"요청이 많은 기능부터 순서대로 만들자" — 언뜻 옳아 보이는 이 판단이 제품 개발에서 자주 빗나갑니다. 왜냐하면 "있으면 만족이 치솟는 기능"과 "없으면 당연하고, 빠지면 격분을 사는 기능"은 완전히 다른 논리로 움직이기 때문입니다. 전자를 아무리 갈고닦아도 불만은 사라지지 않고, 후자를 아무리 갈고닦아도 만족은 올라가지 않습니다.
만족도에는 비대칭성이 있습니다. 이를 5가지 품질 타입으로 포착해 기능에 대한 대응을 바꾸는 것이 카노(Kano) 모델입니다. 일본의 카노 노리아키(狩野紀昭) 씨가 1980년대에 제창했으며, 전 세계의 제품 개발·서비스 설계에서 지금까지도 쓰이고 있습니다. 이 글에서는 5가지 분류의 의미부터, 카노 모델 특유의 "2문항 1세트" 질문 방식, 평가 매트릭스를 통한 분류, Better-Worse 계수에 의한 시각화, 그리고 IPA·키드라이버 분석과의 연결까지를 실무의 감각으로 정리합니다.
1. 왜 "만족의 비대칭성"이 중요한가
보통 우리는 "품질이 올라가면 만족도 올라간다"라고 단순하게 생각합니다. 하지만 현실은 그렇지 않습니다. Kano et al. (1984)는 품질 요소 중에는 충족도(잘 되어 있는 정도)와 만족도의 관계가 일직선이 아닌 것이 있다는 점을 보여 주었습니다.
예를 들어 봅시다. 스마트폰의 "배터리가 하루 가는 것"은 되어 있어서 당연합니다. 가더라도 감동하지 않지만, 가지 않으면 맹렬하게 불만스럽습니다. 한편 "예상 밖의 편리한 기능"은 없어도 아무도 곤란하지 않지만, 있으면 "오, 좋은데"라며 만족이 치솟습니다. 이 둘은 같은 "기능"이라도 만족에 작용하는 방식이 정반대입니다.
이 비대칭성을 무시하고 "요청 수"나 "평균 만족도"만으로 개발 우선순위를 정하면, 당연적 품질을 강화했는데 만족이 오르지 않아 헛수고로 끝나거나, 아니면 매력적 품질을 놓쳐 경쟁사에 격차를 벌어지게 됩니다. 카노 모델은 각 기능이 만족에 어떻게 작용하는지 그 타입을 구분하기 위한 도구입니다.
중요도-만족도 분석(IPA)이나 키드라이버 분석에서도 "만족의 비대칭성(Matzler 2004)"을 언급했지만, 그 비대칭성을 설문 단계에서 직접 측정하러 가는 것이 카노 모델의 독자성입니다.
2. 카노의 5가지 분류 — 기능을 만족에 작용하는 방식으로 나눈다
카노 모델은 품질 요소를 5가지 타입으로 분류합니다.
카노의 5가지 품질 타입
분류가 가리키는 대응
- 당연적 품질: "최저선"으로서 확실하게 충족한다. 여기서 경쟁해도 만족은 오르지 않는다(수비)
- 일원적 품질: 투자량에 따라 만족이 늘어난다. 경쟁사와의 승부처(키운다)
- 매력적 품질: 소수라도 꽂히면 차별화가 된다. 다음 간판 기능(공격)
- 무관심·역품질: 하지 않는다 / 덜어낸다는 판단. 리소스 절약과 과잉 기능 제거
"요청이 많다 = 만들어야 한다"가 아니라, 그 타입에 따라 투자의 의미가 달라진다는 것이 카노의 핵심입니다.
3. 카노 모델 특유의 "2문항 1세트" 질문 방식
카노 모델이 다른 조사와 결정적으로 다른 점은, 각 기능에 대해 두 개의 질문을 한 쌍으로 묻는 것입니다. 이를 **충족 질문(functional)과 불충족 질문(dysfunctional)**이라고 부릅니다.
설문의 형태
어떤 기능에 대해 다음 두 문항을 묻습니다.
【충족 질문】그 기능이 "있을" 경우, 어떻게 느끼십니까?
【불충족 질문】그 기능이 "없을" 경우, 어떻게 느끼십니까?
응답 선택지는 두 질문 모두 공통의 5단계를 사용합니다.
- 마음에 든다(만족)
- 당연하다(그래야 한다)
- 아무렇지도 않다(중립)
- 어쩔 수 없다(받아들일 수 있다)
- 마음에 들지 않는다(불만)
"있을 경우"와 "없을 경우"의 응답 조합으로부터, 그 기능이 어떤 타입인지를 판정합니다. "있을 때→마음에 든다 / 없을 때→아무렇지도 않다"라면 매력적 품질, "있을 때→당연하다 / 없을 때→마음에 들지 않는다"라면 당연적 품질, 이런 식으로요.
왜 두 문항이 필요한가
만족도를 1문항으로 "이 기능은 중요합니까"라고 물어도 비대칭성은 보이지 않습니다. 중요하다고 답해도, 그것이 "없으면 곤란한(당연적)" 것인지 "있으면 기쁜(매력적)" 것인지 구별할 수 없습니다. 충족·불충족의 양면에서 협공해야 비로소 만족에 작용하는 방식의 타입을 알 수 있는 것입니다. 이것이 카노 설문 설계의 핵심입니다.
설문의 표현 방식은 결과를 좌우합니다. 유도나 이중부정을 피하는 원칙은 설문 문항 작성 완벽 가이드를 참고하세요.
4. 평가 매트릭스로 분류한다
충족 질문(5지선다) × 불충족 질문(5지선다)의 조합은 25가지입니다. 이를 카노 평가표에 대입해 각 응답자·각 기능을 타입별로 분류합니다.
대표적인 셀의 해석:
| 충족(있을 경우) | 불충족(없을 경우) | 분류 |
|---|---|---|
| 마음에 든다 | 마음에 들지 않는다 | 일원적 품질(O) |
| 마음에 든다 | 아무렇지도 않다 | 매력적 품질(A) |
| 당연하다 | 마음에 들지 않는다 | 당연적 품질(M) |
| 아무렇지도 않다 | 아무렇지도 않다 | 무관심 품질(I) |
| 마음에 들지 않는다 | 마음에 든다 | 역품질(R) |
- 집계의 기본: 기능별로 "가장 많이 분류된 타입(최빈값)"을 그 기능의 타입으로 삼는다
- 의심스러운 응답(Questionable, Q): "있을 때→마음에 든다 / 없을 때→마음에 든다"처럼 논리적으로 모순되는 조합. 데이터 클리닝에서 제외 후보. 너무 많은 경우 설문 이해에 문제가 있을 가능성(데이터 클리닝 가이드)
기능별로 타입의 분포(A가 몇 %, M이 몇 %……)를 산출하고, 최빈 타입으로 대표시키는 것이 표준적인 집계입니다.
5. Better-Worse 계수로 시각화한다
최빈값에 의한 분류는 단순하지만, "매력적 45% / 일원적 40%"처럼 근소한 차이로 갈리는 기능의 처리에 곤란해집니다. 그래서 Berger et al. (1993)이 제안한 **Better-Worse 계수(CS 계수 / 고객 만족 계수)**로 연속량으로서 시각화합니다.
계산식
- Better 계수(만족 계수) = (A + O) / (A + O + M + I)
- Worse 계수(불만 계수) = −(O + M) / (A + O + M + I)
(A=매력적, O=일원적, M=당연적, I=무관심의 각 응답 수)
- Better는 "그 기능을 제공했을 때 만족이 얼마나 오르는가"(0에서 1, 클수록 만족 향상 효과가 크다)
- Worse는 "그 기능이 빠졌을 때 불만이 얼마나 늘어나는가"(−1에서 0, 절댓값이 클수록 결여의 타격이 크다)
산점도로 4분면에
가로축 Better, 세로축 Worse(절댓값)로 산점도를 그리면, 기능이 4개의 존으로 나뉩니다.
- Better 큼·Worse 큼 → 일원적 품질(키울수록 효과가 큰 주전장)
- Better 큼·Worse 작음 → 매력적 품질(차별화의 간판 후보)
- Better 작음·Worse 큼 → 당연적 품질(지켜야 할 토대)
- Better 작음·Worse 작음 → 무관심 품질(후순위)
이 표현 방식은 IPA의 4분면과 발상이 가까워, 경영 회의에서 "어느 기능에 얼마를 투자할지"를 한 장으로 논의할 수 있습니다. 산점도 작도는 설문 결과 시각화 가이드를 참고하세요.
6. IPA·키드라이버 분석과의 구분 사용
카노 모델은 만족도 분석의 다른 기법들과 보완 관계에 있습니다. 혼동하지 말고 목적에 따라 구분해서 사용합니다.
- 카노 모델: 각 기능의 만족에 작용하는 방식의 타입(매력적 / 당연적 / 일원적)을 설문 단계에서 직접 분류한다. 신기능의 취사선택·로드맵 설계에 적합
- 키드라이버 분석(KDA): 기존의 만족도 데이터로부터, 종합 만족도를 통계적으로 움직이고 있는 요인을 도출한다. 회귀 기반. 운영 중인 서비스의 개선 요인 특정에 적합
- 중요도-만족도 분석(IPA): 중요도×만족도의 4분면으로 개선 우선도를 지도화한다. 현재 상태의 점검에 적합
조합의 정석
- 출시 전·신기능 검토 → 카노로 기능 타입을 가려내고, 당연적 품질을 충족하면서 매력적 품질을 1–2개 심어 둔다
- 운영 중 개선 → KDA로 효과 있는 요인을 특정하고, IPA로 우선도를 지도화한다. 카노의 "당연적/매력적" 관점으로 "고쳐도 만족이 오르지 않는 당연적 품질"을 간파한다
KDA / IPA가 "지금 있는 것의 만족 구조를 분석하는" 데 비해, 카노는 "앞으로 만들거나 탑재할 기능의 타입을 가려내는" 출시 전·기획 쪽 도구라는 식의 역할 분담입니다. 출시 전 기능 우선순위 결정에서는 MaxDiff나 컨조인트 분석과도 함께 사용됩니다.
7. 편집부의 관점 — 카노 모델에서 하지 말아야 할 5가지
업계 사례와 실무 담당자의 목소리를 지속적으로 추적하는 입장에서, 카노 모델에서 반복적으로 일어나는 사고를 다섯 가지.
1. 당연적 품질을 "강화"하면 만족이 오를 것이라 기대한다
가장 흔한 오해입니다. 당연적 품질은 충족해서 당연, 빠지면 불만인 타입입니다. 여기를 남들보다 갈고닦아도 만족은 오르지 않습니다. "로그인의 안정성을 극한까지 높이면 고객이 감동한다"는 일어나지 않습니다. 당연적 품질은 "빠뜨리지 않는" 수비이지, 키우는 대상이 아닙니다. 공격할 거라면 일원적·매력적 품질로.
2. "요청이 많은 기능"을 전부 일원적 품질이라고 단정한다
고객이 "갖고 싶다"라고 말하는 기능의 상당수는 일원적 품질이지만, 그중에는 매력적 품질(언어화되기 어렵다)도 당연적 품질(말할 것도 없어서 요청에 나오지 않는다)도 있습니다. 요청 수 랭킹만으로 개발을 정하면 당연적 품질의 결여나 매력적 품질의 누락이 생깁니다. 요청의 양이 아니라 카노의 타입으로 판단합니다.
3. 모순 응답(Questionable)을 방치한다
"있을 때→마음에 든다 / 없을 때→마음에 든다"처럼 논리적으로 모순되는 응답을 제외하지 않고 집계에 섞습니다. Q가 많은 기능은 설문의 설명이 전달되지 않고 있다는 신호입니다. 기능 설명문을 재검토하거나, 그 기능을 분석에서 제외하는 판단이 필요합니다. 클리닝을 생략하면 분류가 흔들립니다.
4. 매력적 품질을 "영원한 차별화"라고 과신한다
오늘의 매력적 품질은 내일의 당연적 품질이 됩니다(카노 본인이 "품질의 진부화"로 지적). 스마트폰의 카메라는 등장 당시에는 매력적 품질, 지금은 당연적 품질입니다. 카노 분류는 시점의 스냅숏이며, 정기적으로 다시 측정하지 않으면 한때의 간판 기능이 "있어서 당연"으로 변한 것을 놓치게 됩니다.
5. 세그먼트를 무시하고 전체로 하나의 분류로 정한다
헤비 유저에게는 매력적 품질이라도, 라이트 유저에게는 무관심 품질인 경우는 흔히 일어납니다. 전체 집계로 하나의 타입으로 뭉뚱그리면 세그먼트별 차이가 사라집니다. 중요한 기능은 고객 세그멘테이션과 조합해 세그먼트별로 카노 분류를 봅니다.
8. 설문조사 도구 Kicue에서의 카노 모델 조사
카노 모델 조사는 "2문항 1세트의 설문을 설계해 응답을 모으는" 단계와, "평가표 분류·Better-Worse 계수를 계산하는" 분석 단계로 나뉩니다. Kicue가 담당하는 것은 전자입니다.
- 2문항 1세트(충족·불충족)의 설문 설계: 각 기능에 대해 충족 질문·불충족 질문을 공통 5지선다로 나열하는 구성에 대응(설문 타입). 기능 수만큼 페어를 짤 수 있습니다
- 기능 설명의 제시: 각 기능의 설명문을 텍스트로 제시한 뒤 두 문항을 묻는 설계가 가능합니다
- 응답자 ID 포함 CSV 익스포트: 충족·불충족의 응답을 1행 1응답으로 출력. 평가표 분류·계수 계산에 그대로 투입할 수 있는 구조입니다
- 대상자 스크리닝: 타깃 고객으로 좁혀서 묻는 도입부 스크리닝(스크리닝 설문 가이드)
⚠️ Kicue에서 대응할 수 없는 범위
- 카노 평가표에 의한 자동 분류는 없음: 25셀의 매트릭스 분류는 CSV 익스포트 후, Excel / R(예: Kained 등의 패키지) / Python으로 실시. Kicue 자체에는 카노 분류 기능을 두고 있지 않습니다
- Better-Worse 계수의 계산·산점도 작성도 없음: 계수 계산과 시각화는 Excel / R / Python으로 실시
- 모순 응답(Q)의 자동 판정도 없음: 클리닝·제외는 익스포트 후의 처리
- 세그먼트별 카노 분류도 없음: 세그먼트별 집계는 외부 도구로 실시
관련 글로 중요도-만족도 분석(IPA) 가이드·키드라이버 분석 가이드·MaxDiff 설계 가이드·컨조인트 분석 실무·컨셉 테스트 조사 가이드를 함께 읽으면, "기능의 타입을 가려낸다(카노) → 우선순위를 측정한다(MaxDiff/컨조인트) → 컨셉을 평가한다"라는 출시 전·제품 개발 조사의 전체상이 보이게 됩니다.
정리 — 카노 모델을 능숙하게 다루는 6가지
- 만족은 비대칭 — 당연적 품질을 갈고닦아도 만족은 오르지 않는다. 공격하는 것은 일원적·매력적 품질
- 2문항 1세트로 묻는다 — 충족 질문과 불충족 질문의 조합으로 타입을 판정한다. 1문항으로는 비대칭성이 보이지 않는다
- 요청 수가 아니라 타입으로 정한다 — 요청이 많아도 당연적 품질이라면 만족은 오르지 않는다
- Better-Worse 계수로 시각화 — 최빈값으로 갈리는 기능을 연속량으로 만들어 4분면으로 투자 판단
- 카노 분류는 시점의 스냅숏 — 매력적 품질은 언젠가 당연해진다. 정기적으로 다시 측정한다
- 세그먼트별로 본다 — 전체로 하나의 분류로 뭉뚱그리지 말고, 중요 기능은 세그멘테이션과 조합한다
카노 모델은 "공들인 분석 기법"이 아니라, "만족에는 비대칭성이 있다"라는 하나의 통찰을 설문 설계로 옮겨 담은 도구입니다. 2문항 1세트라는 독특한 질문 방식만 올바르게 설계할 수 있다면, "요청이 많은 순서대로 만든다"에서 "타입을 가려내어 투자한다"로, 제품 개발 의사결정의 질을 한 단계 끌어올릴 수 있습니다.
제품·기능의 카노 모델 조사를 설계하고 싶은 분은 **무료 설문조사 도구 Kicue**를 시험해 보지 않으시겠습니까. 충족 질문·불충족 질문의 2문항 1세트 설문 설계, 기능 설명의 제시, 응답자 ID 포함 CSV 익스포트까지, 카노 조사의 입력 데이터를 만드는 부분을 1개 계정으로 시작할 수 있습니다(평가표에 의한 분류·Better-Worse 계수의 계산·산점도 작성은 Excel / R / Python과의 조합 운용이 됩니다).
참고 문헌
- 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.