Manuelle Auswertung von Kano Studien

User Research liefert die Datenbasis für gewisse Entscheidungen im Bezug auf die Entwicklung von Produkten und Strategien innerhalb von Unternehmen. Auch einige Entscheidungen, welche die Kommunikation nach außen und den Umgang mit Kunden beeinflussen, können durch Befragungen gefällt werden. Um unverfälschte, zuverlässige Daten zu erhalten, müssen Fragebögen und Studien sauber designt und durchgeführt werden. Im Endeffekt helfen einem User Researcher die besten Daten nicht weiter, wenn sie falsch ausgewertet werden.


Einen Artikel über die fortgeschrittene statistische Auswertung von Kano Studien haben wir bereits vor einigen Monaten hier veröffentlicht. Allerdings bietet diese Erklärung nur dann einen Mehrwert, wenn einem die zugrundeliegende Auswertung von Kano Studien vorliegt, oder man das Prinzip kennt. Vorgestellte Methoden wie der Fong-Test, die kontinuierliche Analyse der Daten und Satisfaction-Koeffizienten sind lediglich eine Erweiterung der diskreten Auswertung.


Anlässlich des Launchs von Kano+ ist bei der Sammlung von Informationen, die wir über die Kano Methode veröffentlicht haben, aufgefallen: wie genau man die Ergebnisse einer Kano-Befragung selbst diskret auswertet haben wir nie erklärt. Diese Lücke möchten wir deshalb an dieser Stelle schließen.

Kategorisierung der einzelnen Antworten

Die Ergebnisse einer Kano Befragungen sind im Prinzip zwei Datenpunkte pro Teilnehmer pro untersuchtem Feature: einmal die Antwort auf die funktionale Frage (“Wie würden Sie sich fühlen, wenn das Feature vorhanden wäre?”) und einmal die Antwort auf die disfunktionale Frage (“Wie würden Sie sich fühlen, wenn das Feature NICHT vorhanden wäre?”). Aus diesen beiden Antworten lässt sich die Kategorie ableiten, welcher dieser Proband das Feature zuordnet. Die Kategorie kann über die Antworten aus der Kano Auswertungs-Matrix abgelesen werden.



Ist die Antwort auf die disfunktionale Frage “ist mir egal” und auf die funktionale Frage “würde mich sehr freuen” gehört ein Feature z.B. zu den Begeisterungs-Features. Dieser Schritt muss nacheinander für jedes Feature für jeden Probanden durchgeführt werden. Bei einer Studie, welche mit 50 Probanden 10 Features untersucht muss also bereits 500 mal kategorisiert werden.

Ermitteln der Endkategorie für die einzelnen Features

Das Ergebnis des ersten Schritts sind für jedes Feature soviele Zuordnungen zu einer Kategorie, wie Probanden an der Studie teilgenommen haben. Nächster Schritt ist, zu ermitteln, welcher Kategorie das Feature als Ergebnis der gesamten Studie zugeordnet wird. Hierfür legt man am besten eine Tabelle an, in welcher man pro Zeile für jedes Feature einträgt, wie viele Probanden es einer bestimmten Kategorie zugeordnet haben.



Dabei gehört ein Feature in Summer immer derjenigen Kategorie an, welcher es am häufigsten zugeordnet wurde. Wir ein Feature mehreren Kategorien gleich oft zugeordnet, gilt die Hierarchie Basis > Leistung > Begeisterung > Indifferent. Herrscht also beispielsweise Gleichstand zwischen den Kategorien Basis und Begeisterung, handelt es sich um ein Basis Feature.

Genauere Auswertung

Möchte man einen tieferen Einblick in die genaue Struktur der Daten erlangen, bieten sich Methoden wie die kontinuierliche Auswertung oder weiterführende Tests an. Ob es Sinn macht, eine kontinuierliche Auswertung ohne technische Hilfsmittel durchzuführen, ist allerdings fraglich. Während das Auswerten der Ergebnisse einer Kano Studie ohne technische Unterstützung durchaus möglich ist, ist dieses Vorgehen sehr aufwändig. Aus diesem Grund bietet es sich an, Tools oder zumindest vorbereitete Excel Sheets für die Auswertung zu verwenden.



Sie möchten Kano Studien durchführen und direkt Ergebnisse erhalten? Unser Kano+ Tool erstellt die Fragebögen auf Basis Ihrer Beschreibung der geplanten Features. Hier erfahren, wie man eine Studie mit Kano+ anlegt, oder direkt starten unter https://kano.plus!