IPA分析法是综合考量使用者感知重要性和现状满意度差异的策略决策工具。
IPA象限图横轴代表重要性，纵轴则表示满意度，以两者的均值为象限划分点，使得各个分析对象能够依据其在两个维度上的得分情况，该矩阵图通常被划分为四个象限，如下图：
具有较高重要性，但较低满意度，表明该象限的属性是用户十分看重但却并不满意。所以这些属性需要迫切改进，使其向第一象限靠近。
IPA 模型需要的只有两类数据：
而这两类数据必须是相互对应的一一匹配关系。即：同一个受访者对同一个项目的两项评分：重要性 & 满意度。问卷示例如下：
下面介绍如何使用SPSSAU进行IPA象限图分析。
IPA象限图需要的数据格式如下：
操作：上传数据至SPSSAU，IPA象限图数据格式如下：
在SPSSAU【可视化】模块选择【象限图】，将变量拖拽至右侧分析框中，横轴X轴代表用户满意度，纵轴Y轴则表示重要性，点击【开始分析】按钮即可得到象限图，操作如下图：
SPSSAU输出重要性和满意度象限图如下：
（1）第一象限：优势区
共有3个变量，I1、I2、S3在这个区域，三个因子的重要性即表示用户的预期性期望值高，当然最终用户的满意度是大于用户期望值。
（2）第二象限：维持区
共有7个变量，T2、F1、I3、I4、S2、T3、F3，在这个区域表明用户重视程度虽然不高，但是满意程度较高。
（3）第三象限：机会区
共有6个变量，C4、T1、S4、I5、F2、F4，在这个区域表明用户重要性和满意度的指标都相对来说不高。
（4）第四象限：改进区
共有4个变量，C3、C2、S1、S1，在这个区域表明用户重视程度高，期望高，但实际的用户满意度较低。
