如何阅读满意度–不满意度图
图中每个点代表一个功能。纵轴是满意度系数 CS+（提供该功能能带来多少满意），横轴是不满意度系数的绝对值 |CS−|（缺少该功能会造成多少不满）。右上为期望属性，右下为必备属性——应最先做好；左上为魅力属性——基础到位后用来形成差异；左下为无差异属性。
Kano 类别会随时间漂移：今天的魅力属性被竞争对手模仿后，往往会变成期望属性，再变成必备属性。不同人群的结果也可能不同，可以在工作区用交叉表比较各细分群体的答案。
计算公式
CS+ =（A + O）/（A + O + M + I），CS− = −（O + M）/（A + O + M + I）。A、O、M、I 分别是被归为魅力、期望、必备、无差异属性的人数；R（反向）与 Q（可疑）计入占比，但不进入系数。CS+ 也称 Better 系数，取值 0 到 1；CS− 也称 Worse 系数，取值 −1 到 0。
Fong 检验：设 a、b 为频数最高的两个类别的人数，n 为全部已分类回答数。当 |a − b| ≥ 1.65 × √((a + b)(2n − a − b) / 2n) 时，第一名明显领先，可以判定类别；否则报告为“无明确类别”。
分析示例
点击“使用示例数据”会加载一份合成的外卖 App 问卷：300 名受访者对 6 个功能分别回答正向和反向问题，并给出自评重要性。以“骑手实时位置追踪”为例，294 名受访者两题都作答，其中 41.8% 归为期望属性、21.1% 为魅力属性、16.3% 为必备属性。CS+ =（62 + 123）/（62 + 123 + 48 + 43）= 0.67，CS− = -0.62。期望属性与魅力属性的频数差为 61，高于 Fong 检验的临界值 18.6，因此可以明确判定为期望属性。
“准确的送达时间预估”是必备属性（48.1%，CS− -0.73）：做好了没人夸，缺了最伤满意度。“生日免费甜品”是魅力属性（50.3%，CS+ 0.62，CS− 仅 -0.15）。“促销推送通知”以无差异为主，另有 34.9% 的受访者给出反向回答——他们宁愿没有这项功能。
“一键再来一单”说明了检验的意义：期望属性 89 人、魅力属性 85 人，差值 4 远低于临界值 18.2，没有明确类别；但 CS+ 为 0.62，说明它仍能明显提升满意度。
适用与不适用的场景
Kano 分析回答“哪些功能是底线、哪些是加分项”，适合在产品规划早期使用。
- 适用：决定产品或服务路线图中要做、保留或砍掉哪些功能。
- 适用：在定价研究或联合分析之前，先区分基本期望与差异化功能。
- 适用：比较不同细分群体或不同时期对功能的看法。
- 不适用：受访者无法想象的功能——需先解释或展示，否则答案会偏向无差异。
- 不适用：样本很小——每个功能只有几十人时，Fong 检验很少能给出明确类别。
- 不适用：在预算内给功能排优先级——应结合重要性评分、MaxDiff 或联合分析。
如何解读结果
先补齐必备属性，再按 CS+ 与 |CS−| 的大小投入期望属性，用魅力属性形成差异。Fong 检验找不到明确类别时，请看系数而不是众数，并可用自评重要性辅助判断。反向回答占比高，说明有一部分人明确不想要这项功能。