3. KANO模型与用户满意度曲线：理解需求满足程度与满意度的非线性关系图
传统产品思维常假设“需求满足程度越高，用户满意度就线性提升”，但现实中这一假设往往失效。KANO模型通过引入非线性满意度曲线，揭示了不同需求类别在满足程度变化时对用户满意度的差异化影响。理解这一曲线是进行需求分类与优先级决策的核心前提。
3.1 三条核心曲线：基本型、期望型、兴奋型
KANO模型将用户需求按满足程度与满意度的关系分为三种典型曲线：
| 需求类型 | 曲线形态 | 满足程度低时满意度 | 满足程度高时满意度 | 典型用户反馈 |
|---|---|---|---|---|
| 基本型（M） | 下凹（先急后缓） | 极度不满 | 最多达到“不不满”，不会持续上升 | “这是应该有的功能” |
| 期望型（O） | 近似线性 | 不满 | 高度满意，与满足程度正相关 | “这个功能越好越喜欢” |
| 兴奋型（A） | 上凸（先缓后陡） | 无明显不满（中性） | 惊喜般的高度满意 | “没想到还能这样，太棒了！” |
3.2 业务场景：非线性关系的实际影响
以电商App的“搜索功能”为例：
- 基本型：输入关键词后能返回结果。一旦缺失，用户直接流失；但即使做到毫秒级搜索，满意度也不会因此飙升。
- 期望型：搜索结果按相关性排序、支持筛选。每优化一个排序算法，满意度都对应提升。
- 兴奋型：支持图片搜索或语音搜索。用户原本没有期待，使用后产生惊喜，大幅提升忠诚度。
业务问题诊断：当资源有限时，应先确保基本型全部达标（否则负向口碑），再集中精力提升期望型，最后用兴奋型制造差异化。满意度曲线是非线性的，不能简单用“满足程度×系数”估算。
3.3 用户访谈：如何识别曲线类型
访谈话术设计需围绕“功能有无”与“表现好坏”两个维度：
话术模板（用于鉴别需求类型）：
1. “如果这个功能完全不存在，您会觉得……” → 寻找“无法接受” → 基本型
2. “如果这个功能表现很差/一般/很好，您的感受变化？” → 寻找线性反馈 → 期望型
3. “如果这个功能比您预期的还要好很多，您会？” → 寻找“惊喜” → 兴奋型避坑提醒：用户常常把期望型误说成基本型（“搜索必须精确”）。需追问“如果搜索不够精确，你会卸载App吗？”若回答“不会，只是有点烦”，则本质是期望型而非基本型。
3.4 需求拆解：从功能到曲线归属
拆解步骤：
- 列出用户场景中的所有功能点。
- 对每个功能点，对照KANO问卷的双向问题（正面/反面）收集数据。
- 根据回答矩阵（“喜欢~理所当然~无所谓~勉强接受~不喜欢”）将功能归入M/O/A/I(无差异)/R(反向)。
- 对于归入M、O、A的功能，描述其“满足程度-满意度”曲线类型。
常见误区：不能仅凭客户要求强烈程度判断。一个被反复提出的要求可能是期望型，而未被提出的“基础功能”可能是基本型。必须用结构化问卷交叉验证。
3.5 方案表达：曲线图驱动优先级排序
在需求文档中，用可视化的曲线图说明优先级逻辑。以下为本章对应的KANO满意度曲线示意图：
图中三条曲线展示了：当满足程度相同时，基本型（M）在低满足水平下满意度下降最快；期望型（O）随满足程度线性增长；兴奋型（A）在低满足水平时不影响满意度，但一旦达到一定阈值，满意度呈现指数级跃升。
3.6 指标验证与验收标准
为每条曲线设定可量化指标：
| 需求类型 | 验证指标 | 验收标准示例 |
|---|---|---|
| 基本型（M） | 基础功能完成率 / 无严重问题率 | 搜索功能在所有场景下可用，错误率<0.1% |
| 期望型（O） | 功能满意度评分（1-7） | 搜索排序相关性评分均值≥5.5 |
| 兴奋型（A） | 惊喜率（“超出预期”用户比例） | 图片搜索功能使NPS提升≥10% |
验收操作建议：对于基本型，采用“不通过即阻断”的硬标准（如搜索必须返回结果）；对于期望型，采用A/B测试对比满意度分差；对于兴奋型，在灰度阶段收集用户自发正向评论作为定性证据。
3.7 交付物模板：需求描述卡中的曲线标注
在产品需求文档中，每个功能点应包含“KANO曲线类型”字段。以下为推荐模板：
需求卡片模板（节选）：
- 需求编号: REQ-003
- 功能名称: 搜索联想建议
- KANO曲线类型: 期望型 (O)
- 满意-满足拐点描述: 随联想建议准确度线性提升满意度
- 最小可行方案: 前缀匹配+高频词排序
- 验收基准: 联想准确率≥70%，满意度预测试≥5.0