如何从0到1进行KANO模型分析

编辑导语：产品经理在日常工作中会用到KANO模型分析，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；本文作者分享了关于如何从0到1进行KANO模型分析，我们一起来看一下。

KANO模型是一种常用的产品需求分类及需求满意度调查的分析模型，但产品经理如何使用该模型？具体实操时又有哪些注意事项？

遍历百度和谷歌，目前这些问题都只有一般性的答复和解读，深入的细节往往不得而知；本文通过分享本人多次从0到1的KANO模型分析经验，希望能为产品同行及有学习需要的朋友们提供力所能及的帮助。

一、关于KNAO模型

KANO模型的诞生背景及详细介绍本文将不再赘述，需要的朋友请自行百度。这里仅简单介绍KANO模型中的两个核心概念：

1. 需求属性分类

通过对需求的满意度、具备度二维分析，KANO将需求划分为必备型、期望型、魅力型、无差异型、反向型五类，分别以英文字母M、O、A、I、R表示。

• 必备型需求(M)：需求满足时，用户不会感到满意。需求不满足时，用户会很不满意。
• 期望型需求(O)：需求满足时，用户会感到很满意。需求不满足时，用户会很不满意。
• 魅力型需求(A)：该需求超过用户对产品本来的期望，使得用户的满意度急剧上升。即使表现的不完善，用户的满意度也不受影响。
• 无差异型需求(I)：需求被满足或未被满足，都不会对用户的满意度造成影响。
• 反向型需求(R)：该需求与用户的满意度呈反向相关，满足该要求，反而会使用户的满意度下降。

Better系数=（期望数+魅力数）/（期望数+魅力数+必备数+无差异数）

Worse系数= -1*（期望数+必备数）/（期望数+魅力数+必备数+无差异数）

Better系数越接近1，表示该具备度越高该需求对用户满意度提升的影响效果越大。Worse系数越接近-1，表示具备度越低该需求对用户满意度造成的负面影响越大。

二、KANO模型分析的全流程

介绍完上述两个核心概念后，接下来讲述KANO分析的全流程。KANO模型分析始于问卷设计，终于分析报告，从始至终经历问卷设计——问卷评审——问卷发放——问卷回收——数据分析——产出报告共6个环节。

1. 问卷设计

KNAO问卷一般包含三部分内容：

1）问卷说明

一般通过问卷背景、花费时长、信息保密三方面来展开。

2）题目介绍（产品功能点介绍）

主要对每个问题题干中的功能点及使用场景进行补充说明。例如我们想了解医生对“电话随访”功能的看法；但医生根本不了解“电话随访”什么意思，那么使用场景和功能说明就是很必要的。

示例：

Q1: “电话随访”功能：

“帮助您对于离院一周或15天的患者，通过语音电话的形式，自动对患者进行随访，并提供随访结果给您，帮助您来掌控患者的康复情况”

3）题目选项

通常采用矩阵量表的形式让用户对功能进行正面和负面评价，评价分为五个程度“我很喜欢”、“它理应如此”、“无所谓”、“勉强接受”、“我很不喜欢”。

示例：

问卷的设计可采用excel、word等办公软件设计，也可以直接使用问卷星等在线问卷工具进行设计。

问卷设计时要充分考虑答卷人的角色、身份，需要覆盖目标用户画像中的所有人群。

2. 问卷评审

问卷设计完成后可以组织内部评审，对文案、界面、题目排列逻辑、答卷人角色等进行讨论。

3. 问卷发放

KANO问卷发放至少遵循三个原则：

1）线上线下相结合

线下发放的优势在于样本质量可控，可结合面谈的形式来完成问卷的填写，且获取的信息充足。缺点在于大规模样本的获取挑战较高，需要考虑时间、空间问题（如预约时间、跨地域访谈等等）。

线上发放的优势在于速度快、流量准、回收效率高、成本低。缺点在于问卷结果的质量无法得到有效保证。

2）样本角色周全

问卷发放之前需要对样本人群根据关系链、决策链等角色关系进行切割、划分。特别是针对B端产品时，往往不同环节的决策者对同一问题的看法不尽相同。如一款B端医疗产品在搜集医院对某项功能的满意度时，就需要关注院长、科主任、医生、护士、患者等角色的不同诉求。

3）样本量足

统计学上一般默认30个重复、且有2组平行试验得出的数据为有效数据。按照该项原则，假如我们要搜集医院对某项功能的满意度时，通过划分院长、科主任、医生、护士、患者5种角色，每种角色至少有30个样本重复，且进行2组平行试验，那么样本总量至少需要30*5*2=300个。

问卷正式发放之前可进行小规模的预发放，检查问卷的使用、填写及结果是否有误。

4. 问卷回收

问卷回收的目的在于结果统计、数据分析，因此无论是线下还是线上，回收以后都需要整理成excel表格形式进行分析。

5. 问卷分析

问卷结果分析的目的在于通过统计用户对功能进行正面和负面评价，来对需求进行属性划分。

第一步：制作分析表

• 针对问卷中的功能点，从正面评价、负面评价列出5*5的统计表。
• 将“我很喜欢”、“它理应如此”、“无所谓”、“勉强接受”、“我很不喜欢”分别用数字1、2、3、4、5标记。
• 根据KANO需求属性原则，将该表分为6类属性：可疑(Q)、魅力(A)、期望(O)、无差异(I)、反向(R)、必备(M)。并分别以不同的背景色标注，便于统计。如下图所示：

第二步：根据分析表整理问卷结果

根据“我很喜欢”、“它理应如此”、“无所谓”、“勉强接受”、“我很不喜欢”的数字替换原则，分别在问卷选项结果中用数字进行替换。

例如针对第一道题：“如果提供此功能，您的评价是？”用户选择了“我很喜欢”，则替换为1。“如果不提供此功能，您的评价是？”用户选择了“无所谓”，则替换为3。那么该用户对第一道题的满意度组合即为（1,3）；按照该方法，对所有问题的所有选项进行数字替换（如下图示例），并将各项组合的数量填入分析表中。

第三步：将结果代入分析表，计算better系数和worse系数绝对值

每一题各项组合的数量填入分析表中后，按照以下公式进行计算：

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系数=(A+O)/(A+O+M+I)

Worse系数绝对值=(O+M)/(A+O+M+I)

上述公式中，n(x,y)表示数字组合为(x,y)的数量。计算之后我们就能得出better系数和worse系数绝对值用于制作象限图。

第四步：根据better系数和worse系数绝对值制作象限图

汇总各个功能点的better系数和worse系数，并计算均值，如下图所示：

在excel表中以worse系数绝对值作为x轴，以better系数作为y轴，以均值作为中心点，绘制四象限：

第五步：补充详细图中的原始选项信息，使其可视化

将象限图复制到ppt中，对四象限中每个点所代表的功能进行标注，整理成如下样式：

同时对四象限分别标注为魅力属性、期望属性、无差异属性、必备属性。

最后可列出个人建议的开发优先级，按0-3进行依次排序。

6.产出报告

将ppt中美化后的四象限图保存为图片，插入正式报告中，并辅以文字说明和解释，使阅读者能一目了然各项元素及其所代表的意义。

7.注意事项

在问卷回收以后，KANO分析中耗时最多一环即结果各项组合的统计。

当样本总数不超过一百时，人力统计尚可，但当样本数量成百上千乃至上万时人力便无法高效完成；此时建议产品人员寻求数据开发人员的支持，将组合数的统计以及better系数和worse系数绝对值的计算以程序的方式批量完成。

另外，四象限坐标轴里中轴线的位置未见有统一的规定；为方便比较各功能点之间的相互关系，并方便制图，个人一般采用的是取better系数和worse系数绝对值两项的均值作为定位。

如果不使用这种策略，使用其他方式，如（0,0）作为中轴线的定位，那么各功能点的属性在四象限中会发生相应的变化；这一点还需分析人员注意到，并思考最适合的形式来作图。

最后，以上内容皆为个人实操经验所得，如果不足之处还请诸位指出，共同学习讨论。

作者：王泽，微信公众号：王泽说产品

本文由 @王泽 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Pexels，基于 CC0 协议