案例分析——详解KANO模型-技术圈

今天阿G将会通过王者荣耀这个实际例子，和大家聊聊如何运用KANO模型。

什么是KANO模型？在什么场景下使用？如何使用？

一、定义

KANO模型，又称为狩野模型，是东京理工大学教授狩野纪昭(Noriaki Kano)针对用户需求分类和优先级排序发明的工具，体现产品功能和用户满意度之间的非线性关系。

而由此衍生出来的KANO模型分析方法，是狩野纪昭教授基于KANO模型对用户需求的分析原理，开发的一套结构型问卷和分析方法。

主要是通过标准化问卷调研的调研结果对各因素属性做归类，解决产品功能的优先级排序问题，以提高用户满意度。

二、适用场景

确认需求是否存在
评估需求优先级
减少无用功
打造爆款的传播要素（病毒性K值的设计）

三、使用好处

适用场景丰富
有效的量化模型

四、分类

根据不同类型的用户需求与用户满意度之间的关系，狩野教授将产品需求属性分为5大类：

必备属性
产品提供此类型需求，用户满意度不会提升
产品不提供此类型需求，用户满意度会大幅下降
期望属性
产品提供此类型需求，用户满意度会提升
产品不提供此类型需求，用户满意度会下降
魅力属性（用户意想不到的需求）
产品提供此类型需求，用户满意度会大幅提升
产品不提供此类型需求，用户满意度不会下降
反向属性（用户不需要的需求）
产品提供此类型需求，用户满意度会大幅下降
无差异属性（用户不会在意的需求）
无论产品是否提供此类型需求，用户满意度都不会有所改变

以腾讯的《王者荣耀》举例说明。

玩家可以正常进入游戏就属于必备属性，试想一下，如果连游戏都进不去，还何谈满意度呢？

相比于Dota、LOL需要回城才能买装备的限制，玩家在王者峡谷每一处都可以随时购买装备，同时英雄技能施放又极其简单，最大限度避开了手机对于MOBA（多人在线对战）游戏的限制。

一般而言，能引起玩家强烈情感共鸣的设计就是魅力属性，例如那句经典的“猥琐发育，别浪！”真的是在很多时候都能表达玩家深深的无奈。

王者荣耀的反向属性其实也比较明显，每次登录游戏都会有好多活动弹窗，关了一个又一个，没完没了。

最后一个无差异属性，王者荣耀每过一段时间都会提醒付费用户充值来维持贵族等级，这类设计纯粹是为了引导消费，所以属于无差异属性。

五、需求开发原则

当几种类型的需求都在需求池里面，我们应该遵循以下原则进行开发排期：

必备属性：留足资源，最优先满足
期望属性：排在必备之后，先做性价比更高的
魅力属性：尽力挖掘，先做成本低的
反向属性：避免做和商业模式无关的，同时要权衡多方利益
无差异属性：不做

要特别注意2点

1. 我们说一个需求属于某种属性，是指针对某一类特定用户

例如在王者荣耀中，无限制地向所有用户推送广告活动，对于玩家来说就是反向属性的需求，而对于广告主（例如虎牙等直播平台）就是必备属性。

2. 需求属于哪个属性，是有时效性的

例如在智能手机还没普及的年代，能在手机上播放视频就是一个魅力属性。而现在，能在手机上播放3D电影才是。所以当我们说一个需求属于「无差异需求」时，应该说的是「现阶段」不做。

六、使用步骤

1. 准备分析

深入地了解业务、了解用户，从用户角度认识产品或服务当前哪些地方需要改进。

2. 问卷调查

在设计问卷时，尽量的清晰易懂、语言尽量简单具体，避免产生歧义。同时，可以在问卷中加入简短且明显的提示或说明，方便用户顺利填答。（问卷设计也是一门学问，下次再单独写一篇文章讲讲）

问卷划分为2个维度：提供时的满意程度、不提供时的满意程度。

满意程度一般分为5个，因为人的满意程度往往是渐变，而非突变的。其程度的描述可随制定者修改，如「很喜欢、还不错/还可以、无所谓/理应如此、勉强接受/凑活、很不喜欢」等等。

问卷的形式也比较灵活，常用表格(打钩即可)或者选择题。

问题	满意度高	满意度较高	满意度零	满意度较低	满意度低
如果王者荣耀上线同城对战模式，你的评价是
如果王者荣耀没有同城对战模式，你的评价是

如果王者荣耀上线同城对战模式，你的评价是？

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

如果王者荣耀没有同城对战模式，你的评价是？

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

3. 二维属性分类

在整理问卷调查结果时，可以清洗掉个别明显胡乱回答的问卷，例如全部问题都选满意度高或满意度低的。再根据官方的评价结果分类对照表将需求进行分类。

注意，按照概念，反向属性应该是提供程度和用户满意度成反比，也就是说产品提供了用户就不满意，所以上表只有左下角是明确的「反向属性」，有几个反向属性可以考虑转为「可疑结果」。

因为满意程度本身就很难衡量，所以在实际工作中，不应该盲目地套用方法论或模型，应该根据自己的产品、公司、地域、用户群等等因素做调整。

我之前做SCRM时，目标用户是自家的销售，做完详细的用户调研和业务调研之后，我把上面的表整理为

可以看到改动挺大的，但我觉得适合自己的才是最重要的。当然前提是得深入了解用户和业务情况。

4. 量化结果

在实际工作中，我们会调研很多个用户，对于同一个问题，会产生无数个答案。此时就可以根据下面这个原则来确定，需求到底属于哪个属性。

计算不同属性的比例之和，总数值最高的就是这个需求的属性。

假如我们调研王者荣耀的“同城对战模式”，回收了100份有效问卷，数值分布如下

必备属性（M）：17，17.00%

期望属性（O）：3，3.00%

魅力属性（A）：10，10.00%

无差异属性（I）：26，26.00%

反向属性（R）：36，36.00%

可疑结果（Q）：8，8.00%

由以上结果可得，回收的这100份有效问卷，大部分人认为“同城对战模式”是一个反向属性的功能，还有很大一部分人认为，这是一个具有无差异属性的功能，所以这个功能现在不应该做。

这时候你可能会问，如果有几个属性的数值很接近甚至相同，怎么办？

出现这种情况，一般而言我们需要再扩大调研的用户数量级，比如说刚才是100人，我们可以再调研500人，把两次结果相加起来做运算。

七、Better-Worse系数

我们还可以再借助一个工具：Better-Worse系数，看此需求对增加满意度或降低满意度的影响程度。

Better：增加某功能的体验改善程度，数值通常是正的，越大表示完成需求对提升用户满意度的效果越显著。

公式为：SI = (A+O)/(A+O+M+I)

即 SI = (魅力属性+期望属性)/(魅力属性+期望属性+必备属性+无差异属性)

Worse：去掉某功能的体验改善程度，数值通常是负的，绝对值越大表示完成需求对降低用户满意度的效果越显著。

公式为：DSI = -1*(M+O)/(A+O+M+I)

即 DSI = -1*(必备属性+期望属性)/(魅力属性+期望属性+必备属性+无差异属性)

将第六点回收的100份有效问卷结果代入公式，可得

SI = (10+3)/(10+3+17+26) ≈ 23.21%

DSI = -1*(17+3)/(10+3+17+26)≈ -35.71%

结论也和上面的一致，这是一个具有无差异属性的功能，所以这个功能现在不应该做。

这个工具更多的用途是在：同时对多个需求进行优先级排序。

例如王者荣耀现在想做5个功能：功能1-5

步骤1：通过问卷调研和Better-Worse系数的计算，得出一下几个数值

步骤2：用SI平均值和DSI平均值的绝对值作为坐标原点，横轴是Worse（DSI）的绝对值，纵轴是Better（SI），绘制以下二维坐标

第一象限Better值高、Worse绝对值也高，表示提供此类型功能时，用户满意度会提升。因此落在这个象限的需求都是期望属性。

第二象限Better值高、Worse绝对值低，表示提供此类型功能时，用户满意度会大幅提升。因此落在这个象限的需求都是魅力属性。

第三象限Better值低、Worse绝对值也低，表示提不提供有没有此类型功能，用户满意度都不会有太大变化，因此落在这个象限的需求都是无差异属性。

第四象限Better低，Worse绝对值高，表示不提供此类型功能时，用户满意度会大幅下降，因此落在这个象限的需求都是必备属性。

通过上面几个步骤，我们可以知道上面5个功能的属性和开发原则：

1. 功能1、功能2属于无差异属性

2. 功能3、功能5属于魅力属性

3. 功能4属于必备属性

所以功能1-5的优先级排序结论就是：先做功能4，在功能3和功能5中选择成本低的做，功能1和功能2现阶段不做。

至此关于KANO模型，阿G也和大家聊得差不多了。

如果你有什么好的想法或者不同的看法，欢迎随时到公众号「阿G聊产品」一起讨论，学习。