KANO模型详解

What：KANO模型是什么

维基百科上对KANO模型的定义如下：

The Kano model is a theory for product development and customer satisfaction developed in the 1980s by Professor Noriaki Kano, which classifies customer preferences into five categories.

Kano模型是由Noriaki Kano教授于1980年代提出的产品开发和客户满意度理论，它将客户偏好分为五类。

这五类偏好即五种需求类型，分别是，基本需求（Must-be）、期望需求（Satisfiers）、魅力需求（Exciters/Delighters）、无差异需求、反向需求（Dissatisfiers）。KANO模型从用户满意度与功能性这两个纬度出发进行需求分类，所以解释这五类需求前，先引入用户满意度与功能性。

满意度与功能性

用户满意度是渐变的，这一维度从令人沮丧出发到令人振奋，如下图。

用户满意度.jpg

我们希望产品达到极高满意度，但通常是不可能的。需求因人而异，而且充满变化。

另一个纬度产品功能性，即产品提供了多少用户期望的功能，这些功能实施得如何。

功能具备程度.jpg

这一纬度从不提供到最佳实施，显然，最佳功能实施需要大量投入，不管是功能设计还是开发。所以我们需要在功能性和满意度间找到一个平衡，指导哪些功能必须提供，哪些可以晚一些提供，哪些我们压根就不需要去考虑。这两个纬度就是KANO模型的基础，从产品功能具备程度出发，分析用户满意度变化情况，从而对需求进行归类。

KANO模型基础.jpg

五种需求分类

我们先来看看KANO模型：

KANO模型.jpg

图中线性需求类别我们称为期望型需求，功能上的每一次增加都会提升用户的满意度。

图中必备需求也叫基本型需求，如果我们不提供此需求会大大增加用户的不满，但当产品全力以赴只提供这类需求，用户并不会对产品感到满意。

魅力型需求，即非常有吸引力的需求，当这类功能实施不错时，会大大提升用户满意度。当产品基本功能已满足时，此类需求会帮助提升用户忠诚度。

无差异性需求即不管提不提供用户都无所谓。应避免此类没有回报的需求。

反向型需求，功能性与用户满意度呈负相关。提供后反而导致客户不满。

下表是对这五种需求类别的简单总结：

需求类型	提供功能时	不提供功能时
基本需求	理应如此，不会特别满意或开心	不喜欢，不满意，无法接受
期望需求	喜欢，感到满意、开心	我不喜欢，感到不满、不开心
魅力需求	喜欢，感到满意、开心	无所谓，能接受
无差异需求	无所谓，能接受	无所谓，能接受
反向需求	我不喜欢，感到不满、不开心	我喜欢，感到满意、开心

对比另外一个需求优先级分析工具MoSCoW模型，基本需求即Must-have，期望需求类比Should-have，魅力需求类比Could-have，反向需求、无差异性需求即Won't-have。

Why&When：为什么使用KANO模型

为什么KANO模型是互联网行业产品经理常用分析工具？它能带来什么价值？

KANO模型被提出时是用于质量领域，从用户满意度和功能具备度两个维度出发去衡量产品质量，从而指导产品研发。这和互联网产品非常贴切，它能帮助产品经理识别功能具备度和用户满意度之间的关系，因此被广泛使用。

需求分析阶段，如果需要识别功能是否需要做，或者对多个功能进行优先级排序时可以使用KANO模型。当然可视化KANO模型也会帮助建立团队共识。

对于工具的使用，我习惯于分析它什么时候用及什么时候不用。

因为KANO模型只从用户满意度及功能是否具备这两个维度出发去分析需求价值，所以并不适用于当价值衡量需考虑其他维度因素，如需要将战略、商业收益等等纳入考虑时。

How：如何使用KANO模型分析

Step 1 明确问题

明确KANO模型是否适用于当前场景，并且明确需要做需求分类或优先级排序的需求/功能，定义出针对这个需求/功能的问题。

Step 2 问卷设计

根据Step1输出的问题集，进行正反向发散。KANO问卷每一个功能/需求问题是由正向和负向两个子问题构成，分别是用户在面对具备（提供）或不具备（不提供）某项功能所做出的反应。问卷中的问题答案采用五级选项，按照：喜欢、理应如此、无所谓、勉强接受、我不喜欢，进行评定。

举个例子：

1. 正向问题

如果当你前往购物车进行结算时，提供购物车部分商品分开结算的功能，你认为：
A.喜欢 B.理应如此 C.无所谓 D. 勉强接受 E.我不喜欢

2. 反向问题

如果当你前往购物车进行结算时，不提供部分商品分开结算的功能，需要整体结算购物车内商品，你认为：
A.喜欢 B.理应如此 C.无所谓 D. 勉强接受 E.我不喜欢

还可以询问用户功能的重要程度，可以从1-9打分，从毫不重要到及其重要：

您认为购物车中部分商品可分开结算功能的重要程度是什么样的呢？
A.1 B.2 C.3 D.4 E.5 ...

在设计问卷时建议加上用户基础信息，方便在后续结果统计时过滤掉非目标用户。如我的目标用户是18-35岁的女性，那问卷收集的信息，在统计结果时应该过滤掉不属于这个群体的用户反馈。

Step 3 KANO模型统计结果

3.1 需求分类

基于问卷结果进行需求分类的分析。每组正反向问题的排列组合一共是25种，对这25种组合进行统计，见下图：

KANO模型量化表

基于结果进行统计，最多比例的属性可作为统计后的结果，即该需求分类。当只需确认需求分类时，到这里就可以结束了。如果涉及到多个需求的优先级排序，你还需进行下一步。

3.2 计算Better-Worse系数

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。

Better，简单说就是满意系数，代表如果产品提供某种功能或服务，用户满意度会提升。Better值越大/越接近1，则表示用户满意度提升的效果会越强。

Worse不满意系数，Worse的数值通常为负，代表产品如果不提供某种功能或服务，用户的满意度会降低。其绝对值越接近1，则表示对用户不满意度的影响最大，满意度降低的影响效果越强，下降的越快。

其计算公式如下：

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)

4 结果产出

4.1 利用better-worse系数分析功能优先级

我们也可以使用可视化的散点图或气泡图来分析。使用better及worse的绝对值制作气泡图，worse为横坐标，better为纵坐标。将用户对功能重要程度的打分作为气泡的平均值。

气泡图.jpg

第一象限表示：better系数值高，worse系数绝对值也很高的情况。落入这一象限的因素，即期望型需求。这是优先级较高的需求。

第二象限表示：better系数值高，worse系数绝对值低的情况。落入这一象限的因素，即兴奋型需求（即魅力型需求）。

第三象限表示：better系数值低，worse系数绝对值也低的情况。落入这一象限的因素，即无差异需求。

第四象限表示：better系数值低，worse系数绝对值高的情况。落入这一象限的因素，即必备型需求。

4.2 确定优先级

不同分类需求优先级如何确定呢？

一般来说，基本型需求 > 期望型需求 > 魅力型需求，我们尽量避免做无差异需求和反向需求。

以上提到过关于KANO模型与MoSCoW模型的简单映射关系，基本型需求即Must-have，一定要提供；期望型需求是与Should-have，即应该要有，通常会作为竞品之间比较的重点。而魅力型需求即Could-have，此类需求能够提高用户忠诚度，当这类功能具备程度达到某个点时会大大增加用户的满意度。

5 Pros vs Cons

KANO模型优势比较突出，成本相对较低，只需要用户完成问卷再通过简单分析计算即可得到结果。且需求分类、优先级排序是基于用户反馈数据分析的结果，而不是用户的代表、测试人员、业务代表等等。

同样，Kano模型也有它的不足：

1. Kano问卷通常较长，问卷问题从正反两面询问，可能会导致用户感觉重复，若用户没有认真作答，会引起数据质量的下降。

2. 问卷类型的数据容易出现“幸存者偏差”的情况，即反馈的用户本身就有较强的反馈意愿，无法体现全体用户的真实情况。

3. 可能出现同一需求在归类时，属性频数相等或近似的情况。

4. 只是从用户满意度和功能具备度出发，不适用与需要考虑其他维度因素，例如，收益、战略等等。

6 写在最后

需求是因人而异的，满足目标用户中多数人的需求即可。需求随时间变化，例如以前线上支付是魅力型需求，如今却不可或缺。所以产品需要持续迭代，与时俱进，为用户企业带来价值。