1.1 课程全景与KANO模型基础

适用场景

KANO 模型适用于以下场景中的需求优先级排序与用户满意度影响分析:

  • 产品功能规划:大量候选需求需要筛选,确定“做哪些、先做谁”
  • 用户细分调研:不同用户群体对同一功能的接受程度差异显著
  • 存量功能优化:已有功能体验不佳,判断属于“必备属性”缺失还是“魅力属性”不足
  • 竞品功能对标:对比竞品功能包中哪些是“基本款”、哪些是“加分项”
  • 版本迭代定级:敏捷开发中决定当前迭代的 MVP 边界

前置条件

  1. 已完成用户角色定义与典型场景梳理
  2. 具备至少一种结构化访谈方法基础(如行为事件访谈 BEI 或深度访谈)
  3. 待分类功能列表已形成初版,条目颗粒度一致(无过粗或过细条目)
  4. 团队至少 1 人掌握 KANO 分类矩阵的判别规则

操作步骤

步骤1 - 定义需求池

将待评估功能整理为功能条目清单,每条只描述一个单维度能力。例如:

需求池示例条目标
─────────────────────
F001:支持微信扫码登录
F002:项目看板支持拖动排序
F003:日志自动归档至云端
F004:多人实时协同编辑同一文档
F005:离线模式下可浏览最近七日文件

步骤2 - 设计正反提问

每个功能需同时设定正向问题(提供该功能时用户感受)与反向问题(不提供该功能时用户感受)。

问题类型 问题措辞示例(以“微信扫码登录”为例)
正向问题 如果系统支持微信扫码登录,您会觉得如何?
反向问题 如果系统不支持微信扫码登录,您会觉得如何?

步骤3 - 执行用户访谈

  • 每个功能均需获得被访者对“正向+反向”两份评价选项的选择
  • 选项标准:喜欢 / 理应如此 / 无所谓 / 勉强接受 / 不喜欢
  • 单次访谈不宜超过 30 分钟,每个功能正反问题控制在 1 分钟以内

步骤4 - 填入分类矩阵

根据被访者对正向与反向问题的答案组合,对照 KANO 分类矩阵判定该功能属于哪类需求。

典型误用:将“无所谓+无所谓”直接判定为“无差异需求”,而忽略用户可能因不理解功能价值而做出“中性”选择。应在访谈后添加一句了解性问题:“您为什么会选无所谓?”

KANO 五类需求定义

需求类别 定义 用户满意度影响
基本型需求(M) 用户认为“必须有”的功能;不提供则非常不满意,提供后用户认为理所当然 不满足→严重不满;满足→无感激
期望型需求(O) 用户已知且明确期待的功能;提供越多满意越高,不提供则不满意 线性相关:提供程度与满意度正相关
魅力型需求(A) 用户未预期、但一旦提供会带来惊喜的功能;不提供也无不满,提供则极大满意 不满足→无影响;满足→高度满意
无差异需求(I) 用户完全不关心该功能;提供与否不影响满意度 无显著波动
反向需求(R) 用户明确表示不希望该功能存在;提供后满意度下降 提供→满意度降低

分类矩阵图

以下矩阵展示了正向问题(行)与反向问题(列)的交叉结果,各单元格内容表示最终分类结论:

正向\反向 喜欢 理应如此 无所谓 勉强接受 不喜欢
喜欢 Q* A A A O
理应如此 R I I I M
无所谓 R I I I M
勉强接受 R I I I M
不喜欢 R R R R Q*

* Q = 可疑结果,常见于被访者理解错误或题目措辞有歧义,需重新采集数据。

误用风险

  • 矩阵结果绝对化:单次访谈样本量不足时,矩阵给出的是“该受访者视角下的分类”,不等于全体用户共识
  • 混合需求条目:一个需求条目若包含多个子功能,正反问题无法准确映射单一维度,导致分类混乱
  • 忽略用户理解偏差:功能描述过于技术化或激进,用户可能在“喜欢”与“理应如此”间凭猜测作答
  • 反向需求误判:部分用户出于“不想增加系统复杂度”而选择“不喜欢”,但实际使用后接受度高;需结合上下文判断
实战建议:每个功能至少收集 30 份有效访谈记录后再做统计分类;若某功能正反回答在“O”与“A”间摇摆超过 20%,应单独回访澄清。
KANO 五类需求关系与分类矩阵使用流程 基本型需求 M 必须有,缺失即抱怨 期望型需求 O 线性满足,竞品标配 魅力型需求 A 惊喜体验,差异竞争 无差异需求 I 有无皆可,浪费资源 反向需求 R 用户明确拒绝 分类矩阵使用流程 正向回答(行) ↓ 交叉查询 ↓ 反向回答(列)→ 单元格对应类别(M/O/A/I/R/Q)

输入输出物

阶段 输入物 输出物
步骤1 产品功能列表(初版) 原子化需求条目清单
步骤2 原子化需求条目清单 正反问题采访提纲(含问题措辞)
步骤3 正反问题采访提纲 原始访谈记录(含正反选择答案)
步骤4 原始访谈记录 需求-KANO分类对照表

责任边界

  • 需求分析人员:负责设计正反问题、执行访谈、填写分类矩阵
  • 产品经理:审核需求条目颗粒度、确认访谈范围,使用分类结果进行优先级决策
  • 用户研究员:若团队独立配置,负责管控访谈质量及问卷回收率
  • 开发团队:不参与分类判定,但在需求描述不清晰时提供技术可行性补充

记录材料

每个功能条目保存以下记录:

  • 需求编号与文字描述
  • 正向问题 + 反向问题措辞原文
  • 每名受访者的正反选择复盘(不计名但保留数量统计)
  • 矩阵判定结果(M/O/A/I/R/Q)
  • 若结果为 Q(可疑),需附加备注:受访者理解诊断记录

异常处理

异常现象 原因 处理措施
大量 Q 结果 题目措辞歧义或受访者疲劳 暂停访谈,重新审题再启新一轮
某个功能所有受访者分类不一致 需求颗粒度不原子,或用户场景差异大 拆分为子条目,或按用户角色分群统计
受访者频繁选“无所谓” 对功能域不熟悉或动力不足 增加功能 Demo 演示后重新提问
反向需求比例超过 30% 功能设计可能过度复杂或非用户痛点 与产品经理确认初步决策,考虑砍掉或做 AB 验证

验收标准

  • 每个需求条目至少完成 30 份有效访谈(Q 结果不计入有效样本数)
  • 分类矩阵中无空白单元格或未经记录的“推测”结果
  • 需求-KANO分类对照表已归档至项目知识库,可被产品经理及开发团队直接引用
  • 本次课程基础部分完成后,学员能独立输出一份包含所有五类需求的分类对照表