ضعف آنها، باعث افزایش انحراف از معیار داده‌ها و وزن‌دهی یکسان به همه‌ی پاسخ‌ها می‌شود.
امتیاز‌های کارآمدی و ناکارآمدی که ما در روش دوموکل استفاده می‌کنیم، همان کاری را انجام می‌دهند که این ضرایب قرار است انجام دهند.
دسته‌بندی ویژگی‌ها
اگر برای هر پاسخ ممکن، اعدادی در اختیارمان است می‌توانیم با استفاده از میانگین‌ها کار را ادامه بدهیم. چیزهایی که لازم است در اینجا برای هر یک از ویژگی‌ها استفاده کنیم عبارتند از:
- متوسط مقدار کارآمدی، ناکارآمدی و اهمیت برای همه‌ی پاسخ‌ها؛
- انحراف از معیار امتیاز‌های کارآمدی، ناکارآمدی و اهمیت.
با در نظر گرفتن امتیاز‌های کارآمدی و ناکارآمدی می‌توانیم آنها را به‌صورت زیر دسته‌بندی کنیم:
البته ما درباره‌ی مقادیر متوسط صحبت می‌کنیم و این متوسط‌ها می‌توانند اختلاف‌های زیادی را در داده‌ها پنهان کنند. به این دلیل است که اضافه کردن انحراف از معیار به این نمودار به‌صورت «میله‌های خطا» می‌تواند سودمند باشد. به این ترتیب متوجه می‌شویم که دسته‌بندی ما چقدر درست یا خطاست. درنتیجه نمودار ما چیزی شبیه به شکل پایین خواهد بود:
آخرین لایه‌ای که باید اضافه شود امتیاز‌های اهمیت است. می‌توانیم این بعد اضافی را با بزرگ‌تر کردن اندازه‌ی دایره‌ها به نسبت اهمیت‌شان، به‌صورت بصری نشان بدهیم. به این ترتیب می‌توانیم به‌راحتی ویژگی‌هایی را که در یک ناحیه قرار گرفته‌اند مقایسه کنیم.
قانون اصلی اولویت بندی که در بخش تحلیل گسسته به کار گرفته شد در اینجا نیز صادق است: اجباری > عملکردی> جذاب> بی‌تفاوت.
این قانون به‌خوبی به‌صورت گرافیکی ترجمه می‌شود:
برای مجموعه‌های کوچک‌ترِ ویژگی‌ها، روش دیگری (و احتمالا بهتر) برای نشان دادن قانون اولویت‌بندی، استفاده از فهرست رتبه‌بندی است. این روش برای رتبه‌دهی به ویژگی‌ها از سه ستون مختلف استفاده می‌کند که به این صورت (از امتیاز بیشتر به کم‌تر) مرتب شده‌اند: پتانسیل برای نارضایتی، پتانسیل برای رضایت و اهمیت. در مثال ما دو ستون اول به امتیاز‌های ناکارآمدی و کارآمدی مربوط می‌شوند و به‌صورت زیر نشان داده می‌شوند:
به دو ردیف آخر توجه کنید. در چنین مواردی چه کاری انجام می‌دهید؟ شما یک ویژگی دارید که بی‌تفاوت است (اما واقعا به اجباری نزدیک است) و در مقایسه با دیگر ویژگی‌ها تأثیر بیشتری بر رضایت دارد. ویژگی دیگر باعث افزایش چشمگیری در رضایت مشتری‌ها می‌شود و برای مشتری‌ها اهمیت بسیار زیادی دارد. اینها مواردی هستند که درهنگام اولویت‌بندی باید پشت سر هم بیایند. همانطور که مشاهده می‌کنید، استفاده از ترتیب‌های امتیازدهی همه‌ی دوراهی‌ها را برای ما حل نمی‌کنند. هنوز لازم است صحبت‌ها، آزمایش‌ها، اندازه‌گیری‌ها و تکرارهای زیادی انجام شود تا بتوانیم تصمیم نهایی را بگیریم.
امروز کار را شروع کنید: رویکردی برای شروع مطالعه‌ی کانو
مدل کانو همین بود، ما تا اینجا این مدل را توضیح دادیم و اکنون شما با مهم‌ترین جنبه‌های این مدل آشنا هستید. اکنون زمان آن فرا رسیده است که از این مدل در عمل استفاده کنید.
ما می‌دانیم که استفاده از همه‌ی اطلاعاتی که در این مقاله داده شدند کار ساده‌ای نیست. اما اگر بخواهید حتی همین امروز می‌توانید از آنها استفاده کنید.
در ادامه‌ی این مقاله رویکرد عملی را توضیح خواهیم داد و مجموعه‌ای از ابزارهای مختلف را معرفی خواهیم کرد که با استفاده از آنها می‌توانید تحلیل کانوی خودتان را انجام دهید. بیایید به فرآیند سه مرحله‌ای که در بخش دوم این مقاله توضیح دادیم بازگردیم.
گام ۱: ویژگی‌ها و مشتری‌های هدف‌تان را انتخاب کنید
احتمالا روی چند ویژگی و ایده‌ی جدید برای محصول بعدی‌تان کار می‌کنید. حتی اگر چنین نیست باز هم باید از این مرحله پیروی کنید، حتی اگر لازم نباشد که همین الان آن را به کار ببرید.
از میان ویژگی‌ها و ایده‌هایی که روی آنها کار می‌کنید:
- کدام موارد برای قرار گرفتن در اولویت اول با هم رقابت می‌کنند؟
- کدام موارد به‌طور مستقیم روی مشتری‌ها تأثیر می‌گذارند؟
- حداکثر سه مورد را مشخص کنید (در آینده که کار کردن با این مدل برای شما آسان‌تر شد می‌توانید مطالعات طولانی‌تری نیز انجام دهید).
این ویژگی‌ها چه گروه‌ها یا افرادی را هدف قرار می‌دهند؟ از هر گروه ۱۵ مشتری را انتخاب کنید. اگر از نرم‌افزار‌های Intercom یا Mixpanel استفاده کنید، انتخاب زیرمجموعه‌ای از مشتری‌ها کار بسیار ساده‌ای خواهد بود.
گام ۲: بهترین داده‌های ممکن را از مشتری‌هایتان جمع‌آوری کنید
این گام شامل دو بخش می‌شود:
- تعریف کردن پرسش‌هایی که باید برای مشتری‌ها مطرح شوند؛
- ایجاد و توزیع پیمایش برای جمع‌آوری پاسخ‌ها.
تعریف کردن پرسش‌ها
دو نوع پرسش وجود دارد که می‌توانید در پیمایش‌تان از آنها استفاده کنید: تعاملی و متنی
تعاملی
اگر مشغول کار روی نرم‌افزار هستید مدلی از ایده یا ویژگی موردنظرتان را در اختیار دارید. در این صورت بهترین «پرسش» ممکن برای ارائه به پاسخدهندهها را در اختیار دارید.
کاری که باید انجام دهید این است که مدل موردنظرتان را به مدلی تعاملی تبدیل کنید (اگر هنوز این کار را انجام نداده‌اید).
استفاده از ابزارهایی مانند Balsamiq یا InVision این کار را به‌راحتی برای شما انجام می‌دهند. این کار باعث می‌شود که کاربران به‌طور عملی ویژگی‌ها را تجربه کنند و به این ترتیب بر همه‌ی مشکلات مربوط به درک مطالب پرسشنامه غلبه خواهید کرد.
متنی
اگر نمونهی اولیه را در اختیار ندارید همچنان می‌توانید از مدل سنتی پرسش‌های متنی استفاده کنید. درهنگام نوشتن سؤال باید کاملا مراقب باشید که پرسش شما روشن و مؤثر بیان شود. اگر لازم است که اطلاعات این شیوه‌ی کاری را دوباره مرور کنید، به قسمت مربوط به آن در مقاله مراجعه کنید.
ایجاد و توزیع کردن پیمایش
اکنون لازم است که پیمایشی ایجاد کنید تا پاسخ‌ها را جمع‌آوری نمایید. مواردی وجود دارد که باید آنها را در نظر بگیرد:
- توضیح مختصری از هدف پیمایش، شیوه‌ی پاسخ دادن و کاری که پاسخدهندهها لازم است انجام دهند اضافه کنید؛
- اگر از نمونهی اولیه استفاده می‌کنید، باید به‌شکلی مختصر هدف ویژگی موردنظر را توضیح دهید؛
- در برخی از پیمایش‌ها لازم است که اطلاعات تماس مشتری‌ها (مانند ایمیل‌شان) را داشته باشید، به این ترتیب می‌توانید بفهمید که افراد چه پاسخ‌هایی داده‌اند و به چه گروهی تعلق داشته‌اند؛
- می‌توانید با استفاده از پارامتر URL یک فرم گوگل همراه با ایمیل ایجاد کنید. اگر چنین چیزی را برای مشتری‌هایتان ارسال کنید بدون اینکه از آنها بخواهید تا ایمیل‌شان را وارد کنند، درهنگام پاسخ دادن ایمل آنها را به‌دست خواهید آورد.
گام ۳: تحلیل کردن نتایج
پس از اینکه پاسخ‌های کافی جمع‌آوری کردید می‌توانید وارد مرحله‌ی تحلیل شوید.
- برای هر پاسخ (کارآمدی، ناکارآمدی، اهمیت) دسته‌ی گسسته و امتیاز‌های کارآمدی و ناکارآمدی را محاسبه کنید؛
- دسته‌بندی کانوی گسسته و پیوسته را برای هر ویژگی مشخص کنید؛
- رتبه‌بندی ویژگی‌ها را براساس نارضایتی، رضایت و اهمیت بالقوه‌شان مشخص کنید؛
- یک نمودار نقطهای ترسیم کنید که جایگاه هر ویژگی، اهمیت نسبی و نیز اختلاف داده‌ها را با استفاده از ستون‌های خطا مشخص کند.
تنها کافی است که نتایج پیمایش را در نمودار وارد کنید و برخی جزئیات مربوط به داده‌ها را به آن اضافه کنید.
با استفاده از این جدول‌ها می‌توانید اولویت‌بندی کانو را به‌راحتی انجام دهید. همچنین می‌توانید بیشتر روی داده‌ها کار کنید و به‌راحتی جدول‌های مرتبط به داده‌ها را با جزئیات بیشتری استخراج کنید.
ملاحظات پایانی
درهنگام اولویت‌بندی ویژگی‌های محصول، هیچ روش جادویی وجود ندارد. گرچه لازم است که ابعاد زیادی را در نظر بگیریم، اما رضایت مشتری‌ها احتمالا مهم‌ترین چیزی است که باید موردتوجه قرار داد. برای این منظور باید پرسش‌هایی را که در ابتدا مطرح کردیم، دوباره بررسی کنیم:
- چگونه رضایت را اندازه‌گیری می‌کنیم؟
- چگونه چیزی را که موجب رضایت مشتری می‌شود انتخاب می‌کنیم؟
- چگونه از رضایت فراتر می‌رویم و خوشحالی مشتری‌ها را فراهم می‌کنیم؟
هیچکدام از این پرسش‌ها پاسخ‌های قطعی ندارند، اگر چنین بود وجود اینگونه مدل‌ها هیچ ضرورتی نداشت.
https://www.chetor.com/92173-%d9%85%...7%d9%86%d9%88/
