編輯導語：產品經理在日常工作中會用到KANO模型分析，KANO模型主要是對用戶需求分類和排序， 通過分析用戶對產品功能的滿意程度，來對產品的功能進行升級，從而確定產品實現過程中的優先級；本文作者分享了關于如何從0到1進行KANO模型分析，我們一起來看一下。

KANO模型是一種常用的產品需求分類及需求滿意度調查的分析模型，但產品經理如何使用該模型？具體實操時又有哪些注意事項？

遍歷百度和谷歌，目前這些問題都只有一般性的答復和解讀，深入的細節往往不得而知；本文通過分享本人多次從0到1的KANO模型分析經驗，希望能為產品同行及有學習需要的朋友們提供力所能及的幫助。

一、關于KNAO模型

KANO模型的誕生背景及詳細介紹本文將不再贅述，需要的朋友請自行百度。這里僅簡單介紹KANO模型中的兩個核心概念：

1. 需求屬性分類

通過對需求的滿意度、具備度二維分析，KANO將需求劃分為必備型、期望型、魅力型、無差異型、反向型五類，分別以英文字母M、O、A、I、R表示。

• 必備型需求(M)：需求滿足時，用戶不會感到滿意。需求不滿足時，用戶會很不滿意。
• 期望型需求(O)：需求滿足時，用戶會感到很滿意。需求不滿足時，用戶會很不滿意。
• 魅力型需求(A)：該需求超過用戶對產品本來的期望，使得用戶的滿意度急劇上升。即使表現的不完善，用戶的滿意度也不受影響。
• 無差異型需求(I)：需求被滿足或未被滿足，都不會對用戶的滿意度造成影響。
• 反向型需求(R)：該需求與用戶的滿意度呈反向相關，滿足該要求，反而會使用戶的滿意度下降。

2. better-worse系數

Better系數=（期望數+魅力數）/（期望數+魅力數+必備數+無差異數）

Worse系數= -1*（期望數+必備數）/（期望數+魅力數+必備數+無差異數）

Better系數越接近1，表示該具備度越高該需求對用戶滿意度提升的影響效果越大。Worse系數越接近-1，表示具備度越低該需求對用戶滿意度造成的負面影響越大。

二、KANO模型分析的全流程

介紹完上述兩個核心概念后，接下來講述KANO分析的全流程。KANO模型分析始于問卷設計，終于分析報告，從始至終經歷問卷設計——問卷評審——問卷發放——問卷回收——數據分析——產出報告共6個環節。

1. 問卷設計

KNAO問卷一般包含三部分內容：

1）問卷說明

一般通過問卷背景、花費時長、信息保密三方面來展開。

2）題目介紹（產品功能點介紹）

主要對每個問題題干中的功能點及使用場景進行補充說明。例如我們想了解醫生對“電話隨訪”功能的看法；但醫生根本不了解“電話隨訪”什么意思，那么使用場景和功能說明就是很必要的。

示例：

Q1: “電話隨訪”功能：

“幫助您對于離院一周或15天的患者，通過語音電話的形式，自動對患者進行隨訪，并提供隨訪結果給您，幫助您來掌控患者的康復情況”

3）題目選項

通常采用矩陣量表的形式讓用戶對功能進行正面和負面評價，評價分為五個程度“我很喜歡”、“它理應如此”、“無所謂”、“勉強接受”、“我很不喜歡”。

示例：

問卷的設計可采用excel、word等辦公軟件設計，也可以直接使用問卷星等在線問卷工具進行設計。

問卷設計時要充分考慮答卷人的角色、身份，需要覆蓋目標用戶畫像中的所有人群。

2. 問卷評審

問卷設計完成后可以組織內部評審，對文案、界面、題目排列邏輯、答卷人角色等進行討論。

3. 問卷發放

KANO問卷發放至少遵循三個原則：

1）線上線下相結合

線下發放的優勢在于樣本質量可控，可結合面談的形式來完成問卷的填寫，且獲取的信息充足。缺點在于大規模樣本的獲取挑戰較高，需要考慮時間、空間問題（如預約時間、跨地域訪談等等）。

線上發放的優勢在于速度快、流量準、回收效率高、成本低。缺點在于問卷結果的質量無法得到有效保證。

2）樣本角色周全

問卷發放之前需要對樣本人群根據關系鏈、決策鏈等角色關系進行切割、劃分。特別是針對B端產品時，往往不同環節的決策者對同一問題的看法不盡相同。如一款B端醫療產品在搜集醫院對某項功能的滿意度時，就需要關注院長、科主任、醫生、護士、患者等角色的不同訴求。

3）樣本量足

統計學上一般默認30個重復、且有2組平行試驗得出的數據為有效數據。按照該項原則，假如我們要搜集醫院對某項功能的滿意度時，通過劃分院長、科主任、醫生、護士、患者5種角色，每種角色至少有30個樣本重復，且進行2組平行試驗，那么樣本總量至少需要30*5*2=300個。

問卷正式發放之前可進行小規模的預發放，檢查問卷的使用、填寫及結果是否有誤。

4. 問卷回收

問卷回收的目的在于結果統計、數據分析，因此無論是線下還是線上，回收以后都需要整理成excel表格形式進行分析。

5. 問卷分析

問卷結果分析的目的在于通過統計用戶對功能進行正面和負面評價，來對需求進行屬性劃分。

第一步：制作分析表

• 針對問卷中的功能點，從正面評價、負面評價列出5*5的統計表。
• 將“我很喜歡”、“它理應如此”、“無所謂”、“勉強接受”、“我很不喜歡”分別用數字1、2、3、4、5標記。
• 根據KANO需求屬性原則，將該表分為6類屬性：可疑(Q)、魅力(A)、期望(O)、無差異(I)、反向(R)、必備(M)。并分別以不同的背景色標注，便于統計。如下圖所示：

第二步：根據分析表整理問卷結果

根據“我很喜歡”、“它理應如此”、“無所謂”、“勉強接受”、“我很不喜歡”的數字替換原則，分別在問卷選項結果中用數字進行替換。

例如針對第一道題：“如果提供此功能，您的評價是？”用戶選擇了“我很喜歡”，則替換為1?！叭绻惶峁┐斯δ?，您的評價是？”用戶選擇了“無所謂”，則替換為3。那么該用戶對第一道題的滿意度組合即為（1,3）；按照該方法，對所有問題的所有選項進行數字替換（如下圖示例），并將各項組合的數量填入分析表中。

第三步：將結果代入分析表，計算better系數和worse系數絕對值

每一題各項組合的數量填入分析表中后，按照以下公式進行計算：

Q=n(1,1)+n(5,5)

A=n(1,2)+n(1,3)+n(1,4)

O=n(1,5)

I=n(2,2)+n(2,3)+n(2,4)+n(3,2)+n(3,3)+n(3,4)+n(4,2)+n(4,3)+n(2,4)

R=n(2,1)+n(3,1)+n(4,1)+n(5,1)+n(5,2)+n(5,3)+n(5,4)

M=n(2,5)+n(3,5)+n(4,5)

Better系數=(A+O)/(A+O+M+I)

Worse系數絕對值=(O+M)/(A+O+M+I)

上述公式中，n(x,y)表示數字組合為(x,y)的數量。計算之后我們就能得出better系數和worse系數絕對值用于制作象限圖。

第四步：根據better系數和worse系數絕對值制作象限圖

匯總各個功能點的better系數和worse系數，并計算均值，如下圖所示：

在excel表中以worse系數絕對值作為x軸，以better系數作為y軸，以均值作為中心點，繪制四象限：

第五步：補充詳細圖中的原始選項信息，使其可視化

將象限圖復制到ppt中，對四象限中每個點所代表的功能進行標注，整理成如下樣式：

同時對四象限分別標注為魅力屬性、期望屬性、無差異屬性、必備屬性。

最后可列出個人建議的開發優先級，按0-3進行依次排序。

6.產出報告

將ppt中美化后的四象限圖保存為圖片，插入正式報告中，并輔以文字說明和解釋，使閱讀者能一目了然各項元素及其所代表的意義。

7.注意事項

在問卷回收以后，KANO分析中耗時最多一環即結果各項組合的統計。

當樣本總數不超過一百時，人力統計尚可，但當樣本數量成百上千乃至上萬時人力便無法高效完成；此時建議產品人員尋求數據開發人員的支持，將組合數的統計以及better系數和worse系數絕對值的計算以程序的方式批量完成。

另外，四象限坐標軸里中軸線的位置未見有統一的規定；為方便比較各功能點之間的相互關系，并方便制圖，個人一般采用的是取better系數和worse系數絕對值兩項的均值作為定位。

如果不使用這種策略，使用其他方式，如（0,0）作為中軸線的定位，那么各功能點的屬性在四象限中會發生相應的變化；這一點還需分析人員注意到，并思考最適合的形式來作圖。

最后，以上內容皆為個人實操經驗所得，如果不足之處還請諸位指出，共同學習討論。

作者：王澤，微信公眾號：王澤說產品

本文由 @王澤? 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自 Pexels，基于 CC0 協議