Kanoモデルは、商品やサービスの機能・品質要素を、顧客満足との関係から整理する方法です。
同じ「顧客が欲しいと言った機能」でも、なくては困るもの、あるほど満足が上がるもの、なくても困らないがあると喜ばれるものでは、企画上の優先順位が違います。Kanoモデルを使うと、要求を一律に並べるのではなく、「どの要素を最低限満たすべきか」「どこを強化すると満足度が上がるか」「どこに差別化余地があるか」を分けて考えられます。
この記事では、顧客理解・商品企画でKanoモデルを使う実務手順を、対象機能の整理、質問票作成、回答収集、分類、優先順位付け、企画への反映までステップで解説します。
基本的な意味や分類から確認したい場合は、Kanoモデルとは?を参照してください。
Kanoモデルの全体像
実務では、次の8ステップで進めると整理しやすくなります。
- 分析目的と対象顧客を決める
- 評価する機能・品質要素を具体化する
- 機能あり/なしの質問票を作る
- 顧客から回答を集める
- 回答をKano分類へ変換する
- 分類結果を集計する
- 重要度・実現性と合わせて優先順位を決める
- 商品企画・改善計画へ反映する
ここでは、法人向け業務SaaSの新機能企画を例に進めます。
ステップ1|分析目的と対象顧客を決める
最初に、「何のためにKanoモデルを使うのか」と「誰の満足を考えるのか」を固定します。
入力
- 商品・サービス名
- 改善または新規企画のテーマ
- 対象顧客セグメント
- 意思決定したいこと
例
今回のテーマを、
法人向け業務SaaSの次期リリースで、どの機能を優先して開発するか決める
とします。
対象顧客は、従業員100〜500人規模で日常的に同SaaSを使う管理部門担当者です。
行動
既存顧客、新規見込み顧客、管理者、現場利用者などを混ぜると、満足要因が平均化されることがあります。まず誰の回答を基準にするかを決めます。
出力
- 分析目的
- 対象顧客
- 最終的に決めたいこと
判断基準
「この回答結果を誰の商品企画に使うのか」が一文で説明できる状態にします。
ステップ2|評価する機能・品質要素を具体化する
次に、顧客へ評価してもらう機能候補を決めます。
例
候補として、
- 自動保存
- CSV一括登録
- 操作履歴の詳細表示
- AIによる入力候補提案
- ダークモード
- 管理者向け権限設定
を挙げたとします。
行動
機能名だけでは解釈が人によってずれる場合があります。
悪い例:
AI機能
良い例:
過去の入力内容をもとに、次に入力する値の候補を画面上へ提示する機能
のように、顧客が具体的な利用場面を想像できる表現にします。
出力
- 評価対象機能一覧
- 各機能の説明文
判断基準
回答者が「その機能がある状態」と「ない状態」を具体的に想像できるかを確認します。
ステップ3|機能あり/なしの質問票を作る
Kanoモデルでは、各機能について肯定的質問と否定的質問を組み合わせます。
たとえば「自動保存」なら、次のように聞きます。
肯定的質問
入力内容が自動保存される機能があったら、どう感じますか?
否定的質問
入力内容が自動保存されない場合、どう感じますか?
回答選択肢は同じ形式にそろえます。
- とても満足
- 当然だと思う
- どちらでもよい
- しかたない
- 不満
入力
- 機能説明
- 肯定的質問
- 否定的質問
- 回答選択肢
行動
質問文は、「便利ですか?」「必要ですか?」だけで済ませないようにします。
片側だけを聞くと、「あるとうれしい」のか「ないと困る」のかを区別しにくいためです。
出力
- Kano質問票
判断基準
各機能で肯定・否定の2問が対になっているか、誘導的な表現になっていないかを確認します。
そのまま使える記入型が必要なら、Kanoモデルテンプレートを使うと、機能一覧、質問、回答、分類、優先順位まで整理できます。
ステップ4|顧客から回答を集める
質問票を対象顧客へ配布します。
入力
- 対象顧客リスト
- 質問票
- 回答期限
行動
既存顧客だけでなく、新規顧客や利用頻度別の違いを見たい場合は、回答者属性も一緒に記録します。
たとえば、
- 管理者/一般利用者
- 利用歴1年未満/1年以上
- 小規模導入/大規模導入
などです。
出力
- 回答データ
- 属性データ
判断基準
回答者が対象顧客と一致しているか、特定の顧客層へ偏りすぎていないかを確認します。
ステップ5|回答をKano分類へ変換する
肯定的質問と否定的質問の組み合わせから、各回答を分類します。
代表的な分類は次のとおりです。
当たり前品質
ないと不満が強くなる一方、あっても大きな満足にはつながりにくい要素です。
今回のSaaS例では、自動保存や権限管理が該当する可能性があります。
一元的品質
性能や充足度が高いほど満足度が上がり、低いほど不満が増える要素です。
たとえば処理速度、検索性能、CSV一括登録の使いやすさなどです。
魅力的品質
なくても強い不満は生じにくいものの、あると大きな満足につながる要素です。
AIによる入力候補提案など、新しい体験価値が該当する可能性があります。
無関心品質
あってもなくても満足度へ大きく影響しない要素です。
逆品質
あることでかえって不満が高まる要素です。
たとえば自動化が強すぎて操作自由度を奪う機能などが考えられます。
行動
回答表に従って各回答を分類し、機能ごとに分類数を集計します。
出力
- 回答者ごとの分類
- 機能ごとの分類数
判断基準
1回答だけで機能全体を断定せず、回答分布を見ることが重要です。
ステップ6|機能ごとの分類結果を集計する
たとえば100人へ調査し、自動保存について、
- 当たり前品質:58人
- 一元的品質:22人
- 魅力的品質:8人
- 無関心品質:10人
- 逆品質:2人
だったとします。
この場合、自動保存は「当たり前品質」が中心と判断できます。
一方、AI入力候補について、
- 魅力的品質:45人
- 一元的品質:20人
- 無関心品質:28人
- 逆品質:7人
なら、「万人向けではないが、一定顧客には強い満足要因になる」と読めます。
出力
- 機能別の分類分布
- 主分類
- セグメント別の違い
判断基準
最多分類だけでなく、分布のばらつきと顧客属性を確認します。
たとえば管理者は権限設定を当たり前品質と見ても、一般利用者は無関心品質と見る可能性があります。
ステップ7|重要度・実現性と合わせて優先順位を決める
Kano分類だけで開発順を決めるのは危険です。
商品企画では、少なくとも次の軸を合わせます。
- Kano分類
- 顧客の重要度
- 対象顧客数
- 実装コスト
- 技術リスク
- 競合状況
- 事業戦略との整合
判断例
自動保存が当たり前品質で、未実装なら優先度は高くなります。競合では標準搭載され、顧客離脱要因にもなるためです。
AI入力候補が魅力的品質でも、利用対象が狭く開発コストが極端に高ければ、すぐ全面実装するとは限りません。小規模なβ版で検証する判断もあります。
出力
- 優先順位
- 実装方針
- 保留理由
判断基準
「Kano分類が何だから実装する」ではなく、顧客価値と実現条件を合わせて説明できることです。
ステップ8|商品企画・改善計画へ反映する
最終的に、分類結果を開発ロードマップへ落とします。
例
今回のSaaSでは、
#### 最優先
- 自動保存:当たり前品質。未対応だと不満につながるため先に実装
- 権限設定:当たり前品質。法人導入条件として必要
#### 強化
- CSV一括登録:一元的品質。処理件数と操作性を改善
#### 検証
- AI入力候補:魅力的品質。対象顧客を限定してβ提供
#### 後回し
- ダークモード:無関心品質が多く、今回の顧客層では優先度を下げる
と整理したとします。
出力
- 実装優先順位
- β検証項目
- 後回し項目
- 再調査条件
判断基準
各機能について、「なぜ今やるのか/やらないのか」を顧客反応と事業条件から説明できることです。
通し例|法人向け業務SaaSの次期機能を決める
ここまでを1つのケースとしてつなげます。
背景
開発チームには20件以上の機能要望が届いていました。
営業は「顧客から要望が多い順」を優先したい一方、開発は「競合差別化になる新機能」を進めたい状態でした。
1. 対象顧客を固定
従業員100〜500人規模の管理部門担当者を対象にしました。
2. 評価機能を6つへ絞る
- 自動保存
- CSV一括登録
- 操作履歴詳細
- AI入力候補
- ダークモード
- 権限設定
です。
3. Kano質問票を作る
各機能について、「ある場合」と「ない場合」を対で質問しました。
4. 100人から回答を集める
管理者・一般利用者、利用歴、契約規模も属性として記録しました。
5. 回答を分類する
結果例として、
- 自動保存:当たり前品質が中心
- CSV一括登録:一元的品質が中心
- AI入力候補:魅力的品質が多い
- ダークモード:無関心品質が多い
- 権限設定:管理者では当たり前品質が多い
と分かりました。
6. 開発条件と合わせる
自動保存と権限設定は、差別化機能ではなくても不足すると不満や失注につながるため最優先にしました。
AI入力候補は魅力的品質でしたが、実装コストと誤提案リスクがあるため、全面実装ではなくβ提供としました。
7. 最終判断
次期リリースでは、
- 自動保存
- 権限設定
- CSV一括登録改善
を本実装し、AI入力候補は一部顧客で検証、ダークモードは後回しにしました。
このように、Kanoモデルを使うと「要望件数が多い順」だけでなく、不足時の不満、充足時の満足、差別化余地を分けて優先順位を考えられます。
具体例をさらに詳しく追いたい場合は、Kanoモデルの具体例を参照してください。
Kanoモデルでよくあるつまずき
顧客の要望文をそのまま評価項目にする
「もっと便利にしてほしい」のような抽象表現では分類しにくいため、具体的な機能・品質要素へ分解します。
1つの質問だけで評価する
Kanoモデルでは、機能がある場合とない場合を対で聞くことが重要です。
最多分類だけで判断する
セグメントによる違いや回答分布も確認します。
魅力的品質だけを追う
当たり前品質が欠けている状態で魅力機能を追加しても、顧客不満が解消しない場合があります。
一度分類したら固定だと考える
魅力的品質だった機能も、市場で普及すれば当たり前品質へ近づくことがあります。定期的な見直しが必要です。
よくある失敗を先に確認したい場合は、Kanoモデルで失敗しやすいポイントも参考になります。生成AIを補助的に使って機能候補や質問文を整理したい場合は、生成AIでKanoモデルを使う方法も参照してください。
他の顧客理解フレームワークとの使い分け
Kanoモデルは「どの機能・品質要素が満足や不満にどう効くか」を見る方法です。
一方、ペルソナは「誰を理解するか」、カスタマージャーニーは「顧客体験の流れのどこに課題があるか」を整理するのに向いています。
使い分けを確認したい場合は、ペルソナとKanoモデルの違い、カスタマージャーニーとKanoモデルの違い、ペルソナ・カスタマージャーニー・Kanoモデルの使い分けも参考になります。
実務で使うためのチェックリスト
- 分析目的を一文で決めたか
- 対象顧客を絞ったか
- 評価機能を具体化したか
- 機能説明を利用場面まで書いたか
- 肯定的質問と否定的質問を対で作ったか
- 回答者属性を記録したか
- 回答をKano分類へ変換したか
- 機能別に分類分布を集計したか
- 最多分類だけで判断していないか
- 顧客セグメント差を確認したか
- 当たり前品質の不足を先に確認したか
- 魅力的品質だけを過大評価していないか
- 重要度・実装コスト・技術リスクも見たか
- 開発優先順位へ落としたか
- β検証と本実装を分けたか
- 定期的な再調査条件を決めたか
まとめ
Kanoモデルを実務で使うときは、まず分析目的と対象顧客を決め、評価する機能・品質要素を具体化します。
次に、各機能について「ある場合」と「ない場合」の質問を対で作り、顧客から回答を集め、当たり前品質、一元的品質、魅力的品質、無関心品質、逆品質などへ分類します。
そのうえで、分類結果だけで開発順を決めず、顧客の重要度、対象顧客数、実装コスト、技術リスク、競合状況と合わせて優先順位を決めます。
今回のSaaS例では、自動保存と権限設定を当たり前品質として最優先、CSV一括登録を一元的品質として強化、AI入力候補を魅力的品質としてβ検証、ダークモードは無関心品質が多いため後回しとしました。
Kanoモデルの価値は、顧客要望を単純に件数順で並べることではありません。「欠けると不満になるもの」「高めるほど満足につながるもの」「あると喜ばれるもの」を分け、商品企画の優先順位を説明できる形にすることにあります。