如何從0到1進行KANO模型分析
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
突然想到了公式相聲
這樣子的話,設計問卷的時候,每個功能問題都要問兩個,不會讓人感到問題太多了嗎?
問卷設計用矩陣式就還好
對于我這個產品新人而言 完全看不懂 一臉懵逼
多實操幾遍就好啦。歡迎關注我的公眾號,有問題可以隨時留言交流。
挺專業的,不過大部分需求優先級不會采用這個方法吧
排優先級和驗真偽都是可以用的哈
公式部分讓我這個小白看繞進去了,希望作者能再詳細注解一下
直觀點來說就是把表格中各背景顏色所包含的數字進行相加。因為每一種顏色都代表了一種屬性。也是我怕自己計算錯采用的方法。
關于樣本數量的確定,“30個重復、且有2組平行試驗”,“30個重復”好理解,“2組平行試驗“實際上是怎么操作的呢?
實操的時候可以分兩個小組在同等條件下同時進行試驗
專業
謝謝
歡迎關注微信公眾號:王澤說產品。一起交流討論
我也想寫點,做點自己的東西了。
可以啊,加油
很詳細??
這么詳細的可是全網獨一份,建議收藏轉發,嘿嘿~
歡迎關注微信公眾號:王澤說產品。一起交流討論
我為大家準備了KANO問卷數據分析模板excel表,文章中的截圖均出自該表格,下載后可直接套用進行數據計算。需要的朋友請自?。?br /> 鏈接: https://pan.baidu.com/s/140xAwYbA0WarVZcr3vYwrA
提取碼: cqfh
歡迎大家討論、關注~