Tableau10分鐘上手操作Kano模型
前言
前段時間用自有的問卷調查數據完成了 @POINT小數點數據 的結業項目,
其中除了基本的可視化交互,還引入了Kano模型:
Kano模型是對用戶需求分類和優先排序的工具, 它在多個業務場景都有廣泛的應用。
要了解一個模型,最好的辦法就是使用它,
這裡把Tableau步驟整理出來~10分鐘就能上手操作!
Kano模型能解決什麼問題?
如果你對自己的產品、內容、項目存在以下困惑:
- 怎樣衡量滿意度?
- 先從哪方面入手改善?
- 怎樣創造驚喜效果?
——Kano模型對你就是一個現成可用的工具。
長篇概念理論就不扯了,只要記住:它最終呈現為一個矩陣,4個象限代表4種屬性類型:
- 基礎屬性:必不可少,必須首先滿足
- 期望屬性:提供程度與滿意度正相關,其次滿足
- 魅力屬性:最有可能帶來意料之外的驚喜
- 無差異屬性:對滿意度影響不大
——最後只需要觀察每個屬性在矩陣內的落點就能獲得結論了。
進入正題:數據從何而來
答:通常是從問卷調查來的,並基於特定的問答模式,
以屬性X1為例,問卷里可以這麼問:
——如果某某產品做到/包含/具備X1,你怎麼認為?——我喜歡這樣、必須這樣、無所謂、我能忍受這樣、我討厭這樣
——如果某某產品做不到/不含/不具備X1,你怎麼認為? ——我喜歡這樣、必須這樣、無所謂、我能忍受這樣、我討厭這樣
即每個屬性正反問兩次,每次有5檔態度供選擇,單選題。
示例
本文數據源可下載練習(網盤鏈接:https://pan.baidu.com/s/1nvZLxFj 密碼:n23e)
問卷針對16個節目要素調查了402位被訪者,回答「我喜歡這樣」、「必須這樣 」、「無所謂 」、「我能忍受這樣 」、「我討厭這樣 」分別對應數字1-5。
數據收集後大概長這樣:
觀察各列可見,要素名稱重複了1次,不適合直接導入分析,需要處理轉換(數據處理是數據分析工時最多,也是最關鍵的環節!),這裡的思路是「先拆分,後聯接」。
拆分正負回答
將上圖大表拆成正負兩張表,兩表都得有「被訪者」欄位,
這裡拆成「正向」、「負向」兩個sheet:
透視表
接下來是Tableau萬能好用的「數據透視表」功能,把欄位轉換成行。
1.將包含正負兩表的excel文件導入Tableau,先把「正向」表拖到主頁面,點擊「管理元數據」
2.選擇除「被訪者」之外的所有要素,右鍵「數據透視表」
3.這時表格會轉化為3列,轉到工作表——「查看數據」——「全部導出」——保存文件
負向表的透視同理,把兩表都透視好後,下一步就是將透視後的兩表聯接。
聯接表
1.導入添加兩表——「內部聯接」——聯接欄位分別是F3、F4
2.為了後續方便,將欄位重新命名,更改欄位類型,隱藏重複欄位,至此工作表呈現以下維度:
賦值
Kano模型存在多種計算方式,從路徑上有「離散」和「連續」兩種,
本文採用的是連續分析,它與離散分析相比:①每個數據點的信息都被利用起來 ②給態度正面的回答賦予更多權重,因此更被行業推薦(理論參考:The Complete Guide to the Kano Model - Folding Burritos)。
1.針對「我喜歡這樣(1)」、「必須這樣(2) 」、「無所謂(3) 」、「我能忍受這樣(4) 」、「我討厭這樣(5) 」5種回答,相應的賦值規則:
2.在Tableau中創建兩個計算欄位:「賦值-正」、「賦值-負」
分析視圖
到這裡材料差不多配齊了,可以下菜了(?
1.拖動欄位「賦值-負」到列、「賦值-正」到行,位置不能反,度量改成平均值
2.拖動「要素」到顏色和標籤
3.引入橫縱兩條平均線
4.以平均線為基準,設置橫縱軸區間,使得平均線位置居中:
添加輔助欄位
這時每個要素的類型基本明了,但視覺上五顏六色還不夠突顯4個類型,
為了將顏色歸於4類,這裡引入2個輔助的邏輯判斷欄位:A、B
A=AVG([賦值-負])>WINDOW_AVG(AVG([賦值-負]))
B=AVG([賦值-正])>WINDOW_AVG(AVG([賦值-正]))
也就是判斷每個要素的坐標是否大於均值,將A、B拖到「詳細信息」,改為「顏色」,
計算依據改成「要素」,這時顏色就只有4種了:
按照自己意願美化一下,隱去橫縱軸,拖到儀錶板,加入文字說明,
一份基於Kano模型的分析結果出爐!
這只是樣本總體的偏好情況,如果你掌握被訪者的個人信息(性別、年齡、城市...),
你還可以繼續探索細分人群的屬性偏好,其樂融融!
最後
如果你對調查數據可視化感興趣,歡迎來交流共享發現,
一起來拓展中文世界的Tableau應用資料。
推薦閱讀:
※【數據降維】主成分分析法
※MySQL是什麼?
※數據科學的完整學習路徑之Python
※SQL,從熟練到掌握
※給30個PM拉了一年的sql,我學到了這些