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,而哪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:设计以下问卷

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。

End.

作者:有趣的数据

来源:有趣的数据

本文已和作者授权,如需转载请与作者联系

syb需求分析问卷_需求分析神器:KANO分析模型详解相关推荐

  1. HTML5 canvas绘制雪花飘落动画(需求分析、知识点、程序编写分布详解)

    HTML5 canvas绘制雪花飘落动画(需求分析.知识点.程序编写分布详解) 原文:HTML5 canvas绘制雪花飘落动画(需求分析.知识点.程序编写分布详解) 看到网上很多展示html5雪花飞动 ...

  2. java lombok 视频_Java开发神器Lombok使用详解

    最近正在写SpringBoot系列文章和录制视频教程,每次都要重复写一些Getter/Setter.构造器方法.字符串输出的ToString方法和Equals/HashCode方法等.甚是浪费时间,也 ...

  3. 数学建模_随机森林分类模型详解Python代码

    数学建模_随机森林分类模型详解Python代码 随机森林需要调整的参数有: (1) 决策树的个数 (2) 特征属性的个数 (3) 递归次数(即决策树的深度)''' from numpy import ...

  4. 依赖注入神器:Dagger2详解系列

    依赖注入神器:Dagger2详解系列 序言 Dagger2是啥 Dagger2是啥,Google告诉我们: Dagger is a fully static, compile-time depende ...

  5. Python中下划线 _ 的最全用法详解

    Python中下划线 _ 的最全用法详解 '_'是什么? _在python中可以作为一个标识符,用于定义变量和方法唯一名称.同时它也是Python中的一个软关键字,指在某些特定上下文中保留的关键字.截 ...

  6. 6大常用数据分析模型详解

    转自:https://www.toutiao.com/i6906745504798097933/ 在进行数据分析过程中,我们通常需要使用各种模型来证明自己的分析观点,使自己的结论更具备说服力,同时也让 ...

  7. sgd 参数 详解_代码笔记--PC-DARTS代码详解

    DARTS是可微分网络架构搜搜索,PC-DARTS是DARTS的拓展,通过部分通道连接的方法在网络搜索过程中减少计算时间的内存占用.接下来将会结合论文和开源代码来详细介绍PC-DARTS. 1 总体框 ...

  8. python 最小二乘法_最小二乘法及其python实现详解

    最小二乘法Least Square Method,做为分类回归算法的基础,有着悠久的历史(由马里·勒让德于1806年提出).它通过最小化误差的平方和寻找数据的最佳函数匹配.利用最小二乘法可以简便地求得 ...

  9. CSharp(C#)语言_委托和事件区别详解

    委托和事件区别详解 委托和事件的概念 委托 事件 委托和事件的作用 委托 事件 委托和事件的区别 委托和事件的详细解答请看C#系列文章 委托和事件代码实践 委托 事件 总结 委托和事件的概念 委托   ...

最新文章

  1. [转]MFC下关于“建立空文档失败”问题的分析
  2. 发现自己的idea已经被人发表了,该怎么办?研究生灵魂发问,引起热烈讨论
  3. 框架、文档、视图类之间的调用关系
  4. 交互式计算机图形学总结:第七章 离散技术
  5. mysql8出现1045报错+常用的加密plugin汇总
  6. 图解系列之JAVA执行过程
  7. visual studio code typescript 防止 import statement 断行
  8. 国外程序员访谈:学无止境
  9. MySQL下载步骤详解
  10. 无线通信原理期末复习提纲
  11. 关于车载 时间同步 的理解
  12. CTF_Web:长安杯-2021 Old But A Little New asuka题解
  13. IPSec Over GRE配置实验
  14. 一文看完计算机基础知识总结
  15. 8本必读关于人工智能伦理问题、社会价值及影响书籍推荐
  16. 解决网课作业无法粘贴问题
  17. Axis1.4发布WebService
  18. 复杂稀缺类分析:稀缺与不重要能否划等号?
  19. html5中hr是什么意思,【hr是什么意思】hr的意思_hr指的是什么_亲亲宝贝网
  20. 推荐系统论文重要的三个指标——Recall、NDCG、RMSE

热门文章

  1. 三易通采购进货单保存单据
  2. 学妹问单例模式,我用最通俗易懂的讲解让她学会了
  3. 协同办公:大打擂台赛
  4. Unity文字转语音
  5. 安全狗安装 Linux(Ubuntu)
  6. 如何在 PDF 中搜索并准确找到您要查找的文本内容
  7. mysql varchar类型实例_Mysql实例MySQL数据类型varchar详解
  8. CV5200远距离WiFi图传输方案,远距离传输和低延迟传输特点
  9. 淘宝如何隐藏店铺首页宝贝让同行看不到商品链接,分享最新屏蔽淘宝天猫PC电脑端代码技术
  10. 【Linux】循序渐进学运维-实验环境搭建