卡諾模型根據(jù)客戶滿意度和功能具備程度兩個維度，對功能進行分類。

在工作中你可能經(jīng)常遇到下面這幾種情形：

• 在開發(fā)資源不夠時，要在有限的時間里上線核心功能，從而更快地獲取精準用戶。
• 在產(chǎn)品從0開始，你可能有一堆想上線的功能，這時候需要你對所有的功能做一個排期。
• 需求堆積，你難以拒絕各方大佬的需求，比如運營，客戶，老板等，你需要用數(shù)據(jù)來說明哪些需求是不合理的，哪些需求是當前階段可以不用滿足的。

這時候你就需要用到卡諾模型了，一個項目排期和需求管理的利器。那什么是卡諾模型呢？

簡介

卡諾模型根據(jù)客戶滿意度和功能具備程度兩個維度，對功能進行分類。一直以來我們都以為滿意度是一維的，所以總是在產(chǎn)品上不停地加上新功能，然而有些功能不僅不會提升滿意度，反而會降低滿意度。不同屬性的功能隨著具備程度的變化，滿意度的變化會有各自的特點。

KANO模型

看上面的圖，我將依次介紹這5種屬性：

• 無差異屬性：無論提供或不提供此功能，用戶滿意度不會改變，用戶根本不在意有沒有這個功能。這種費力不討好的屬性是需要盡力避免的。
• 魅力屬性：讓用戶感到驚喜的屬性，如果不提供此屬性，不會降低用戶的滿意度，一旦提供魅力屬性，用戶滿意度會大幅提升。
• 期望屬性：如果提供該功能，客戶滿意度提高，如果不提供該功能，客戶滿意度會隨之下降。
• 必備屬性：這是產(chǎn)品的基本要求，如果不滿足該需求，用戶滿意度會大幅降低。但是無論必備屬性如何提升，客戶都會有滿意度的上限。
• 反向?qū)傩裕河脩舾径紱]有此需求，提供后用戶滿意度反而會下降。

舉個栗子，吸引求職者的要素就可以用卡諾模型進行分類。

吸引求職者的要素

在運用卡諾模型時，有幾點要注意的：

• 時間差異。沒有一成不變的屬性，很可能有一天魅力屬性變成了必備屬性，像指紋識別解鎖。不能將當前時刻的卡諾模型分析結(jié)果作為永久的依據(jù)，即時性很重要。
• 用戶群差異。不同的用戶群所得到的結(jié)果可能不同，如果你要在相差較大的模塊都加上該功能，比如企業(yè)版和個人版，最好區(qū)分用戶群進行調(diào)查。
• 文化差異。不同的文化背景對功能屬性的定義不同。比如對于報表的設(shè)計，中國人會習(xí)慣斜線表頭，但是外國人可能難以接受。

接下來我要通過實際案例，詳細介紹如何運用卡諾模型分析需求。

1.需求溝通

• 先篩選比較難以判斷的需求，問題不宜過多，3～5個為宜。不然用戶容易產(chǎn)生疲勞，輸出不精準的答案。
• 再分析業(yè)務(wù)場景，是否適合使用卡諾模型。

1. 適合：1）需求排期。2）理直氣壯地砍需求。
2. 不適合：1）不可量化滿意度的需求，評估抽象的要素。比如調(diào)查提高品牌影響度，用戶的滿意度。2）僅用來測量用戶滿意度?？ㄖZ模型是根據(jù)功能具備程度和客戶滿意度的關(guān)系對功能進行“分類”的工具。

• 確定調(diào)查用戶，如果你的用戶群相差較大，要根據(jù)模塊或人物角色劃分用戶群，從每個用戶群中抽取相同人數(shù)進行調(diào)查。細分用戶群，可以更容易找出功能屬性特點。

2.設(shè)置問卷

• 首先我們要對每個功能進行描述，所以你的問題要言簡意賅，方便用戶理解。
• 從正反兩面去問用戶對于該功能的滿意度情況。
• 在問卷填寫之前對每個選項進行統(tǒng)一說明。因為每個人的主觀感受因為性格可能有較大差異，提前定義好每個選項可以減少誤差。
• 追問每個功能對于用戶的重要程度?？梢杂脕韰^(qū)分功能對用戶的影響程度。設(shè)置從非常重要過渡到非常不重要的5個選項。
• 如果無法描述清楚你的功能，試著貼張原型圖或者畫個示意圖可以更直觀表示。

舉個栗子，如果要對微信的“看一看”功能進行卡諾模型分析，如下圖。

問卷示例

完整的卡諾模型標準調(diào)查問卷鏈接：https://sojump.com/jq/15102379.aspx

3.屬性歸類分析

正反方向問題的答案可以組成一個二維屬性表，每個單元格都代表一種答案類型，每個屬性的總和為相同顏色單元格之和。

數(shù)據(jù)清洗：將全部選擇我很喜歡或我很不喜歡的答案列為可疑答案，避免亂答數(shù)據(jù)影響分析結(jié)果。如果可疑結(jié)果過多，則你的問卷可能存在問題，比如功能描述不清。

屬性歸類表-模版

由此我們可以看到每個屬性所占百分比，占比最高的我們認為該功能的該屬性因素最多。在樣本量為50的問卷調(diào)查中，我們可以看到微信“看一看”功能的無差異屬性較多。（樣本量不足，僅作示范，有興趣的旁友可以繼續(xù)調(diào)查。）

屬性歸類表-微信“看一看”功能

最后統(tǒng)計所有功能答案，得到每個功能的屬性，以及每個功能的重要程度。

問卷統(tǒng)計結(jié)果

4.Better-Worse系數(shù)分析

對功能的屬性進行歸類后，我們要利用Better-Worse系數(shù)增加判斷影響程度。

Better-Worse系數(shù)，表示某功能可以增加滿意或者消除很不喜歡的影響程度。

• Better是增加后的滿意系數(shù)。其數(shù)值通常為正，數(shù)值越大，用戶滿意度會提升越快。
• Worse是消除后的不滿意系數(shù)。其數(shù)值通常為負，數(shù)值越小，用戶滿意度會下降越快。

根據(jù)Better-worse系數(shù)，優(yōu)先滿足系數(shù)絕對分值較高的功能或需求。

Better-Worse系數(shù)計算公式

根據(jù)微信“看一看”問卷分類對照表，進行Better-Worse系數(shù)分析。

• 增加該功能后的滿意系數(shù)Better：(22%+2%)/(22%+2%+62%+0%)=28%
• 消除該功能后的滿意系數(shù)Worse：-(2%+0%)/(22%+2%+62%+0%)=-2%

將每個功能的Better值和Worse絕對值作為氣泡圖的縱坐標和橫坐標，氣泡大小代表重要程度。落入不同區(qū)域代表所歸屬的屬性。

Brtter-Worse系數(shù)分析散點圖

根據(jù)better-worse系數(shù)值，將散點圖劃分為四個象限。微信“看一看”功能落入了無差異屬性的象限，豐富了我們之前用屬性歸類表的做的判斷。無差異屬性象限：Better系數(shù)值和Worse系數(shù)絕對值都很低的情況，即無論提供或不提供這些功能，用戶滿意度都不會有改變。

5.應(yīng)用實踐

得到分析結(jié)果后，我們就可以進行好好“收拾”需求了，需求的優(yōu)先級順序：必備屬性>期望屬性>魅力屬性>無差異屬性。

1. 必備屬性，產(chǎn)品開發(fā)中基本的需求都不能滿足，而去實現(xiàn)其他需求，則是撿了芝麻丟了西瓜。
2. 期望屬性，具備程度越高，用戶滿意度越高。
3. 魅力屬性，超出用戶期望的功能可以成為產(chǎn)品的亮點。但是亮點能不能脫穎而出而打動用戶，對于初創(chuàng)團隊是一場豪賭，所以優(yōu)先級低于期望屬性。
4. 無差異屬性，不管有沒有，用戶的滿意度都不會提升，應(yīng)盡力避免，在企業(yè)有余力的時候可以考慮開發(fā)。
5. 反向?qū)傩?，有這個功能，用戶滿意度反而下降，這是要極力避免的。

如果是相似或相同屬性的話，我們可以結(jié)合重要程度進行判斷。像功能3和功能4相差不大，但是功能4的重要程度明顯高于功能3，則我們可以將功能4的優(yōu)先級排在功能3之前。

優(yōu)先級順序分析圖

根據(jù)調(diào)研結(jié)果給所有的需求排定優(yōu)先級，再將結(jié)果與相關(guān)方進行討論，結(jié)合項目實際情況進行稍微調(diào)整，比如開發(fā)實現(xiàn)難度等。

PS：善于運用工具，而不是被工具所禁錮，也是一門學(xué)問哈哈。

作者：安琪Angela，公眾號：idatadesign。互聯(lián)網(wǎng)數(shù)據(jù)行業(yè)UX&PM，參與過數(shù)據(jù)分析saas平臺和商業(yè)智能平臺等產(chǎn)品設(shè)計。關(guān)注商業(yè)智能、人工智能和互聯(lián)網(wǎng)金融。歡迎大家一起交流~

本文由 @安琪Angela 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。