基于KANO-AHP的暴食癥情緒調節APP設計研究

引言

近年來，在社交媒體的盛行下，以瘦為美的審美催生了大眾對極端身材的追求，肥胖污名化加劇，導致了暴食癥頻發。世界健康組織通過對14 個國家進行調查后發現，暴食癥在全球患病率約為1.4%（0.8% ～ 1.9%），發病的平均年齡以23 歲居多，且發病人群多見于成年人群、女性群體及受過大學教育的群體[1]。在國內社交媒體中，鮮有暴食癥相關報道，群眾熱衷于減肥熱潮，卻忽視了其產生的健康危害[2]。暴食癥是指失控進食且具有多發性的進食障礙，表現為機械性的過量進食，且具有進食過程中失控、痛苦及進食后自我厭惡及羞恥的特征[3]。暴食癥患者在發病過程中伴隨著顯著的心理社會功能損害，研究結果顯示，67% ～ 79% 的暴食癥患者會產生抑郁與焦慮等精神障礙，形成代謝紊亂與精神癥狀的惡性循環[4]，且暴食癥同樣會產生社交功能退化、經濟負擔等損害。本研究整合KANO-AHP 模型，通過對用戶需求進行屬性分類與權重量化，避免設計流程中的主觀判斷，以此構建暴食癥情緒調節App，實現暴食癥患者行為與情緒雙路徑調節。

一、研究方法

KANO 模型是日本學者狩野紀昭教授在1984 年提出的一種定性研究方法，用于研究不同類型的質量特性與用戶滿意度之間的關系[5]。在研究用戶需求的設計方法中，KANO 能夠對特定需求的滿意度水平進行評估以及對不同的用戶需求進行分類和排序，進而將用戶的需求分成5個層次：必備型M、期望型O、興奮型A、無差異型I、反向型R[6]。

層次分析法（AHP）是由美國運籌學家提出的一種層次權重決策分析方法，通過對影響決策結果的有關因素分解成目標層、準則層、方案層等不同層次，在3 個層次的基礎上進行定性和定量的決策分析方法[7]。作為一種有效處理復雜決策問題的研究方法，AHP 層次分析法也被眾多學者應用在設計領域中。

KANO 模型能夠有效地將用戶需求進行屬性分類，但在量化分析方面存在一定局限性，無法量化同一屬性需求下的多個具體需求指標的重要性差異，通過KANO 模型與AHP 層次分析法相結合的研究方法，可以準確獲得各需求指標的權重排序，提高用戶需求分析的科學性和客觀性。

二、研究流程

暴食癥個體對負面情緒存在低水平的耐受力，即通過暴食的方式應對負面情緒，但暴食行為并不能解決這一問題，且暴食行為本身也存在著負面情緒[8]。文章通過情緒—功能映射機制，通過深度用戶訪談與KJ親和圖法實現用戶情緒需求的定性分析與功能選擇。其次，基于KANO模型對用戶進行問卷調查，得出用戶需求的Better-Worse 系數四象限模型。再通過AHP 層次分析法建立需求層次模型，對準則層與方案層的需求進行系統化的評價與檢驗，得出各層級各需求的權重排序，為研究提供最合適的設計決策，具體研究流程如圖1。

三、基于KANO模型的功能需求分類

（一）暴食癥用戶需求調研與分析

為了獲取暴食癥人群的情感需求，研究通過文獻調研與用戶訪談的方式進行用戶需求調研。首先，通過用戶訪談的方式，對21 位受訪者進行訪談，其中12 位是輕度暴食癥患者，7 位是中度暴食癥患者，2 位為產品設計專業設計人員。整個訪談過程采用頭腦風暴的方法，以緩解暴食行為的進食障礙情感因素展開思考，盡可能發散思維尋找相關的情緒需求。其次，通過KJ 親和圖法，將訪談過程進行分析后得出的用戶需求進行整理歸類，為了方便理解，將每個需求轉化為對應的App 功能模塊需求，與對標功能模塊相似的用戶需求就合并為同一功能需求，最終構成了15 項App 功能模塊需求，如表1。

（二）KANO 問卷調研

根據上述15 個用戶的功能需求來進行KANO 問卷的設計。用戶的問卷調查采用李克特五級量表，每項需求都由正反兩個問題組成，答案分為5 個等級，對此進行相應的賦值分別是5、4、3、2、1 分，如表2，分別是滿意、理應如此、無所謂、能接受、不滿意，以便對用戶的滿意程度及需求進行分類。本次問卷基于BED 人群的高發人群采用問卷星線上問卷的方式，選擇中青年作為問卷的主要發放對象，共隨機發放問卷113 份，回收問卷113 份，無效問卷6 份，最終得到107 份問卷數據，有效率為94%。在性別方面，男性占比為46.7%，女性占比為53.3%。在年齡方面，未滿18 歲占比為23.8%，18 ～ 25 歲占比為44%，26 ～ 30 歲占比為14.6%，31 ～ 40 歲占比為11%，41 歲以上占比為6.6%。

（三）Better-Worse 系數分析

Better-Worse 系數表示某一項功能對增加滿意度或者消除很不喜歡的影響程度[9]。Better（滿意度影響）指標取值介于0 ～ 1 之間，其數值與需求敏感性呈正相關，計算公式見式（1）；Worse（不滿意度影響）指標取值介于-1 ～ 0 之間，其絕對值與需求敏感性呈正相關，計算公式見式（2）。根據公式計算出各需求的Better-Worse 系數后得出此次問卷結構的KANO 模型分析表，見表3。

將Better 系數平均值作為縱坐標，Worse 系數的絕對平均值作為橫坐標，得出Better-Worse 系數分析四象限圖，如圖2。由于無差異型需求對用戶滿意度的影響微乎其微，本次設計方案在保障用戶必備型需求的前提下，優先提升期望型需求，最后滿足交互過程中興奮型需求，以此構建完整的設計方案。

（四）問卷信度與效度檢驗分析

本次信效度檢驗采用SPSS 統計軟件，信度檢驗結果顯示：正向需求題項的Cronbach's α 系數為0.946，反向需求題項為0.944，均高于0.9 的閾值標準，表明問卷具有優異的內部一致性和測量穩定性[10]。效度檢驗結果表明：正向題項KMO 值為0.949，反向題項KMO 值為0.948，均超過0.8 的推薦標準；Bartlett 球形檢驗顯著性水平p ＜ 0.001，證實問卷結構效度良好，適合進行因子分析。綜合信效度指標顯示，本次研究問卷具有較高的測量信度和結構效度，能夠確保研究結果的可靠性和有效性，如表 4。

四、基于AHP的功能需求權重排序

（一）建立層次結構模型

基于KANO 模型的屬性分析結果，通過AHP 層次分析法建立了層次分析模型。該模型以暴食癥情緒調節App 的界面功能為目標層，以必備型需求、期望型需求、興奮型需求為準則層，以各屬性類別下的4 個具體需求，總計12 個用戶需求為方案層，如圖3 所示。

（二）構建判斷矩陣

通過對準則層與各方案層的需求重要程度系統性地進行兩兩比較，進而構建判斷矩陣，如表5。

為保證權重計算地客觀性與科學性，邀請產品設計專業教師2 名，產品設計研究生3 名，信息設計研究生2 名，普通用戶2 名，共計9 人，通過1 ～ 9 級比例標度法，如表6 所示，對判斷矩陣進行打分，對準則層與方案層地指標進行兩兩比較，根據打分結果構建判斷矩陣。

（三）權重計算與一致性檢驗

本次研究的權重計算采用幾何平均法，將9 位專家的評分數據進行集成處理，將各判斷矩陣按對應元素位置相乘，然后對每個元素開9 次方，進而得到4 個判斷矩陣對應的集成矩陣 D = （Π ！\"

為確保專家評分結果的可靠性，采用一致性檢驗作為判斷矩陣一致性的評價標準，一致性檢驗的必要性在于專家在進行指標兩兩比較時可能會出現邏輯不一致的情況。學術界一般將CR 作為判斷矩陣一致性的標準，計算公式見式（5）。當CR 值小于0.1 時，表明矩陣通過一致性檢驗；當CR 值大于或等于0.1 時應請專家再次修正判斷矩陣，直至計算結果滿足CR 值小于0.1 的標準。

其中λmax 為最大特征值，計算公式見式（6），CI 為一致性指標，計算公式見式（7），RI 為平均隨機一致性指標，如表7。

通過對判斷矩陣的計算分析后，得出暴食癥情緒調節App 功能需求的準則層集成矩陣的權重與一致性檢驗結果，如表8。方案層集成矩陣的權重與一致性檢驗結果，如表9。所有集成矩陣均滿足CR 值小于0.1，表明此次專家評估結果具有良好的邏輯一致性，滿足研究要求。

（四）綜合權重排序

在完成準則層和方案層的數據分析后，為了明確方案層中的具體需求在目標層的綜合權重排序，將方案層各具體需求的局部權重與對應準則層的全局權重相乘，得到各需求在目標層的綜合權重值，如表10，從而系統建立完整的權重排序。

五、暴食癥情緒調節App設計實踐基于綜合權重分析結果，在此次設計方案中應滿足需求C14 智能陪伴交互體現、C10 具備日常記錄服務、C13 情感化的正向激勵、C11賬單數據的自動化，優先提升需求C4 可視化的有效表達、C8 隱私信息的虛擬化、C1 色彩體系的協同性、C3 界面風格的統一性，最后追求C7 沉浸娛樂體驗模式、C6 交互反饋的趣味性、C2 情感化的圖標設計、C12 用戶行為激勵獎賞，本次設計方案將結合權重指標排序與App 功能模塊結合進行設計實踐。

（一）App 設計規范

由C4 可視化的有效表達、C1 色彩體系的協同性、C3 界面風格的統一性、C2 情感化的圖標設計組成的需求是App 設計的關鍵，不僅要考慮設計規范，還要確保視覺上的整體性。

本次App 設計使用Figma 軟件構建，以iPhone15 Pro 為原型進行設計。主色調采用淡藍色，具有鎮靜情緒、緩解焦慮的效果，對暴食癥患者有一定抑制食欲的作用，輔助色采用淡橙色，增添溫暖關懷感。這種清新自然的色彩搭配既符合軟件屬性，又能營造科學舒適的視覺體驗，如圖4。

在字體規范上，中文字體采用蘋方，字體參數如圖5。同時設計時注重統一性，固定底部導航欄和返回鍵位置，保持色彩一致性，統一線條粗細和圓角尺寸，按重要性分級設置字體大小，確保圖標在顏色和形狀上的一致性，從而提升整體用戶體驗。

圖標采用深藍色調與彩色調與主色調進行搭配，分別使用扁平化與立體化的圖標風格在不同操作區域進行區分，通過形象化的設計降低用戶的理解成本，以提升功能使用率，達到認知友好的原則。例如睡眠、心率、運動等圖標語義明確，與功能高度匹配。

App 中的可視化有助于用戶理解信息，圖表及進度條的可視化可直觀展示用戶的生活數據，使復雜的信息變得更加直接[11]。將每日的飲食攝入、體重變化、睡眠質量通過可視化表達給用戶，為用戶建立客觀自我認知，清晰掌握行為變化趨勢。

（二）App 設計干預流程

本次App 設計通過多方面的干預體系，構建暴食癥調節的完整閉環，首先通過AI 形象通過陪伴功能緩解用戶壓抑或暴食后的負面情緒，并基于用戶的心理狀態及時給予鼓勵與建議，逐步建立用戶的積極心態。結合對用戶飲食記錄的追蹤，自動分析用戶的暴食癥誘因與場景，同時關聯消費數據，從經濟支出的視角強化用戶的自控意識。再通過運動目標拆解、獎勵制度打卡與娛樂模式相結合的模式幫助用戶循序漸進地改善生活習慣，最終調節用戶的情緒變化與暴食癥的發病概率，具體流程見圖6。

（三）App 功能結構設計

本次App 設計將通過不同的功能模塊對暴食癥患者進行行為以及情緒的干預，根據不同的需求將“陪伴”“記錄”“主頁”“娛樂”“我的”共5 個功能作為App 的標簽欄，分別對應用戶的情緒、行為、用戶管理、娛樂體驗、個人設置需求，5 種功能模塊細分明確，具體見圖7。

1. 陪伴模塊界面設計。暴食癥患者的情緒需求具有復雜性和突發性，圍繞即時的情緒調節與長期的心理成長是緩解患者行為的關鍵，以“安全—支持—成長”為設計目的，以C14 智能陪伴交互與C13 情感化正向激勵為干預手段進行輔助，采用手動輸入信息或智能測量的掃描方式生成用戶本身映射的AI 形象，并且根據用戶的身體變化或健身進度對AI形象進行動態調整，用戶可以通過自身狀況選擇文字交流以及語音交流，在與AI 形象的交流中，采用溫和語言，避免批判性表達，見圖8，融入鼓勵性提示和情緒預測，幫助用戶管理情緒和飲食。以提供正向激勵的支持作用，提高用戶情緒價值，緩解暴食癥患者的心理壓力。

2. 記錄模塊界面設計。整合C10 日常記錄服務、C11 賬單數據自動化、C8 隱私信息虛擬化3 個功能需求，通過“行為記錄—認知重構—情緒管理”的循環機制幫助暴食癥患者重建健康的生活方式，見圖9。

（1）飲食記錄：通過實時記錄用戶飲食，識別暴食誘發因素，并且結合結構化飲食計劃進行干預，培養規律的飲食習慣。App 中用戶可自主選擇拍照、文字、語音等上傳方式，減少因繁瑣而產生的交互復雜。App 對用戶每餐進行記錄并分析，并給予熱量反饋，對用戶的飲食給予建議，避免用戶陷入進食困難。

（2）財務管理：對用戶的經濟支出進行分類記錄，如飲食、住宿、服裝等，目的是便于用戶查詢和分析，讓用戶了解到暴食所帶來的經濟負擔，進而幫助用戶控制預算，通過月度消費圖表直觀展示支出情況，提升用戶的財務管理效率。

（3）隱私保護：采用分級處理機制，一些核心數據的記錄方式可由用戶自主選擇自動或手動記錄。同時提供身份虛擬，在社交互動時可屏蔽個人信息，為用戶提供安全的數字空間。

3. 娛樂模塊界面設計。本研究使C7 沉浸娛樂體驗模式與C12 用戶行為激勵獎賞需求采用線性關系相結合，用戶通過飲食、運動等正向行為獲得不同類型的獎勵，通過養成類的娛樂模式讓用戶沉浸其中。在用戶獎賞機制中，選取不同程度的健身活動以及生活態度的目標讓用戶選取，關聯娛樂模式的同時降低暴食癥的發作幾率，娛樂模式選擇紫色小狐貍的成長過程作為載體，通過獎賞機制獲得獎勵進而促進小狐貍的養成，具體設計中當用戶達成每日正向目標時，會獲得小狐貍養成的食物，目的為達到用戶與娛樂模式中的小狐貍共同進步的效果，這種養成模式將用戶進步與游戲化體驗關聯，培養暴食癥患者長期堅持健康生活的動力，見圖10。

4. 主頁與我的模塊界面設計。交互趣味在App 中不僅能提升用戶體驗，還能夠增強用戶黏性。本次設計中具有心情記錄功能，通過用戶進行滑動軸的交互方式來選擇自身的心情，并且設計有心情日歷的可視化展示，可視化的表達讓用戶對最近的心情變化一目了然，見圖11，使用戶保持產生積極的情感體驗[12]。

結論

文章基于KANO 模型與AHP 層次分析法，構建了暴食癥情緒調節App 的理論框架。通過KANO 模型的定性需求分類與AHP 定量權重分析的有機結合，系統識別了用戶需求的權重排序，最終形成了以用戶體驗為核心的App 設計方案。然而研究存在一定局限性，樣本容量相對不足，后續建議增加樣本數量，開展縱向追蹤，深入觀察暴食癥患者需求的動態變化。展望未來，隨著情感分析技術與人工智能等技術的進一步發展，運用多模態情感交互技術的技術進步，用戶體驗中沉浸感也會得到提升。在跨學科交流的進程中，我們有望構建更加人性化與智能化的情緒調節系統，為暴食癥患者帶來溫暖與力量。