如何利用 KANO 模型计算需求优先级

如何利用KANO模型计算需求优先级编辑导语：产品经理在日常工作中会遇到很多需求，很多职场人都会用到KANO模型分析法，把需求分为多种类型，然后再分析需求；本文作者分享了关于如何利用KANO模型计算需求优先级的方法，我们一起来看一下。在上一篇文章《【复盘】如何在资源不足的情况下从0到1做出一款金融科技产品》中提到了我使用KANO模型来进行需求的一个排序，就有同学让我说下如果通过KANO模型来计算优先级；本来说上周安排，但是不好意思，我鸽了……一、KANO模型提起大名鼎鼎的KANO模型，可能从事PM这个职业的或者励志从事这个行业的小伙伴都不会陌生，我也曾经在多个文章中提到过KANO模型。作为东京理工大学NoriakiKano教授在1980s提出的一种对用户需求进行分类和排序的定性工具，他讲顾客偏好分成了五类：必备型需求：单地说，这些都是客户期望的要求，并且被认为是理所当然的。做得好的时候，顾客是中立的，做得不好的时候，顾客是非常不满意的；Kano最初称这些为“Must-be’s”（「必须的」），因为它们是必须包括在内的要求，也是进入市场的门槛，也是我们经常说的「痛点」；客户认为没必要说明，产品也必须要做到的！期望型需求：与客户的满意度正相关，满足时客户会满意，不满足时客户会不满意。一般客户可以明确提出来。这些需求是客户期待的内容。魅力型需求：是产品给客户提供的惊喜型需求，这个需求的满足将让客户的满意度大幅提升，但是即使没有满足，客户也不会感到不满意（客户自己也不知道自己有这个需求）。无差异需求：这个需求满足或者不满足都不会让客户对产品的满意度发生变化。反向型需求：正如文字表面的意思，这个需求刚好与用户的满意度反向相关，如果满足了这个需求，则客户的满意度将会下降。由于客户已经习惯了新功能，而且竞争对手也在追赶。随着时间和市场的变化，很多魅力型、期望型的需求会变化为必备型需求（甚至是反向型需求）的一部分，比如手机的拍照、APP、导航等等；所以对于客户需求的调研要持续进行，以确定是否会产生新的需求。举个例子：iPhoneX面试的时候，我们觉得它的刘海屏真NB，但是到了现在Android手机都已经开始「水滴屏」、「挖孔屏」，但iPhone还在坚持的「刘海屏」显然不会成为iPhone的期望型需求或者魅力型需求，很多人都在骂iPhone（显然已经变成了「反向型需求」）。二、如何使用KANO模型上边说的这些，其实很多人都知道。随便百度下就可以了。但是具体如何使用KANO模型指导工作呢？这里主要用到的就是Kanoquestionnaire（KANO调查问卷）。要说明的是，KANO模型有个显著的问题：KANO模型仅仅关注的是产品性能和用户满意度的非线性关系，只衡量了产品功能对于用户的价值，并没有衡量实现该功能对于企业的收益和成本（商业价值）。也就是说，当你的产品目标是提升用户满意度的时候，才适合KANO模型来进行优先级排序。Kanoquestionnaire一般是由一对问题来组成：当满足了这个需求时，客户觉得如何？当没有这个功能时，客户觉得如何？针对每一对问题，都不应该让客户开放式的回答，而是应该通过一些非常具体的选项来得到答案：Ilikeit我喜欢；Iexpectit我希望如此；Iamneutral我是中立的；Icantolerateit我可以忍受；Idislikeit我不喜欢它。根据我们收集到的问题结果，我们可以制作一个KANO评价表：其中：A：魅力型需求O：期望型需求M：必备型需求I：无差异性属性R：反向结果Q：可疑结果（一般不会出现，除非是调查的问题或者客户理解出现了问题，或者有人在瞎填……）这里延伸一个问题：考虑到我们是从喜欢/不喜欢两个方面问一件事，那么可能存在这样一种情况：有人没有完全理解我们描述的问题和特征；我们的建议实际上和他们想要的恰恰相反。针对这种情况，FredPouliot修订了评价表：将（2，2）和（4，4）处也改成了Q。在汇总了所有用户的有效问卷后，我们需要针对某一个需求点进行比例分析，分别得出这个需求点中客户的AOMIRQ所占的比例，比例值最大对应的类别就是对应功能的分类类别了。比如我曾经之前在P2P行业针对某一功能点做过的调研数据：A：15.6%；O：40.1%；M：37.5%；I：1.5%；R：4.5%；Q：0.8%。显然占比最高的是O（期望型需求）。那么问题来了，如果几个需求都是一个类别，那么怎么区分优先级呢？这时候我们可以引入Better-Worse系数来进行分析，Better-Worse系数表示的是某个功能可以增加或者消除不喜欢的影响程度。Better-Worse系数公式如下：通过计算，每一个需求点都会得到Better/SI和Worse/DSI两个系数；其中Better/SI被理解为增加后的满意系数，数值通常为正数。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/DSI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。既然有了两个系数，我们就可以做一个平面直角坐标系了。根据这个坐标系，我们可以按照如下排序规则进行排序：必须>期望>魅力>无差异。对于在同一象限中的功能点，以Better系数/|Worse系数|的大小排序，越大越靠前。三、最后上边说到了，KANO模型仅仅关注的是产品性能和用户满意度的非线性关系，并没有衡量实