排需求的時候，經(jīng)常遇到各方資源爭執(zhí)難下的情況吧秘血？良策來也~~
這個時候也是我們用研發(fā)揮效用的時刻呢味抖。
今天介紹一把KANO模型。
KANO模型灰粮，由Noriaki kano于20世紀70年代發(fā)表的用于需求分類和排序的工具仔涩。
到這里，發(fā)現(xiàn)之前對于KANO的翻譯一直是錯的粘舟，再來一遍：K-A-N-O（卡諾）熔脂。
好了，以下 5min教會你柑肴，沒有一個多余的廢字霞揉。
原理和適用情況
原理：利用功能用戶滿意度和功能具備程度的非線性關(guān)系，來進行功能（需求）的分類（排序）晰骑。
適用的情況：
1.手頭的一堆新需求适秩，不知道從何排列優(yōu)先級或者哪些該做哪些不該做？
2.線上一些老功能，略覺雞肋秽荞，想砍掉又不知該不該砍骤公，砍的話砍那個？
非線性如圖：
根據(jù)以上扬跋，5個評價指標是：
魅力屬性：讓用戶感到驚喜的屬性阶捆，如果不提供此屬性，不會降低用戶的滿意度钦听，一旦提供魅力屬性趁猴，用戶滿意度會大幅提升；
期望屬性：如果提供該功能彪见，客戶滿意度提高，如果不提供該功能娱挨，客戶滿意度會隨之下降余指；
必備屬性：這是產(chǎn)品的基本要求，如果不滿足該需求跷坝，用戶滿意度會大幅降低酵镜。但是無論必備屬性如何提升，客戶都會有滿意度的上限柴钻；
無差異屬性：無論提供或不提供此功能淮韭，用戶滿意度不會改變，用戶根本不在意有沒有這個功能贴届。這種費力不討好的屬性是需要盡力避免的靠粪；
反向?qū)傩裕?/b>用戶根本都沒有此需求，提供后用戶滿意度反而會下降毫蚓；
問卷的設(shè)計和結(jié)果分類
針對每一個獨立的功能發(fā)問占键，在開始之前一定要向測試者解釋清楚每個功能的定義，作用等元潘。
收集到數(shù)據(jù)之后畔乙，進行分類處理，這里Noriaki kano給出了通用的模板翩概，可以存下來的模板[敲黑板啦]
計算和繪圖
下一步牲距，根據(jù)歸類中每個屬性的百分比，計算Better-Worse系數(shù)：
Better：是增加后的滿意系數(shù)钥庇。其數(shù)值通常為正牍鞠，數(shù)值越大，用戶滿意度會提升越快上沐。
Worse：是消除后的不滿意系數(shù)皮服。其數(shù)值通常為負竖独，數(shù)值越小，用戶滿意度會下降越快摇天。
Better= ? （A+O）/(A+O+I+M)
Worse= ?-（O+M）/(A+O+I+M)
繪制出Better-Worse圖宰掉，讓每個功能落在不同的象限，就可以進行排序啦：
常用的優(yōu)先級排列是：
必備》期望》魅力》無差異 ?【第二次敲黑板】
如果遇到有些功能在象限圖內(nèi)的位置特別相近择同，難以決策怎么辦呢两入？
這時候，用重要程度系數(shù)來輔助排序敲才。
完美裹纳！可以下課了·~
作者：大狗狗，互聯(lián)網(wǎng)金融產(chǎn)品用戶研究員紧武，心理學二年級學渣剃氧，公眾號：同花順UED（公眾號：Mob-HitThink-UED）；簡書專題：用戶研究&創(chuàng)意設(shè)計“
上一篇：【譯文·案例】測試案例：競爭性測試—也許阻星，這是你懟老板的唯一機會
更多產(chǎn)品設(shè)計朋鞍，用戶研究干貨資訊和分享，關(guān)注查看更多歷史內(nèi)容~~
