你正在浏览针对你的产品提出的18项特征。坦白地讲，对于在截止日期前要发布的最初版本来说，18项特征太多了，所以，你想要确定这些特征中最优的那一部分。
你怀疑一位经理的青少年子女提出了一些特征，你从竞争产品处识别出来了其余的特征。直觉告诉你，18项特征中没有任何一项能够改变游戏规则。而且，你投入进行前期生成研究的计划遭到了推迟。
这是个问题。你要做什么？
你可以尝试很多敏捷团队和用户体验专家所做的：使用一种被称作“卡诺模型”的方法。这种方法第一次出现在上世纪80年代的日本，用来衡量顾客对个体特征的情绪反应。在projekt202中，我们这样做就获得了巨大的成功。我们的成功来自通过试错重复了卡诺的原创性研究。我们发现，如何设计和执行一个卡诺研究很重要，如何分析和可视化结果也很重要。
我们还发现，卡诺模型是一个表达前期生成研究的ROI（投资回报率）的强大工具，以及卡诺研究的结果如何引导产品路线图的决策。总的来说，卡诺研究是我们研究工具中非常有用的一个。
一、卡诺的基础
我们在研究测量喜悦的方式时发现了卡诺模型。早在1984年，狩野纪昭(Noriaki Kano)，一位日本学者和顾问，不同意当时关于保持顾客忠诚度的已被接受的理论：通过解决顾客投诉和扩展最受欢迎的属性。卡诺凭直觉感知到保持忠诚度更复杂。他做了所有研究人员做的：定义了假设，并设计了一个研究来证实这些理论。卡诺的工作，随后被美国质量管理顾问们利用和延伸。我们越审视这个诞生25年的方法如何被应用在如今市场研究中，并被敏捷团队使用的，我们越感觉缺乏严谨性，而且被迫去学习这些最初的研究者，以确保我们正确的使用了该方法。
我们翻译了卡诺的日文原稿。我们与用户体验统计学家Jeff Sauro讨论了不同统计分析的相对优势，这些统计分析是质量管理中心（Center for Quality Management）发表的。净结果是完全有信心在我们的方法中使用这种方法。
在我们谈论进行一项卡诺研究之前，了解卡诺的假设是很重要的。他从理论上认为，人们对特征存在五种不同的情绪反应，从反感到喜悦。与1984年的同时代人不同，他觉得顾客忠诚度与对产品特征的情绪反应“轮廓”相关——二者恰到好处的融合，其中包括令用户惊喜，和给予他们在经历之前都不知道自己想要的那些特征。
然后，他进行了一项900人的研究，用来证实这些情绪反应类型的存在，并且能够可靠地测量。
二、卡诺的五种情绪反应类型
卡诺将五种情绪反应可视化为图中的曲线，其中，y轴是情绪反应，x轴是特征的成熟程度。情绪反应的强度由特征如何充分呈现和其成熟程度驱动。
魅力属性
当魅力属性呈现时，会激发满意和愉悦，但如果该属性不包括在内，用户并不会感到不满。魅力属性是意想不到的，解决以前未满足需求的。发现这些类型的属性，最好的方法是通过生成性研究。这些属性是产生关于产品正面口碑的关键。
一维属性
这些属性呈现的结果是满意，而如果不呈现，就会导致不满。属性的成熟程度和情绪反应之间呈线性关系，主要针对于如易用性、成本、娱乐价值和安全性这样的产品特征。
必备属性
这些属性是顾客期望产品具备的。通过美化和提升必备属性获得情绪收益是有限度的。
不重要属性
用户对不重要的属性是犹豫不决的，他们根本不关心它们包含与否。这些属性的投资回报率比较低。
不需要的属性
包含不需要的属性会否定魅力属性和一维属性的积极影响。
三、发生改变
卡诺从理论上推测了消费者对满意度的感知会随着时间的推移而变化。今天激发愉悦的属性将随着时间的推移，变为所有消费者的期望和要求。五种情绪反应中，魅力属性曲线摇身一变成为了必备的曲线。此外，“最佳”的定义是不断变化的，从而影响给定特征落在x轴的哪个位置。
四、测量用户反应
卡诺调查问题——每个属性两个问题
我们渴望在我们的项目中尝试卡诺的想法。基础很简单：解释或展示一个属性，询问用户如果该属性存在，他们怎么会觉得如何；然后再问，如果没有提供这个属性，或者没有完全呈现，他们会觉得如何。这样一对积极/消极问题与曲线图上两个不同的点相对应，知道这两个点能够确定，对于一个给定的属性，用户正在经历哪一种情绪反应。
下面列出的反应并不旨在提供一个简单的根据情绪反应评级的量表，而是要培养一种期待的感觉。
我喜欢它
我期望它
我的态度是中性的
我可以忍受它
我不喜欢它
卡诺评估表
对两个问题中的每一个的回答使你能识别反应的范畴，对此卡诺提供了一个评估表。
下面的举例中，突出显示的那一行表示对于第一个，积极问题的回答。突出显示的那一列表示对第二个，消极问题的回答。行与列的交叉点包含了这个属性的分类类型，在这个例子中，为魅力属性。
五、分析卡诺数据
定量分析引起与客户进行效果强大的谈话。这些谈话充分利用定性研究结果，以了解这些数字的背后的“为什么”。
从卡诺结果中提取人物角色特征
不是每个人都对不同属性的反应相同。尽管不是一个很大的意外，在这些差异中寻找模式会产生有用的观点。首先，我们在可能的情况下，通过识别不同的人物角色开始分析卡诺数据。然后我们把数据归到人物角色分组的各个子集中。这使我们能够为每个人物角色建立反应资料。我们研究了针对每个属性，不同人物角色之间的不同反应。
我们在几项研究中发现，用户对该软件核心属性的反应是判断他属于哪个人物角色组立见分晓的检验方法。例如，在一项研究中，我们看到对一个核心属性的如下反应。
早期采纳者（深绿色）是需要这个软件的人们。
这些用户要求和期望的是一维属性和必备属性。因为我们认为他们是在不久的将来最有可能购买该软件的人，所以把这些人指定为“早期采纳者”人物角色。
晚期采纳者（浅绿色）是认为该软件的核心特征“具有吸引力而且出乎预料的”人们。
我们假设，尽管这个群体对该软件感兴趣，但将会推迟购买，直到概念更为主流。
不采纳者（黄绿色）是对软件的核心特征不感兴趣，而且在可预见的未来不会使用该软件的人们。
通过人物角色筛选出的结果产生可操作的洞见
当我们使用这三个人物角色筛选其余的特征时，我们注意到不同群体对一些特征的反应存在差异。这种量化的数据抓住了客户的注意力，并说服他们重新评估一些事情，包括早期采纳者组不喜欢的特征。
下面的数据显示了，早期采纳者人物角色组不感兴趣，而且会激发其消极反应的一个特征。由于早期采纳者组是保证产品在开始时采纳度的关键，客户决定不再追求这个组不喜欢的特征。
看到大的格局——比较各个特征
要回答我们最初关于要包括哪些特征的问题，我们构建了能够对用户对所有特征的反应进行比较和排序的可视化图表。为了完成这一任务，我们采用前面提及的CQM于1993年首次报道的方法。来自七个主要新英格兰公司的，想要一起研究的CEO和高级管理人员们于1989年成立了CQM——实行最先进的管理实践，以加速性能改进。在对卡诺方法的报告中，他们汇总了各种实践者的经验和进展。
在报告的多种方法中，我们推荐以下三种。
第一种方法是补充卡诺问卷本身。除了每个特征询问的那两个问题，用户还被要求表明这个特征的重要程度如何。这个排序是9点李克特量表，从“根本不重要”到“非常重要”。麻省理工学院的John Hauser建议的这种额外测量，有助于将注意力集中在卡诺研究的最重要结果。
第二种方法是对卡诺结果进行统计分析，允许在不同的特征之间的结果进行比较。这种方法是BillDuMouchel建议的，它允许计算标准差，从而可以发现哪些差异是显著的。
当把这些特征视为一个整体时，我们读到的方法中没有一个能够提供一种令人信服的可视化来把握卡诺结果。因此，我们尝试并设计了如下的DuMouchel分析的可视化。
这种堆叠的排序显示了一组特征，可能不满意的在左侧，可能满意的在右侧。这个顺序显示，排在最上面的特征，如果没有被包含在产品中，就有最大的可能会引起不满意。许多特征在CQM分析中呈现满意和在卡诺结果中呈现喜悦的可能性是类似的。与客户的对话包括权衡，如复杂性和相关性。这种方式的结果会贯穿于决策中。
六、做出决定
聪明的钱应该放在一维属性和魅力属性上
关于卡诺的曲线图，可以激发满意和愉悦的两个分类是魅力属性和一维属性。想想当今市场上最成功的那些产品，它们通过强调这些类型的属性来成功。
苹果通过投资于取悦用户的特征，而俘获客户的芳心。例如，笔记本电脑的电源线具有磁性连接，能够轻易断开，以防止损坏设备，这绝对不是一个必须具备的特征。此外，苹果大量投资了优雅设计和易用性方面的一维属性。
问题是，我们如何发现这些改变游戏规则的特征？
投资于生成性研究
“魅力”特征是一般用户不知道去要求的。当这些特征出现在市场上，引起轰动，竞争对手会快速地抄袭。今天取悦用户的特征会成为明天他们所要求和期望的。但如何发现这些引领潮流的特征呢？
简言之：研究。
卡诺模型其中一个最令人兴奋的用途是支持与客户就生成性研究在产品成功过程中所扮演的重要角色进行对话。在生成性研究中，我们就地观察用户与技术进行交互。我们见证未被满足的需求，这就是创造不同，取悦用户的机会。
只在用户期望的那些特征的设计上投资会限制赢得用户芳心的能力。
提高现有特征的投资回报率
我们从阅读卡诺最初研究的出版物翻译当中得知，卡诺着手证明无法简单地通过提高顾客已经开始期待的现有特征，来获得并保持顾客的忠诚度。卡诺曲线图不仅说明了为什么这是真的，它们也可以用于评估改进现有特征的投资回报率（在用户满意度方面）。
一个目前的特征作为一个点存在于其中一幅反应图中。增加特征的成熟程度使这个点随着曲线而移动。情绪反应的变化取决于此特征落在哪一个反应图上。例如，增强必须必备的特征，会通过减轻用户的不满意程度来回报，但持续改进的投资回报率会显著地逐渐减少。
了解一个特征作为一个点落在五个图表中的哪一个，可以分析投资回报率，以改进此特征。
揭秘净推荐值
常用的净推荐值是贝恩公司的 Fred Reichheld制定的一种用户忠诚度的度量标准。它是指推荐某一产品的用户平均数减去劝阻其他人使用这个产品的用户平均数。尽管在与竞品对比时，净推荐值对预测某一产品或服务是否成功是有用的，但其本身和这种测量方法并没有提供关于如何改进产品的指导。卡诺结果为理解各个特征对净推荐值的贡献提供了一种方法。为什么这是真的？用户会推荐激发喜悦和满意的产品。用户会劝阻其他潜在用户使用激发不满意的产品。了解特征如何促进喜悦和不满的这些感受，能让产品经理做出明智的选择，以增加其净推荐值。
七、使用卡诺模型你需要知道什么
要测试多少名用户
我们的研究中包括了少至12名用户和多达24名用户的例子。目的是要包括足够的用户以感知到具有统计学意义的置信差异。实现这一目标所需的用户的数量取决于两个关键因素：
研究中人群的多样性
你试图测量的差异的精细程度
尽管卡诺研究需要的参与者比常见的简易可用性测试多，简易的可用性测试从5或6名参与者中提供见解，但我们已经确定进行管理调查和分析数据的方式，以确保以最低的成本产出高质量的见解。与所有的研究方法一样，需要参与者的数目取决于要测量的差异的精细程度。大的差异需要较少的用户。根据你的研究目的，你可能想看看不同人物角色组之间的结果，或者你可能仅仅对测量一个给定的人群感兴趣。
进行一项卡诺研究
与客户和其他身处UX社区的人们的众多谈话中，我们认为研究问题是如何被执行的很重要。最好的结果来源于让用户体验这些特征（带有场景的线框图也能起作用），并立即录制他们的反应。把特征从使用场景中抽取出来的文字说明或图解产生相对不那么明确的结果。
当卡诺研究正确完成时，它可以以一种直观的方式产生相关统计置信水平的结果。最佳实践的清单包括：
招聘标准，以确保用户真正代表了最终目标用户，或者基于用户对产品关键特征的反应，将结果分入不同的人物角色组。
执行统计分析，所以决定是基于显著差异置信水平的。
为用户提供体验（而不是简单地阅读）产品特征的有意义的机会。
体验一个给定的特征后立即测量用户的反应。
八、意义构建的激情
在projekt202，我们接受设计研究，以提供有意义的解决方案。我们不断完善和扩大我们的研究工具。我们进行卡诺研究的方法在了解相关定性数据的细微差别上提供了显著优势。
我们研究和试验了卡诺方法和数据，直到它有意义，并形成了强大的镜头来更好的了解我们的用户。有时感觉就像一个考古调查，回到一个方法最初的视野和专业知识，而该方法已经因为在使用中失去严谨性而失去了影响力。我们修改的卡诺方法的版本已经成为一个可靠的工具，可以协助解答我们客户关于在哪里投资他们的设计和开发资源的战略问题，从而影响他们的成就和底线。
看到客户因研究而兴奋总是值得的。当研究成果产出了成功的产品和一流的用户体验时，它就更值得了。