数据分析方法8—KANO分析模型

背景介绍

需求会因人而异,会因文化差异而不同,也会随着时间的变化,作为产品设计者,应该持续调研需求,对产品进行迭代优化

        对于各种各样的产品来说,都会有一堆不同的功能,所以会涉及到很多不同的需求,而那个需求对用户来说最为重要,用户对于新开发出来的需求是否满意,还有如何从众多需求中排出优先级。为了避免直接拍脑袋给出解决方案,就需要一套科学的分析方法,真正从用户需求出发来梳理出需求层次以及需求的优先级,并能进一步判断需求实现对用户影响程度,如何科学地判断功能的优先级,在这里就需要使用KANO分析模型,通过此模型结合现实场景给出更科学的决策。

KANO模型简介

        KANO模型主要是对用户需求分类和排序,通过分析用户对产品功能的满意程度,来对产品的功能进行升级,从而确定产品实现过程中的优先级。模型实施的主要形式是通过问卷进行调研完成的。KANO模型是一个典型的定性分析模型,一般不直接用户测量用户的满意度,常用于识别用户对新功能的接受度。

KANO模型根据用户对功能的满意度,将功能可划分为5个属性,即魅力属性,期望属性,无差异属性,必备属性,反向属性。

(1)魅力属性

        即用户意向不到,需要挖掘/洞察,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。

        当用户对一些产品没有明确的需求时,企业会提供给顾客一些完全出乎意料的产品属性或者服务行为,使用户产生惊喜,用户就会表现出非常满意,从而提高用户忠诚度

(2)期望型需求

        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。它是处于成长期的需求,客户,竞争对手和企业自身都关注的需求,也是体现竞争能力的需求,对于这类需求,企业的做法应该是注重提高这方面的质量

(3)必备需求

        对于用户而言,这些需求是必须满足的,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性的提升。对于这类需求,是核心需求,也是产品必做的功能,企业的做法应该是注重不要在这些方面减分,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需求。

(4)无差异需求

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

(5)反向型需求

        用户根本没有此需求,提供后用户满意度反而下降

所以我们在做产品设计时,需要尽量避免无差异属性,反向属性,至少做好必备属性,期望型属性,努力做好魅力属性

KANO模型的使用步骤

1、问卷设计

        KANO模型调研的每个功能/需求都有正向和负向两个问题,正向测量的是用户在面对具备这项功能时的满意度,负向测量的是用户在面对不具备这项功能时的满意度。问卷中的问题答案一般采用五级选项,按照:喜欢,理应如此,无所谓,勉强接受,我不喜欢。进行评价,

例如:设计一下问卷

(1)针对手机背景颜色将根据用户心情变化而变化,对于此需求你的感受是:

A.我很喜欢   B.理应如此    C.无所谓     D.勉强接受   E.我不喜欢

(2)针对手机背景颜色将不根据用户心情变化而变化,对于此需求你的感受是:

A.我很喜欢   B.理应如此    C.无所谓     D.勉强接受   E.我不喜欢

2、收集数据并清理

        根据问题对用户进行问卷调查,筛除不合理的问卷,收集到可用问卷

3、根据KANO模型进行分类

名词解释:

A:魅力属性

O:期望属性

M:必备属性

I:无差异属性

R:反向属性

Q:可疑结果

4、量化分析(Better-Worse系数)

        根据每个功能的属性分类百分比对照表,计算出Better-Worse系数,表示某功能可以增加满意或者消除很不喜欢的影响程度。

表中对应属性相同位置的百分比累加

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)

Better系数:可以理解为满意系数,Better的数值通常为正,代表如果提供某种功能属性的话,用户满意度会提升,正值越大越接近1,表示对用户满意上的影响越大,用户满意度提升的影响效果越强,上升的也就更快

Worse系数:可以理解为不满意系数,其数值通常为负,代表如果不提供某种功能属性的话,用户的满意度会降低,值越负向/越接近-1,表示对用户不满意上的影响最大,满意度降低的影响效果越强,下降的越快

根据Better-Worse系数值,将散点图分为四个象限,以确立需求优先级

从中可以看出第一象限内的功能2是期望属性最优的,可以优先可以做此需求

模型总结

        虽然此模型可以将定性的功能进行定量化处理,更能科学的指导产品决策。但是在实际的应用过程中,如果对业务本身理解不够好的话,得出的结果就不会准确。而最容易出现问题的地方则是问卷调查部分,一种是问卷调查的问题,一种则是问卷调查的对象。对于问题则需要内部自己梳理,而对于用户调查的对象,则需要我们根据产品的功能特性以及服务对象去划分用户群体,只有好的问卷才能得出最优的决策。

        此外需求也会因人而异,而我们要做的是满足目标用户人群中多数人的需求,需求会因为文化差异而不同,需求会随着时间变换,昨天的期望型需求,甚至魅力型需求,到今天可能以变成必备型需求,所以需要持续调研需求,产品需要持续迭代。



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 218,204评论 6 506
  • 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 93,091评论 3 395
  • 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 164,548评论 0 354
  • 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 58,657评论 1 293
  • 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 67,689评论 6 392
  • 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 51,554评论 1 305
  • 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 40,302评论 3 418
  • 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 39,216评论 0 276
  • 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 45,661评论 1 314
  • 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 37,851评论 3 336
  • 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 39,977评论 1 348
  • 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 35,697评论 5 347
  • 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 41,306评论 3 330
  • 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 31,898评论 0 22
  • 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 33,019评论 1 270
  • 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 48,138评论 3 370
  • 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 44,927评论 2 355