量化用户需求-KANO模型

一、概述

KANO需求分析理论起源于满意度的二维理论,满意是指用户通过对一个产品的实际感知效果与他的期望值相比较后,所形成的愉悦或失望的感觉状态。

在一般人看了,满意的对立面是不满意。在满意度的二维理论中认为,“满意”的对立面是“没有满意”,“不满意”的对立面是“没有不满意”。令人满意的因素去除,并不一定会导致用户不满意。让人不满意的因素被去除,也不一定会促使用户满意。

1984年日本教授Noriaki Kano首度提出了KANO模型,

图1

横坐标表示某项要素的具备程度,纵坐标表示用户的满意程度。KANO模型将需求分为了三个层次:基本型需求(必备)、期望型需求(期望)、兴奋型需求(魅力)

必备属性:当优化此需求时,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。

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。

魅力属性:用户意向不到的,如果不提供此需求,用户满意度不会降低,但当提供此需求,用户满意度会很大提升。

无差异因素:无论提供或不提供此需求,用户满意度都不会改变,用户根本不在意。

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。


二、KANO模型需求的发起典型场景:

图2


三、KANO模型分析的七个步骤:

Step.1 收集需求分析的功能,并明确定义

图3

针对一个用户需求,需要设计正向题和反向题,并采用五点态度量表来调查用户的满意度。为什么需要设计正向题和反向题请参考满意度的二维理论。为什么是五点态度量表,请参考用户调研相关文章。

Step.2 问卷实施,用户自填或问答

Step.3 答案录入,态度转化为1-5分计分

图4

对应五点态度量表,将用户的态度转化为对应的数值,录入表单。

Step.4 合并每项功能的正反向答案,统计每项功能的答案占比

合并方法为:正向题保持原来的1-5分,反向题将原来的1-5分转换为A-E,形成一个分值。例如上图中黎昌刚这个用户对关注路线功能的正向评分为1,反向评分为5,最终的转换结果为1-E。这样每个功能得分情况总共有25种,形成一个5X5的矩阵,如下图

图5

第一列为正向答案,第一行为反向答案。当一个功能具备时,用户很喜欢,不具备时,用户感觉理所当然、无所谓或勉强接受,这样的需求为魅力需求。如果这个功能不具备时,用户很不喜欢,那这个需求就是期望需求。当一个功能具备时,用户认为理所当然、无所谓或勉强接受,相反当不具备时,用户很不喜欢,那这个需求就是必备需求。其它情况请参考图5.

针对某个功能的用户评分都将落去这个5X5矩阵中,最终统计百分比如下图

图6

Step.5 确定功能属性,计算Better和Worse系数

图7

Better系数代表了如果做了这个功能,会提升多少的用户满意度。例如图   的Better值为77.8%,代表着如果做个这个功能,在这个需求点将提升77.8%的用户满意度。

图8

Worse系数代表了如果不做这个功能,用户满意度会下降多少。例如图   的Worse值为-66.7%,代表着如果不做这个功能,用户的满意度会下降66.7%。

Step.6 制作所有功能汇总表,选择部分属性制作汇总图

图9

Step.7 讨论如何应用分析结果进行功能开发或优化排期

图10

确定需求优先级的原则是:必备属性>期望属性>魅力属性>无差异属性

同等属性下,Better越大越优先,Worse系数越小越优先。

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 204,921评论 6 478
  • 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 87,635评论 2 381
  • 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 151,393评论 0 338
  • 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 54,836评论 1 277
  • 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 63,833评论 5 368
  • 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 48,685评论 1 281
  • 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 38,043评论 3 399
  • 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 36,694评论 0 258
  • 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 42,671评论 1 300
  • 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 35,670评论 2 321
  • 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 37,779评论 1 332
  • 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 33,424评论 4 321
  • 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 39,027评论 3 307
  • 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 29,984评论 0 19
  • 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 31,214评论 1 260
  • 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 45,108评论 2 351
  • 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 42,517评论 2 343

推荐阅读更多精彩内容

  • KANO 模型是东京理工大学教授狩野纪昭(Noriaki Kano)发明的对用户需求分类和优先排序的有用工具,以分...
    杨小牙阅读 24,102评论 1 27
  • 我一直认为如果对于一个概念或者工具,不能用一句话解释给一个不懂的人听,那么就是没有理解。如果用一句话解释KANO模...
    阿斯卡纳阅读 6,710评论 1 5
  • 最近在简书上看到一片关于使用kano模型进行产品优先级思考的文章: 从Kano模型思考产品优先级(以QQ第一版为...
    柯树阅读 7,232评论 2 17
  • 十一、小系统 包括目的、业务流程、工具体系、机制规则和应用范例 1、目的:为什么要做这件事?以无序列表的方式呈现、...
    易查理阅读 282评论 0 0
  • 获取证书 申请证书https://startssl.com/ 生成开源证书 概述 https默认端口443 htt...
    金色的清晨阅读 1,065评论 0 0