背景介绍

需求会因人而异，会因文化差异而不同，也会随着时间的变化，作为产品设计者，应该持续调研需求，对产品进行迭代优化

        对于各种各样的产品来说，都会有一堆不同的功能，所以会涉及到很多不同的需求，而那个需求对用户来说最为重要，用户对于新开发出来的需求是否满意，还有如何从众多需求中排出优先级。为了避免直接拍脑袋给出解决方案，就需要一套科学的分析方法，真正从用户需求出发来梳理出需求层次以及需求的优先级，并能进一步判断需求实现对用户影响程度，如何科学地判断功能的优先级，在这里就需要使用KANO分析模型，通过此模型结合现实场景给出更科学的决策。

KANO模型简介

        KANO模型主要是对用户需求分类和排序，通过分析用户对产品功能的满意程度，来对产品的功能进行升级，从而确定产品实现过程中的优先级。模型实施的主要形式是通过问卷进行调研完成的。KANO模型是一个典型的定性分析模型，一般不直接用户测量用户的满意度，常用于识别用户对新功能的接受度。

KANO模型根据用户对功能的满意度，将功能可划分为5个属性，即魅力属性，期望属性，无差异属性，必备属性，反向属性。

（1）魅力属性

        即用户意向不到，需要挖掘/洞察，若不提供此需求，用户满意度不会降低，若提供此需求，用户满意度会有很大的提升。

        当用户对一些产品没有明确的需求时，企业会提供给顾客一些完全出乎意料的产品属性或者服务行为，使用户产生惊喜，用户就会表现出非常满意，从而提高用户忠诚度

（2）期望型需求

        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。它是处于成长期的需求，客户，竞争对手和企业自身都关注的需求，也是体现竞争能力的需求，对于这类需求，企业的做法应该是注重提高这方面的质量

（3）必备需求

        对于用户而言，这些需求是必须满足的，当不提供此需求，用户满意度会大幅降低，但优化此需求，用户满意度不会得到显著性的提升。对于这类需求，是核心需求，也是产品必做的功能，企业的做法应该是注重不要在这些方面减分，需要企业不断地调查和了解用户需求，并通过合适的方法在产品中体现这些需求。

（4）无差异需求

        用户根本不在意的需求，对用户体验毫无影响。无论提供或者不提供此需求，用户满意度都不会改变，对于这类需求，企业的做法应该是尽量避免

（5）反向型需求

        用户根本没有此需求，提供后用户满意度反而下降

所以我们在做产品设计时，需要尽量避免无差异属性，反向属性，至少做好必备属性，期望型属性，努力做好魅力属性

KANO模型的使用步骤

1、问卷设计

        KANO模型调研的每个功能/需求都有正向和负向两个问题，正向测量的是用户在面对具备这项功能时的满意度，负向测量的是用户在面对不具备这项功能时的满意度。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。进行评价，

例如：设计一下问卷

（1）针对手机背景颜色将根据用户心情变化而变化，对于此需求你的感受是：

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）针对手机背景颜色将不根据用户心情变化而变化，对于此需求你的感受是：

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、收集数据并清理

        根据问题对用户进行问卷调查，筛除不合理的问卷，收集到可用问卷

3、根据KANO模型进行分类

名词解释：

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

4、量化分析（Better-Worse系数）

        根据每个功能的属性分类百分比对照表，计算出Better-Worse系数，表示某功能可以增加满意或者消除很不喜欢的影响程度。

表中对应属性相同位置的百分比累加

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)

Better系数：可以理解为满意系数，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系数：可以理解为不满意系数，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

根据Better-Worse系数值，将散点图分为四个象限，以确立需求优先级

从中可以看出第一象限内的功能2是期望属性最优的，可以优先可以做此需求

模型总结

        虽然此模型可以将定性的功能进行定量化处理，更能科学的指导产品决策。但是在实际的应用过程中，如果对业务本身理解不够好的话，得出的结果就不会准确。而最容易出现问题的地方则是问卷调查部分，一种是问卷调查的问题，一种则是问卷调查的对象。对于问题则需要内部自己梳理，而对于用户调查的对象，则需要我们根据产品的功能特性以及服务对象去划分用户群体，只有好的问卷才能得出最优的决策。

        此外需求也会因人而异，而我们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，需求会随着时间变换，昨天的期望型需求，甚至魅力型需求，到今天可能以变成必备型需求，所以需要持续调研需求，产品需要持续迭代。

---

随着大数据的时代的到来，数据变得越来越重要，数据可以帮助我们来看清行业的本质，也可以帮助我们更加快速的了解一个行业，关注公众号——DT学说，走进数据的时代