什么是KANO需求模型

一、基础概念

KANO模型是由日本的卡诺博士(Noritaki Kano)提出的,KANO模型定义了三个层次的用户需求:基本型需求、期望型需求和兴奋型需求。

1、基本型需求

用户认为产品“必须有”的属性或功能,也叫用户需求的痛处,如果此类需求没有得到满足或表现欠佳,用户的不满情绪会急剧增加,并且此类需求得到满足后,可以消除用户的不满,但并不能带来用户满意度的增加。对于这类需求,我们的做法应该是不要在这方面失分。

2、期望型需求

要求提供的产品或服务比较优秀,但并不是必需的产品属性,有些期望型需求连用户都不太清楚,但是他们非常希望得到的,也叫用户需求的痒处。用户通常谈论的是期望型需求,期望型需求又叫做线性需求,这类需求越多越好。此类需求若得到满足或表现良好,用户满意度会显著增加,当此类需求得不到满足或表现不好,用户的不满也会显著增加。这是处于成长期的需求,用户、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,我们的做法应该是注重提高这方面的质量,要力争超过竞争对手。

3、兴奋型需求

兴奋型需求指的是提供给用户一些完全出乎意料的产品属性,使用户产生惊喜,也叫用户需求的暗处。兴奋点和惊喜点常常是一些未被用户了解的需求,用户在看到这些功能之前并不知道自己需要它们。当其特性不充足时,并且是无关紧要的特性,则用户无所谓,当产品提供了这类需求中的服务时,用户就会对产品非常满意,从而提高用户的忠诚度。这类需求往往是代表用户的潜在需求,我们的做法就是去寻找发掘这样的需求,领先对手。


KANO模型

启发:

1、对于必须完成的功能,在产品发布时需要完成,但并不是要求在第一次迭代时就开发完成;

2、完成尽可能多的线性需求;

3、如果时间允许,至少应该确定少量的兴奋点优先级,把它们包含进发布计划。

二、需求分类

1. 反向需求:做得越多,用户越不喜欢。比如不断叠加与产品相关性较小的鸡肋功能;

2. 无差异需求:有没有对用户都无所谓。比如发放无任何实用性的廉价小礼品;

3. 必备需求:有是应该的,没有是不可忍受的。比如食品的食用安全性;

4. 期望需求:多多益善。比如photoshop的图片编辑功能,越多越能体现用户的创造力;

5. 魅力需求:用户不知道他们需要的东西,直到你把它推到用户面前。比如iPhone里的Siri。

需求坐标

三、问卷设计

如何利用KANO模型来评估需求呢?其实就是将要获取到的需求记录归类到基本型需求、期望型需求和兴奋型需求中。我们可以设计一套问卷,对用户进行问卷调查。KANO建议通过对一个功能问两个问题来确定分类:一个问题是如果产品中有这个功能,用户会觉得如何;另一个问题就是如果功能不存在,用户又是觉得如何。对每个问题采用5点的度量方式进行回答:

我希望这样、我预期这样、我没有意见、我可以忍受这样、我不希望这样。

经过调查后根据下图的归类矩阵,将问题进行归类来确定需求的类型:

评价表
评价表

M表示必备需求;O表示期望需求;A表示魅力需求;R表示顾客不需要这种质量特性,甚至对该质量特性有反感;I表示无差异需求,顾客对这一因素无所谓;Q表示有疑问的结果,顾客的回答一般不会出现这个结果,除非这个问题的问法不合理、或者是顾客没有很好地理解问题、或者是顾客在填写问题答案时出现错误。

四、评估需求

接下来可以应用KANO模型分析方法识别顾客需求。通过调查获得每个质量特性的数据之后,就可以计算每个质量特性在不同需求类型中出现的频率,例如:

评价结果

五、确定关键因素

KANO模型分析是通过对各质量特性的满意影响力和不满意影响力的分析,来判断顾客对这些质量特性水平变化的敏感程度,进而确定改进那些质量特性敏感性高、更有利于提升顾客满意的关键因素。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)

用户敏感性计算

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。在半径圈(下图中以原点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FM收音机、容量和播放格式是关键要素。而在圈内的质量特性敏感性不大,可暂时不予以考虑。

关键因素确定

SI也可以称为better系数,DSI也称为worse系数。

Better,可以被解读为增加后的满意系数。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,则可以被叫做消除后的不满意系数。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,对系数绝对分值较高的功能/服务需求应当优先实施。

better-worse系数

另外,注意需求的分类归属会随着时间而产生变化。


——部分内容整理自网络——

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 212,332评论 6 493
  • 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 90,508评论 3 385
  • 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 157,812评论 0 348
  • 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 56,607评论 1 284
  • 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 65,728评论 6 386
  • 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 49,919评论 1 290
  • 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 39,071评论 3 410
  • 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 37,802评论 0 268
  • 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 44,256评论 1 303
  • 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 36,576评论 2 327
  • 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 38,712评论 1 341
  • 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 34,389评论 4 332
  • 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 40,032评论 3 316
  • 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 30,798评论 0 21
  • 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 32,026评论 1 266
  • 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 46,473评论 2 360
  • 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 43,606评论 2 350

推荐阅读更多精彩内容