在上篇文章《需求太多处理不过来?这三个分析方法帮你快速梳理!》中,我们主要聊了三种需求分析的方法,本文将重点讲述 KANO 模型分析法。之所以用一篇文章来阐述是因为 KANO 模型是量化需求方面,执行性比较可控的;与用户研究的其他阶段联系比较紧密的;我们团队曾实际操作过的。
KANO 模型是东京理工大学教授狩野纪昭(Noriaki Kano)受行为科学家赫兹伯格的双因素理论的启发,为了解决当时的日本产品和企业服务问题而提出的需求分析方法。这个 KANO 模型分析的最初并不是为解决互联网问题构建的,但是并非不适用于互联网,相反,其应用的领域非常广泛。
就互联网行业来说,KANO 模型分析可以有效地为我们解决产品需求时,需求的真伪性、存在的必要性以及需求开发的优先级排序问题。当然,并非完全依靠 KANO 模型来决定需求优先级排序,还可以结合之前所说的莫斯科法则和波士顿矩阵分析法。
说了这么多,到底什么是 KANO 模型分析?狩野纪昭提出的 KANO 模型分析是分为两个阶段来完善的。
第一个阶段,首先提出了影响用户需求的三个类型:
- 基本型需求
- 期望型需求
- 兴奋型需求(魅力型需求-第二阶段名称)
第二个阶段,在第一阶段基础上,补充了两个属性类型:
- 无差异型需求
- 反向型需求
1. 基本型需求
基本型需求也称为必备型需求、理所当然需求,是顾客对企业提供的产品或服务因素的基本要求,是顾客认为产品「必须有」的属性或功能。当其特性不充足(不满足顾客需求)时,顾客很不满意;当其特性充足(满足顾客需求)时,顾客也可能不会表现出满意态度。对于基本型需求,即使超过了顾客的期望,但顾客充其量达到满意,不会对此表现出更多的好感。不过只要稍有一些疏忽,未达到顾客的期望,则顾客满意度将一落千丈。对于顾客而言,这些需求是必须满足的,理所当然的。对于这类需求,企业的做法应该是注重不要在这方面失分,需要企业不断地调查和了解顾客需求,并通过合适的方法在产品中满足这些需求。
例如:夏天家庭使用空调,如果空调正常运行,顾客不会为此而对空调质量感到满意;反之,一旦空调出现问题,无法制冷,那么顾客对该品牌空调的满意水平则会明显下降,投诉、抱怨随之而来。
我们常常登录一些网站,如果一切正常登录,作为用户的我们对此不会感到很满意;但是,如果登录过程中,总是出现各种的问题,我们对这个品牌以及商城的好感和满意度就会明显下降,甚至后续不再登录。
其关系示例:
如上图所示,基本型需求中,在产品设计或者功能开发过程中,你有这个功能,用户的满意度不会提升得很明显,都是处于 0 以下的。在用户看来,这些产品设计或者功能都是理所当然必备的。但是如果你不具备的时候,也很明显,用户满意度会下降得很快。
2. 期望型需求
期望型需求也称为意愿型需求。是指顾客的满意状况与需求的满足程度成比例关系的需求,此类需求得到满足或表现良好的话,客户满意度会显著增加。企业提供的产品和服务水平超出顾客期望越多,顾客的满意度越好。当此类需求得不到满足或表现不好的话,客户的不满也会显著增加。
期望型需求没有基本型需求那样苛刻,要求提供的产品或服务比较优秀,但并不是必须的产品属性或服务行为。有些期望型需求连顾客都不太清楚,但是是他们希望得到的,也叫用户需求的痒点。这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,要力争超过竞争对手。
在用户调研中,用户谈论的通常是期望型需求。意见反馈处理在当前很多应用中的现状始终不令人满意,该服务也可以被视为期望型需求。如果企业对质量投诉处理得越圆满,那么顾客就越满意。如下,目前不少应用,已经将意见反馈的层级都提升了。
关系示例:
期望型需求展示的产品设计或功能与用户满意度是成正相关的函数,其本质就是用户的痒点。当我们在产品设计时更好的触达到用户的痒点,就会提升用户对我们产品的满意度。相反,处理不好,或者没有达到,很容易有相反的效果。
3. 兴奋型需求
兴奋型需求又称魅力型需求,指不会被用户过分期望的需求。对于兴奋型需求,随着满足用户期望程度的增加,用户满意度也会急剧上升,但一旦得到满足,即使表现并不完善,用户表现出的满意状况也是非常高的。反之,即使在期望不满足时,用户也不会因而表现出明显的不满意。
当用户对一些产品或服务没有表达出明确的需求时,如果企业提供给用户一些完全出乎意料的产品属性或服务行为,给用户带来惊喜,用户就会表现出非常满意,从而提高用户的忠诚度。这类需求往往是代表用户的潜在需求,企业的做法就是去寻找发掘这样的需求。
例如,最近阿里的菜鸟裹裹提出的双十二购物包裹,因快递出现的损失全额赔付,甚至不需要举证等服务。在一般情况下,即便包裹有损,一般也是退回商家,损失较少涉及到物流,当前很多物流公司都不包赔的。菜鸟裹裹的这项服务,用户的满意度就出现了明显提升,也拉开了与其他物流的差异。
对于产品经理或者用户体验设计师而言,最需要关心和费心的就在于这三项,也是 KANO 模型在第一阶段提出的三项。至于,后两项无差异型需求和反向型需求,虽然不是特别重要,但是既然提出总有特例存在。
4. 无差异型需求
不管你做不做功能,用户的满意度都不会改变,因为用户不在意,对用户体验无影响。例如:乘飞机时,有的航空公司会赠送小孩小礼品,如果赠送了,用户至多会谢谢,但是对于航空公司本身的体验并不会提升多少,几乎不影响。
日常刷手机应用过程中,各种应用软件的开屏广告,以及关于应用本身的一些打分评测功能。有或者没有,对于用户而言没有什么区别。
5. 反向型需求
反向型需求又称逆向型需求,指引起强烈不满的质量特性和导致低水平满意的质量特性,因为并非所有的消费者都有相似的喜好。许多用户根本都没有此需求,提供后用户满意度反而会下降,而且提供的程度与用户满意程度成反比。
KANO 模型分析方法是狩野纪昭基于 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 模型分析方法主要是通过标准化问卷进行调研,根据调研结果对各因素属性归类,解决产品属性的定位问题,以提高用户满意度。
标准化问卷调研可以说已经又涉及到用户调研的工作了,关于这点,恰巧最近也有涉及,所以简单讲一下。用户调研的初衷很多也是源于对于产品功能(已开发或准备开发)的后续了解,有一些也正如本文 KANO 模型的作用,做需求优先级分类,需要了解用户对于产品功能的期望。最终调研的输出报告,有时候会解决我们需求分级,有时候会提出新的需求。
KANO 模型分析流程:
1. 确定功能(需求)列表
当我们收集到比较多的需求的时候,可以先考虑通过波士顿矩阵分析法,从对用户价值维度和对公司价值维度,初步区分需求的层级,之后涉及基本型、期望型、魅力型多个的时候,可以考虑介入 KANO 模型了。
如为了适应卖家日益增长的 CRM 系统的需求,业务方在处理 CRM 系统工具的时候需要引入一些新功能。业务方希望知晓在众多用户需要的功能中,哪些是基本功能,哪些是增值功能,功能的优先级又是如何分布排列的。从而可以在进行功能开发优先级排期的同时,结合实际业务情况,考虑哪些功能应该由官方做,哪些更适合与第三方合作完成。
KANO 模型很好地贴和了业务的需求,从具备程度和满意程度这两个维度出发,将 CRM 系统工具中的功能进行细致有效的区分和排序,帮助我们了解:哪些功能是一定要有,否则会直接影响用户体验的(必备属性、期望属性);哪些功能是没有时不会造成负向影响,拥有时会给用户带来惊喜的(魅力属性);哪些功能是可有可无,具备与否对用户都不会有大影响的(无差异因素)。
由此决定利用 KANO 模型,对于 CRM 系统工具的功能属性归属进行讨论。接下来将对于 KANO 模型的问题设置和分析方法的具体操作进行阐述。
2. 设计问卷
根据收集整理的功能分析设计问卷调查表,在问卷设计时,把问卷尽量设计得清晰易懂、语言尽量简单具体,避免语意产生歧义。同时,可以在问卷中加入简短且明显的提示或说明,方便用户顺利答题。在 KCL 项目中,我们根据用户金字塔原理,甄选了不同层级用户。至于如何依据用户金字塔模型选择用户可以留意后续技能树文章。
此问卷调查表划分维度有两个:提供时的满意程度、不提供时的满意程度。满意程度划分为 5 个,可以通过「likert五点式量表」来表示,因为人的满意程度往往是渐变的,而不是突变的,其程度的描述可随制定者修改,如(很喜欢、理所当然/还不错/还可以、无所谓、勉强接受/凑活、很不喜欢)更加形象的描述。
例如:在 KCL 的某个业务场景中,我们设计了「在加油站列表中,我们有/没有设置导航图标,你的感受是:非常满意、基本满意、无所谓、勉强接受、非常不满意」。
3. 回收并清理数据
在上一段中已经有所说明,关于如何发放问卷方面,暂不叙述,因为还牵扯到如何甄选用户的问题,挑选合适的用户在问卷调查中也是至关重要的,因为用户画像的不准确以及涵盖用客群与问卷目的的不一致,最终问卷的结果也会变的毫无意义。
回收问卷后,首先需要处理无意义的问卷数据,即那些所有问题都是一个答案的这种明显毫无意义的表格。后面,我们需要对这些数据进行编译,即根据答案的程度做升序排列和降序排列处理,并设置程度分值或字母以区别。正向:5、4、3、2、1;反向:A、B、C、D、E。
4. 整理并归类问题
针对收回并清理后的问卷数据,结合我们制定的编译规则,整理成可统计量化的指标数据表,如下图:
5. 量化图表,确认功能或需求优先级
标准化表格对照表
针对每项功能对照下方标准指标对照表,进行统计。在一般情况下,根据颜色即可分出需求或者功能的优先级,其标准就是占比多的,即优先级最高。当然,可疑结果是必须 pass 掉的。所谓可疑结果,即你有这项功能,他很满意,没有也是很满意。
better和worse系数
还有一种情况下,即出现了两个基本型或者两个魅力型功能或需求。这个时候,就需要我们的 better 和 worse 系数,当然这种情形都是在理想的工作流程中。better 系数和 worse 系数的计算方式如下:
- Better系数=(魅力属性+期望属性)/(魅力属性+期望属性+必备属性+无差异因素)
- Worse系数=(必备属性+期望属性)/(魅力属性+期望属性+必备属性+无差异因素)(-1)
当两个功能 ,他的所选择的用户数又是百分比一模一样的时候,我们就把 Better 系数算出来。这个功能,如果做的话,用户的满意度大概可以提升多少?Worse 系数是相反的,任务都不做的话,我的满意度会下降多少?做了以后满意度提升更大,我就做哪个。或者哪个功能不做满意度下降会更多,那我就做哪个。
第一象限表示:better 系数值高,worse 系数绝对值也很高的情况。落入这一象限的属性,称之为是期望属性,即表示产品提供此功能,用户满意度会提升,当不提供此功能,用户满意度就会降低,这是质量的竞争性属性,应尽力去满足用户的期望型需求。提供用户喜爱的额外服务或产品功能,使其产品和服务优于竞争对手并有所不同,引导用户加强对本产品的良好印象。
第二象限表示:better 系数值高,worse 系数绝对值低的情况。落入这一象限的属性,称之为是魅力属性,即表示不提供此功能,用户满意度不会降低,但当提供此功能,用户满意度和忠诚度会有很大提升。
第三象限表示:better 系数值低,worse 系数绝对值也低的情况。落入这一象限的属性,称之为是无差异属性,即无论提供或不提供这些功能,用户满意度都不会有改变,这些功能点是用户并不在意的功能。
第四象限表示:better 系数值低,worse 系数绝对值高的情况。落入这一象限的属性,称之为是必备属性,即表示当产品提供此功能,用户满意度不会提升,当不提供此功能,用户满意度会大幅降低;说明落入此象限的功能是最基本的功能,这些需求是用户认为我们有义务做到的事情。
同类型功能之间,建议优先考虑 better 系数较高,worse 系数较低的。
参考作者:https://www.zhihu.com/question/22989667/answer/61109592 金奇隽
6. 小结
作为产品经理或者交互设计师,其实在真正的工作中,能够完整采取 KANO 设计流程的可能性比较少。特别是中小型公司,所以,我们在处理需求层级的时候,可以综合考虑多个分析模型一起运用,而不要仅仅靠一个模型分析。
同时还需要考虑产品的市场策略,如期望属性和魅力属性是可以击中用户的爽点或痒点的,在争取市场份额上期望属性和魅力属性更为重要,且可以考虑作为产品卖点进行包装营销。
个人的小建议是,特别是在中小型团队,可以结合 MoSCoW 法则和 BCGmatrix 模型、KANO 模型分析以及 RICE 法则一起考虑。在多数情况下,不需要精细到上述的细节,就可以解决大部分需求优先级排序的问题。
这里的异常情况主要是两种情形:之前功能中出现的紧急 bug,需要临时修复或者调派人力的,这种情况,必须是最高优先级的。二、上层主管或者管理层提出的一些需求。
这两种情况,就不需要多讲了。出现这种情形的时候,什么分析方法都要统统往后靠。
欢迎关注作者的微信公众号:「PGDWORKS」
复制本文链接 文章为作者独立观点不代表优设网立场,未经允许不得转载。
发评论!每天赢奖品
点击 登录 后,在评论区留言,系统会随机派送奖品
2012年成立至今,是国内备受欢迎的设计师平台,提供奖品赞助 联系我们
AI绘画创意与实战
已累计诞生 655 位幸运星
发表评论 已发布2条
↓ 下方为您推荐了一些精彩有趣的文章热评 ↓