Die Kano-Methode

Die Kano-Methode ist ein Verfahren, dass die empirische Bestimmung der Basis-, Leistungs- und Begeisterungsfaktoren eines Produkts nach dem Kano-Modell ermöglicht. Dieser Überblick stellt das grundlegende Vorgehen der Kano-Methode vor sowie die Möglichkeiten zur Auswertung und Interpretation der gewonnenen Daten.


Die Kano-Methode ist das Instrument, um die Anforderungen der Kunden an ein Produkt zu bestimmen, die sich nach dem Kano-Modell ergeben. Sie erlaubt eine Bestimmung der Basis-, Leistungs- und Begeisterungsfaktoren. Die Kano-Methode gehört zu den sogenannten subjektiven Methoden, da sie auf den Wahrnehmungen und Wünschen der Kunden beruht, weiterhin gehört sie zu den merkmalsorientierten Verfahren, da sie eine Bestimmung der Produktmerkmale gestattet, die zur Kundenzufriedenheit führen sollen. Die Kano-Methode ermöglicht es nicht, die aktuelle Zufriedenheit der Kunden zu bestimmen, hierfür sind andere Methoden, wie z. B. die GAP-Methode erforderlich (vgl. Nerdinger & Neumann, 2007).

Die Folgenden wird eine Übersicht über die Kano-Methode geboten, beginnend von der spezifischen Art, die Wichtigkeit von Produktmerkmalen aus Sicht der Kunden zu erfassen, über die Zusammenfassung der Daten und deren anschließende Interpretation. Diese Zusammenfassung beruht hauptsächlich auf den Arbeiten von Hölzinger (2008), Sauerwein (1999) sowie Sauerwein, Bailom, Matzler und Hinterhuber (1996).

Nicht berücksichtigt wird die Identifikation der Produktmerkmale, die mittels der Kano-Methode untersucht werden sollen. Diese ist der eigentlichen Analyse vorgelagert und kann z. B. mithilfe von Interviewverfahren erfolgen. Mittels dieser Vorarbeit werden Produktmerkmale ermittelt, die von den Konsumenten als in irgendeiner Art und Weise wichtig für das Produkt angesehen werden. Die so ermittelten Produktmerkmale sind dann der Gegenstand der Kano-Anaylse.

Die Erfassung der Anforderungen an die Produktmerkmale geschieht bei der Kano-Methode mittels zweier Fragen, die als funktionale und dysfunktionale Frage bezeichnet werden. Die funktionale Frage erfasst die Reaktion eines Kunden, wenn das abgefragte Produktmerkmal vorhanden ist. Die dysfunktionale Frage erfasst hingegen die Reaktion eines Kunden, wenn das abgefragte Produktmerkmal nicht vorhanden ist. Die Antwort auf diese beiden Fragen erfolgt auf einer fünf-stufigen Ratingskala, welche die folgenden Stufen aufweist:

  1. Das würde mich sehr freuen.
  2. Das setze ich voraus.
  3. Das ist mir egal.
  4. Das könnte ich in Kauf nehmen.
  5. Das würde mich sehr stören.

Ein Beispiel für eine funktionale und dysfunktionale Frage im Zusammenhang mit einer Bankdienstleistung könnte z. B. lauten:

Funktionale Frage:
Wenn Ihnen Ihr Bankberater bei der Begrüßung eine Tasse Kaffee anbietet, was würden Sie darüber denken.

  1. Würde mich sehr freuen.
  2. Setze ich voraus.
  3. Ist mir egal.
  4. Könnte ich in Kauf nehmen.
  5. Würde mich sehr stören.

Dysfunktionale Frage:
Wenn Ihnen Ihr Bankberater bei der Begrüßung keine Tasse Kaffee anbietet, was würden Sie darüber denken.

  1. Würde mich sehr freuen.
  2. Setze ich voraus.
  3. Ist mir egal.
  4. Könnte ich in Kauf nehmen.
  5. Würde mich sehr stören.

Anschließend werden die Antworten auf diese beiden Fragen in die Kano-Auswertungstabelle eingetragen (vgl. Tabell 1). Antwortet ein Proband beispielsweise auf die funktionale Frage im obigen Beispiel mit „Das würde mich sehr freuen“ und auf die dysfunktionale Frage mit „Ist mir egal“ muss aus der Auswertungstabelle das Feld in der ersten Zeile und der dritten Spalte gewählt werden.

Produktmerkmal Dysfunktionale Frage
Würde mich sehr freuen Setze ich vorraus Ist mir egal Könnte ich in Kauf nehmen Würde mich sehr stören
Funktionale
Frage
Würde mich sehr freuen
Q
A
A
A
O
Setze ich vorraus
R
I
I
I
M
Ist mir egal
R
I
I
I
M
Könnte ich in Kauf nehmen
R
I
I
I
M
Würde mich sehr stören
R
R
R
R
Q

Die Buchstaben A, M, R, O, Q und I bezeichnen dabei die Kategorie, in welche die Antwort auf diese beiden Fragen fällt. Die Bedeutung der Kategorien ist dabei wie folgt:

  • A (Attractive), bezeichnet einen Begeisterungsfaktor.
  • M (Must-Be), bezeichnet einen Basisfaktor.
  • O (One-dimensional), bezeichnet einen Leistungsfaktor.
  • I (indifferent), bezeichnet indifferente Produktmerkmale, eine Kategorie von Antworten, die darauf hindeutet, dass sich die Befragten im Hinblick auf dieses Produktmerkmal uneinig sind. Dies bedeutet nichts anderes, als dass dieses Produktmerkmal nicht relevant ist.
  • R (Reverse), bezeichnet reverse Produktmerkmale, eine Kategorie, die angibt, dass das angefragte Produktmerkmal von den Befragten nicht gewünscht wird und das beim Vorhandensein sogar zur Unzufriedenheit führt.
  • Q (Questionable), bezeichnet eine Kategorie, die drauf hindeutet, dass die Frage von den befragten falsch verstanden wurde oder die falsch gestellt wurde. Auf die Auswertung von Fragen, deren Antworten in diese Kategorie fallen muss verzichtet werden.

Auf diese Weise für jede abgefragte Produkteigenschaft und jeden Probanden die entsprechende Kategorie in der Kano-Auswertungstabelle bestimmt. Die Häufigkeit, der in jeder Zelle der Kano-Auswertungstabelle auftretenden Kategorien, wird notiert. Danach werden die der gleichen Kategorie angehörenden Zellhäufigkeiten der Auswertungstabelle aufaddiert und das Ergebnis in einer Häufigkeitstabelle in der Form wie in eingetragen. Die Häufigkeitstabelle gibt an, wie oft eine bestimmte Kategorie von den befragten Probanden gewählt wurde.

Neben der ursprünglichen Kano-Tabelle, wie in Tabelle 1 dargestellt, existiert eine Modifikation von F. Puliot. In der Modifikation werden widersprüchliche Angaben bei der Bewertung berücksichtigt. Diese liegen dann vor, wenn sowohl die funktionale als die dysfunktionale Frage mit „Setze ich voraus“ bzw. „Könnte ich in Kauf nehmen“ beantworten werden. Betroffen sind somit die Zelle in der zweiten Zeile und der zweiten Spalte bzw. die Zelle in der vierten Zeile und der vierten Spalte. Puliot hat daher vorgeschlagen, die Kategorisierung dieser Zellen von Indifferent in Questionable zu ändern. Tabelle 2 zeigt die nach Puliot geänderte Kano-Tabelle. Achtung: Das im Folgenden dargestellte Beispiel für eine Auswertung nach der Kano-Methode bezieht sich auf die ursprüngliche Kano-Tabelle!

Produktmerkmal Dysfunktionale Frage
Würde mich sehr freuen Setze ich vorraus Ist mir egal Könnte ich in Kauf nehmen Würde mich sehr stören
Funktionale
Frage
Würde mich sehr freuen
Q
A
A
A
O
Setze ich vorraus
R
Q
I
I
M
Ist mir egal
R
I
I
I
M
Könnte ich in Kauf nehmen
R
I
I
Q
M
Würde mich sehr stören
R
R
R
R
Q

Die folgende Tabelle enthält die fiktive Häufigkeitsverteilung von 100 Probanden, welche die im Beispiel genannte Frage nach einer Tasse Kaffee in einem Beratungsgespräch beantwortet haben.

Produkteigenschaft A O M I R Q Gesamt Kategorie
Tasse Kaffee
35
(35%)
15
(15%)
25
(25%)
20
(20%)
4
(4%)

1
(1%)

100
(100%)
A

Auf Basis dieser Häufigkeitstabelle muss dann bestimmt werden, ob das abgefragte Produktmerkmal ein Basis-, Leistungs- oder Begeisterungsfaktor darstellt. Zur Festlegung der endgültigen Kategorie existieren verschieden Möglichkeiten: die Modus-Regel, zwei Entscheidungsregeln sowie eine Reihe weiterer Koeffizienten, welche in Zweifelsfällen eine Interpretationshilfe zur Zuordnung einer Kategorie geben.

Bei der Modus-Regel bestimmt die Antwortkategorie, die am häufigsten gewählt wurde, welche Art von Faktor die abgefragte Produkteigenschaft darstellt. Im Beispiel liegt der Modus der Häufigkeiten bei der Kategorie A, das abgefragte Produktmerkmal stellt somit einen Begeisterungsfaktor dar.

Es kann vorkommen, dass die Modus-Regel zu nicht eindeutigen Ergebnissen führt, z. B. wenn der Modus einer Kategorie sehr nah an der Häufigkeit einer anderen Kategorie liegt oder wenn zwei Kategorien die gleiche Häufigkeit aufweisen. Ein Beispiel hierzu ist in der nachfolgenden Häufigkeitstabelle dargestellt.

Produkteigenschaft A O M I R Q Gesamt Kategorie
Tasse Kaffee
35
(35%)
11
(11%)
34
(34%)
20
(20%)
4
(4%)

1
(1%)

100
(100%)
A

Man sieht, dass nach der Modus-Regel die vom Bankberater angebotene Tasse Kaffee weiterhin als Begeisterungsfaktor einzustufen ist, aber 34 Probanden sehen die Tasse Kaffee als Basisfaktor an. Lediglich ein Proband markiert hier den Unterschied und führt zur Einstufung als Begeisterungsfaktor. Da es allerdings von enormer Wichtigkeit ist, ob ein Basis- oder Begeisterungsfaktor vorliegt, sollte die Entscheidung nicht nur an der Modus-Regel festgemacht werden. Für Fälle wie den oben dargestellten, bei dem die Häufigkeiten in zwei Kategorien nahe beisammen liegen oder gleich sind, somit die Produktmerkmale nicht eindeutig als Basis-, Leistungs- oder Begeisterungsfaktor eingestuft werden können, kommen die beiden folgenden Entscheidungsregeln zum Einsatz.

Die erste Entscheidungsregel lautet:

  1. Wenn (M + A + O) > (I + Q + R), dann wähle das Maximum von M, A oder O.
  2. Wenn (M + A + O) < (I + Q + R), dann wähle das Maximum von I, Q oder R.

Nach der Häufigkeitsverteilung in im Beispiel ergibt sich M + A +O = 34 + 11 + 35 = 80 und I + Q + R = 15 + 1 + 4 = 20 und somit (M + A + O) > (I + Q + R), womit die erste Bedingung und damit das Maximum der Kategorien M, A oder O zu wählen ist. Die erste Entscheidungsregel spricht somit auch dafür, die Tasse Kaffee als Begeisterungsfaktor einzustufen.

Die zweite Entscheidungsregel besagt, dass M > O > A > I gilt. Bei Entscheidungen über die Einstufung von Produktmerkmalen sind gemäß dieser Regel zuerst immer die Basisfaktoren, dann die Leistungsfaktoren, daran anschließend die Begeisterungsfaktoren und zuletzt die Merkmale, die für die Kunden irrelevant erscheinen, zu berücksichtigen sind. Die zweite Entscheidungsregel ist präskriptiv und besagt, dass Basisfaktoren wichtiger sind als Leistungsfaktoren, Leistungsfaktoren wiederum wichtiger sind als Begeisterungsfaktoren und Begeisterungsfaktoren wiederum wichtiger sind als irrelevante Produktmerkmale.

Die zweite Entscheidungsregel drückt nichts anderes aus als die folgende, aus dem Kano-Modell abgeleitete, Handlungsmaxime: Basisfaktoren müssen vorhanden sein und den Erwartungen der Kunden entsprechen, Leistungsfaktoren müssen vorhanden sein und den Erwartungen der Kunden entsprechen sowie den Leistungsfaktoren von Konkurrenzangeboten entsprechen. Begeisterungsfaktoren schließlich sollen das eigene Angebot positiv von dem Angebot der Konkurrenz differenzieren.

Bei der Interpretation der Ergebnisse sind zwei weitere Kennwerte nützlich, diese werden als Kategoriestärke und totale Stärke bezeichnet. Diese beiden Kennwerte sind nützlich, wenn eng zusammenliegende Häufigkeiten interpretiert werden sollen. Die Kategoriestärke berechnet sich wie folgt:

Kategoriestärke = Prozentsatz häufigste Antwort – Prozentsatz zweithäufigste Antwort

Sie gibt an, wie eindeutig eine Kategorisierung ist. Eine Daumenregel besagt, dass eine Kategorienstärke größer als 6 % bedeutet, dass ein Produktmerkmal eindeutig klassifiziert wurde.

Die totale Stärke berechnet sich nach der Formel:

Totale Stärke = Prozentsatz M + Prozentsatz O + Prozentsatz A

Sie gibt an, ob mehr als 50 % der Probanden einer Stichprobe ein abgefragtes Produktmerkmal als wichtig erachten.

Um die Kategoriestärke und die totale Stärke zu verdeutlichen, erweitern wir unser Beispiel. Für die Frage nach der Tasse Kaffee bei einem Beratungsgespräch haben sich die bei in der folgenden Tabelle gezeigten Häufigkeitsverteilungen ergeben.

Beispiel A O M I R Q Stärke Gesamt Kategorie
Beispiel 1
35
(35%)
15
(15%)
25
(25%)
20
(20%)
4
(4%)

1
(1%)

Kat. = 10%
Total = 75%

100
(100%)
A
Beispiel 2
35
(35%)
11
(11%)
34
(34%)
15
(15%)
4
(4%)

1
(1%)

Kat. = 1%
Total = 80%

100
(100%)
A

In Beispiel 1 ergibt sich eine Kategoriestärke von 10 %, nach der Daumenregel ist die Kategorisierung damit eindeutig. Die totale Stärke im Beispiel 1 ist ebenfalls größer als 50 %, d. h., die Mehrheit der Probanden sieht das Merkmal als wichtig an. Nach der Modus-Regel ist das Merkmal also ein Begeisterungsfaktor.

In Beispiel 2 zeigt sich lediglich eine Kategoriestärke von 1 %, nach der Daumenregel ist diese Kategorisierung damit nicht eindeutig. Die totale Stärke ist größer als 50 %, was auch in diesem Beispiel bedeutet, dass die Mehrheit der Probanden die Tasse Kaffee als wichtig erachten. Im Beispiel 2 sollte dann zur Interpretation die zweite Entscheidungsregel herangezogen werden, die besagt, dass Basisfaktoren wichtiger als Leistungsfaktoren und Leistungsfaktoren wichtiger als Begeisterungsfaktoren sind. Demnach sollte die Tasse Kaffee im zweiten Beispiel als Basisfaktor eingestuft werden.

Diese beiden Beispiele können aber verdeutlichen, wie sich Produktmerkmale zwischen unterschiedlichen Kundensegmenten unterscheiden können. Die Daten aus dem ersten Beispiel können beispielsweise aus einem weniger wohlhabenden Segment der Bankkunden stammen, die weniger häufig Kontakt mit Bankberatern haben und durch das Angebot einer Tasse Kaffee sprichwörtlich begeistert werden. Die Daten aus dem zweiten Beispiel können dahingegen aus einem wohlhabenderen Kundensegment stammen, die häufiger ein Beratungsgespräch bei ihrem Kundenberater haben. Diese Kunden sind sich nicht schlüssig, ob das Angebot einer Tasse Kaffee als selbstverständlich oder als schöner Zusatz betrachtet werden sollte. In beiden Beispielen wäre es für die Bank ratsam, die Tasse Kaffe anzubieten. Im ersten Fall der weniger wohlhabenden Kunden würde dies zu einer besseren Differenzierung des eigenen Angebots den dem konkurrierender Banken führen. Im zweiten Fall würde dies den Anteil der Kunden, die eine Tasse Kaffee beim Beratergespräch als selbstverständlich empfinden, zufriedenstellen und überdies diejenigen, die die Tasse Kaffee als zusätzliches Angebot schätzen, begeistern.

Bei der Auswertung einer Befragung nach der Kano-Methode spielen aber noch zwei weitere Kennziffern eine Rolle, dies ist der Zufriedenheitskoeffizienten (CS), der sich unterteilen lässt in den Koeffizient der Zufriedenheitsstiftung (CS+) und den Koeffizient der Unzufriedenheitsstiftung (CS-).

Koeffizient Zufriedenheitsstiftung

Koeffizient Unzufriedenheitsstiftung

Die Koeffizienten geben an, wie stark die Zufriedenheit durch das Vorhandensein eines Produktmerkmals gesteigert werden kann oder inwieweit dadurch lediglich Unzufriedenheit vermieden wird. Die Wertebereiche dieser Koeffizienten reichen von 0 bis 1 bei CS+ bzw. von 0 bis -1 bei CS-. Das negative Vorzeichen beim CS Koeffizienten soll den negativen Einfluss auf die Kundenzufriedenheit verdeutlichen, wenn die Produkteigenschaft nicht vorhanden ist. Werte nahe 1 bzw. -1 bedeuten, dass ein Produktmerkmal wichtig für die Zufriedenheit bzw. Vermeidung von Unzufriedenheit ist. Koeffizienten nahe 0 werden dagegen werden als unwichtig die Zufriedenheitsstiftung bzw. Vermeidung von Unzufriedenheit angesehen. Dabei unterscheidet sich allerdings die Interpretation der CS+ und CS Koeffizienten. Ein CS+ nahe 0 bedeutet, dass das Produktmerkmal wenig Einfluss auf die Zufriedenheit des Kunden hat, während ein CS+ nahe 1 nahelegt, dass das Merkmal einen starken Einfluss auf die Zufriedenheit besitzt. Eine CS- nahe null bedeutet hingegen, dass das Produktmerkmal keine Unzufriedenheit hervorruft, wenn dieses nicht vorhanden ist. Ein CS- nahe -1 bedeutet, dass ein großer Effekt auf die Unzufriedenheit vorhanden ist, wenn das Produktmerkmal nicht vorhanden ist. Werte ab 0.5 werden für CS+ als bedeutend, Werte unter -0,5 werden für CS- als kritisch angesehen. Die Zufriedenheitskoeffizienten sollten nicht unabhängig voneinander betrachtet werden, sondern immer in Relation zueinander. Hierfür bietet es sich an, diese in einem gemeinsamen Koordinatensystem dazustellen, wobei die CS- auf der Abszisse und die CS+ auf der Ordinate abgetragen werden.

Diese Koeffizienten helfen ebenso wie die Kategoriestärke und die totale Stärke bei der Interpretation von Ergebnissen, bei denen die Zuordnung zu einer Kategorie nicht eindeutig ist. Für die Daten unseres Beispiel 1 und 2 ergibt sich somit folgende Koeffizienten der Zufriedenheits- bzw. Unzufriedenheitsstiftung.

Beispiel A O M I R Q CS-Koeffizient Gesamt Kategorie
Beispiel 1
35
(35%)
15
(15%)
25
(25%)
20
(20%)
4
(4%)

1
(1%)

CS+ = 0,526
CS- = -0,421

100
(100%)
A
Beispiel 2
35
(35%)
11
(11%)
34
(34%)
15
(15%)
4
(4%)

1
(1%)

CS+ = 0,484
CS- = -0,473

100
(100%)
A

Neben den bis hier vorgestellten Möglichkeiten die Antwortkategorie festzulegen, wurde von Fong (1996) noch eine Möglichkeit vorgestellt, die statistische Signifikanz der Zuordnung zu einer Antwortkategorie zu prüfen. Der sogenannte Fong-Test berechnet sich nach folgender Formel

Fong-Test

wobei a absolute Häufigkeit der Antwortkategorie mit der größten Anzahl an Nennungen ist, b die Häufigkeit der Antwortkategorie mit der zweit größten Anzahl an Nennungen und n die Gesamtzahl der Nennungen in allen Antwortkategorien. Ist die obige Ungleichung erfüllt (in anderen Worten: liegt eine wahre Aussage vor), so gilt die Zuordnung zu einer Antwortkategorie als nicht signifikant.

Beispiel A O M I R Q Fong-Test Gesamt Kategorie
Beispiel 1
35
(35%)
15
(15%)
25
(25%)
20
(20%)
4
(4%)

1
(1%)

10 < 10.693 (wahr)
nicht signifikant

100
(100%)
A
Beispiel 2
45
(45%)
9
(9%)
25
(25%)
16
(16%)
4
(4%)

1
(1%)

20 < 11.130 (nicht wahr)
signifikant

100
(100%)
A

Im Beispiel 1 ist die Zuordnung nicht signifikant, da die Ungleichung erfüllt ist. In Beispiel 2 hingeben ist die Ungleichung nicht erfüllt und daher die Zuordnung signifikant. Dementsprechend würde man in Beispiel 1 das Merkmal nicht eindeutig als Begeisterungsanforderung ansehen, wohingegen die Entscheidung in Beispiel 2 eindeutig ist. Im Beispiel 1 kann dann z. B. zur Kategorienzuordnung die zweite Entscheidungsregel zurate gezogen werden, die besagt, dass bei unklarer Häufigkeitsverteilung das Merkmal zuerst als Basisanforderung einzustufen ist.

Referenzen

Sauerwein, E. (1999). Experiences with the reliability of the Kano-Method: Comparison to alternate forms and classification of product requirement. The Eleventh Symposium on Quality Function Deployment, 416-429.

Sauerwein, E., Bailom, F., Matzler K., Hinterhuber, H. H. (1996). The Kano Model: How to delight your customers. Preprints Volume I of the IX. International Working Seminar on Production Economics, Innsbruck, 19-23. Februar, 313-327.

Hölzing, J. A. (2008). Die Kano-Theorie der Kundenzufriedenheitsmessung. Eine theoretische und empirische Überprüfung. Wiesbaden: Gabler.

Fong, D. (1996). Using the self-stated importance questionnaire to interpret Kano questionnaire results.The Center for Quality Management Journal, 5, 21 – 24.

Nerdinger, F. W. & Neumann, Ch. (2007). Kundenzufriedenheit und Kundenbindung. In K. Moser (Hrsg.): Wirtschaftspsychologie. Heidelberg: Springer.

Pouliot, F. (1993). „Theoretical Issues of Kano’s Methods“ on „Kano’s Methods for Understanding Customer-defined Quality”, Center for Quality of Management Journal, 2(4), 28-35