Cómo leer el gráfico de satisfacción e insatisfacción
Cada punto es una característica. La altura es el coeficiente de satisfacción CS+ (cuánto aporta ofrecerla) y la distancia hacia la derecha es el valor absoluto del coeficiente de insatisfacción |CS−| (cuánto cuesta no tenerla). Arriba a la derecha, unidimensionales; abajo a la derecha, obligatorias, que hay que resolver primero; arriba a la izquierda, atractivas, que diferencian una vez cubiertos los básicos; abajo a la izquierda, indiferentes.
Las categorías cambian con el tiempo: lo atractivo de hoy tiende a volverse unidimensional y luego obligatorio cuando la competencia lo copia. Los resultados también varían por segmento, así que compara grupos cruzando las respuestas en el espacio de trabajo.
Fórmulas
CS+ = (A + O) / (A + O + M + I) y CS− = −(O + M) / (A + O + M + I), donde A, O, M e I son los encuestados clasificados como atractivo, unidimensional, obligatorio e indiferente. Las respuestas inversas (R) y cuestionables (Q) cuentan en los porcentajes, pero no en los coeficientes. CS+ también se llama coeficiente Better (de 0 a 1) y CS−, Worse (de −1 a 0).
Prueba de Fong: con a y b las dos frecuencias mayores y n el total de respuestas clasificadas, la categoría principal es clara si |a − b| ≥ 1,65 · √((a + b)(2n − a − b) / 2n). Si no, la característica se marca como «sin categoría clara».
Ejemplo resuelto
«Usar datos de ejemplo» carga una encuesta sintética sobre una app de comida a domicilio: 300 encuestados responden la pregunta funcional y la disfuncional de seis características y valoran su importancia. En el seguimiento del repartidor en tiempo real, de los 294 que contestaron ambas preguntas, el 41,8 % resulta unidimensional, el 21,1 % atractivo y el 16,3 % obligatorio. CS+ = (62 + 123) / (62 + 123 + 48 + 43) = 0,67 y CS− = -0,62. La diferencia entre unidimensional y atractivo es 61, por encima del valor crítico de Fong (18,6), así que la característica es claramente unidimensional.
Una hora de entrega estimada precisa es obligatoria (48,1 %, CS− -0,73): nadie la elogia, pero su ausencia es lo que más duele. El postre gratis por cumpleaños es atractivo (50,3 %, CS+ 0,62 y un CS− de solo -0,15). Las notificaciones push promocionales son sobre todo indiferentes y el 34,9 % responde de forma inversa: preferiría no tenerlas.
Repetir pedido con un toque muestra por qué importa la prueba: 89 respuestas unidimensionales frente a 85 atractivas dejan una diferencia de 4, muy por debajo del valor crítico (18,2). No hay categoría clara, pero su CS+ de 0,62 confirma que suma satisfacción.
Cuándo usarlo y cuándo no
El análisis Kano responde qué características son básicas y cuáles suman puntos; encaja en las primeras fases de la planificación de producto.
- Decidir qué funciones desarrollar, mantener o eliminar en la hoja de ruta de un producto o servicio.
- Separar las expectativas básicas de los diferenciadores antes de un estudio de precios o un análisis conjunto.
- Comparar cómo se perciben las funciones entre segmentos o a lo largo del tiempo.
- Funciones que el encuestado no puede imaginar: explícalas o muéstralas, o las respuestas derivarán hacia indiferente.
- Muestras pequeñas: con unas pocas decenas de respuestas por función, la prueba de Fong rara vez encuentra una categoría clara.
- Priorizar dentro de un presupuesto: combina Kano con valoraciones de importancia, MaxDiff o análisis conjunto.
Cómo interpretar los resultados
Resuelve primero las obligatorias, invierte en las unidimensionales según su CS+ y su |CS−| y usa las atractivas para destacar. Cuando la prueba de Fong no encuentra una categoría clara, guíate por los coeficientes y no por la moda, y usa la importancia declarada para desempatar. Un porcentaje alto de respuestas inversas indica que un grupo no quiere esa función.