KANO模型:產品人必懂的需求分析法

2021-01-10 人人都是產品經理

需求會因人而異,會因文化差異而不同;也會隨著時間變化。作為產品設計者,我們應該持續調研需求,對產品進行迭代優化。

在做項目做產品的過程中,作為網際網路產品設計師的我們,經常會接到來自PM/領導/業務方等等的各種需求。

有的時候,哪怕一個小功能、次次次級頁面都會爭得不可開交。這個時候怎麼辦呢?到底應該聽誰的呢?哪個需求優先級高?哪種呈現方法是更靠譜的呢?

今天我們就來聊聊一個非常實用的需求分級方法——KANO模型。

一、什麼是KANO模型?

KANO模型是東京理工大學教授狩野紀昭(Noriaki Kano)發明的對用戶需求分類和排序的有用工具通過分析用戶對產品功能的滿意程度,對產品功能進行分級,從而確定產品實現過程中的優先級。

KANO模型是一個典型的定性分析模型,一般不直接用來測量用戶的滿意度,常用於識別用戶對新功能的接受度。

幫助企業了解不同層次的用戶需求,找出顧客和企業的接觸點,挖掘出讓顧客滿意至關重要的因素。

KANO模型的需求分類

在KANO模型中,根據不同類型的需求與用戶滿意度之間的關係,可將影響用戶滿意度的因素分為五類:基本型需求、期望型需求、興奮型需求、無差異需求、反向型需求。

1)興奮型需求

所謂暗處,用戶意想不到的,需要挖掘/洞察。若不提供此需求,用戶滿意度不會降低;若提供此需求,用戶滿意度會有很大的提升。

當用戶對一些產品或服務沒有表達出明確的需求時,企業提供給顧客一些完全出乎意料的產品屬性或服務行為,使用戶產生驚喜,用戶就會表現出非常滿意,從而提高用戶忠誠度。

這類需求往往是代表顧客的潛在需求,企業的做法就是去尋找發掘這樣的需求,領先對手。

2)期望型需求

所謂癢處。當提供此需求,用戶滿意度會提升;當不提供此需求,用戶滿意度會降低。

它是處於成長期的需求,客戶、競爭對手和企業自身都關注的需求,也是體現競爭能力的需求。對於這類需求,企業的做法應該是注重提高這方面的質量,力爭超過競爭對手。

3)基本型需求

所謂痛點,對於用戶而言,這些需求是必須滿足的,理所當然的。當不提供此需求,用戶滿意度會大幅降低,但優化此需求,用戶滿意度不會得到顯著提升。

對於這類需求,是核心需求,也是產品必做功能,企業的做法應該是注重不要在這方面減分,需要企業不斷地調查和了解用戶需求,並通過合適的方法在產品中體現這些要求。

4)無差異需求

用戶根本不在意的需求,對用戶體驗毫無影響。

無論提供或不提供此需求,用戶滿意度都不會有改變。對於這類需求,企業的做法應該是儘量避免。

5)反向型需求

用戶根本都沒有此需求,提供後用戶滿意度反而下降。

總而言之,我們做產品設計時,需要儘量避免無差異型需求、反向型需求,至少做好基本型需求、期望型需求,如果可以的話再努力挖掘興奮型需求。

二、如何使用KANO模型?

KANO模型分析方法主要是通過標準化問卷進行調研,根據調研結果對各因素屬性歸類,解決需求屬性的定位問題,以提高用戶滿意度。

1. 明確目的

做之前,必須明白調研的目的是什麼,是否合適用KANO 模型解決,為什麼要用KANO 模型解決。

例如:企業為賣家開發的CRM工具,隨著賣家客戶的不斷增長,CRM系統中需引入一些新的功能滿足其管理需求。而我們作為產品開發設計者,需要知道這些功能哪些是基本功能,哪些是增值功能,功能的優先級又該如何排列等等。

KANO模型就可以幫助我們很好地貼合業務需求,從具備程度和滿意程度這兩個維度出發,將CRM中新增的功能進行區分和排序,從而知道:哪些功能是一定要有,否則會直接影響用戶體驗的(基礎屬性、期望屬性);哪些功能是沒有時不會造成負向影響,擁有時會給用戶帶來驚喜的(興奮屬性);哪些功能是可有可無,具備與否對用戶都不會有大影響的(無差異因素)。

2. 設計問卷

此問卷調查表劃分維度有兩個:提供時的滿意程度、不提供時的滿意程度。

而滿意程度被劃分為5級(非常滿意、滿意、一般、不滿意、很不滿意),因為人的滿意程度往往是漸變的,而不是突變的。

滿意程度的文案可根據實際問題靈活修改,如使用(非常喜歡、理應如此、無所謂、勉強接受、很不喜歡 或者 非常有用、挺實用、無所謂、不實用、很不實用 )更加形象的描述。

例如:在【通訊錄】中,是否需要直接提供「撥打電話」的按鈕?問卷設置正反兩題:

1)如果我們在【通訊錄】的客戶列表中,提供「撥打電話」的按鈕,你的感受是:A. 非常喜歡B. 理應如此C. 無所謂D. 勉強接受E.很不喜歡2)如果我們在【通訊錄】的客戶列表中,沒有提供「撥打電話」的按鈕,你的感受是:A. 非常喜歡B. 理應如此C. 無所謂D. 勉強接受E. 很不喜歡

為了更加形象且一目了然,我們可以如下設計。填問卷的人只需要在空白處打勾打叉就好了,非常方便。

設計問卷的過程中,有幾點要注意:

問卷中的每道題都涉及到正反兩面,應適當給予強調,防止用戶看錯(比如正反對立詞字體加粗/標紅等等);在設計問卷時,儘量做到清晰易懂、語言儘量簡單具體,避免語意產生歧義;選項給予說明:由於每個人對「非常喜歡、理應如此、無所謂、勉強接受、很不喜歡」等形容詞的理解都不一樣,所以最好有一個明確統一的說明,讓用戶可以有個對照,方便填寫。例如:

非常喜歡:讓你感到滿意、開心、驚喜。理應如此:你覺得是應該的、必備的功能/服務。無所謂:無所謂喜不喜歡,都可以接受。勉強接受:你不喜歡,最好是沒有,有的話就勉強湊活。很不喜歡:讓你感到不開心、甚至沮喪,無法接受。

3. 清洗數據

在收集所有問卷之後,注意清洗掉個別的明顯胡亂回答的個例。如全部問題都選擇「我很喜歡」或「很不喜歡」的,這種回答毫無參考價值。

4. 整理分類

為了能夠將需求區分為基本型需求、期望型需求和興奮需求,需按照正向和負向問題的回答對屬性進行分類,具體分類對照下表。

當正向問題的回答是「我喜歡」,負向問題的回答是「我不喜歡」,那麼KANO評價表中,這項功能特性就為「O」,即期望型。

如果將用戶正負向問題的回答結合後,為「M」或「A」,則該功能被分為基本型需求或興奮型需求。其中,R表示用戶不需要這種功能,甚至對該功能有反感;I類表示無差異需求,用戶對這一功能無所謂。Q表示有疑問的結果,一般不會出現這個結果(除非這個問題的問法不合理,或者是用戶沒有很好的理解問題,或者是用戶在填寫問題答案時出現錯誤)。

簡單來說就是:

A:興奮型;O:期望型;M:必備型;I:無差異型;R:反向型;Q:可疑結果。注意:以上對照表只是的最常見的一種歸類方式。實際操作中,可因人而異,因產品、公司、地域而異(尤其是關於「R」和「O」的定義),因為滿意度本身就難以衡量。

5. 量化表格

1)判斷KANO屬性

記錄所有合理的數據,計算出各項佔比,填寫在下面的對照表裡面。

從上表中不難看出,「通訊錄中「撥打電話」「這個功能在6個維度上均可能有得分,將相同維度的比例相加後,可得到6個屬性維度的佔比總和。總和最大的一個屬性維度,便是該功能的屬性歸屬。

可看出「在通訊錄中提供「撥打電話」功能「屬於興奮型需求。即說明沒有這個功能,用戶不會有強烈的負面情緒,但是有了這個功能,會讓用戶感受到滿意和驚喜。

如果你只判斷這一個需求,那麼進行到這一步就可以到此為止了。如果涉及到多個需求的排序分級,你還需進行下一步。

2)計算 better-worse係數

Better-worse係數,表示某功能可以增加滿意或者消除不喜歡的影響程度。

Better,可以解讀為增加後的滿意係數。Better的數值通常為正,代表如果產品提供某種功能或服務,用戶滿意度會提升。正值越大/越接近1,則表示用戶滿意度提升的效果會越強,滿意度上升的越快。

Worse,可以叫做消除後的不滿意係數。Worse的數值通常為負,代表產品如果不提供某種功能或服務,用戶的滿意度會降低。其負值越大/越接近-1,則表示對用戶不滿意度的影響最大,滿意度降低的影響效果越強,下降的越快。

因此,根據 better-worse係數,對兩者係數絕對分值較高的項目應當優先實施。

其計算公式如下:

增加後的滿意係數 Better/SI=(A+O)/(A+O+M+I)消除後的不滿意係數 Worse/DSI= -1 *(O+M)/(A+O+M+I)3)結果產出

例如:某產品希望優化5項功能,但是不知道哪些是用戶需要的。通過KANO調研分析,可以分別計算出5項功能的better-worse係數。

根據5項功能的better-worse係數值,將散點圖劃分為四個象限,以確立需求優先級。

第一象限表示:better係數值高,worse係數絕對值也很高的情況。落入這一象限的因素,稱之為期望型因素(一維因素)。功能2落入此象限,即表示產品提供此功能,用戶滿意度會提升,當不提供此功能,用戶滿意度就會降低。第二象限表示:better係數值高,worse係數絕對值低的情況。落入這一象限的因素,稱之為興奮型因素。功能1落入此象限,即表示不提供此功能,用戶滿意度不會降低,但當提供此功能,用戶滿意度會有很大提升。第三象限表示:better係數值低,worse係數絕對值也低的情況。落入這一象限的因素,稱之為無差異因素。功能3落入此象限,即無論提供或不提供這些功能,用戶滿意度都不會有改變,這些功能點是用戶並不在意的功能。第四象限表示:better係數值低,worse係數絕對值高的情況。落入這一象限的因素,稱之為必備型因素。功能4落入此象限,即表示當產品提供此功能,用戶滿意度不會提升,當不提供此功能,用戶滿意度會大幅降低;說明落入此象限的功能是最基本的功能。在實際項目中:

我們首先要全力以赴地滿足用戶最基本的需求,即第四象限表示的必備型因素,這些需求是用戶認為我們有義務做到的事情。在滿足最基本的需求之後,再盡力去滿足用戶的期望型需求,即第一象限表示的期望因素,這是質量的競爭性因素。提供用戶喜愛的額外服務或產品功能,使其產品和服務優於競爭對手並有所不同,引導用戶加強對本產品的良好印象。最後爭取實現用戶的興奮型需求,即第二象限表示的興奮型因素,提升用戶的忠誠度。

結論

根據KANO模型計算出的better-worse係數值,說明該產品先滿足功能5和4,再優化功能2,最後滿足功能1。

而功能3對用戶來說有或者沒有都無所謂,屬無差異型需求,並沒有必要花大力氣去實現。

三、總結

KANO模型定義了三個層次的需求:基本型需求、期望型需求和興奮型需求。

基本型需求:產品「必須有」的功能,也是MVP產品要求具有的功能;期望型需求:非必須功能需求,但通常作為競品之間比較的重點;興奮型需求:屬於驚喜型產品功能,超出用戶預期,往往能帶來較高的忠誠度。

根據KANO模型建立產品需求分析優先級,運用到產品設計中就是要抓住用戶的核心需求,解決用戶痛點(基本型需求),抓住用戶癢點(期望型需求)。在確保這兩者都解決的前提下,再給用戶一些high點(興奮型需求)。

嚴格來說,KANO模型並不是一個測量用戶滿意度的模型,而是對用戶需求的分類,通常在滿意度評價工作前期作為輔助研究的典型定性分析模型。

KANO模型的目的是通過對用戶的不同需求進行區分處理,了解不同層次的用戶需求,幫助企業找出提高產品用戶滿意度的切入點,或者識別出使用戶滿意至關重要的因素。

但需求會因人而異,會因文化差異而不同;也會隨著時間變化。可能前段時間的期望型需求,甚至興奮型需求,到如今已變成了基礎型需求。

所以,作為產品設計者,我們應該持續調研需求,對產品進行迭代優化。

參考資料:

1. kano模型_百度百科

2. 產品需求分析神器:KANO模型分析法 — Angelina_Zhang

本文由 @宛蘇 原創發布於人人都是產品經理,未經許可,禁止轉載

題圖來自 Unsplash,基於 CC0 協議

相關焦點

  • 怎樣用數據分析方法應用KANO模型?
    本文從數據分析的角度,重新解讀如何應用kano模型。一、 kano模型簡介KANO 模型是東京理工大學教授狩野紀昭(Noriaki Kano)發明的對用戶需求分類和優先排序的工具
  • 優秀產品人必懂的增長策略設計模型
    大多數產品人都是通過增長實驗來完成用戶及產品的增長。什麼是增長實驗?它的正確設計模型又是什麼呢?本文將會告訴你答案。相信大多數的產品人都會認為樣本數太小,不能得出可信的結論。在實驗上線2天後,再進行了一次數據統計:藍色按鈕的頁面訪問量是6238次,按鈕點擊次數為368次,轉化率為5.9%。紅色按鈕的頁面訪問量是6122次,按鈕點擊次數為588次,轉化率為9.6%。那麼此時,是否能確定紅色按鈕是否效果更好呢?
  • 揭秘:高級運營常用的思維模型
    5)簡單易懂應用:內容運營、活動策劃、用戶分析、產品設計、時間管理和學習新理論等>>>KANO模型KANO模型是對用戶需求分類和優先排序的有用工具,以分析用戶需求對用戶滿意的影響為基礎,體現了產品性能和用戶滿意之間的非線性關係
  • PEST分析法:助你理清外部環境因素,做出更優發展決策
    PEST分析法:助你理清外部環境因素,做出更優發展決策當企業需要進入某個新領域,開發某個新產品時需要預判未來的形式,那麼就需要分析當下的外部環境要素,這個時候我們就需要用到PEST分析模型。PEST分析模型是成熟的企業必用的工具,也是決策者必須掌握得一種方法。這種方法不僅可以用在企業的一些決策上,也可以用在個人發展的一些決策上。下面具體給大家介紹什麼是PEST分析法,以及在具體使用時需要重點考慮的變量因素,在商業裡的具體應用。01什麼是PEST分析法?
  • 層次分析法建立層次結構模型分為哪些層次?
    層次分析法建立層次結構模型分為哪些層次? 2019-03-19 12:11  來源:  字體:大小  列印 【試題】 層次分析法建立層次結構模型分為哪些層次?
  • AARRR模型+八角行為分析法——玩轉遊戲化用戶增長策略(上)
    我們需要一套基於AARRR模型,圍繞增長成本、效率、質量三個話題來針對每一層轉化漏鬥提煉可操作的運營方案,以AARRR模型+八角行為分析法為理論框架的,遊戲化增長策略應運而生。
  • 工具篇:3C模型、Kano模型、冰山模型、行為分析模型
    注意事項:3C中『Compatibility匹配』最重要,因為只有需求對了,剩下的才是臨門一腳的有力支撐!如何跟對方澄清需求呢?沒有別的辦法——提問! MBA智庫網 當需求很多的時候,你還需要分析:這些需求,在對方心中的痛點程度,以及這些需求如何影響他的決定。 需要說明的是:基本需求扮演了門檻的作用,也就是說,達不到是不行的。
  • 心理所運用眼動軌跡分析法檢驗風險決策模型
    由於決策需要實時的視知覺活動參與,眼動追蹤技術(eye tracking)已被用於決策模型檢驗。為評估眼動軌跡分析法是否適用於風險決策的模型檢驗,研究人員建立了一套標準化步驟用以計算、比較並可視化兩類風險決策任務中的眼動軌跡,繼而檢驗了風險決策是否遵循加權求和的過程。
  • 數據分析必會的六大實用模型
    按照我的經驗來說,掌握數據分析方法有一條好的捷徑——套用分析模型,對新手來說幾乎是百試百靈,只要掌握了下面幾個分析模型,基本上可以應對工作中的所有業務分析場景。AARRR模型AARRR模型是做數據分析最基礎的模型之一了,所謂的AARRR就是指獲取、激活、留存、變現和傳播。
  • 通過層次分析法(AHP),建立電商用戶綜合評分模型
    文章主要介紹了如何利用層次分析法建立電商用戶綜合評分模型,希望能夠對你有所幫助。層次分析法(Analytic Hierarchy Process,簡稱AHP)定義:是將與決策總是有關的元素分解成目標、準則、方案等層次,在此基礎之上進行定性和定量分析的決策方法。關於層次分析法的具體解釋大家可以使用搜尋引擎搜索,篇幅有限,我們暫不展開。一.
  • 用戶需求分析常用的3個理論
    2、KANO 模型用戶的需求是多方面的、多層次的,但資源和條件的限制決定了單個產品不可能滿足用戶的所有需求,為此,我們需要對用戶的需求進行排序,集中資源解決用戶最急需滿足的需求。那麼,怎樣才能更恰當地對用戶需求進行排序呢?Kano模型能夠幫我們很好地解決這一問題。
  • 實戰總結:如何將需求轉化為PRD?
    所以,將需求轉化為PRD,是產品人必須掌握且反覆打磨的基本功。1.需求流程不囉嗦,一圖勝千言。3.1.3 通過自己的思考挖掘產品感覺(日積月累)、日記分析法(把自己當做用戶,詳細記錄自己的使用情況)、觀察思考(觀察思考生活,一切都來源於生活)、KANO模型分析、人性角度分析、用馬斯洛需求層次理論分析等。
  • 房地產估價師考點精講:多元回歸分析法
    房地產估價師考點精講:多元回歸分析法 多元回歸分析法1.多元回歸分析法的概念是對估價範圍內的所有被估價房地產進行分組,使同一組內的房地產具有相似性,在每組內把房地產價值或價格作為因變量,把影響房地產價值或價格的若干因素作為自變量
  • 77思維模型:5why分析法
    5why分析法是一種從表象問題尋找根本原因的逆向推理分析法,也是解決實際問題過程中的一部分。享譽全球管理界的管理學大師亨利·明茨伯格曾如此描述:「連問五次為什麼,並非什麼妙法,不過一再追問為什麼就可以深入系統,找到問題的根本原因,許多相關的問題就迎刃而解。」
  • 基於5C要素分析法提高信貸風險管理效率研究
    信貸等金融業務領域的盈利前景和各層次的客觀需求決定了,為來很長一段時間內,我國各類型、不同層次的金融(信貸)機構仍將快速增長和壯大。為能夠對行業新進入者提供一定的信貸風險管理相關理論與實踐參考和建議,本文通過5C要素分析法等相關理論方法提供有關更好開展信貸業務,實現有效風險管理方面的建議和對策供參考和討論。
  • 分析法大揭秘之SWOT分析法
    在上期的「賽事直通車」中,我們為大家帶來了創業相關的名詞解釋,本期我們將為大家重點揭秘SWOT分析法,它是企業戰略制定的常用工具,很多同學將此方法運用到創新創業企劃書中。希望本期的學習能夠對大家有所幫助!
  • 基於Matlab GUI層次分析法的實現和應用
    1.層次分析法基本原理本文引用地址:http://www.eepw.com.cn/article/226777.htm層次分析法(Analytic HierarchyProcess簡稱AHP)
  • 層次分析法在生活垃圾處理項目選址中的應用
    本文結合某城市的生活垃圾綜合處理項目的選址為例,對其進行了綜合的研究,從而構建了生活垃圾綜合處理項目選址的層次分析法相關評判模型,再使用相適應的軟體對相關模型採取分析與求解,以此最終得出這種方案具有比較強的優勢:採用層次分析方法來綜合處理生活垃圾選址,能夠有效降低人們的主觀隨意性,最終使得結果更加科學化與數據化。
  • 德爾菲法與層次分析法的使用
    運用層次分析法計算指標權重的基本步驟可歸納如下:(一) 建立層次結構模型將指標體系分成四個層次, 最上層為目標層, 只有一個目標或因素就是確定指標體系權重, 以下依次為一、二、三級指標。(五) 評價指標權重計算結果根據層次分析法實施步驟, 藉助於層次分析法軟體yaahp12.0, 我們首先給出教育智庫評價指標體系的層次結構模型, 如圖1。根據專家問卷的調查數據, 我們構造各層指標的判斷矩陣。例如, 我們給出一級指標 (結構、功能、成果、影響力) 兩兩進行比較的判斷矩陣如下:
  • 數據分析方法:趨勢分析法
    編輯導語:在我們日常業務中總會用到數據分析的各種方法,最常用最簡單的就是「趨勢分析法」,一目了然的走勢可以讓我們更直觀的看清楚;本文作者詳細介紹了數據分析方法中的趨勢分析法,我們一起來看一下。要說數據分析裡,什麼方法最常用?當然是趨勢分析法;只要和數據有關,幾乎每個人,時時刻刻都在用。很多同學一聽:「啥?還有這方法啊?我咋沒感覺到呢!」