产品需求分析神器:KANO模型分析法

前言:

      任何一个互联网产品,哪怕是一个简单的页面,也会涉及到很多的需求,产品经理也会经常遇到这样的情况:老板,业务提的各种新需求一下子都扎堆,哪个需求对用户来说最重要,用户对我们的新功能是否满意?开发产品资源有限,开发、设计、测试人手总是不够用,这么多需求没办法都做,先做哪些需求?

      这些都不应该是PM拍脑袋想出来的,其实产品经理的基本要求就是在有限的资源上,通过优化产品设计,提炼出正确、有效的需求,尽量避免在后续的设计、开发中临时改需求,至少要做到框架级的需求不大改,那么如何不用大脑YY出来或者YY出来不至于那么不靠谱,真正从用户需求出发来梳理出需求层次以及需求优先级,并能进一步判断需求实现对用户影响程度呢?

      正如标题所示,使用KANO模型,能够有效帮你系统的梳理需求,做需求的分析和提炼,提高效率。

一.什么是KANO模型分析法呢?

      KANO模型分析法是授野纪昭基于KANO模型对顾客需求的细分原理,开发的一套结构型问卷和分析方法。KANO模型是一个典型的定性分析模型,KANO模型分析法并一般不直接用来测量用户的满意程度,主要用于识别用户对新功能的接受度,帮助企业了解不同层次的用户需求,找出顾客和企业的接触点,识别使顾客满意的至关重要的因素。

1、KANO模型的属性分类

      在卡诺模型中,将产品功能/需求和服务的特性分为五种属性:必备属性、期望属性、魅力属性、无差异属性、反向属性。


KANO模型属性分类

(1)魅力属性:用户意想不到的,如果不提供此需求,用户满意度不会降低,但当提供此需求,用户满意度会有很大提升;

(2)期望属性:当提供此需求,用户满意度会提升,当不提供此需求,用户满意度会降低;

(3)必备属性:当优化此需求,用户满意度不会提升,当不提供此需求,用户满意度会大幅降低;

(4)无差异属性:无论提供或不提供此需求,用户满意度都不会有改变,用户根本不在意;

(5)反向属性:用户根本都没有此需求,提供后用户满意度反而会下降

      我们做产品设计时,需要尽量避免无差异属性、反向属性,至少做好必要属性、一维属性,努力做魅力属性。

2、根据KANO模型进行用户需求分类

      根据KANO模型,我将其属性分类与用户需求优先级进行对应,便于实际应用,主要定义了三种:基本型需求(必备属性)、期望型需求(期望属性)、兴奋型需求(魅力属性),这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。


用户需求与KANO模型的属性对应关系

处于金字塔底端的为用户基本型需求,也是核心需求,是产品必须做的功能。

二.KANO模型实际操作流程

1.设计问卷调查表并实施有效的问卷调查

      KANO问卷中每个属性特性都由正向和负向两个问题构成,分别测量用户在面对具备或不具备某项功能所做出的反应。问卷中的问题答案一般采用五级选项,按照:喜欢、理应如此、无所谓、勉强接受、我不喜欢,进行评定。

例如:1、针对于电商购物车无货商品到货提醒功能,问卷设置正反两题:

(1)如果我们在购物车中提供无货商品到货提醒功能,你的感受是:

A.我很喜欢 B.理应如此 C.无所谓 D.勉强接受 E.我不喜欢

(2)如果我们在购物车中不提供无货商品到货提醒功能,你的感受是:

A.我很喜欢 B.理应如此 C.无所谓 D.勉强接受 E.我不喜欢

2、问卷设置可以在实际项目中进行调整,比如最近在做音乐产品新功能点分析,主要出于功能实用性角度进行调研,为便于用户理解,把问卷选项进行调整:

针对于歌单无损标识功能,您的想法是?

(1)在歌单中加入该功能,您认为此功能实用性如何?

A.特别实用 B.比较实用 C.一般 D.很不实用E.非常不实用

(2)在歌单中不具备该功能点,对您的使用影响程度有多大?

A.非常影响 B.比较影响 C.一般 D.影响很小 E.完全没有影响

KANO问卷需要注意:

① KANO问卷中与每个功能点相关的题目都有正反两个问题,正反问题之间的区别需注意强调,防止用户看错题意;

② 功能的解释:简单描述该功能点,确保用户理解;

③ 选项说明:由于用户对“我很喜欢”“理应如此”“无所谓”“勉强接受”“我很不喜欢”的理解不尽相同,因此需要在问卷填写前给出统一解释说明,让用户有一个相对一致的标准,方便填答。

我很喜欢:让你感到满意、开心、惊喜。
理应如此:你觉得是应该的、必备的功能/服务。
无所谓:你不会特别在意,但还可以接受。
勉强接受:你不喜欢,但是可以接受。
我很不喜欢:让你感到不满意。

2.收集数据并清洗

3.将调查结果的功能属性进行分类,建立原型;

(1)KANO模型区分产品需求的操作方法介绍:原始数据处理阶段,需要注意是每个功能各个样本量针对正反两题确立属性。

      为了能够将质量特性区分为基本型需求、期望型需求和兴奋需求,然后按照正向问题和负向问题的回答对属性进行分类,具体分类对照下表。当正想问题的回答是“我喜欢”,对负向问题的回答是“我不喜欢”,那么KANO评价表中,这项质量特型就分为“o”,即期望型需求。如果顾客对某项特征正负向问题的回答结合后,分类为“M”或“A”,那么该因素被分别分为基本型需求或者兴奋型需求。

      其中R表示顾客不需要这种质量特型,甚至对该质量特性有反感;I类表示无差异需求,顾客对这一种因素无所谓;Q表示有疑问的结果,顾客的回答一般不会出现这个结果。除非这个问题的问法不合理,或者是用户没有很好的理解问题,或者是用户在填写问题答案时出现错误。

简单说就是:

A:魅力属性;O:期望属性;M:必备属性;I:无差异属性;R:反向属性;Q:可疑结果

(2).确立功能影响程度究竟多大:Better-Worse系数-计算与使用

      除了对于Kano属性归属的探讨,还可以通过对于功能属性归类的百分比,计算出Better-Worse系数,表示某功能可以增加满意或者消除不喜欢的影响程度。

计算公式如下:

增加后的满意系数 Better/SI=(A+O)/(A+O+M+I)

消除后的不满意系数 Worse/DSI=-1*(O+M)/(A+O+M+I)

      以上算法,就是把各个项目下每个字母对应的百分比放进去进行计算,得到两个系数。

Better,可以被解读为增加后的满意系数。better的数值通常为正,代表如果提供某种功能属性的话,用户满意度会提升;正值越大/越接近1,表示对用户满意上的影响越大,用户满意度提升的影响效果越强,上升的也就更快。

Worse,则可以被叫做消除后的不满意系数。其数值通常为负,代表如果不提供某种功能属性的话,用户的满意度会降低;值越负向/越接近-1,表示对用户不满意上的影响最大,满意度降低的影响效果越强,下降的越快。

      因此,根据better-worse系数,对系数绝对分值较高的功能/服务需求应当优先实施。

      以电商退换货中维修功能为例计算它的better-worse系数如下:


better-worse系数计算过程

(3)根据better-worse系数值,将散点图划分为四个象限,以确立需求优先级。

      以曾经做过的电商售后页面新增功能点举例说明,最后计算完所有功能点的better-worse系数,利用散点图得到如下结果:

KANO模型项目案例

      则极速退款功能是用户最为迫切需求,在线咨询客服功能对用户来说是必备功能,而相似功能对用户来说并不在意,可酌情考虑开发。 然后,产品经理得根据产品所处阶段进行产品需求文档的书写,之后就可以去找开发、设计童鞋跟进产品开发工作了。相信你自己梳理一遍需求后,再去找开发、设计评审时,你会自信、坚定一些。

最后结语:

1、KANO模型将需求分成“基础、扩展(期望需求)、增值(兴奋需求)”三层。可根据KANO模型建立产品需求分析优先级,运用到产品设计中就是要抓住用户的核心需求,解决用户痛点(基本型需求),在确保基本需求解决的前提下,给用户一些high点(兴奋型需求);

2、但是就具体问题分析后发现用户对基本需求、期望需求、兴奋需求的优先级会根据产品在于用户内心的阀值有所变化,但兴奋需求有时候是超出用户预期的(或者根本不知道),所以我们可以引导用户;

3、用户调研可能只能获取到期望需求(基本需求用户默认有),所以基本需求和兴奋需求需要靠自己深入调研;

4、用户有时候并不知道他们到底想要什么,所以我们要做的是要在用户诉求中提取用户需求再转化成为产品需求。一句话,听用户的,但别照着做。

5、需求会因人而异要做的是满足目标用户人群中多数人的需求;需求会因为文化差异而不同;需求会随着时间变化,昨天的期望型需求,甚至魅力型需求,到今天可能已变成了必备型需求。所以需要持续调研需求、产品需要持续迭代。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,298评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,701评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,078评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,687评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,018评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,410评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,729评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,412评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,124评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,379评论 2 242
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,903评论 1 257
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,268评论 2 251
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,894评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,014评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,770评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,435评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,312评论 2 260

推荐阅读更多精彩内容