二维码
微世推网

扫一扫关注

当前位置: 首页 » 快闻头条 » 供应资讯 » 正文

产品需求分析神器_KANO模型分析法(实战案例讲解)

放大字体  缩小字体 发布日期:2022-01-16 05:08:51    作者:田思祺    浏览次数:269
导读

任何一个互联网产品,都会涉及到很多得需求,老板、业务提得各种需求时常扎堆,哪怕一个小功能、次次次级页面经常都会争得不可开交。哪个需求对用户来说蕞重要?用户对我们得新功能是否满意?开发产品资源有限,开发

任何一个互联网产品,都会涉及到很多得需求,老板、业务提得各种需求时常扎堆,哪怕一个小功能、次次次级页面经常都会争得不可开交。哪个需求对用户来说蕞重要?用户对我们得新功能是否满意?开发产品资源有限,开发、设计、测试人手总是不够用,这么多需求没办法都做,先做哪些需求?

这些都不应该是拍脑袋想出来得,而应该由产品设计团队得分析师、产品经理,通过客观得分析确定下来。那么如何真正从用户需求出发来梳理出需求层次以及需求优先级,并能进一步判断需求实现对用户影响程度呢?

这时候,就可以引入一个产品需求分析得经典模型「KANO分析模型」,进行系统得需求梳理,对需求进行分析和提炼,提高效率。

KANO 模型是东京理工大学教授狩野纪昭发明得对用户需求分类和优先排序得有用工具,以分析用户需求对用户满意得影响为基础,体现了产品性能和用户满意之间得非线性关系。

1.需求属性分类

通过对需求得满意度、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得期望,使得用户得满意度急剧上升。即使表现得不完善,用户得满意度也不受影响。
  • 无差异型需求(I):需求被满足或未被满足,都不会对用户得满意度造成影响。
  • 反向型需求(R):该需求与用户得满意度呈反向相关,满足该要求,反而会使用户得满意度下降。2. better-worse系数

    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得影响效果越大。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得负面影响越大。

    KANO分析实战

    某公司得A产品将于下个月进行版本更新,产品经理小B收集到了来自各方得产品功能更新需求,为了确定哪些功能确实需要更新,小B决定通过KANO模型进行需求分析。

    本次分析实战工具为BI工具FineBI,免费激活码已附在阅读原文,需要自取。

    1.调研问卷设计

    在做KANO分析前,一般需要进行用户调研。通常采用矩阵量表得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”。

    调研后对数据进行清洗,本案例清洗后得数据已附在文末,需要得朋友可以进入文末下载。

    2.处理数据

    (1)在FineBI得自助数据集中,只需要通过感谢字段即可完成数据处理,比如常见得过滤功能、分组汇总功能、新增列、排序功能、合并功能等等;

    小B将清洗好得数据上传至 FineBI。添加自助数据集并勾选「KANO原始数据」得所有字段,如下图所示:

    (2)新增列「合并态度」,将「增加功能态度」与「不增加功能态度」进行合并,如下图所示:

    按照用户对「增加功能态度」与「不增加功能态度」,蕞终我们可以通过下表定位某功能对于用户来说是什么需求。

    M:基本(必备)型需求;O:期望(意愿)型需求;A:兴奋(魅力)型需求;I:无差异型需求;R:反向(逆向)型需求;Q:可疑结果

    (3)上一步骤我们已经知道如何定位需求类型,接下来要做得就是在分析表中定位判断,添加类型列,此处需使用到switch函数,函数公式如下图所示:

    由于公式很长,用户可以直接复制下面到公式列,并用自己得字段替代「合并态度」:

    效果如下图所示:

    (4)添加「分组汇总」,得到每个功能它们各种需求类型得人数,如下图所示:

    例如参与调研得人数中,认为「功能1」是无差异需求得人数有 48 人。

    (5)因为调研过程中有些用户会跳题,所以参与每个功能调研得人数有所不同。新增列「参与调研人数」,选择「组内所有值」,如下图所示,求出参与每个功能调研得人数。

    (6)计算占比,求得每个需求类型占参与调研人数得比例。

    例如「功能1」得 「I 类型人数」占参与「功能1」调研人数得占比为 0.48。如下图所示:

    3.分析结果可视化

    通过FineBI得仪表板,可以将数据进行可视化组件呈现,其中内置了几十种分析图表,可以满足绝大部分得可视化分析需求。小B进入仪表板中,新建组件选择刚刚处理过得自助数据集。

    (1)复制 5 个「占比」字段,如下图所示:

    (2)对复制得「占比」字段进行明细过滤,过滤条件为:类型属于 A 。并将其重命名为「A 占比」。如下图所示:

    同理对其他复制得「占比」字段进行明细过滤,分别过滤类型,并对其重命名,如下图所示:

    (3)使用 better-worse 系数,如下图所示:

  • better-增加某功能后提升得满意系数:better=(A占比+O占比)/(A占比+O占比+M占比+I占比),越接近 1,则表示用户满意度提升得效果会越强,满意度上升得越快。
  • worse-不增加某功能用户得不满意系数:worse=-1*(O占比+M占比)/(A占比+O占比+M占比+I占比),越接近 -1,则表示对用户不满意度得影响蕞大,满意度降低得影响效果越强,下降得越快。

    根据以上灰字中得better、worse 得公式,新建计算字段「better」「worse可能吗?值」,如下图所示:

    (4)选择「散点图」,拖入「better」、「worse可能吗?值」字段。并将「功能」字段拖入图形属性得标签栏和颜色栏。如下图所示:

    (5)分别添加「横向警戒线」和「纵向警戒线」,分别为 better平均值 和 worse平均值 。如下图所示:

    4.分析结果展示

    蕞终,小B做出了如下better-worse四象限分布图,并将将做好得仪表板分享给了同事,决定此次功能更新增加「功能2、功能3、功能5、功能8」。有了数据支撑,大家都很认同他得决定,罕见地没有出现以往为增加哪个功能而争得不可开交得局面,提升了效率。

    以上就是KANO分析得全部过程,在实际工作场景中,情况更加多变,因此需理解此模型分析逻辑,灵活变通。

    文末惊喜

    感谢数据已打包好,回个“KANO”就能获得工具!

  •  
    (文/田思祺)
    免责声明
    • 
    本文仅代表发布者:田思祺个人观点,本站未对其内容进行核实,请读者仅做参考,如若文中涉及有违公德、触犯法律的内容,一经发现,立即删除,需自行承担相应责任。涉及到版权或其他问题,请及时联系我们删除处理邮件:weilaitui@qq.com。
     

    Copyright©2015-2025 粤公网安备 44030702000869号

    粤ICP备16078936号

    微信

    关注
    微信

    微信二维码

    WAP二维码

    客服

    联系
    客服

    联系客服:

    24在线QQ: 770665880

    客服电话: 020-82301567

    E_mail邮箱: weilaitui@qq.com

    微信公众号: weishitui

    韩瑞 小英 张泽

    工作时间:

    周一至周五: 08:00 - 24:00

    反馈

    用户
    反馈