KANO模型起源与核心概念
1.1 用户场景:智能闹钟 App 的需求迷雾
产品团队正在规划一款智能闹钟 App 的 2.0 版本。用户调研中收集到以下反馈:
- “闹钟能准时响就行了,别整花里胡哨的。”
- “最好能根据我的睡眠阶段轻柔唤醒,别突然吓醒。”
- “如果闹钟能自动连上我家的咖啡机,那该多酷!”
面对这些声音,团队陷入争议:该优先开发“睡眠监测+柔和唤醒”还是“智能家居联动”?全部做、资源不够;不做“柔和唤醒”,用户可能直接弃用;不做“咖啡联动”,又怕错失差异化。
业务问题:如何科学区分哪些功能是“必须做”、哪些是“做了更好”、哪些是“不做没人骂,做了能尖叫”?
1.2 用户访谈:从“满意/不满意”到“基本/兴奋”
产品经理深入访谈了 20 位目标用户,采用正反双向提问(功能具备时满意度 vs. 功能缺失时不满意度),得到如下典型回应:
| 功能 | 具备时感受 | 缺失时感受 | 初步分类 |
|---|---|---|---|
| 准时响铃 | 理所当然 | 非常愤怒 | 基本型 |
| 柔和唤醒(模拟日出) | 喜欢 | 有点失落,但能接受 | 期望型 |
| 连动咖啡机 | 惊喜 | 无所谓 | 兴奋型 |
访谈技巧:KANO 问卷需要同时测“正向”和“反向”两个维度,仅问“您是否想要”会混淆真实期望。
1.3 需求拆解:KANO 二维属性分类模型
KANO 模型将需求属性由单维(“越满足越满意”)拓展为二维:需求实现程度(横轴)与用户满意度(纵轴)。核心分为三类:
- 基本型需求(Must-be):不满足则极度不满,满足后满意度不提升。例如闹钟准时、关闭不误触。
- 期望型需求(One-dimensional):满足程度与满意度呈线性正比。例如 AI 自动调节音量、多闹钟循环。
- 兴奋型需求(Attractive):不满足不影响体验,一旦提供则大幅提升满意度。例如语音创建闹钟、天气联动。
1.4 方案表达:KANO 分类矩阵
将调研结果填入 KANO 评估表,按“具备/缺失”组合决定分类归属:
| 功能缺失 → 功能具备 ↓ | 满意 | 理所当然 | 无所谓 | 能忍受 | 不满意 |
|---|---|---|---|---|---|
| 满意 | 可疑 | 兴奋型 | 兴奋型 | 兴奋型 | 期望型 |
| 理所当然 | 反向 | 无差异 | 无差异 | 无差异 | 基本型 |
| 无所谓 | 反向 | 无差异 | 无差异 | 无差异 | 基本型 |
| 能忍受 | 反向 | 无差异 | 无差异 | 无差异 | 基本型 |
| 不满意 | 反向 | 反向 | 反向 | 反向 | 可疑 |
注:实际使用中推荐采用五点式 KANO 问卷,再用上述矩阵自动归类,可借助模板工具输出。
1.5 指标验证与验收标准
- 基本型通过率:功能缺失后用户不满率 ≥ 80% → 必须包含。验收:完整覆盖所有基础场景(闹钟准时、关闭不失败)。
- 期望型满意度指数:功能具备时满意率 ≥ 60%,且缺失时不满率 ≤ 30% → 按优先级排期。验收:用户对功能评分 ≥ 4/5。
- 兴奋型惊喜率:功能具备时“惊喜”选择率 ≥ 40% → 作为差异化亮点,无需强制验收;可做 A/B 测试对比 NPS。
1.6 交付物模板:KANO 分类决策表
| 功能需求 (描述) | 正向满意 | 正向期望 | 反向期望 | 基本型 | 结论 | 计划优先级 |
|--------------------------------|----------|----------|----------|--------|---------------|------------|
| 闹钟准时响铃 + 静默开关 | 20% | 70% | 60% | 80% | 基本型 | P0 (必须) |
| 模拟日出+自然声音唤醒 | 50% | 40% | 20% | 10% | 期望型 | P1 (做) |
| NFC 碰触启动咖啡机 | 30% | 15% | 5% | 5% | 兴奋型 | P2 (可选) |
注意事项:KANO 分类是动态的——今天的兴奋型功能,随着用户习惯形成可能在下个版本变成期望型甚至基本型。建议每季度重新评估一次。
1.7 KANO 二维属性曲线——核心结构图
1.8 小结:本章交付物检查清单
- 已从用户场景中识别出三种需求信号(基本、期望、兴奋)
- 已通过正反双向访谈获取分类依据
- 已掌握 KANO 二维属性曲线(本章 SVG)
- 已理解分类矩阵与验收标准框架
- 已获得可复用的 KANO 分类决策表模板