案例分析——详解KANO模型

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。

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1 00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。