在质量改善、六西格玛、产品开发或团队讨论中，我们经常会遇到一种情况：信息很多，但不知道该从哪里开始。
客户提出几十条投诉，员工提出一大堆意见，团队头脑风暴产生上百个想法。这些内容单独看都有道理，但堆在一起时，反而很难判断哪些属于同一类问题，哪些只是表面现象，哪些背后可能指向同一个原因。
亲和图（Affinity Diagram）就是用来处理这种情况的工具。它不依赖复杂统计，而是把大量零散信息按照自然关联进行分组，再从分组中提炼出主题和结构。
简单来说，亲和图不是为了把资料「分门别类」而已，而是为了从杂乱信息中发现原本不容易看见的关系。
亲和图的来源：从KJ法发展而来
亲和图通常与日本学者川喜田二郎（Jiro Kawakita）提出的KJ法联系在一起。
KJ法最初用于整理大量观察资料和研究信息。当研究者面对许多零散事实、记录和意见时，不是先套入既有分类框架，而是先观察这些信息之间的自然关系，再逐步形成主题。
后来，这种方法被广泛应用到质量管理、产品开发、UX研究、组织改善和项目管理中。
它特别适合处理定性数据，也就是那些不能直接用平均值、标准差或回归分析处理的信息。
亲和图最适合解决什么问题？
亲和图适合的信息，通常有一个共同特点：数量多、内容杂，而且一开始没有清楚结构。
例如客户投诉可能包括：
「页面很难找」「付款时不放心」「客服回复太慢」「不知道下一步该点哪里」「课程内容太长」「手机操作不方便」。
如果直接一条一条分析，很容易陷进细节。
但把几十甚至几百条意见放在一起以后，可能会逐渐形成几个主题：
- 导航与信息架构；
- 信任与付款体验；
- 客服响应；
- 移动端体验；
- 课程内容设计。
这时候，团队开始从「很多零散抱怨」看到「几个比较大的系统问题」。
亲和图和普通分类有什么不同？
普通分类通常是先有类别，再把资料放进去。
例如公司已经规定客户投诉分为质量、交付、价格和服务四类，那么后续投诉只需要选择对应类别即可。
亲和图则恰好相反。
一开始最好不要急着预设分类，而是先看资料之间本身有什么共同点，再让类别从资料中慢慢长出来。
这也是亲和图最有价值的地方。
如果一开始就规定「这一定是客服问题」「这个属于生产问题」，团队很可能只是在强化原有看法，而没有真正发现新的关系。
第一步：先收集原始信息
亲和图开始之前，需要先把资料收集完整。
来源可以是客户访谈、投诉记录、员工意见、问卷开放题、会议讨论、现场观察或者头脑风暴结果。
这一阶段最好尽量保留原始意思，不要太早把内容改写成自己的结论。
例如客户原本说：
「我找了很久才找到取消订单的位置。」
最好先保留这个意思，而不是马上改成「网站UX不好」。
因为后者已经是分析者的解释，而不是客户真正提供的信息。
第二步：一张卡片只放一个意思
传统亲和图经常使用便利贴，现在也可以使用线上白板。
无论使用什么工具，一个原则很重要：每张卡片尽量只表达一个主要信息。
如果一张卡片同时写「页面难找、客服慢、付款又不方便」，后面几乎无法合理分组。
所以应该拆成几个独立信息点。
这样每条信息都可以自由移动，也更容易观察它和其他内容之间的关系。
第三步：不要急着讨论，先按照亲和关系分组
亲和图有一个很有意思的做法：初步分组时，可以先减少讨论。
参与者先观察所有卡片，把感觉有关联的内容放在一起。如果有人认为某张卡片位置不合适，也可以重新移动。
这样做的原因，是避免讨论一开始就被职位较高或讲话较多的人主导。
例如团队看到以下几条反馈：
- 「不知道按钮在哪里」；
- 「页面信息太多」；
- 「找不到课程进度」；
- 「菜单名称看不懂」。
虽然文字不同，但团队可能自然感觉它们都与「信息寻找困难」有关，于是逐渐聚到一起。
第四步：给每一组取一个真正有意义的名称
分组完成以后，下一步非常关键：为每一组命名。
好的组名不是简单重复其中一张卡片，而是概括这一组信息共同表达的主题。
例如：
「按钮位置不清楚」「菜单看不懂」「找不到课程进度」这几条，不一定要命名成「网站问题」，因为这个名称太宽。
更好的名称可能是：
「用户无法快速找到所需信息」
命名本身就是一次分析。
如果团队很难给某组取名，通常说明这一组内部的关系还不够清楚，可能需要重新调整。
第五步：从小主题继续寻找更高层结构
如果信息量很大，第一轮分组以后仍然可能有十几个主题。
这时候还可以继续进行第二层亲和分析。
例如「导航困难」「页面信息过多」「搜索结果不准确」三个主题，可能进一步归到「信息架构」下面。
而「付款不放心」「退款规则不清楚」「证书真实性疑问」又可能归到「信任感」下面。
这样原本上百条意见，最后就可能浓缩成几个真正值得管理层关注的议题。
亲和图最大的价值，是让团队发现自己原本没有定义的问题
如果团队一开始已经知道问题是什么，其实未必需要亲和图。
它最适合的场景，是大家拥有大量信息，却还不知道真正的问题结构。
例如一家公司收到200条客户意见，管理层原本认为主要问题是「客服回复太慢」。
经过亲和图整理以后，却发现大量意见集中在下单流程、信息寻找和付款疑虑，而客服问题只是其中一小部分。
这时候亲和图并没有直接告诉团队「根因是什么」，但它帮助团队重新定义了值得研究的问题。
这是一个很重要的区别。
亲和图不是根因分析工具
原稿很容易把亲和图写成「找出隐藏根因」的工具，这里需要更谨慎。
亲和图可以帮助识别主题、模式和可能的关系，但它本身并不能证明根因。
例如20条客户投诉都与「付款不放心」有关，只能说明这是一个重要主题，不能直接证明真正根因就是付款页面设计。
后续仍然可能需要用户访谈、流程分析、数据分析、5 Why或其他验证方法。
所以亲和图更适合作为整理问题和形成假设的工具，而不是最终证明原因的工具。
在六西格玛中，亲和图通常用在哪里？
亲和图在六西格玛项目中通常出现在Define和Analyze前后的定性整理环节。
例如Define阶段收集VOC以后，可以利用亲和图把大量客户意见整理成几个需求主题，再进一步识别CTQ。
团队进行头脑风暴以后，也可以用亲和图把大量潜在原因进行整理，再配合鱼骨图、FMEA或数据分析进一步验证。
因此，亲和图本身不需要复杂统计，却很适合在大量定性信息与后续定量分析之间搭一座桥。
亲和图和鱼骨图有什么区别？
这两个工具经常一起出现，但用途不同。
鱼骨图通常从一个已经定义清楚的问题出发，按照人、机、料、法、环等方向寻找可能原因。
亲和图则更适合问题结构还不清楚的时候。
可以简单理解为：
亲和图：我有很多信息，先看看它们能形成什么主题。
鱼骨图：我已经有一个明确问题，现在系统地寻找可能原因。
所以有些项目会先使用亲和图整理意见，再用鱼骨图深入分析某个主要问题。
亲和图和思维导图也不是同一种工具
思维导图通常从一个中心主题开始，再向外展开。
例如以「提升客户满意度」为中心，可以向外延伸产品、服务、价格、交付等分支。
亲和图的方向恰好相反。
它是从大量零散信息出发，逐渐向内聚合成主题。
可以简单概括：
思维导图是从一个中心向外展开；亲和图是从许多碎片向内聚合。
亲和图和Pareto图有什么区别？
亲和图主要处理定性信息，Pareto图主要处理已经能够分类和计数的数据。
例如通过亲和图整理200条投诉以后，团队得到「导航困难」「付款疑虑」「客服响应」「课程内容」四个主题。
下一步就可以统计每个主题出现多少次，再画Pareto图判断哪类问题数量最多。
所以两个工具可以连续使用：
亲和图帮助建立分类，Pareto图帮助确定优先级。
团队使用亲和图时，最常见的几个错误
第一个错误，是一开始就按照部门分类。
例如直接把所有问题分成生产、研发、质量和采购。这种方式虽然方便，却可能让团队只看到组织架构，看不到问题真正的自然关系。
第二个错误，是卡片内容已经变成结论。原始资料应该尽量保持事实或原话，如果一开始已经写成「员工培训不足」「客户不懂产品」，后续分析会受到很强的主观影响。
第三个错误，是分组以后不命名。没有组名，团队仍然只是移动了一堆便利贴，没有真正形成洞察。
第四个错误，是把亲和结果直接当成根因。分组只能告诉你什么信息经常一起出现，后续仍然需要验证。
一个信息到底能不能同时属于两个组？
实际操作中确实会遇到边界模糊的信息。
例如「客服解释退款规则不清楚」既和客服有关，也和退款政策有关。
这时候不必为了追求形式上的整齐强行决定唯一归属。团队可以讨论这条信息真正想表达的重点，必要时也可以复制到两个相关主题中。
不过，如果大量信息都需要同时放进多个组，也可能说明当前的分组逻辑还不够清楚。
一个组应该有多少条信息？
亲和图没有规定每个组必须有几张卡片。
有些主题可能有二十条信息，有些只有两三条。
关键不是数量平均，而是组内信息是否确实具有共同含义。
如果一个组越来越庞大，里面已经出现几个明显子主题，可以继续拆分。
如果某一张卡片始终和其他内容没有明显关系，也可以暂时单独保留，不需要强行塞进某一组。
一定要使用便利贴吗？
不一定。
实体会议中，便利贴的优势是参与感强，而且移动方便；线上团队则可以使用Miro、Mural、FigJam或其他数字白板。
工具不是重点。
真正重要的是每条信息可以独立移动，团队能够同时看到所有资料，并不断调整关系。
一个质量管理案例：整理大量客户投诉
假设一家制造企业半年内收到了150条客户投诉。
有些客户说包装容易破损，有些说产品表面有划痕，有些说送货箱里面产品移动，还有人投诉标签脱落。
如果按照投诉文字逐条处理，看起来是很多不同问题。
团队把所有投诉写成卡片以后，通过亲和分析可能形成几个主题：
- 运输过程中产品固定不足；
- 包装材料强度不足；
- 表面保护方式不足；
- 标签和追溯管理问题。
这时候团队就从150条独立投诉，得到四个值得进一步调查的改善方向。
接下来可以统计发生频率、损失金额，再使用Pareto、5 Why、实验或其他分析继续验证。
亲和图真正适合的，是「还不知道应该怎样问问题」的时候
很多质量工具是在问题已经定义以后使用。
控制图需要知道监控什么指标，Cpk需要知道规格，假设检验也要先提出明确假设。
亲和图则比较特别。
它适合在问题还很模糊的时候，把大量声音、观察和想法重新组织起来。
所以它看起来很简单，却可以解决项目初期非常重要的一件事：
帮助团队从「信息很多」走向「问题开始变得清楚」。
结语
亲和图并不是复杂的统计工具，也不需要特殊软件。它的核心方法非常简单：收集信息，把每个观点独立出来，观察自然关系，形成群组，再给这些群组一个能够概括其共同意义的名称。
但简单不代表没有价值。
当企业面对大量客户声音、员工意见、头脑风暴结果或复杂问题线索时，真正的困难通常不是「没有信息」，而是「信息太多，不知道什么最重要」。
亲和图的作用，就是帮助团队在还没有明确答案的时候，先把问题的结构看清楚。
它不是替你找出答案，而是帮助你发现：真正值得继续追问的问题到底是什么。
