第1章 KANO模型概述:需求分类、基本/期望/兴奋、满意度影响

KANO需求分类与产品验收质量门禁 - 第1节

1.1 适用场景

KANO模型适用于产品经理、需求分析师、QA工程师在产品立项、需求评审、验收标准制定阶段,对用户需求进行定性分类,从而确定验收门禁的优先级与强制等级。常见场景包括:

  • 新功能需求:判断该功能属于基本、期望还是兴奋型,进而决定验收测试的通过门槛。
  • 存量需求变更:评估需求变更对用户满意度的影响,调整验收标准权重。
  • 竞品分析:对比竞品功能分类,识别自身产品的兴奋型差异点。
  • 用户反馈归类:将用户投诉、建议按KANO维度归档,指导验收门禁的松弛度。

1.2 前置条件

使用KANO模型进行需求分类前,需完成以下准备工作:

序号 条件项 说明
1 需求池已建立 至少收集到5条以上用户原始需求,且每条需求独立可拆解。
2 用户画像明确 已定义目标用户群体及其核心使用场景,避免分类结果泛化。
3 团队共识对齐 产品、研发、QA三方对KANO模型的基本定义、分类标准达成一致认知。
4 数据采集工具就绪 准备问卷/访谈提纲(包含正向与反向问题),以便收集用户对“具备/不具备”某功能的反馈。

1.3 操作步骤

核心流程:通过“正向提问(如果产品具备该功能,您的感觉是?)”与“反向提问(如果产品不具备该功能,您的感觉是?)”,将用户回答映射到KANO评价表,得出需求分类。
  1. 设计问卷:对每条需求编写一对问题(正向/反向),选项采用五级态度:很喜欢、理应如此、无所谓、能忍受、不喜欢。
  2. 分配评价表:将用户回答组合(正向答案+反向答案)对照KANO分类矩阵,标记为 基本型(M)、期望型(O)、兴奋型(A)、无差异型(I) 或 反向型(R)(后两者在验收门禁中通常不强制)。
  3. 可计算满意度影响:
Better = (A+O) / (A+O+M+I)  表示具备该功能时用户满意度提升程度
Worse = (M+O) / (A+O+M+I)  表示不具备该功能时用户满意度下降程度

根据Better-Worse系数将需求放入四象限图中区分优先级。

⚠️ 注意:基本型需求(M)的Worse系数通常较高(绝对值大),验收时必须100%通过;兴奋型需求(A)的Better系数高,验收时可适当降低强制比例,优先保证交付完整性。

1.4 输入输出物

类型 名称 格式/示例
输入 用户原始需求清单 Excel / 需求管理系统导出 CSV
输入 KANO问卷模板 问卷星 / 腾讯问卷 设计链接
输出 KANO分类矩阵表 含每条需求的 M/O/A/I/R 标记与 Better/Worse 值
输出 需求验收门禁优先级清单 按 M → O → A 排序的强制通过项列表

1.5 责任边界

  • 产品经理:负责编写问卷、发放收集、完成分类矩阵计算,输出需求分类清单。
  • QA工程师:基于分类清单制定验收测试用例的权重(M类用例必须全通过,O类通过率≥95%,A类通过率≥80%)。
  • 项目经理:监督KANO分类结果是否与用户真实反馈一致,决定是否启动二次验证。
  • 研发团队:根据验收门禁优先级安排开发节奏,确保M类需求无缺陷。

1.6 记录材料

文档编号 名称 归档位置 保存期限
KANO-REC-001 KANO问卷原稿及原始应答数据 PM共享文件夹 / 问卷平台导出 项目终止后 6 个月
KANO-REC-002 KANO分类矩阵计算表 产品需求库附件 产品生命周期内
KANO-REC-003 验收门禁优先级清单(含 Better/Worse) QA测试计划附件 项目交付后 1 年

1.7 异常处理

异常场景 处理措施 输出调整
用户回答矛盾导致无法分类(如正向“很喜欢”、反向“很喜欢”) 标记为“可疑(Q)”,剔除该条数据;或对该需求进行访谈澄清 分类矩阵中标注 Q,不参与 Better/Worse 计算
样本量不足(<30份有效问卷) 延长收集周期或采用专家打分法替代 在验收清单中增加“暂定”标签,待样本补充后更新
需求同时被归为两种类型(如部分用户填M,部分填O) 计算占比,取占比最高的类型;若差异<5%,归为 O 在矩阵中标记为 O,并备注争议占比

1.8 验收标准

  • 完整性:输入的所有需求均已标记至少一个 KANO 类型,不存在未分类项。
  • 一致性:对同一需求的正向与反向回答映射结果,不得出现无法映射的 (Q) 超过总样本的 10%。
  • 可量化:每条需求均计算 Better 与 Worse 系数,并记录到百分位小数。
  • 可追溯:输出清单中每条需求均能回溯到原始问卷 ID 及具体用户回答组合。
KANO 需求分类与满意度影响框架 基本型 (M) 缺之不可 Worse 高 (绝对值大) 期望型 (O) 线性相关 Better & Worse 中等偏高 兴奋型 (A) 惊喜价值 Better 高,Worse 低 满意度影响公式与优先级 Better = (A+O) / (A+O+M+I) → 值越大,满意度提升越强 Worse = (M+O) / (A+O+M+I) × (-1) → 绝对值越大,不满足时损失越严重 验收门禁优先级:M > O > A;无差异型 (I) 暂缓验收 Worse 绝对值(横轴) Better(纵轴) A O M I
💡 讲师提示:在验收门禁实践中,基本型需求(M)的通过率强制要求 100%,否则视为“不可交付”;兴奋型需求(A)即使部分未通过,也可进入下一迭代,但需记录在“待修复”清单中。请务必在首次需求分类后与团队二次确认映射结果。