编辑导语：产品经理在日常工作中会遇到很多需求，很多职场人都会用到 KANO 模型分析法，把需求分为多种类型，然后再分析需求；本文作者分享了关于如何利用 KANO 模型计算需求优先级的方法，我们一起来看一下。

在上一篇文章《【复盘】如何在资源不足的情况下从 0 到 1 做出一款金融科技产品》中提到了我使用 KANO 模型来进行需求的一个排序，就有同学让我说下如果通过 KANO 模型来计算优先级；本来说上周安排，但是不好意思，我鸽了……

一、KANO 模型

提起大名鼎鼎的 KANO 模型，可能从事 PM 这个职业的或者励志从事这个行业的小伙伴都不会陌生，我也曾经在多个文章中提到过 KANO 模型。

作为东京理工大学 Noriaki Kano 教授在 1980s 提出的一种对用户需求进行分类和排序的定性工具，他讲顾客偏好分成了五类：

必备型需求：单地说，这些都是客户期望的要求，并且被认为是理所当然的。做得好的时候，顾客是中立的，做得不好的时候，顾客是非常不满意的；Kano 最初称这些为“ Must-be’s ”（「必须的」） ，因为它们是必须包括在内的要求，也是进入市场的门槛，也是我们经常说的「痛点」；客户认为没必要说明，产品也必须要做到的！

期望型需求：与客户的满意度正相关，满足时客户会满意，不满足时客户会不满意。一般客户可以明确提出来。这些需求是客户期待的内容。

魅力型需求：是产品给客户提供的惊喜型需求，这个需求的满足将让客户的满意度大幅提升，但是即使没有满足，客户也不会感到不满意（客户自己也不知道自己有这个需求）。

无差异需求：这个需求满足或者不满足都不会让客户对产品的满意度发生变化。

反向型需求：正如文字表面的意思，这个需求刚好与用户的满意度反向相关，如果满足了这个需求，则客户的满意度将会下降。

由于客户已经习惯了新功能，而且竞争对手也在追赶。随着时间和市场的变化，很多魅力型、期望型的需求会变化为必备型需求（甚至是反向型需求）的一部分，比如手机的拍照、APP、导航等等；所以对于客户需求的调研要持续进行，以确定是否会产生新的需求。

举个例子：iPhone X 面试的时候，我们觉得它的刘海屏真 NB，但是到了现在Android 手机都已经开始「水滴屏」、「挖孔屏」，但 iPhone 还在坚持的「刘海屏」显然不会成为 iPhone 的期望型需求或者魅力型需求，很多人都在骂 iPhone（显然已经变成了「反向型需求」）。

二、如何使用 KANO 模型

上边说的这些，其实很多人都知道。随便百度下就可以了。但是具体如何使用 KANO 模型指导工作呢？这里主要用到的就是 Kano questionnaire （KANO 调查问卷）。

要说明的是，KANO 模型有个显著的问题：KANO 模型仅仅关注的是产品性能和用户满意度的非线性关系，只衡量了产品功能对于用户的价值，并没有衡量实现该功能对于企业的收益和成本（商业价值）。

也就是说，当你的产品目标是提升用户满意度的时候，才适合 KANO 模型来进行优先级排序。

Kano questionnaire 一般是由一对问题来组成：

• 当满足了这个需求时，客户觉得如何？
• 当没有这个功能时，客户觉得如何？

针对每一对问题，都不应该让客户开放式的回答，而是应该通过一些非常具体的选项来得到答案：

I like it 我喜欢； I expect it 我希望如此；I am neutral 我是中立的； I can tolerate it 我可以忍受； I dislike it 我不喜欢它。

根据我们收集到的问题结果，我们可以制作一个 KANO 评价表：

其中：

A：魅力型需求 O：期望型需求 M：必备型需求 I：无差异性属性 R：反向结果 Q：可疑结果（一般不会出现，除非是调查的问题或者客户理解出现了问题，或者有人在瞎填……）

这里延伸一个问题：考虑到我们是从喜欢/不喜欢两个方面问一件事，那么可能存在这样一种情况：

• 有人没有完全理解我们描述的问题和特征；
• 我们的建议实际上和他们想要的恰恰相反。

针对这种情况，Fred Pouliot 修订了评价表：

将（2，2）和（4，4）处也改成了 Q。

在汇总了所有用户的有效问卷后，我们需要针对某一个需求点进行比例分析，分别得出这个需求点中客户的 AOMIRQ 所占的比例，比例值最大对应的类别就是对应功能的分类类别了。

比如 我曾经之前在 P2P 行业针对某一功能点做过的调研数据：

A：15.6% ；O：40.1% ；M：37.5% ；I：1.5% ；R：4.5% ；Q：0.8%。

显然占比最高的是 O （期望型需求）。

那么问题来了，如果几个需求都是一个类别，那么怎么区分优先级呢？

这时候我们可以引入 Better-Worse 系数来进行分析，Better-Worse 系数表示的是某个功能可以增加或者消除不喜欢的影响程度。

Better-Worse 系数公式如下：

通过计算，每一个需求点都会得到 Better/SI 和 Worse/DSI 两个系数；其中 Better/SI 被理解为增加后的满意系数，数值通常为正数。

代表如果提供某种功能属性的话，用户满意度会提升；正值越大/越接近1，表示对用户满意上的影响越大，用户满意度提升的影响效果越强，上升的也就更快。

Worse/DSI 则可以被叫做消除后的不满意系数，其数值通常为负，代表如果不提供某种功能属性的话，用户的满意度会降低；值越负向/越接近-1，表示对用户不满意上的影响最大，满意度降低的影响效果越强，下降的越快。

既然有了两个系数，我们就可以做一个平面直角坐标系了。

根据这个坐标系，我们可以按照如下排序规则进行排序：必须 > 期望 > 魅力 > 无差异。

对于在同一象限中的功能点，以 Better系数/|Worse 系数|的大小排序，越大越靠前。

三、最后

上边说到了，KANO 模型仅仅关注的是产品性能和用户满意度的非线性关系，并没有衡量实现该功能对于企业的收益和成本（商业价值）。

在实际使用上，我之前还推荐过《需求管理之价值 vs 复杂度矩阵》，通过价值和成本的对比进行需求的排序。

不过 KANO 和价值 VS 复杂度矩阵都是一种工具，具体怎么用还得在实际业务中选择最合适的。

#专栏作家#

张小璋，公众号：张小璋碎碎念（ID：SylvainZhang），人人都是产品经理专栏作家。野蛮生长的产品经理，专注于互联网金融领域。

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议