在上篇文章《需求太多處理不過來？這三個分析方法幫你快速梳理！》中，我們主要聊了三種需求分析的方法，本文將重點講述 KANO 模型分析法。之所以用一篇文章來闡述是因為 KANO 模型是量化需求方面，執行性比較可控的；與用戶研究的其他階段聯繫比較緊密的；我們團隊曾實際操作過的。

KANO模型分析法定義

KANO 模型是東京理工大學教授狩野紀昭（Noriaki Kano）受行為科學家赫茲伯格的雙因素理論的啟發，為了解決當時的日本產品和企業服務問題而提出的需求分析方法。這個 KANO 模型分析的最初並不是為解決互聯網問題構建的，但是並非不適用於互聯網，相反，其應用的領域非常廣泛。

就互聯網行業來說，KANO 模型分析可以有效地為我們解決產品需求時，需求的真偽性、存在的必要性以及需求開發的優先級排序問題。當然，並非完全依靠 KANO 模型來決定需求優先級排序，還可以結合之前所說的莫斯科法則和波士頓矩陣分析法。

閱讀文章 >>

KANO模型的需求分類

說了這麼多，到底什麼是 KANO 模型分析？狩野紀昭提出的 KANO 模型分析是分為兩個階段來完善的。

第一個階段，首先提出了影響用戶需求的三個類型：

• 基本型需求
• 期望型需求
• 興奮型需求（魅力型需求-第二階段名稱）

第二個階段，在第一階段基礎上，補充了兩個屬性類型：

• 無差異型需求
• 反向型需求

1. 基本型需求

基本型需求也稱為必備型需求、理所當然需求，是顧客對企業提供的產品或服務因素的基本要求，是顧客認為產品「必須有」的屬性或功能。當其特性不充足（不滿足顧客需求）時，顧客很不滿意；當其特性充足（滿足顧客需求）時，顧客也可能不會表現出滿意態度。對於基本型需求，即使超過了顧客的期望，但顧客充其量達到滿意，不會對此表現出更多的好感。不過只要稍有一些疏忽，未達到顧客的期望，則顧客滿意度將一落千丈。對於顧客而言，這些需求是必須滿足的，理所當然的。對於這類需求，企業的做法應該是注重不要在這方面失分，需要企業不斷地調查和了解顧客需求，並通過合適的方法在產品中滿足這些需求。

例如：夏天家庭使用空調，如果空調正常運行，顧客不會為此而對空調質量感到滿意；反之，一旦空調出現問題，無法製冷，那麼顧客對該品牌空調的滿意水平則會明顯下降，投訴、抱怨隨之而來。

我們常常登錄一些網站，如果一切正常登錄，作為用戶的我們對此不會感到很滿意；但是，如果登錄過程中，總是出現各種的問題，我們對這個品牌以及商城的好感和滿意度就會明顯下降，甚至後續不再登錄。

其關係示例：

如上圖所示，基本型需求中，在產品設計或者功能開發過程中，你有這個功能，用戶的滿意度不會提升得很明顯，都是處於 0 以下的。在用戶看來，這些產品設計或者功能都是理所當然必備的。但是如果你不具備的時候，也很明顯，用戶滿意度會下降得很快。

2. 期望型需求

期望型需求也稱為意願型需求。是指顧客的滿意狀況與需求的滿足程度成比例關係的需求，此類需求得到滿足或表現良好的話，客戶滿意度會顯著增加。企業提供的產品和服務水平超出顧客期望越多，顧客的滿意度越好。當此類需求得不到滿足或表現不好的話，客戶的不滿也會顯著增加。

期望型需求沒有基本型需求那樣苛刻，要求提供的產品或服務比較優秀，但並不是必須的產品屬性或服務行為。有些期望型需求連顧客都不太清楚，但是是他們希望得到的，也叫用戶需求的癢點。這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，要力爭超過競爭對手。

在用戶調研中，用戶談論的通常是期望型需求。意見反饋處理在當前很多應用中的現狀始終不令人滿意，該服務也可以被視為期望型需求。如果企業對質量投訴處理得越圓滿，那麼顧客就越滿意。如下，目前不少應用，已經將意見反饋的層級都提升了。

關係示例：

期望型需求展示的產品設計或功能與用戶滿意度是成正相關的函數，其本質就是用戶的癢點。當我們在產品設計時更好的觸達到用戶的癢點，就會提升用戶對我們產品的滿意度。相反，處理不好，或者沒有達到，很容易有相反的效果。

3. 興奮型需求

興奮型需求又稱魅力型需求，指不會被用戶過分期望的需求。對於興奮型需求，隨着滿足用戶期望程度的增加，用戶滿意度也會急劇上升，但一旦得到滿足，即使表現並不完善，用戶表現出的滿意狀況也是非常高的。反之，即使在期望不滿足時，用戶也不會因而表現出明顯的不滿意。

當用戶對一些產品或服務沒有表達出明確的需求時，如果企業提供給用戶一些完全出乎意料的產品屬性或服務行為，給用戶帶來驚喜，用戶就會表現出非常滿意，從而提高用戶的忠誠度。這類需求往往是代表用戶的潛在需求，企業的做法就是去尋找發掘這樣的需求。

例如，最近阿里的菜鳥裹裹提出的雙十二購物包裹，因快遞出現的損失全額賠付，甚至不需要舉證等服務。在一般情況下，即便包裹有損，一般也是退回商家，損失較少涉及到物流，當前很多物流公司都不包賠的。菜鳥裹裹的這項服務，用戶的滿意度就出現了明顯提升，也拉開了與其他物流的差異。

對於產品經理或者用戶體驗設計師而言，最需要關心和費心的就在於這三項，也是 KANO 模型在第一階段提出的三項。至於，后兩項無差異型需求和反向型需求，雖然不是特別重要，但是既然提出總有特例存在。

4. 無差異型需求

不管你做不做功能，用戶的滿意度都不會改變，因為用戶不在意，對用戶體驗無影響。例如：乘飛機時，有的航空公司會贈送小孩小禮品，如果贈送了，用戶至多會謝謝，但是對於航空公司本身的體驗並不會提升多少，幾乎不影響。

日常刷手機應用過程中，各種應用軟件的開屏廣告，以及關於應用本身的一些打分評測功能。有或者沒有，對於用戶而言沒有什麼區別。

5. 反向型需求

反向型需求又稱逆向型需求，指引起強烈不滿的質量特性和導致低水平滿意的質量特性，因為並非所有的消費者都有相似的喜好。許多用戶根本都沒有此需求，提供後用戶滿意度反而會下降，而且提供的程度與用戶滿意程度成反比。

如何運用KANO模型進行分析

KANO 模型分析方法是狩野紀昭基於 KANO 模型對顧客需求的細分原理，開發的一套結構型問卷和分析方法。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，解決產品屬性的定位問題，以提高用戶滿意度。

標準化問卷調研可以說已經又涉及到用戶調研的工作了，關於這點，恰巧最近也有涉及，所以簡單講一下。用戶調研的初衷很多也是源於對於產品功能（已開發或準備開發）的後續了解，有一些也正如本文 KANO 模型的作用，做需求優先級分類，需要了解用戶對於產品功能的期望。最終調研的輸出報告，有時候會解決我們需求分級，有時候會提出新的需求。

KANO 模型分析流程：

1. 確定功能（需求）列表

當我們收集到比較多的需求的時候，可以先考慮通過波士頓矩陣分析法，從對用戶價值維度和對公司價值維度，初步區分需求的層級，之後涉及基本型、期望型、魅力型多個的時候，可以考慮介入 KANO 模型了。

如為了適應賣家日益增長的 CRM 系統的需求，業務方在處理 CRM 系統工具的時候需要引入一些新功能。業務方希望知曉在眾多用戶需要的功能中，哪些是基本功能，哪些是增值功能，功能的優先級又是如何分佈排列的。從而可以在進行功能開發優先級排期的同時，結合實際業務情況，考慮哪些功能應該由官方做，哪些更適合與第三方合作完成。

KANO 模型很好地貼和了業務的需求，從具備程度和滿意程度這兩個維度出發，將 CRM 系統工具中的功能進行細緻有效的區分和排序，幫助我們了解：哪些功能是一定要有，否則會直接影響用戶體驗的（必備屬性、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（魅力屬性）；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）。

由此決定利用 KANO 模型，對於 CRM 系統工具的功能屬性歸屬進行討論。接下來將對於 KANO 模型的問題設置和分析方法的具體操作進行闡述。

2. 設計問卷

根據收集整理的功能分析設計問卷調查表，在問卷設計時，把問卷盡量設計得清晰易懂、語言盡量簡單具體，避免語意產生歧義。同時，可以在問卷中加入簡短且明顯的提示或說明，方便用戶順利答題。在 KCL 項目中，我們根據用戶金字塔原理，甄選了不同層級用戶。至於如何依據用戶金字塔模型選擇用戶可以留意後續技能樹文章。

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。滿意程度劃分為 5 個，可以通過「likert五點式量表」來表示，因為人的滿意程度往往是漸變的，而不是突變的，其程度的描述可隨制定者修改，如（很喜歡、理所當然/還不錯/還可以、無所謂、勉強接受/湊活、很不喜歡）更加形象的描述。

例如：在 KCL 的某個業務場景中，我們設計了「在加油站列表中，我們有/沒有設置導航圖標，你的感受是：非常滿意、基本滿意、無所謂、勉強接受、非常不滿意」。

3. 回收並清理數據

在上一段中已經有所說明，關於如何發放問卷方面，暫不敘述，因為還牽扯到如何甄選用戶的問題，挑選合適的用戶在問卷調查中也是至關重要的，因為用戶畫像的不準確以及涵蓋用客群與問卷目的的不一致，最終問卷的結果也會變的毫無意義。

回收問卷后，首先需要處理無意義的問卷數據，即那些所有問題都是一個答案的這種明顯毫無意義的表格。後面，我們需要對這些數據進行編譯，即根據答案的程度做升序排列和降序排列處理，並設置程度分值或字母以區別。正向：5、4、3、2、1；反向：A、B、C、D、E。

4. 整理並歸類問題

針對收回並清理后的問卷數據，結合我們制定的編譯規則，整理成可統計量化的指標數據表，如下圖：

5. 量化圖表，確認功能或需求優先級

標準化表格對照表

針對每項功能對照下方標準指標對照表，進行統計。在一般情況下，根據顏色即可分出需求或者功能的優先級，其標準就是佔比多的，即優先級最高。當然，可疑結果是必須 pass 掉的。所謂可疑結果，即你有這項功能，他很滿意，沒有也是很滿意。

better和worse係數

還有一種情況下，即出現了兩個基本型或者兩個魅力型功能或需求。這個時候，就需要我們的 better 和 worse 係數，當然這種情形都是在理想的工作流程中。better 係數和 worse 係數的計算方式如下：

• Better係數=（魅力屬性+期望屬性）/（魅力屬性+期望屬性+必備屬性+無差異因素）
• Worse係數=（必備屬性+期望屬性）/（魅力屬性+期望屬性+必備屬性+無差異因素）（-1）

當兩個功能 ，他的所選擇的用戶數又是百分比一模一樣的時候，我們就把 Better 係數算出來。這個功能，如果做的話，用戶的滿意度大概可以提升多少？Worse 係數是相反的，任務都不做的話，我的滿意度會下降多少？做了以後滿意度提升更大，我就做哪個。或者哪個功能不做滿意度下降會更多，那我就做哪個。

第一象限表示：better 係數值高，worse 係數絕對值也很高的情況。落入這一象限的屬性，稱之為是期望屬性，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，這是質量的競爭性屬性，應儘力去滿足用戶的期望型需求。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。

第二象限表示：better 係數值高，worse 係數絕對值低的情況。落入這一象限的屬性，稱之為是魅力屬性，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，用戶滿意度和忠誠度會有很大提升。

第三象限表示：better 係數值低，worse 係數絕對值也低的情況。落入這一象限的屬性，稱之為是無差異屬性，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。落入這一象限的屬性，稱之為是必備屬性，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，這些需求是用戶認為我們有義務做到的事情。

同類型功能之間，建議優先考慮 better 係數較高，worse 係數較低的。

參考作者：https://www.zhihu.com/question/22989667/answer/61109592 金奇雋

6. 小結

作為產品經理或者交互設計師，其實在真正的工作中，能夠完整採取 KANO 設計流程的可能性比較少。特別是中小型公司，所以，我們在處理需求層級的時候，可以綜合考慮多個分析模型一起運用，而不要僅僅靠一個模型分析。

同時還需要考慮產品的市場策略，如期望屬性和魅力屬性是可以擊中用戶的爽點或癢點的，在爭取市場份額上期望屬性和魅力屬性更為重要，且可以考慮作為產品賣點進行包裝營銷。

個人的小建議是，特別是在中小型團隊，可以結合 MoSCoW 法則和 BCGmatrix 模型、KANO 模型分析以及 RICE 法則一起考慮。在多數情況下，不需要精細到上述的細節，就可以解決大部分需求優先級排序的問題。

異常情況優先級

這裏的異常情況主要是兩種情形：之前功能中出現的緊急 bug，需要臨時修復或者調派人力的，這種情況，必須是最高優先級的。二、上層主管或者管理層提出的一些需求。

這兩種情況，就不需要多講了。出現這種情形的時候，什麼分析方法都要統統往後靠。

歡迎關注作者的微信公眾號：「PGDWORKS」

未经-摩登3注册-摩登3测速官网-允许不得转载：摩登3注册-摩登3测速官网 » 無極五註冊平台官網_做需求分析，掌握「3+1 分析法」就夠了！