KANO模型基础回顾：基本型、期望型、兴奋型需求的区分方法、问卷设计要点

适用场景

• 需要将用户需求按照对满意度的非线性影响进行分类时。
• 产品功能优先级排序前，识别哪些功能是“必须做的”、“线性价值”或“惊喜点”。
• 用户调研问卷设计阶段，希望避免直接询问“重要度”导致的偏差。
• 竞争分析中判断自身产品在基本/期望/兴奋层级的覆盖程度。

前置条件

• 已完成目标用户群体定义，具备可触达的调研样本（建议每类功能≥30份有效问卷）。
• 熟悉“功能→问题”转化规则：每个待分类需求对应一组正反问题。
• 预定义好需求清单（建议≥5个候选功能，单次调研不超过20个，防止疲劳）。
• 准备好5级量表模板：1=很不喜欢，2=不喜欢，3=无所谓，4=理应如此，5=很喜欢（注意“理应如此”与“很喜欢”的语义差异）。

操作步骤

1. 设计KANO问卷：为每个需求编写正反两个问题。
   · 正向问题：如果产品具备该功能，您感受如何？
   · 反向问题：如果产品不具备该功能，您感受如何？
   · 量表选项统一使用上述5级。
2. 收集数据并清洗：剔除填写时间过短、全选极端值的无效样本。
3. 需求分类表匹配：将每份问卷的正反回答对照标准KANO分类矩阵（见下表），统计每个需求在各属性上的频次。
4. 属性判定：频次最高的属性即为该需求的最终类别；若高频类别为可疑结果（Q）或反向（R），则标记为待复查。
5. 计算Better-Worse系数（可选，用于加权）：
   · Better = (A+O) / (A+O+M+I)
   · Worse = (O+M) / (A+O+M+I) × (-1)
   其中A=兴奋型，O=期望型，M=基本型，I=无差异。

KANO需求分类矩阵

说明：M=基本型，O=期望型，A=兴奋型，I=无差异，R=反向（答案矛盾），Q=可疑结果。

输入输出物

责任边界

• 产品经理：主导需求清单梳理、问卷设计、分类结果的业务解读。
• 用户体验研究员/数据分析师：负责问卷分发、数据清洗、矩阵匹配计算。
• 开发者（可选）：提供自动化分类脚本，减少手工匹配工作量。
• 决策团队：根据分类结果和RICE权重，最终确定优先级。

记录材料

• 《KANO问卷设计终稿》（含正反问题原文）
• 《需求分类原始数据表》（每行一位受访者，列包括功能ID、正反得分）
• 《需求分类结果汇总表》（功能名、属性、Better、Worse、备注）
• 《异常记录表》（记录可疑、反向、无差异等需后续访谈的需求）

异常处理

• 矛盾回答过多（R类占比＞20%）：检查问题措辞是否中立，量表选项是否被误读；重新培训受访者或替换问题。
• 无差异结果（I类）占比过高：该需求可能对用户无感知，建议暂缓开发或从清单中移除。
• 样本量不足：扩充至每个功能至少30份有效问卷；若无法达到，优先保留Better-Worse系数指向明确的属性。
• 同需求正反问题语义不对应（如正向问“移动支付”反向问“指纹支付”）：立即修正，重新收集。

验收标准

• 每个功能分类结果明确（M/O/A/I/R之一），且R和Q占比合计≤10%。
• Better-Worse系数计算无误，数值范围在[-1,1]区间。
• 问卷回收数量≥最低要求（30×功能数），有效问卷率≥70%。
• 所有异常记录已标记并附上处理方案。