HOME >> Single Blog
產品需求分析神器：Kano Model 模型分析法（實戰案例講解）
Published: November 10, 2022 | null MIN READ
Kano Model （也叫 Kano 分析模型、狩野模型）是產品需求分析時所會用到的經典模型，它能夠進行系統的需求梳理，對需求進行分析和提煉，提高效率。本文將詳細介紹Kano模型如何分析以及如何快速搭建。
Kano Model （也叫 Kano 分析模型、狩野模型）是產品需求分析時所會用到的經典模型，它能夠進行系統的需求梳理，對需求進行分析和提煉，提高效率。
任何一個產品，都會涉及到很多的需求，老闆、業務、客戶提的各種需求時常紮堆，哪怕一個小功能、次級頁面經常都會爭得不可開交。
哪個需求對用戶來說最重要？客戶對我們的新功能是否滿意？開發產品資源有限，開發、設計、測試人手總是不夠用，這麼多需求沒辦法都做，先做哪些需求？
這些都不應該是拍腦袋想出來的，而應該由產品設計團隊的分析師、產品經理，通過客觀的分析確定下來。使用 Kano Model 能後真正從用戶需求出發來梳理出需求層次以及需求優先順序，並能進一步判斷需求實現對用戶影響程度。
本文將帶大家詳細了解Kano Model的定義和分析方法，並分享給大家使用自助式大數據分析工具FineBI快速進行Kano Model分析的教程！點擊下方按鈕，準備好和軟妹一起進入自助數據分析的世界吧~
一、什麼是 Kano Model 模型分析法
Kano Model 是東京理工大學教授、日本品質管理大師狩野紀昭（Noriaki Kano）發明的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。
二、了解 Kano Model 模型分析法的需求屬性分類
在利用Kano Model進行分析之前，首先要了解一下Kano Model 所涉及的屬性分類。
通過對需求的滿意度、具備度二維分析，Kano Model 將需求劃分為基本型、期望型、興奮型、無差異型、反向型五類，分別以英文字母M、O、A、I、R表示。
使用 KANO 模型轉列出四象限圖，四個象限對應了四種需求型別，它們的優先排序為：基本型需求 > 期望型需求 > 興奮型需求 > 無差異型需求 > 反向型需求。
- 基本型需求(M)：需求滿足時，用戶不會感到滿意。需求不滿足時，用戶會很不滿意。基本型需求是一款產品必須具備的核心需求，也是產品必須要做並且不斷完善的需求。
- 期望型需求(O)：需求滿足時，用戶會感到很滿意。需求不滿足時，用戶會很不滿意。這一類需求是一款產品應該要具備的需求，通常會作為競品之間比較的重點。
- 興奮型需求(A)：該需求超過用戶對產品本來的期望，使得用戶的滿意度急劇上升，往往能帶來用戶較高的忠誠度。但即使表現得不完善，用戶的滿意度也不受影響。這一類需求是在有餘力的情況下，產品可以具備的需求。
- 無差型需求(I)：需求被滿足或未被滿足，都不會對用戶的滿意度造成影響。儘量規避做此型別功能。
- 反向型需求(R)：該需求與用戶的滿意度呈反向相關，滿足該要求，反而會使用戶的滿意度下降。一般來說，產品不應該實現這一類需求，如果實現了需要考慮去掉。
三、Kano Model中的Better-Worse係數
Better係數=（期望數+魅力數）/（期望數+魅力數+必備數+無差異數）
Worse係數=（-1）*（期望數+必備數）/（期望數+魅力數+必備數+無差異數）
Better係數越接近1，表示該具備度越高該需求對用戶滿意度提升的影響效果越大。Worse係數越接近-1，表示具備度越低該需求對用戶滿意度造成的負面影響越大。
四、Kano Model 模型分析法實戰案例講解
那麼如何藉助Kano Model來輔助業務上的決策呢？接下來舉一個實戰案例來進行講解。
某公司的A產品將於下個月進行版本更新，產品經理小B收集到了來自各方的產品功能更新需求，為了確定哪些功能確實需要更新，小B決定通過Kano Model來進行需求分析。
本次數據分析實戰工具為商業智慧自助式分析工具FineBI。
FineBI是一款大資料分析BI工具，它專業、簡單、好用，透過滑鼠點選和拖拽即可完成分析，使用者可以根據自身需求，輕鬆實現資料處理，探索式OLAP分析，就像享用自助的數據分析盛宴。
通過FineBI的戰情室，可以將資料使用視覺化組件進行呈現。FineBI中內置了超過五十種可視化圖表類型，除了條形圖、圓餅圖、折線圖這類基礎圖表，雷達圖、散佈圖和甘特圖等高階圖表也全都囊括~
它的易用性不僅體現在操作和介面上，也體現在數據處理上。FineBI內置了各種計算公式、過濾組件。基本告別SQL和代碼，一鍵即可進行數據編輯。
同時，使用FineBI可以輕鬆搭建各種經典的數據分析模型，諸如本文的KANO分析模型，還有其他例如金字塔模型、RFM模型、購物籃分析模型等等，幫助業務洞察。
FineBI能將業務人員從資料處理和可視化的泥潭中解放出來，把更多精力投放到資料分析與資料管理和業務溝通上。
現在就點擊下方按鈕，讓我們一同開啟今天的學習之旅吧！
現在讓我們來實際演示一下，具體如何使用FineBI快速進行Kano Model分析~
第一步：調研問卷設計
在做Kano Model分析前，一般需要進行用戶調研，通常採用矩陣量表的形式讓用戶對功能進行正面和負面評價。舉例來說，評價分為五個程度“我很喜歡”、“它理應如此”、“無所謂”、“勉強接受”、“我很不喜歡”。
第二步：處理問卷資料
完成用戶調研資料收集後，我們將數據一鍵導入FineBI，在FineBI的自助資料集中，只需要通過編輯字段即可完成許多資料處理的功能，比如常見的過濾功能、分組匯總功能、新增欄、排序功能、合併功能等等。
（1）小B將清洗好的資料上傳至 FineBI，並將這些資料進行處理。他添加自助數據集並勾選「Kano Model 原始資料」的所有字段，如下圖所示：
（2）新增欄「合併態度」，將「增加功能態度」與「不增加功能態度」進行合併，如下圖所示：
按照使用者對「增加功能態度」與「不增加功能態度」，最終我們可以透過下表定位某功能對於使用者來說是什麼需求。
- M：基本（必備）型需求；
- O：期望（意願）型需求；
- A：興奮（魅力）型需求
- I：無差異型需求；
- R：反向（逆向）型需求；
- Q：可疑結果
（3）上一步驟我們已經知道如何定位需求型別，接下來要做的就是在分析表中定位判斷，新增「型別」欄，如下圖所示：
由於公式很長，使用者可以直接複製下面到公式欄，並用自己的欄位替代「合併態度」，使用了switch函式：
SWITCH(合併態度,"非常喜歡非常喜歡","Q","非常喜歡理應如此","A","非常喜歡無所謂","A","非常喜歡勉強接受","A","非常喜歡很不喜歡","O","理應如此非常喜歡","R","理應如此理應如此","I","理應如此無所謂","I","理應如此勉強接受","I","理應如此很不喜歡","M","無所謂非常喜歡","R","無所謂理應如此","I","無所謂無所謂","I","無所謂勉強接受","I","無所謂很不喜歡","M","勉強接受非常喜歡","R","勉強接受理應如此","I","勉強接受無所謂","I","勉強接受勉強接受","I","勉強接受很不喜歡","M","很不喜歡非常喜歡","R","很不喜歡理應如此","R","很不喜歡無所謂","R","很不喜歡勉強接受","R","很不喜歡很不喜歡","Q")
效果如下圖所示：
（4）新增「分組彙總」，得到每個功能它們各種需求型別的人數，如下圖所示：
例如參與調研的人數中，認為「功能1」是無差異需求的人數有 48 人。
（5）因為調研過程中有些使用者會跳題，所以參與每個功能調研的人數有所不同。新增欄「參與調研人數」，如下圖所示，求出參與每個功能調研的人數。
（6）計算佔比，求得每個需求型別佔參與調研人數的比例。
例如「功能1」的 「I 型別人數」佔參與「功能1」調研人數的佔比為 0.48。如下圖所示：
第三步：將分析結果進行視覺化處理
通過FineBI的儀表板，可以將資料使用視覺化組件進行呈現。FineBI中內置了超過五十種可視化圖表類型，包括柱形圖、折線圖、雷達圖、散佈圖和甘特圖等，可以幾乎實現所有你想要視覺化效果！
小B進入儀表板中，新建組件選擇剛剛處理過的自助資料集。
（1）複製 5 個「佔比」欄位，如下圖所示：
2）對複製的「佔比」欄位進行明細過濾，過濾條件為：型別屬於 A 。並將其重命名為「A 佔比」。如下圖所示：
同理對其他複製的「佔比」欄位進行明細過濾，分別過濾型別，並對其重命名，如下圖所示：
（3）使用 better-worse 係數，如下圖所示：
- better-增加某功能後提升的滿意係數：better=（A佔比+O佔比）/(A佔比+O佔比+M佔比+I佔比)，越接近 1，則表示使用者滿意度提升的效果會越強，滿意度上升的越快。
- worse-不增加某功能使用者的不滿意係數：worse=-1*（O佔比+M佔比）/(A佔比+O佔比+M佔比+I佔比)，越接近 -1，則表示對使用者不滿意度的影響越大，滿意度下降的越快。
根據以上 better、worse 的公式，建立計算欄位「better」「worse絕對值」，如下圖所示：
（4）選擇「散點圖」，拖入「better」、「worse絕對值」欄位。並將「功能」欄位拖入圖形屬性的標籤欄和顏色欄。如下圖所示：
（5）分別新增「橫向警戒線」和「縱向警戒線」，分別為 better平均值 和 worse平均值。如下圖所示：
第四步：分享分析結果
最終，小B做出了如下better-worse四象限分佈圖。FineBI支援多種個性化的儀表板分享功能，可以分享儀表板的全部或者部分模塊給指定人員，在做到保證資料安全性的前提下非常便捷好用。
FineBI支援的儀表板分享方式：
1.平臺內分享：直接將自己創建的儀表板分享給指定的部門、用戶、角色查看，分享數據見解
2.申請掛出：業務人員也可向管理員申請將所做的分析儀表板掛出到平臺目錄，由對應許可權的其他用戶查看
3.創建公共鏈接：也支持創建公開的報告鏈接，在平臺外查看報告
小B將做好的儀表板分享給了同事，決定此次功能更新增加「功能2、功能3、功能5、功能8」。有了數據支撐，大家都很認同他的決定，罕見地沒有出現以往為增加哪個功能而爭得不可開交的局面，極大程度提升了效率。
以上就是使用Kano Model這一產品需求模型進行分析的全部過程，在實際工作場景中，情況更加多變，因此需理解此模型分析邏輯，靈活變通。
想要瞭解更詳細的Kano Model分析操作指導？請查閱FineBI的操作文檔，其中提供了源數據和詳細指引~
FineBI在台灣、香港、澳門、新加坡、馬來西亞等地區均提供在地化服務，由帆軟原廠當地團隊做技術支援，二次開發和專案實施。點擊下方圖片即可免費試用FineBI，親自實踐一遍吧~ 任何技術問題都可以隨時聯絡技術支援工程師，助力你的Kano Model分析之旅！~
Related Article
who read this article also viewed
2023-09-28 By 軟妹
數位化轉型：深入探究庫存管理與倉儲管理優化
庫存管理是與商品、服務和交易密切相關的關鍵領域，它在各種企業中發揮着至關重要的作用。透過科學而有效的倉儲管理，企業可以更好地處理供應鏈的各個環節，包括採購、供應商支付、發票處理以及賬款整合。特別是在零售業和製造業，庫存管理的重要性愈發凸顯。
2023-09-11 By 軟妹
深度決議商業模式：從商業模型到商業模式圖
商業模型是企業實現盈利和增長的戰略框架，描述了如何創造、提供和獲取價值。在大數據時代，商業模型的重要性日益突顯。建立商業模型並藉助資料分析優化商業模式，企業能更深入、準確地理解市場、客戶需求和競爭環境，制定智慧決策，提升競爭力和盈利。
2023-07-25 By 軟妹
深入BI報表：揭秘BI與報表的關鍵差異
在當今資料驅動的商業環境中，商業智慧（BI）分析工具扮演着至關重要的角色。BI報表透過深入分析大量資料，提供洞察力和視覺化呈現，為企業管理層和決策者提供了有力的支援。透過BI報表，企業能夠更加精準地瞭解業務績效、趨勢和機會，進而快速做出明智的決策，優化資源配置，發現新的業務機會，並在競爭激烈的市場中保持領先地位。