Guía del modelo Kano — Distinguir calidad atractiva de calidad obligatoria

«Construyamos primero las funciones que más nos piden». Este criterio, que a primera vista parece correcto, falla muy a menudo en el desarrollo de producto. ¿Por qué? Porque «una función que dispara la satisfacción cuando existe» y «una función que se da por sentada y enfurece cuando falta» se rigen por lógicas completamente distintas. Por mucho que pulas la primera, la insatisfacción no desaparece; por mucho que pulas la segunda, la satisfacción no sube.

La satisfacción tiene una asimetría. Capturarla mediante cinco tipos de calidad y cambiar la estrategia según el tipo de función es justamente el modelo Kano. Lo propuso el japonés Noriaki Kano en la década de 1980 y se sigue usando en el desarrollo de productos y el diseño de servicios en todo el mundo. En este artículo organizamos, con el tacto de la práctica real, desde el significado de las cinco categorías hasta la forma de preguntar propia del modelo —«dos preguntas por atributo»—, la clasificación mediante la tabla de evaluación, la visualización con el coeficiente Better-Worse y la conexión con el IPA y el análisis de drivers clave.

1. Por qué importa la «asimetría de la satisfacción»

Lo normal es pensar de forma ingenua que «si la calidad sube, la satisfacción también sube». Pero la realidad no funciona así. Kano et al. (1984) demostró que existen atributos de calidad en los que la relación entre el grado de cumplimiento (cuánto se logra) y la satisfacción no es una línea recta.

Pensémoslo con un ejemplo. Que la batería del móvil «dure todo el día» se da por hecho: que dure no emociona, pero que no dure genera una insatisfacción brutal. En cambio, una «función útil inesperada» no le falta a nadie, pero cuando aparece dispara la satisfacción con un «oye, qué bien». Estas dos cosas, aun siendo ambas «funciones», afectan a la satisfacción de forma exactamente opuesta.

Si se ignora esta asimetría y se decide la prioridad de desarrollo solo por «número de peticiones» o «satisfacción media», acabas reforzando la calidad obligatoria sin que la satisfacción suba, en un esfuerzo en vano, o pasando por alto la calidad atractiva y dejando que la competencia te saque ventaja. El modelo Kano es la herramienta para distinguir de qué tipo es el efecto de cada función sobre la satisfacción.

Tanto en el análisis de importancia-satisfacción (IPA) como en el análisis de drivers clave ya mencionamos la «asimetría de la satisfacción (Matzler 2004)», pero la singularidad del modelo Kano es que va a medir esa asimetría directamente en la fase de diseño de las preguntas.

2. Las cinco categorías de Kano — clasificar funciones por su efecto sobre la satisfacción

El modelo Kano clasifica los atributos de calidad en cinco tipos.

Lo que indica cada categoría como estrategia

• Calidad obligatoria: cumplirla sin falta como «línea mínima». Competir aquí no sube la satisfacción (defensa)
• Calidad unidimensional: la satisfacción crece según la inversión. El terreno de competencia frente a los rivales (hacer crecer)
• Calidad atractiva: aunque sea para pocos, si engancha se convierte en diferenciación. El próximo plato fuerte (ataque)
• Calidad indiferente / inversa: decisión de no hacer / recortar. Ahorro de recursos y eliminación de funciones excesivas

El núcleo de Kano no es «muchas peticiones = hay que construirlo», sino que el sentido de la inversión cambia según el tipo.

3. La forma de preguntar propia del modelo Kano: «dos preguntas por atributo»

Lo que distingue de forma decisiva al modelo Kano de otras encuestas es que se pregunta por cada función con dos preguntas formando una pareja. A esto se le llama pregunta funcional (functional) y pregunta disfuncional (dysfunctional).

La forma de las preguntas

Para una función dada, se hacen estas dos preguntas.

[Pregunta funcional] Si esa función «existe», ¿cómo se siente?
[Pregunta disfuncional] Si esa función «no existe», ¿cómo se siente?

Las opciones de respuesta usan, en ambas preguntas, la misma escala de cinco niveles.

1. Me gusta (satisfecho)
2. Es lo natural (debería ser así)
3. Me da igual (neutral)
4. Lo tolero (es aceptable)
5. No me gusta (insatisfecho)

A partir de la combinación de respuestas entre «si existe» y «si no existe» se determina de qué tipo es esa función. Por ejemplo: «existe → me gusta / no existe → me da igual» indica calidad atractiva; «existe → es lo natural / no existe → no me gusta» indica calidad obligatoria, y así sucesivamente.

Por qué hacen falta dos preguntas

Si mides la satisfacción con una sola pregunta del tipo «¿es importante esta función?», la asimetría no se ve. Aunque respondan que es importante, no puedes distinguir si es porque «su ausencia molesta (obligatoria)» o porque «su presencia alegra (atractiva)». Solo cuando atacas por ambos flancos —cumplimiento y no cumplimiento— se ve el tipo de efecto sobre la satisfacción. Esta es la clave del diseño de preguntas de Kano.

La redacción de las preguntas condiciona los resultados. Para el principio de evitar la inducción y la doble negación, consulta la guía completa de redacción de preguntas de encuesta.

4. Clasificar con la tabla de evaluación

La combinación de la pregunta funcional (5 opciones) × la pregunta disfuncional (5 opciones) da 25 posibilidades. Las aplicamos a la tabla de evaluación de Kano para clasificar a cada encuestado y cada función según su tipo.

Lectura de las celdas más representativas:

• Base del recuento: para cada función, se toma como tipo de esa función «el tipo en el que más se ha clasificado (la moda)»
• Respuestas cuestionables (Questionable, Q): combinaciones lógicamente contradictorias, como «existe → me gusta / no existe → me gusta». Candidatas a excluir en la limpieza de datos. Si hay demasiadas, puede haber un problema de comprensión de las preguntas (guía de limpieza de datos de encuestas)

El recuento estándar consiste en sacar la distribución de tipos por función (qué % es A, qué % es M…) y representarla con el tipo más frecuente.

5. Visualizar con el coeficiente Better-Worse

Clasificar por la moda es sencillo, pero te deja en apuros con las funciones que se reparten por un margen estrecho, como «atractiva 45 % / unidimensional 40 %». Por eso, Berger et al. (1993) propuso el coeficiente Better-Worse (coeficiente de satisfacción del cliente, CS) para visualizarla como una magnitud continua.

Fórmulas de cálculo

• Coeficiente Better (de satisfacción) = (A + O) / (A + O + M + I)
• Coeficiente Worse (de insatisfacción) = −(O + M) / (A + O + M + I)

(A = atractiva, O = unidimensional, M = obligatoria, I = indiferente: número de respuestas de cada una)

• Better es «cuánto sube la satisfacción cuando ofreces esa función» (0 a 1; cuanto mayor, mayor efecto de mejora de la satisfacción)
• Worse es «cuánto aumenta la insatisfacción cuando falta esa función» (−1 a 0; cuanto mayor el valor absoluto, mayor el golpe de su ausencia)

Llevarlo a cuatro cuadrantes en un diagrama de dispersión

Si dibujas un diagrama de dispersión con Better en el eje horizontal y Worse (en valor absoluto) en el vertical, las funciones se reparten en cuatro zonas.

• Better alto · Worse alto → calidad unidimensional (el frente principal: cuanto más la haces crecer, más efecto)
• Better alto · Worse bajo → calidad atractiva (candidata a plato fuerte de la diferenciación)
• Better bajo · Worse alto → calidad obligatoria (la base que hay que defender)
• Better bajo · Worse bajo → calidad indiferente (dejar para después)

Esta forma de presentarlo se parece en su planteamiento a los cuatro cuadrantes del IPA y permite debatir en una sola lámina, en la reunión de dirección, «cuánto invertir en qué función». Para trazar el diagrama de dispersión, consulta la guía de visualización de resultados de encuestas.

6. Cuándo usar Kano, IPA y el análisis de drivers clave

El modelo Kano es complementario de otros métodos de análisis de la satisfacción. No hay que confundirlos: se eligen según el objetivo.

• Modelo Kano: clasifica directamente, en la fase de diseño de preguntas, el tipo de efecto sobre la satisfacción de cada función (atractiva / obligatoria / unidimensional). Adecuado para decidir qué funciones nuevas incluir o descartar y para diseñar el roadmap
• Análisis de drivers clave (KDA): a partir de datos de satisfacción ya existentes, deriva los factores que mueven estadísticamente la satisfacción global. De base regresiva. Adecuado para identificar factores de mejora en servicios en funcionamiento
• Análisis de importancia-satisfacción (IPA): traza un mapa de la prioridad de mejora en cuatro cuadrantes según importancia × satisfacción. Adecuado para hacer un inventario de la situación actual

Las combinaciones de manual

• Estudio previo al lanzamiento o de funciones nuevas → identificar el tipo de función con Kano y, cumpliendo la calidad obligatoria, sembrar 1 o 2 funciones de calidad atractiva
• Mejora durante la operación → identificar los factores que funcionan con el KDA y mapear la prioridad con el IPA. Con la mirada de Kano sobre «obligatoria/atractiva», detectar la «calidad obligatoria que, aunque la arregles, no sube la satisfacción»

Mientras que el KDA y el IPA «analizan la estructura de satisfacción de lo que ya existe», Kano es la herramienta más enfocada al previo al lanzamiento y a la planificación: «identificar el tipo de las funciones que vas a construir o incorporar». En la priorización de funciones previa al lanzamiento, también se combina con MaxDiff y el análisis conjoint.

7. La visión del equipo editorial — los 5 errores que NO se deben cometer con el modelo Kano

Desde la posición de quien sigue de forma continua los casos del sector y la voz de los responsables de investigación, aquí van cinco accidentes que se repiten con el modelo Kano.

1. Esperar que «reforzar» la calidad obligatoria suba la satisfacción

Es el malentendido más frecuente. La calidad obligatoria es del tipo se da por hecho cumplirla, su ausencia genera insatisfacción. Por mucho que la pulas más que nadie, la satisfacción no sube. No va a ocurrir que «si llevas la estabilidad del inicio de sesión al extremo, el cliente se emociona». La calidad obligatoria es la defensa de «no dejar que falte», no un objeto que hacer crecer. Si quieres atacar, ve a la unidimensional y la atractiva.

2. Dar por sentado que toda «función muy pedida» es calidad unidimensional

Buena parte de las funciones que el cliente dice «querer» son calidad unidimensional, pero entre ellas hay también calidad atractiva (difícil de verbalizar) y calidad obligatoria (que no aparece en las peticiones precisamente porque ni hace falta decirla). Si decides el desarrollo solo por el ranking de peticiones, se te escapan los fallos de calidad obligatoria y los descuidos de calidad atractiva. Decide por el tipo de Kano, no por el volumen de peticiones.

3. Dejar pasar las respuestas contradictorias (Questionable)

Mezclar en el recuento, sin excluirlas, respuestas lógicamente contradictorias como «existe → me gusta / no existe → me gusta». Una función con muchas Q es señal de que la explicación de la pregunta no se ha entendido. Hace falta revisar el texto que describe la función o tomar la decisión de sacar esa función del análisis. Si te saltas la limpieza, la clasificación se tambalea.

4. Confiar en exceso en que la calidad atractiva es una «diferenciación eterna»

La calidad atractiva de hoy se convierte en la calidad obligatoria de mañana (el propio Kano lo señaló como «obsolescencia de la calidad»). La cámara del móvil, cuando apareció, era calidad atractiva; hoy es calidad obligatoria. La clasificación de Kano es una instantánea de un momento dado y, si no la vuelves a medir periódicamente, se te pasa que el antiguo plato fuerte se ha convertido en un «se da por hecho».

5. Ignorar los segmentos y decidir una sola clasificación para el conjunto

Que para los usuarios intensivos sea calidad atractiva y para los usuarios ocasionales sea calidad indiferente es algo que ocurre con toda normalidad. Si lo redondeas a un solo tipo con el recuento global, desaparecen las diferencias entre segmentos. Para las funciones importantes, combínalo con la segmentación de clientes y mira la clasificación de Kano por segmento.

8. Estudios con el modelo Kano en la herramienta de encuestas Kicue

Un estudio con el modelo Kano se divide en la fase de «diseñar las preguntas en parejas de dos y recoger las respuestas» y la fase de análisis de «clasificar con la tabla de evaluación y calcular el coeficiente Better-Worse». De lo que se encarga Kicue es de la primera.

• Diseño de preguntas en parejas de dos (funcional y disfuncional): admite estructurar, para cada función, la pregunta funcional y la disfuncional con la misma escala de 5 opciones (tipos de preguntas). Se pueden montar tantas parejas como funciones haya
• Presentación de la descripción de la función: es posible un diseño que presente en texto la descripción de cada función antes de hacer las dos preguntas
• Exportación a CSV con ID de encuestado: vuelca las respuestas funcionales y disfuncionales con una respuesta por fila. Una estructura que puedes inyectar directamente en la clasificación de la tabla de evaluación y el cálculo de coeficientes
• Cribado de participantes: cribado inicial para preguntar solo a los clientes objetivo (guía de preguntas de cribado)

⚠️ Lo que Kicue no puede hacer

• No hay clasificación automática con la tabla de evaluación de Kano: la clasificación con la matriz de 25 celdas se hace, tras exportar el CSV, con Excel / R (por ejemplo, paquetes como Kained) / Python. Kicue en sí no incorpora una función de clasificación de Kano
• Tampoco hay cálculo del coeficiente Better-Worse ni creación del diagrama de dispersión: el cálculo de coeficientes y la visualización se hacen con Excel / R / Python
• Tampoco hay detección automática de respuestas contradictorias (Q): la limpieza y la exclusión son un procesamiento posterior a la exportación
• Tampoco hay clasificación de Kano por segmento: el recuento por segmento se hace con herramientas externas

Como artículos relacionados, leer en paralelo la guía de análisis de importancia-satisfacción (IPA), la guía de análisis de drivers clave, la guía de diseño de MaxDiff, el conjoint en la práctica y la guía de estudios de prueba de concepto te da la visión de conjunto de la investigación previa al lanzamiento y de desarrollo de producto: «identificar el tipo de las funciones (Kano) → medir la prioridad (MaxDiff/conjoint) → evaluar el concepto».

Conclusión — 6 puntos para dominar el modelo Kano

1. La satisfacción es asimétrica — pulir la calidad obligatoria no sube la satisfacción. Lo que hay que atacar es la unidimensional y la atractiva
2. Pregunta en parejas de dos — determina el tipo con la combinación de la pregunta funcional y la disfuncional. Con una sola pregunta no se ve la asimetría
3. Decide por el tipo, no por el número de peticiones — aunque tenga muchas peticiones, si es calidad obligatoria la satisfacción no sube
4. Visualiza con el coeficiente Better-Worse — convierte en magnitud continua las funciones que la moda reparte y decide la inversión en cuatro cuadrantes
5. La clasificación de Kano es una instantánea de un momento — la calidad atractiva tarde o temprano se vuelve obligatoria. Vuelve a medir periódicamente
6. Míralo por segmento — no lo redondees a una sola clasificación para el conjunto; combina las funciones importantes con la segmentación

El modelo Kano no es un «método de análisis rebuscado», sino una herramienta que lleva al diseño de preguntas una única intuición: «la satisfacción tiene una asimetría». Con tan solo diseñar correctamente esa forma de preguntar tan peculiar —dos preguntas por atributo— puedes elevar un escalón la calidad de las decisiones de desarrollo de producto: de «construir en orden de más peticiones» a «identificar el tipo e invertir».

Si quieres diseñar un estudio de modelo Kano para tu producto o tus funciones, ¿por qué no pruebas la herramienta de encuestas gratuita Kicue? Desde el diseño de las preguntas en parejas de dos —funcional y disfuncional—, pasando por la presentación de la descripción de las funciones, hasta la exportación a CSV con ID de encuestado, puedes empezar con una sola cuenta la parte de crear los datos de entrada de tu estudio Kano (la clasificación con la tabla de evaluación, el cálculo del coeficiente Better-Worse y la creación del diagrama de dispersión se operan en combinación con Excel / R / Python).

Referencias

• Kano, N., Seraku, N., Takahashi, F., & Tsuji, S. (1984). Attractive Quality and Must-Be Quality. Journal of the Japanese Society for Quality Control, 14(2), 147-156.
• Berger, C., Blauth, R., Boger, D., Bolster, C., Burchill, G., DuMouchel, W., ... Walden, D. (1993). Kano's Methods for Understanding Customer-Defined Quality. Center for Quality Management Journal, 2(4), 3-36.
• Matzler, K., & Hinterhuber, H. H. (1998). How to make product development projects more successful by integrating Kano's model of customer satisfaction into quality function deployment. Technovation, 18(1), 25-38.
• Mikulić, J., & Prebežac, D. (2011). A critical review of techniques for classifying quality attributes in the Kano model. Managing Service Quality, 21(1), 46-66.