产品设计&研究方法——KANO模型

产品设计&研究方法——KANO模型，先看一下百科解释：
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，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。

根据不同类型的质量特性与顾客满意度之间的关系，狩野教授将产品服务的质量特性分为五类：
1. 基本（必备）型质量——Must-be Quality/ Basic Quality
2. 期望（意愿）型质量——One-dimensional Quality/ Performance Quality
3. 兴奋（魅力）型质量—Attractive Quality/ Excitement Quality
4. 无差异型质量——Indifferent Quality/Neutral Quality
5. 反向（逆向）型质量——Reverse Quality，亦可以将 'Quality' 翻译成“质量”或“品质”。

前三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。

我们具体来看一下每一种需求的详细解释：
基本型需求
属于需求痛点，对于用户而言，这些需求是必须满足的刚性需求，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提升。对于这类需求，是核心需求，也是产品必做功能，企业的做法应该是注重不要在这方面减分，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要求。

兴奋型需求：
所谓在暗处，处于用户意想不到的，需要挖掘/洞察的位置，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。

期望型需求
属于需求痒点，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。

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

反向型需求
用户根本都没有此需求，提供后用户满意度反而下降。总而言之，我们做产品设计时，需要尽量避免无差异型需求、反向型需求，至少做好基本型需求、期望型需求，如果可以的话再努力挖掘兴奋型需求。


KANO模型分析方法：
1. 明确目的
做之前，必须明白调研的目的是什么，是否合适用KANO 模型解决，为什么要用KANO 模型解决。 例如：企业为卖家开发的CRM工具，随着卖家客户的不断增长，CRM系统中需引入一些新的功能满足其管理需求。而我们作为产品开发设计者，需要知道这些功能哪些是基本功能，哪些是增值功能，功能的优先级又该如何排列等等。 KANO模型就可以帮助我们很好地贴合业务需求，从具备程度和满意程度这两个维度出发，将CRM中新增的功能进行区分和排序，从而知道：哪些功能是一定要有，否则会直接影响用户体验的（基础属性、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（兴奋属性）；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）。

2. 设计问卷
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。 而满意程度被划分为5级（非常满意、满意、一般、不满意、很不满意），因为人的满意程度往往是渐变的，而不是突变的。 满意程度的文案可根据实际问题灵活修改，如使用（非常喜欢、理应如此、无所谓、勉强接受、很不喜欢 或者 非常有用、挺实用、无所谓、不实用、很不实用 ）更加形象的描述。 例如：在【通讯录】中，是否需要直接提供「拨打电话」的按钮？问卷设置正反两题： 1）如果我们在【通讯录】的客户列表中，提供“拨打电话”的按钮，你的感受是： A. 非常喜欢 B. 理应如此 C. 无所谓 D. 勉强接受 E.很不喜欢 2）如果我们在【通讯录】的客户列表中，没有提供“拨打电话”的按钮，你的感受是： A. 非常喜欢 B. 理应如此 C. 无所谓 D. 勉强接受 E. 很不喜欢 为了更加形象且一目了然，我们可以如下设计。填问卷的人只需要在空白处打勾打叉就好了，非常方便。

3. 清洗数据
在收集所有问卷之后，注意清洗掉个别的明显胡乱回答的个例。如全部问题都选择“我很喜欢”或“很不喜欢”的，这种回答毫无参考价值。

4. 整理分类
为了能够将需求区分为基本型需求、期望型需求和兴奋需求，需按照正向和负向问题的回答对属性进行分类，具体分类对照下表。

当正向问题的回答是“我喜欢”，负向问题的回答是“我不喜欢”，那么KANO评价表中，这项功能特性就为“O”，即期望型。如果将用户正负向问题的回答结合后，为“M”或“A”，则该功能被分为基本型需求或兴奋型需求。其中，R表示用户不需要这种功能，甚至对该功能有反感；I类表示无差异需求，用户对这一功能无所谓。Q表示有疑问的结果，一般不会出现这个结果（除非这个问题的问法不合理，或者是用户没有很好的理解问题，或者是用户在填写问题答案时出现错误）。

简单来说就是：A：兴奋型；O：期望型；M：必备型；I：无差异型；R：反向型；Q：可疑结果。注意：以上对照表只是的最常见的一种归类方式。实际操作中，可因人而异，因产品、公司、地域而异（尤其是关于“R”和“O”的定义），因为满意度本身就难以衡量。

5. 量化表格
1）判断KANO属性 记录所有合理的数据，计算出各项占比，填写在下面的对照表里面。

从上表中不难看出，“通讯录中「拨打电话」“这个功能在6个维度上均可能有得分，将相同维度的比例相加后，可得到6个属性维度的占比总和。总和最大的一个属性维度，便是该功能的属性归属。 可看出“在通讯录中提供「拨打电话」功能“属于兴奋型需求。即说明没有这个功能，用户不会有强烈的负面情绪，但是有了这个功能，会让用户感受到满意和惊喜。 如果你只判断这一个需求，那么进行到这一步就可以到此为止了。如果涉及到多个需求的排序分级，你还需进行下一步。

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，可以解读为增加后的满意系数。Better的数值通常为正，代表如果产品提供某种功能或服务，用户满意度会提升。正值越大/越接近1，则表示用户满意度提升的效果会越强，满意度上升的越快。 Worse，可以叫做消除后的不满意系数。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。其负值越大/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。 因此，根据 better-worse系数，对两者系数绝对分值较高的项目应当优先实施。 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） 3）结果产出 例如：某产品希望优化5项功能，但是不知道哪些是用户需要的。通过KANO调研分析，可以分别计算出5项功能的better-worse系数。 根据5项功能的better-worse系数值，将散点图划分为四个象限，以确立需求优先级。
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，称之为期望型因素（一维因素）。功能2落入此象限，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。

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，称之为兴奋型因素。功能1落入此象限，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。落入这一象限的因素，称之为无差异因素。功能3落入此象限，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。落入这一象限的因素，称之为必备型因素。功能4落入此象限，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。

在实际项目中：我们首先要全力以赴地满足用户最基本的需求，即第四象限表示的必备型因素，这些需求是用户认为我们有义务做到的事情。在满足最基本的需求之后，再尽力去满足用户的期望型需求，即第一象限表示的期望因素，这是质量的竞争性因素。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。最后争取实现用户的兴奋型需求，即第二象限表示的兴奋型因素，提升用户的忠诚度。

结论根据KANO模型计算出的better-worse系数值，说明该产品先满足功能5和4，再优化功能2，最后满足功能1。而功能3对用户来说有或者没有都无所谓，属无差异型需求，并没有必要花大力气去实现。