需求分析方法-KANO模型

1.1 背景

李雷同学作为一个产品经理，经常会遇到非常多的产品需求， 开发同学忙的不可开交， 用户又似乎什么都想要。开发产品资源有限怎么才能捞出真正的用户需求？给真正重要的需求高优先级？

李雷决定引进「KANO模型」，进行系统的需求梳理，对需求进行分析和提炼，提高效率。

1.2 分析过程

KANO模型：是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。

李雷对约 100 个用户进行了调研，使用 KANO 模型绘制出四象限图，如下图所示：

四个象限对应了四种需求类型，它们的优先级排序为：必备型需求>期望型需求>兴奋型需求>无差异需求。

• 必备型需求（必须有）：即常说的痛点需求。对于用户而言，这些需求是必须满足的，理所当然的。当不提供此需求，用户满意度会大幅降低。这类是核心需求，也是产品必做功能。

• 期望型需求（应该有）：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。通常作为竞品之间比较的重点。

• 兴奋型需求（可以有）：惊喜型产品功能，超出用户预期，往往能带来较高的忠诚度。不提供也不会降低用户满意度。

• 无差异需求（可以没有）：用户根本不在意的需求，对用户体验毫无影响。尽量规避做此类型功能。

1.3 分析结果

李雷将自己做好的仪表板分享给了同事，并决定此次功能更新增加「功能2、功能3、功能5、功能8」。有了数据支撑，大家都很认同他的决定，罕见的没有出现以往为增加哪个功能而争得不可开交的局面，提升了效率。

1.4 获取仪表板

仪表板在线预览链接：KANO 模板 ，您可以另存后查看内部编辑步骤或自己操作练习。

2.1 调研问卷设计

KANO 问卷中每个功能都要有正向和反向两个问题，例如：

调研后对数据进行清洗，本案例清洗后的数据下载：KANO原始数据.xlsx

2.2 处理数据

1）创建分析主题「KANO分析」，添加「KANO原始数据」并点击「字段设置」勾选所有字段，如下图所示：

2）新增公式列列「合并态度」，将「增加功能态度」与「不增加功能态度」进行合并，如下图所示：

按照用户对「增加功能态度」与「不增加功能态度」，最终我们可以通过下表定位某功能对于用户来说是什么需求。

M：基本（必备）型需求；O：期望（意愿）型需求；A：兴奋（魅力）型需求

I：无差异型需求；R：反向（逆向）型需求；Q：可疑结果

3）上一步骤我们已经知道如何定位需求类型，接下来要做的就是在分析表中定位判断，添加类型列，如下图所示：

由于公式很长，用户可以直接复制下面到公式列，并用自己的字段替代「合并态度」，使用了 switch函数 ：

SWITCH(合并态度,"非常喜欢非常喜欢","Q","非常喜欢理应如此","A","非常喜欢无所谓","A","非常喜欢勉强接受","A","非常喜欢很不喜欢","O","理应如此非常喜欢","R","理应如此理应如此","I","理应如此无所谓","I","理应如此勉强接受","I","理应如此很不喜欢","M","无所谓非常喜欢","R","无所谓理应如此","I","无所谓无所谓","I","无所谓勉强接受","I","无所谓很不喜欢","M","勉强接受非常喜欢","R","勉强接受理应如此","I","勉强接受无所谓","I","勉强接受勉强接受","I","勉强接受很不喜欢","M","很不喜欢非常喜欢","R","很不喜欢理应如此","R","很不喜欢无所谓","R","很不喜欢勉强接受","R","很不喜欢很不喜欢","Q")

效果如下图所示：

4）添加「分组汇总」，得到每个功能它们各种需求类型的人数，如下图所示：

例如参与调研的人数中，认为「功能1」是无差异需求的人数有 48 人。

5）因为调研过程中有些用户会跳题，所以参与每个功能调研的人数有所不同。新增列「参与调研人数」，如下图所示，求出参与每个功能调研的人数。

6）计算占比，求得每个需求类型占参与调研人数的比例。

例如「功能1」的 「I 类型人数」占参与「功能1」调研人数的占比为 0.48。如下图所示：

2.3 制作组件

1）复制 5 个「占比」字段，如下图所示：

2）对复制的「占比」字段进行明细过滤，过滤条件为：类型属于 A  。并将其重命名为「A 占比」。如下图所示：

同理对其他复制的「占比」字段进行明细过滤，分别过滤类型，并对其重命名，如下图所示：

3）使用 better-worse 系数，如下图所示：

• better-增加某功能后提升的满意系数：better=（A占比+O占比）/(A占比+O占比+M占比+I占比)，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-不增加某功能用户的不满意系数：worse=-1*（O占比+M占比）/(A占比+O占比+M占比+I占比)，越接近 -1，则表示对用户不满意度的影响越大，满意度下降的越快。

根据以上 better、worse 的公式，新建计算字段「better」「worse绝对值」（worse绝对值不需要乘以-1），如下图所示：

4）选择「散点图」，拖入「better」、「worse绝对值」字段。并将「功能」字段拖入图形属性的标签栏和颜色栏。如下图所示：

5）分别添加「横向警戒线」和「纵向警戒线」，分别为 better平均值 和 worse平均值 。如下图所示：

2.4 效果展示

如 1.2 节所示。