本文從數(shù)據(jù)分析的角度，重新解讀如何應(yīng)用kano模型。

一、 kano模型簡介

KANO 模型是東京理工大學教授狩野紀昭（Noriaki Kano）發(fā)明的對用戶需求分類和優(yōu)先排序的工具，以分析用戶需求對用戶滿意度的影響為基礎(chǔ)，體現(xiàn)了產(chǎn)品性能和用戶滿意度之間的非線性關(guān)系。KANO模型將需求分為五種類型，下圖展示了不同類型的需求對用戶滿意度的影響。

圖中的橫坐標代表一個需求的實現(xiàn)程度高低，越往右越高。縱坐標代表用戶的滿意度，越往上越高。

這里的滿意度從低到高就是從不滿意一直到滿意，在中間是沒有不滿意和沒有滿意的中間狀態(tài)，也就是用戶覺得理所當然的狀態(tài)。

圖上標出了五種不同類型的需求實現(xiàn)帶來的用戶滿意度變化，分別是必備型需求、期望型需求、魅力型需求、無差異需求和反向需求。

這五類需求，簡單地說就是：必備型需求關(guān)心能不能用，期望型需求關(guān)心好不好用，魅力型需求關(guān)心是否驚艷，無差別需求用戶根本不關(guān)心，反向需求關(guān)心的是這功能什么時候撤掉。

二、 如何確定一個需求屬于哪種類型？

KANO模型的應(yīng)用目前最常見的是問卷調(diào)查法。

通過問卷分別詢問用戶，如果提供某功能時用戶的感受，以及不提供某功能時用戶的感受。用戶答案和功能的分類對應(yīng)如下表。

根據(jù)最終用戶的反饋比例，選出分數(shù)最高的一類，確定其需求類型。這里面的計算方法比較復雜，不是本文的重點，有興趣的同學自己百度。

通過問卷調(diào)查的方式進行需求分析有一個很大的缺點，問卷類型的數(shù)據(jù)容易出現(xiàn)“幸存者偏差”的情況，即反饋的用戶本身就有較強的反饋意愿，無法體現(xiàn)全體用戶的真實情況。

不光如此，用戶在回答問卷的過程中，得到的結(jié)果也并非可靠。

說個案例：在過去，電視臺統(tǒng)計收視率是通過日記調(diào)查法。所謂日記調(diào)查法，簡單地說就是在被抽中的樣本中留一本日記，可以是一張紙，卡片或者小冊子。請樣本家庭中的每一戶成員及時填寫一周自己收看電視的情況，內(nèi)容包括觀眾姓名，收看的頻道，收看的時間等等。然后每周反饋給調(diào)查人員。

隨著科技的發(fā)展，機頂盒大規(guī)模地應(yīng)用，調(diào)查人員可以直接通過機頂盒的數(shù)據(jù)獲取用戶收看電視的情況。調(diào)查人員發(fā)現(xiàn)，那些黃金時段的節(jié)目、知名度較高的節(jié)目，日記法的數(shù)據(jù)相比更精準的機頂盒的數(shù)據(jù)要高得多。

出現(xiàn)這種情況的原因是因為人們在回憶自己看過的電視節(jié)目時，往往會放大那些名氣更大的節(jié)目的收看時間。因此問卷法得到的信息往往是不準確的，而真實的用戶行為數(shù)據(jù)卻不會說謊。

所以用數(shù)據(jù)來反應(yīng)用戶的行為將會更為準確，我們完全可以嘗試通過用戶行為數(shù)據(jù)進行kano模型的分析。

三、 利用數(shù)據(jù)應(yīng)用KANO模型

由于大部分產(chǎn)品提升用戶產(chǎn)品的滿意度的目的主要是為了提升用戶的粘性，表現(xiàn)在數(shù)據(jù)上就是產(chǎn)品的留存率提高。如果一個功能用戶感到更加滿意，那么這款功能的留存率必然會上升，或者當天的人均點次數(shù)上升。總之，用戶會更有意愿使用該產(chǎn)品。

那么根據(jù)頁面的數(shù)據(jù)信息，我們可以大概推測出該功能目前所處的滿意度水平，從而確定后續(xù)調(diào)整的優(yōu)先順序。這種方式相比問卷法最大的優(yōu)勢是信息的來源真實地反映了用戶的實際反映，而不是被用戶的情感因素加工過的二手信息。

不過通過數(shù)據(jù)的方式進行KANO模型的思考也有不足之處，即數(shù)據(jù)只能分析當前存在的功能用戶是不是愛用，而不能發(fā)現(xiàn)用戶目前并不存在的需求。

如果該產(chǎn)品連基本的必備型需求都沒有滿足，那么在產(chǎn)品頁面上沒有用戶的需求點，數(shù)據(jù)也就無法找出用戶究竟需要什么樣的需求。當然，我們可以通過其他功能的使用數(shù)據(jù)去發(fā)現(xiàn)用戶的需求，不過這種情況下需要用產(chǎn)品思維去揣摩用戶心理，有一定猜測的成分，數(shù)據(jù)不是決定因素。

另外數(shù)據(jù)也很難預測出魅力型需求。

還是以iPhone為例，如果當時的諾基亞有用戶的數(shù)據(jù)分析，那么數(shù)據(jù)必然可以得出用戶有更大屏幕，更便捷交互的需求。但是這種方向如果沒有配合上產(chǎn)品經(jīng)理的創(chuàng)意，最終誕生的可能也只是更大屏的帶觸控筆的塞班機而已，這依然在用戶的預期范圍之內(nèi)，最多只能算期望型需求。

要想成為魅力型需求，需要數(shù)據(jù)提供方向 + 產(chǎn)品提供創(chuàng)意。在用戶意想不到的方向解決用戶需求才能成為魅力型需求。

這樣的表述有些理論，我們看幾個例子。我們首先看一下現(xiàn)狀分析的情況。

例子一：某產(chǎn)品或功能的留存率非常低（多少算低，每個產(chǎn)品有不一樣的標準），那么這個功能很可能處在下圖中的藍色框線位置。

此時用戶的狀態(tài)是不滿意，結(jié)合kano模型進行分析，必備型需求只要基本滿足即可以大幅提升滿意度，那么很有可能是該產(chǎn)品的必備型需求的方向是錯誤的，用戶根本沒有這樣的需求。

在找到用戶的必備型需求之前，不管是調(diào)整當前頁面的排版，還是增加相同類型的信息等都無法從本質(zhì)上提升用戶的滿意度。因此這時頁面改版最優(yōu)先的方向是找到用戶的真實需求。只有找到了用戶的真實需求，那么改動帶來的效益就是指數(shù)型增長的。

面對這樣的產(chǎn)品狀況，數(shù)據(jù)分析是很難幫助產(chǎn)品經(jīng)理找到用戶的真實需求的方向的。因為前面提到過數(shù)據(jù)分析的優(yōu)勢在于找到當前頁面上用戶感興趣的功能，當前頁面如果沒有滿足用戶的需求，數(shù)據(jù)也無法告訴我們用戶到底要什么。這時候就需要復盤產(chǎn)品經(jīng)理當時上線該產(chǎn)品時的用戶需求分析，找到問題所在。

再比如：

例子2：某產(chǎn)品或功能的留存率較好，那么這個功能很可能處在下圖的藍色框線位置。

在這個位置上，用戶的必備需求基本得到了滿足，再增加必備型需求的意義不大，我們需要找到期望型需求。

我前面提到過，期望型需求是必備型需求的升級版，那么找到用戶最感興趣的必備型需求，然后給出優(yōu)化的方向就是該必備型需求的升級方向。

這個區(qū)域可以說是數(shù)據(jù)分析的舒適區(qū)，這類產(chǎn)品的數(shù)據(jù)不僅可以反映出大部分的問題，并且還能給出進一步的方向。

當留存率繼續(xù)向上升時，產(chǎn)品已經(jīng)相當成熟，用戶達到了“滿意”的狀態(tài)，接下去可以開始嘗試一些魅力型需求，這類需求無法從數(shù)據(jù)中得出，只能通過產(chǎn)品經(jīng)理的創(chuàng)意進行試驗，上線后再進行數(shù)據(jù)驗證。

可以看出，KANO方法告訴我們數(shù)據(jù)分析在產(chǎn)品分析中的適用范圍，在產(chǎn)品未找到用戶的必備需求之前，數(shù)據(jù)分析是不太容易幫助產(chǎn)品提升滿意度的。只有在產(chǎn)品找到用戶明確的需求后，數(shù)據(jù)才能協(xié)助產(chǎn)品對產(chǎn)品進行優(yōu)化。而在產(chǎn)品已經(jīng)非常成熟時，數(shù)據(jù)也是很難找到突破口的。

數(shù)據(jù)最佳的發(fā)揮空間是把產(chǎn)品從四五十分提高到八九十分。太高或太低分數(shù)的產(chǎn)品，更多地需要創(chuàng)造性的產(chǎn)品思維。

本文由 @Jason 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Pexels ，基于 CC0 協(xié)議