O que é Modelo Kano?

Noriaki Kano, Nobuhiko Seraku, Fumio Takahashi e Shin-ichi Tsuji publicaram Attractive Quality and Must-Be Quality em 1984 no Journal of the Japanese Society for Quality Control. O artigo propôs uma leitura bidimensional da qualidade e examinou respostas de consumidores sobre atributos de produtos. O modelo ficou associado ao nome de Kano, mas a publicação original tem quatro autores. Aplicações posteriores levaram a abordagem para serviços e produtos digitais.

O Modelo Kano ajuda a entender que a presença e a ausência de uma característica não provocam reações simétricas. Um produto pode perder confiança por falhar num requisito básico sem receber elogio quando simplesmente o cumpre. Outra capacidade pode agradar mais à medida que melhora, e uma surpresa útil pode encantar mesmo sem ser esperada. Em vez de atribuir a todas as funcionalidades um valor único, a equipe investiga como cada atributo afeta satisfação num público e contexto definidos.

Básicos ou obrigatórios. São aspectos cuja ausência costuma frustrar, enquanto sua presença é vista como normal. Um serviço bancário que mostra saldo incorreto pode perder confiança; mostrar saldo correto não é uma surpresa encantadora. Não conclua que todo requisito básico é barato ou pode ser priorizado sem estudo. Segurança, confiabilidade e obrigações podem exigir investimento significativo. A classificação depende das expectativas do público naquele momento.

Desempenho. Alguns atributos apresentam relação aproximadamente crescente entre desempenho e satisfação. Quanto menor a espera de um serviço, por exemplo, maior pode ser a satisfação dentro de limites relevantes. A resposta não precisa ser perfeitamente linear, e o benefício marginal pode cair. Descubra qual faixa importa ao público. Otimizar de dois segundos para um segundo talvez tenha menos valor que resolver uma falha de acessibilidade que impede concluir a tarefa.

Atrativos. Uma característica inesperada pode gerar satisfação quando existe e pouca frustração quando falta. Isso não autoriza perseguir novidades enquanto necessidades básicas falham. Atributos atrativos também podem deixar de surpreender com o tempo, quando concorrentes os oferecem e expectativas mudam. A classificação é uma fotografia de um grupo e período, não uma propriedade eterna da funcionalidade.

Indiferentes e reversos. Um atributo indiferente parece não alterar muito a satisfação do grupo pesquisado. Pode ser caro de construir sem melhorar resultado. Um atributo reverso pode desagradar quando é oferecido, como uma automação que tira controle de parte do público. Essas categorias lembram que adicionar funções não é sempre positivo. Também exigem segmentação: uma opção irrelevante para um grupo pode ser indispensável para outro.

Perguntas funcionais e disfuncionais. A pesquisa Kano costuma apresentar a mesma característica em duas condições: como a pessoa reagiria se ela existisse e como reagiria se não existisse. Combinações de respostas ajudam a classificar o atributo. Formule descrições compreensíveis, sem prometer uma solução idealizada que enviesará a resposta. Teste o questionário com poucas pessoas antes de distribuí-lo e registre quem respondeu. Respostas sobre uma hipótese não equivalem a comportamento observado.

Análise de grupos. Não misture clientes novos e experientes, canais ou necessidades muito diferentes sem verificar divergências. Uma maioria pode esconder um grupo para quem um atributo é reverso. Mostre a distribuição das respostas, não apenas o rótulo vencedor. Se resultados são ambíguos, entrevistas e observação podem ajudar a entender o motivo. O modelo organiza sinais, mas não substitui pesquisa qualitativa nem experimentos de uso.

Prioridade não é automática. Priorização envolve também custo, risco, estratégia, dependências e viabilidade. Uma classificação básica sugere que falha nesse aspecto pode prejudicar o produto, mas não fornece a ordem exata do backlog. Um atrativo caro pode ser uma aposta ruim agora; outro barato pode diferenciar. Compare o efeito esperado para clientes com recursos necessários e hipóteses ainda abertas. Registre o motivo da decisão para reavaliá-la.

Relação com discovery. O Modelo Kano é uma ferramenta dentro de Product Discovery. Pode complementar entrevistas sobre problemas, testes de protótipo e análise de uso. Ele não descobre sozinho necessidades que o time nem pensou em perguntar. Também não diz qual solução técnica implementar. Se clientes valorizam clareza de status, várias soluções podem atender ao mesmo desejo. Explore o problema antes de fixar uma funcionalidade no questionário.

Revisão contínua. À medida que o produto e o mercado mudam, repita a investigação para atributos decisivos. Compare respostas de grupos equivalentes e observe se uma característica antes atrativa virou requisito esperado. Não transforme essa possibilidade em regra universal de que todo encantamento obrigatoriamente vira básico. Contexto e concorrência importam. A equipe precisa revisar também se as categorias previstas se confirmaram no uso real.

Imagine uma equipe hipotética que cuida de um aplicativo de consultas. Ela avalia três ideias: confirmação confiável do agendamento, redução do tempo de busca e sugestão personalizada de horários. Antes, todas aparecem como “alto valor” numa lista sem distinção. Um questionário com 60 participantes do público escolhido, junto de entrevistas, sugere que confirmação é básica, tempo de busca é de desempenho e sugestão é atrativa para parte do grupo. Esses números são ilustrativos.

A equipe primeiro corrige falhas de confirmação, pois pessoas que pensavam ter agendado não encontravam registro. Depois testa uma busca mais rápida e mede conclusão da tarefa. A sugestão personalizada fica como experimento menor, porque custa mais e alguns usuários preferem escolher manualmente. Em um grupo diferente, a sugestão pode ser reversa; a equipe mantém controle para desativá-la. O modelo não toma a decisão sozinho, mas muda a conversa sobre onde o investimento protege confiança e onde testa diferenciação.

Antes, três ideias competiam como funcionalidades equivalentes. Depois, há hipóteses diferentes sobre satisfação, custo e risco. Se a confirmação melhorar e a taxa de comparecimento não mudar, o time investigará outras causas. A classificação de Kano não promete um resultado de negócio; ajuda a desenhar perguntas e prioridades que podem ser verificadas.

Cursos K21 recomendados