KANO需求分析- 進擊大廠設計方法論2

KANO需求分析- 進擊大廠設計方法論2

上一篇我們詳細闡述了5WH 產品分析的概念及應用,裡面在分析WHEN 的時候提到過一個概念—— KANO 模型,這是一個根據用戶滿意度的變化趨勢來區分需求優先級的思維工具,今天我們就來介紹一下這個模型。

1. 一維模型

在過去我們對用戶滿意度的思考中,由於行業發展程度不足,對用戶研究的深度和廣度也不夠,所以我們會傾向於認為用戶的滿意度與功能的完備程度是線性的,一維一次的,即:某個產品所具備的功能越完善越豐富,用戶越滿意;相反,功能越少,越不滿意。

但事實似乎並不是這樣,當越來越多應用變得臃腫、華而不實、全而無序時,我們發現用戶們對「簡潔」、「小而美」的呼聲越來越高,此時一維模型基本上就無法再對真實的用戶需求和滿意度進行準確地描述。

2. 雙因素理論

1959 年,美國心理學家赫茨伯格對企業員工對工作的滿意度進行了一次深入的研究, 把影響員工滿意度的因素分為兩種:激勵因素和保健因素。

保健因素的特點在於:如果沒有,員工滿意度會下降;但就算再努力改善,滿意度達到一定程度之後也不會繼續上升。它就好像基本工資,給全了你會覺得理所當然,給少了一定會覺得不可理喻。

而激勵因素則呈現了另一種態勢:如果沒有,員工滿意度也不會下降,但如果有,滿意度則會持續提升,極大地激發員工的工作熱情。它就好像獎金,給的越多越開心,誰不想說一句“但他給的實在太多了” 呢?

3.KANO 模型

受雙因素理論的啟發,東京理工大學教授狩野紀昭博士(Noriaki Kano) 提出了一套描述產品需求與用戶滿意度之間非線性關係的工具,並於1982 年日本質量管理大會第12 屆年會上宣讀了《魅力質量與必備質量》的研究報告,正式確立了KANO 模型的基本型。

KANO 模型,翻譯叫卡諾模型或狩野模型。網上摘抄到對它的解釋大概如下:

對用戶需求分類和優先排序的有用工具,以分析用戶需求對用戶滿意的影響為基礎,體現了產品性能和用戶滿意之間的非線性關係。

不說那麼抽象的,講人話,就是一個幫助我們定義“需求影響力” 的工具,通過定義評價的標準,來衡量每條需求可能對用戶造成的實質影響。

KANO中比雙因素理論更進一步,定義了5個基本的需求模型,即魅力、期望、必備、無差異、反向型,通過一定的分析步驟對每個屬性進行打分,最終搞明它屬於哪一類型。

這麼做的目的,是為了輔助我們更好的理解需求的有效用,為後續需求的優先級、工期、精細度安排做參考。

有了基本的概念,我們就要來詳細了解一下KANO 的具體原理了。

在KANO 模型的理念中,產品功能、服務的完成度,與用戶滿意度的相關性並不完全一致,可能功能非常出色完善但用戶並不買賬,也可能做的非常簡陋但是備受用戶吹捧,以及其他一些可能更複雜的情況。

所以,KANO 定義了一個由功能完成度和用戶滿意度組成的2 維坐標軸。

並在這個坐標軸中,通過一定的曲線、區域,來表達下面說到的五種需求類型:

魅力型A :提供了會讓用戶驚喜,但是不提供用戶滿意度也不會受到影響

必備型M :提供了用戶滿意度不受影響,但是沒提供則滿意度大幅下降

期望型O :用戶非常渴望的功能,提供了用戶滿意度會上升,反之則下降

反向型R :提供了會導致用戶滿意度下降

無差異I :無論提供還是不提供,都不會有什麼影響

我們可以在很多分享看到這些圖例,但是要注意這只是一個對概念進行直觀呈現的示意圖,我們並不需要直接應用。

我們要先來理解一下,基礎的五種需求類型都有什麼特點。

魅力型(Attractive Quality)

魅力型的需求,是能讓用戶產生“意外驚喜” 的東西。雖然沒有這個功能也完全不受影響,但是提供之後會讓用戶非常的興奮和滿意。

比如在設計中常說的“情感化” 設計,就是增加魅力型需求到產品中,通過一些有趣的交互、提示,來提升用戶的滿意度。


或者,像微信提供的拍一拍功能,沒有的時候完全不受影響,但是誕生以後可以大大增加社交中的趣味性,提升用戶的滿意度。


期望型(One-dimensional Quality)

期望型則是用戶非常想要有的功能,通常是用戶的主要訴求或痛點,如果沒有得到滿足,那麼用戶始終會覺得不夠滿意,或者認為被廠商忽視。

期望型需求另一個最大的特點就是,用戶滿意的程度與功能的完備程度大致呈線性關係,功能越是完備,用戶越是滿意,比較符合一維模型的描述。

例如使用支付寶進行公共交通的支付就是期望型功能,在它們還沒上線的時候,用戶有非常大的呼聲希望掃碼支付能得到統一的應用,所以在當時用戶的滿意度其實是不高的;然而當其逐步上線之後,我們會發現杭州用戶和上海用戶對此功能的滿意度呈現不同的層次。

杭州作為阿里的快樂老家,大多數交通工具都可以直接使用支付寶掃碼,而上海卻需要通過一個“中間商“— 大都會,所以這個功能在兩個城市之間完備程度的不一致,導致了兩地用戶對此功能的滿意程度也不太一致。


必備型(Must-be Quality)

必備型,通常是一個應用最底層的功能之一,是用戶默認你應該具備的。例如聊天工具可以發表情,電商有購物車。如果這些底層的功能實現不符合預期,那麼就會對用戶的滿意度造成極其負面的影響。

比如在線支付這個操作,我們默認所有主流支付渠道都包含了,但是京東、美團的支付選項中移除了支付寶,這對於相當數量的用戶而言是不可理喻的(同理淘寶不支持微信支付,兩大派系的距離堪比生殖隔離),儘管這很大程度上是由廠商之間的利益關係導致的渠道和數據壟斷,而不是產品團隊想不到,不過用戶可不會管這些,沒有就是沒有。

無差異(Indifferent Quality)

無差異,則是一些你做和不做,用戶都一點也不在意的東西。可以說,它們就是“無效需求” 的代名詞。

這類需求常常來源於老闆、產品經理拍腦門做的決定,或者用戶反饋中沒有虛無的建議和要求。

再有可能,就是緊跟潮流趨勢做的功能,比如餓了麼最近上線的“真香” 頻道,在一個外賣應用中上直播和短視頻……

反向型(Reversal Quality)

反向型需求,則是做了會起反相效果的需求,也就是讓用戶反感。

除了某些剛愎自用的決策者根據自己喜好添加需求以外,多數情況下是出於商業上的考量,為了促進轉化或者流量強加給用戶的一些功能。

比如UC 這類瀏覽器不會老老實實的在首頁放基礎搜索框和收藏,而是一定要加入新聞流媒體來強制用戶進行關注,而簡單清爽的夸克近幾年卻屢受用戶好評。

了解了這5 類需求是什麼,下一步,我們就要來熟悉應用它們的方法。

首先我們看看下面的表格,包含功能有或沒有的複合表格,兩個維度都包含了從喜歡到不喜歡的5 個分數等級。

我們通過獲取用戶對有或沒有的打分,來判斷這個功能處於哪一個類型。當然,當調查訪談的用戶數量較多時,是需要進行均值或加權計算的。

除了用這個表格記錄外,KANO 還經常使用一個四分位Better-Worse 係數坐標軸(奇怪的知識又增加了),通過對相關係數進行計算將需求置入對應坐標象限。

undefined

這個坐標相對於前面的表格來說,看上去更直觀了,但是對橫縱坐標的理解卻要稍微拐個彎。橫縱坐標之所以是百分數,是因為這兩個值表達的是某一個需求的具備性對better 或Worse 評價的影響係數。簡而言之,Better 的值越高,說明該功能的完備性對提高滿意度的影響越大;Worse 的值越高,說明該功能的不完備性對降低滿意度的影響越大。

而去獲得坐標係對應數值的辦法,也同樣沒那麼討喜。

這兩個百分比要通過一定的計算來完成,公式如下:

公式了解下就好,只要知道在四象限應用中的原理就足夠了,而不需要我們真的去進行這種計算。

既然兩種方法各有優缺點,我們在實際應用中自然應該要做出一些有效的改良,即結合它們各自的優點,創建出一個新的,簡化的坐標體系。

undefined

我們只要根據第一種方法的數值,將功能對應分配到這個列表中,就可以獲得一個直觀的需求影響力圖表了。

同時,根據可視化的原理,對需求的其它權重或分類進行表現,例如該分值下的用戶數,則使用點的大小進行區分,讓圖表可以更直觀。

undefined

有了上面那張需求象限的點圖,我們就可以來進行需求排序了。我在這裡給出一種可行的優先級排序原則作為參考,在具體實踐的過程中還需要大家發揮主觀能動性,具體問題具體分析。

1. 類型優先級

這是非常符合直覺的排序,凡事總得打好基礎,你才有輾轉的空間去整一些花里胡哨兒的活,這一點想必不用我再贅述。只不過我們需要注意一點,反向型需求雖然它傷感情,但是有時候我們卻不得不做,比如前面提到的UC 首頁的新聞流,所以我這裡還是把它放了進來。

2. 頻次優先級

undefined

在類型相同的情況下,我們需要另外增加一個緯度來判斷其優先級—— 用戶訴求的頻次。可以簡單地理解為:頻次越高優先級越高。

之前說坐標系中點的面積大小可以用來描述對此需求表達訴求的用戶人數,那麼自然點越大說明用戶需求量越大,優先級也就越高,同時受調研的用戶數量越多,此項也就越具參考意義。

但用戶本身就是有權重的,目標用戶的權重一定比其餘用戶的權重更高一些,他們的看法相對來說也就更加重要,所以在做用戶調研和問卷的時候也要考慮到這一點。

3. 位置優先級

undefined

在某些極端的情況下,點的大小可能也會出現相似甚至乾脆相同的情況,這就表明兩個需求的優先級大體上不分上下,如果實在無法同時處理,硬要排個優先級出來,那從我個人的經驗出發,我的建議是必備和期望型需求位置越靠右的先處理,而魅力和無差異型需求位置越靠上的先處理。

綜上來說,我們可以利用KANO 模型對需求進行一定程度上的優先級排序,但不管怎麼說KANO 模型僅僅只是一種參考,而不是真理。我們可以一定程度上考慮KANO 模型的排序結果,但實際情況才永遠是第一位的。

KANO 模型只是需求分析中的其中一個環節,用來幫助團隊更好的理解需求的屬性,但並不是代表需求的理解僅此而已。

同時,KANO 模型的可信度是建立在準確的用戶打分之上,這是一個非常嚴苛的要求,不僅需要非常有效的實驗、調研計劃制定,同時受限於樣本數會出現數據置信區間變大,置信度降低的問題,導致結果不堪用甚至無參考價值。

在以效率為導向的團隊協作中,除非是非常重要的功能,否則使用用戶畫像、卡片等工具進行大致的推導即可。

KANO 的應用場景多種多樣,需要大家根據實際應用場景進行調整。尤其對於設計師來說,KANO 不是一個我們教育PM 怎麼做需求的工具(某種情況下也不是不行),而是輔助團隊對需求的影響力有清晰認識的方法,幫助團隊做出更有效的決策。

本次的分享到這裡結束!

下篇再賤~

Category

GogoShark 給你最好的網頁設計

無論您的事業才剛起步、漸上軌道,或計劃向大中華區拓展市場,GogoShark 團隊將提供全方位的服務,為您量身打造數位品牌形象。