HRBP工具箱:狩猎模型,你知道吗?

出品:HR实名俱乐部(ID:hr_club)

主编:陈祖鑫(裙子)

Q、什么是狩猎模型?

狩猎模型,并不是教大家去打猎的,而是这个模型的提出者是一个叫狩野纪昭Noritaki Kano的日本学者提出的,KANO 是这个日本学者姓氏的罗马音。

Q、狩猎模型跟HR有半毛钱关系吗?

狩野纪昭提出的Kano模型,当初的灵感来源赫兹伯格的“双因素理论”。狩猎模型研究的是用户需求和用户满意度,在互联网产品界广受欢迎。而在HRBP在业务部门,一方面要洞察和挖掘业务需求,二是给员工快速交付服务产品,你说有没有关系?

Q、双因素理论又是什么东东?

赫茨伯格(Herzberg)的双因素理论,和马斯洛的需要层次理论、麦克利兰的成就激励理论一样,重点都是在试图说服员工重视某些与工作有关绩效的原因。

在传统的观念里,认为满意的反面就是不满意。然而赫兹伯格在研究员工满意度时,发现满意和不满意不是二选一的关系,满意的反面是没有满意,而不满意的反面是没有不满意。所以令人满意的因素即使被去除,并不一定会导致员工的不满意。同样的,让人感到不满的因素被去掉,也不一定会导致员工满意。

Q、狩猎模型核心内容是什么?


1、魅力属性:用户意想不到的,如果不提供此需求,用户满意度不会降低,但当提供此需求,用户满意度会有很大提升;

2、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;

3、必备属性:当优化此需求,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;

4、无差异因素:无论提供或不提供此需求,用户满意度都不会有改变,用户根本不在意;

5、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;

小结:kano并不是直接用来测量用户满意度的方法,而是通过对用户的不同需求进行区分处理,帮助产品找出提高用户满意度的切入点。

Q、如何应用狩猎模型?

主要用法:

1、用户需求调研

通过标准化问卷进行调研,问题设置示例:


根据调研结果,对Kano二维属性归类:


这是kano评估矩阵,结果举例:


2、产品功能优选级设计

如果你的产品或服务希望优化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,构建如下四分位图。


根据kano模型,计算出的better-worse系数值,说明该产品先需要优化功能5,然后再满足功能1。功能2、3、4对用户来说,有或者没有都是无差异的,并没有必要花大力气去实现。

3、狩猎模型应用5部曲


Q、狩猎模型应用例子有没有?

举一个房地产例子:

某房地产公司正在研究青年人群的房屋需求,经过定性研究搜索到六人主要需求“带阳台”、“有穿堂风”、“采光面多”、“可分隔出活动区域”、“方正”、“窗外景观优美”,用KANO模型对该组需求进行功能属性的研究。

调查结果如下:


在分类时不用考虑I、R、Q的数据,根据每个质量特性在A、O、M中出现的频率的大小确定质量特性的分类结果。

完成对质量特性的需求分类,接下来就可以进行KANO模型分析了。首先进行满意影响力(SI)和不满意影响力(DSI)两个方面的计算,计算公式如下:

SI=(A+O)/(A+O+M+I)

DSI=-1×(O+M)/(A+O+M+I)

应用以上公式对示例进行计算得到结果如下表所示:

将各质量特性以SI值为横坐标、DSI值为纵坐标纳入敏感性矩阵中(见下图)。

结论是,在半径圈(以原点0为圆心,OP为半径的圆)以外的因素,并且离原点越远的因素,敏感性越大,可以确定方正、景观优美、带阳台、采多面光是关键要素。而在圈内的质量特性敏感性不大,可暂时不予以考虑。

Q、狩猎模型对HR有什么启发?

先说两点:

1. 基本型HR:还处于事务型工作的HR伙伴,目前提供“基本需求”服务,可能不会让用户满意,但一旦失败一次,就会让用户更不满意。因此,还得加强这些事务型工作的维护及支持,不至赶走已有的用户满意度。

2. 期望型HR:公司对这些HR伙伴有了更多期待,请保持着对环境变化足够的敏感,并需要更多元化的判断能力,尽量避免“反向需求”,而对于“期望需求”要让它不比同行弱,最好要更为强大。

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 204,530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 86,403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 151,120评论 0 337
  • 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 54,770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 63,758评论 5 367
  • 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 48,649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 38,021评论 3 398
  • 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 36,675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 40,931评论 1 299
  • 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 35,659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 37,751评论 1 330
  • 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 33,410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 39,004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 29,969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 31,203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 45,042评论 2 350
  • 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 42,493评论 2 343

推荐阅读更多精彩内容