做需求分析，掌握「3+1 分析法」就够了！

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模型分析法定义

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。

KANO模型的需求分类

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。

如何运用KANO模型进行分析

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。

异常情况优先级

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」