KANO模型从理论到实践，准确定位需求优先级

作为设计师，每天都要面对来自很多方面的各种需求，比如产品经理说，我这个需求很急，需要马上着手设计，而同时运营、业务部门或者其他方面的需求也一起堆了过来，都想先做自己的。而开发说时间不够，只能一个一个来。我们也没有那么多精力，几个需求同时设计。这个时候就需要给所有需求从用户的角度来定一个优先级。那么这个时候我们就要用到今天的主角KANO模型了。

KANO 模型是对用户需求分类和优先级排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品功能和用户满意之间的非线性关系。使用KANO模型能够有效的帮助我们梳理需求，以提高用户体验为设计目标，从而提高用户对产品的满意度。我们从KANO模型的理论和实践两方面来阐述如何利用KANO模型来给需求制定优先级。

1.KANO模型的理论基础

要灵活自如的运用KANO模型来做好需求优先级，我们需要知道KANO模型的理论基础，因为只有明白最底层的理论，我们才能最根本的认识他，进而在与人分享的时候才能有理有据的说服别人。

1.1 KANO模型的起源

KANO模型是由日本东京理工大学教授狩野纪昭(Noriaki Kano)受到行为科学家赫兹伯格的双因素理论的启发而提出的，最初是用来解决如何提高产品和企业服务这个问题。狩野纪昭在他的论文《魅力质量和必备质量》这篇论文中首次提出满意度的二维模式，从而构建出KANO模型。

1.2 双因素理论

大家是不是一般认为满意的对立面就是不满意，而不满意的对立面就是满意？比如你和某个女孩子相亲，见面之后她没有表现出对你满意的态度，那么你可能就认为他对你是不满意的。但赫茨伯格的理论认为，满意和不满意并不是二选一的，他们并非共存于一个连续体，而是截然分开的。也就是说，满意的对立面并非就是不满意，而不满意的对立面也并非就是满意。举个例子，公司给员工发工资，员工不会觉得满意，因为员工觉得这是公司应该做的，但是只要不发他们就马上会不满意；如果，公司给员工发奖金，员工会觉得满意，而不发奖金也不会觉得不满意。

赫兹伯格通过研究一群会计和工程师的员工满意度和生产效率的关系，发现日常工作中员工的满意度分为两种，一种是激励因素，另一种称为保健因素。这就是双因素理论的来源。 

1.2.1什么是激励因素

激励因素表示工作本身带来的成就、认可和责任；具备激励因素时，会增加员工的满意度，而缺少激励因数时也不会导致员工不满意。这和我们上面举发奖金的例子一个意思。再比如，当你设计了一套非常高大上的作品时，你的老板、领导、同事等都夸你设计的好。这个时候你是不会觉得自己的作品得到了认可，会感觉到满意。而如果你的作品满意得到赞扬你也不会觉得不满意，因为这是你的工作。

1.2.2什么是保健因素

保健因素指公司政策、管理、技术监督、薪水、工作条件以及人际关系等。具备保健因素时，不会提高员工满意度，而缺乏时，则会造成不满。比如，公司每月20号按时发工资，你不会觉得满意，因为按时发工资本来就是应该的。而如果公司拖欠工资不发，你立马就不满意了。

1.2.3双因素理论总结

双因素理论的核心在于，只有激励因素才能提高人们的满意度，而保健因素只能消除人们的不满，但是不能增加满意感。在实际运用中，我们要先保证满足保健因素，消除不满。再利用激励因素去提高人们满意度。比如就销售从员的工资薪金设计来说，按照双因素理论，应该划分为基础工资与销售提成两部分，基础工资应属于保健因素，销售提成则属激励因素，对销售人员而言，通常做法是低工资高提成，这样才能促使销售人员尽可能的多做业务。

1.3 满意度的二维模式

在日常满意度应用中，都认为满意度是一维的，即某个产品（页面），提供更多功能、服务时用户就会感到满意，相反，当功能、服务不充足时，用户会感到不满。因此我们可能会不断在产品（页面）中添加新功能，通过这种方式提升用户的满意度。但是事实上会发现，并不是所有新增或优化的功能，都能提升用户的满意度，甚至有一些还会损害用户体验。这是为什么呢？

通过双因素理论，我们知道并非所有的因素都能提高用户的满意度。当我们消除不满意的因素时，用户未必会满意。同样，去掉让人满意的因素，也不一定就会让用户不满意。

这就是满意度的二维模式。

满意度二维模式告诉我们，满意的反面不是不满意，而是没有满意。不满意的反面不是满意，而是没有不满意。

1. 4 小结

双因素理论告诉我们要尽力满足保健因素，消除不满足感，再利用激励因素去提高用户的满意度。

而满意度二维模式还告诉我们，满意的反面是没有满意，就算消除了用户的满意，也不一定会让用户不满意。不满意的反面是没有不满意。就是说，把让用户不满的因素去掉，也不一定会让用户满意。

2 KANO模型的5种属性

狩野纪昭(Noriaki Kano)在研究了双因素理论的基础上，提出KANO模型，他按照影响满意度的因素将KANO模型分为5种属性，也就是对应我们需求中的5种需求属性。

2.1基本型需求（必备属性）

基本型需求是一个产品必须要具备的，是用户对产品最基本的要求。如果当产品的功能不能达到用户的要求时，用户就会很不满意。而当产品的功能满足用户的需求时，用户也不会表现出满意，因为用户觉得这本来就是你应该做的。

 

比如，夏天我们都会使用空调，如果空调能够很好的制冷，不出什么问题，我们也不会觉得满意，因为制冷就是空调的基本属性。但是，如果一旦空调坏了，不能制冷了，我们对这个牌子空调的满意度直线下降，还发誓以后再也不买这个牌子的空调了。

基本型需求和前面说到的双因素理论中的保健因素一样。对于基本型需求就算你超过了用户心理预期，他也最多达到满意的程度。而当你稍微有点懈怠，没有达到他的心理预期就会表现出非常不满的情绪。

 

从图像上我们可以看到，必备因数是一种对数函数的关系。用户满意度从负数逐渐接近于零，但是永远不会变成正数。也就是说，这类功能就算你做的再好，用户也最多是满意。如果你稍微做的不好，用户的满意度就会严重下滑。

总结：必备属性，当你不提供或者做的不好时，用户的满意度会严重下滑，而如果你提供了并且持续优化，用户也不会因为你的优化而显著提高满意度。所以，基本型需求是必须要满足的功能。

2.2 期望型需求（期望属性）

期望型需求不像基本型需求那样苛刻，不是必须要提供的。

期望型需求表现为正比例关系，也就是说当你的期望型需求提供的越多，用户的满意度就会显著提升。而当你的期望型需求做的不好，达不到用户的心理预期，那么用户的不满也会显著增加。比如，在质量投诉的处理中，如果我们处理的越圆满，顾客就会越满意。而我们如果处理的不好，达不到顾客的要求，顾客就会不满意。

 

期望型需求是用户想要得到的，也叫用户的痒点，是产品核心竞争点。对于这类需求，我们要做的应该是提高这方面需求的质量，力争超过竞争对手。

总结：期望型需求（期望因素）具备时，用户满意度显著提升；不具备时，用户满意度也会显著下降。是体现产品竞争力的点。

2.3魅力型需求（魅力属性）

魅力型需求也叫兴奋型需求，指的是不被用户期望的需求，用户也不会想到这个居然还能这么玩。比如QQ上拖拉消息泡的点就属于魅力型。

对于魅力型需求，随着满足用户期望程度的增加，用户的满意度会显著提升。而得不到满足时，用户的满意度也不会表现出明显的不满意。还是拿QQ上的消息泡来说，我们在其他产品上使用消息泡都是需要查看之后才会消失，而QQ上，我们可以通过拖拉小红点就能完成“一键已读”的功能，这是不是让我们很兴奋，没想到还能这样玩？而如果QQ没有这种功能，我们就会对QQ不满意吗？肯定不会呀，因为这个功能已近超越了我们的心理预期，即使没有，对于我们来说也是无所谓的啦。

我们再来看看魅力因素的线性关系。

我们可以看到，魅力因素是一种指数函数的关系。魅力属性的线始终在横坐标的上边。因此，当我们产品不具备这类功能的时候，用户也不会不满意。当我们具备了，即使做得不好，用户的满意度也会大幅提升。如果我们持续优化，用户的满意度就会急剧上升。

总结：魅力型需求不具备时用户也不会不满意；一旦具备，用户的满意度将急剧上升。当用户对产品或服务没有表达出明确的需求时，企业提供给用户一些完全出乎意料的产品属性或服务行为，使用户产生惊喜，用户就会表现出非常满意，从而提高顾客的忠诚度。这类需求往往是代表用户的潜在需求，企业的做法就是去寻找发掘这样的需求，领先对手。

2.4无差异型需求（无差异型属性）

无差异型需求指的是，不管你提供还是不提供，对于用户来说都可以，对于改善用户体验也是没有任何效果。

从无差异属性的线性图上，我们也可以看到这类需求就是一条直线。不管你这么做，用户的满意度都不会改变。因此这类需求，我们选择不做。

总结：无差异型需求对于提高用户满意度和改善用户体验没有影响，这类需求一般选择不做。

2.5反向型需求（反向属性）

反向型需求指的是，你提供后，造成用户满意度下降的需求。可以说反向型需求和期望型需求完全相反，你越是提供，用户就越是不满。

通过反向需求的线性关系我们可以看到，这类需求与满意度与我们的具备程度呈负相关。也就是说，这类需求做的越多，用户越反感。

总结：反向型需求会降低用户的满意度，在我们产品中一定不要做这类型的需求。

2.6小结

通过KANO模型我们知道了需求的种属性分别是必备属性（基本型需求）、期望属性（期望型需求）、魅力属性（魅力型需求）、无差异属性（无差异型需求）、反向属性（反向需求）。我们做产品设计时，首先要全力以赴地满足用户的基本型需求，保证用户提出的问题得到认真的解决，重视用户认为产品有义务做到的事情，尽量为用户提供方便。以实现用户最基本的需求满足。

然后，应尽力去满足用户的期望型需求，这是产品的竞争性因素。提供用户喜爱的额外服务或产品功能，使其产品和服务优于竞争对手并有所不同，引导用户加强对本产品的良好印象，使顾客达到满意。最后争取实现用户的兴奋型需求，为产品建立最忠实的用户群。要避免做无差异型需求和反向需求。

也就是说，在优先级方面：必备属性>期望属性>魅力属性>无差异属性>反向属性

另外，需求的属性也不是一层不变的，会随着时间变化。有可能今天是魅力属性，明天就变成了必备属性。比如，社交产品一开始都是通过文字交流，而微信出了发送语音功能，让用户的满意度急剧提升，这个时候发送语音成为了微信的魅力属性，而现在发送语音成为了社交软件的必备属性。没有发送语音的功能，用户的满意度随之也会下降。

3.KANO模型分析方法 

KANO模型分析方法是基于KANO模型对用户需求的细分原理，开发的一套结构型问卷和分析方法。 KANO模型分析方法主要是通过标准化问卷进行调研，根据调研结果对各因素属性归类，解决产品属性的定位问题，以提高用户满意度。下面我们来介绍一下KANO模型分析方法的具体使用方法。

3.1 设计问卷

KANO模型分析方法是利用问卷的形式来进行分析，只是问卷的形式上会比较不一样。

3.1.1分析需求，明确功能定义

什么是需求定义？就是解释这个功能是干什么用的。在我们接到需求的时候，我们需要明确需求，并且将需求表述为用户能理解的形式，让用户明白这个功能是干什么用的，具体能实现什么目的。例如，功能：“购物车无货商品到货提醒”，

定义：您想买的商品暂时无货，您可以先加入购物车，当该商品到货时，我们会提醒您商品已到货。

如果担心用户不能理解你的功能定义，你还可以举个例子，这样用户就能完全理解你的定义了。

3.1.2设计题目

KANO模型分析方法的问卷在形式上和普通问卷有所区别。每个功能都由正向和反向两个问题组成，分别测试用户面对具备和不具备某项功能时的满意程度。而答案则采用5点态度度量表组成，分别是“我很喜欢”、“理应如此”、“无所谓”、“勉强接受”、“我很不喜欢”。一道题目就是这样一个表格，如果有10道题就需要10个这样的表格，当然表格的形式可以有所变化，建议按照这个模型来做，用户填写起来比较清楚，而我们后期统计数据的时候很会很方便。

3.1.3问卷设计需要注意的点

（1）KANO问卷中与每个功能点相关的题目都有正反两个问题，正反问题之间的区别需注意强调，防止用户看错题意。

（2）功能的解释：简单描述该功能点，确保用户理解；担心用户不能理解，可以举例说明。

（3）选项说明：由于用户对“我很喜欢”“理应如此”“无所谓”“勉强接受”“很不喜欢”的理解不尽相同，因此需要在问卷填写前给出统一解释说明，让用户有一个相对一致的标准，方便填答。

我很喜欢：让你感到满意、开心、惊喜。
理应如此：你觉得是应该的、必备的功能/服务。
无所谓：你不会特别在意，但还可以接受。
勉强接受：你不喜欢，但是可以接受。
很不喜欢：让你感到不满意。

3.2 发放问卷

KANO的问卷可以单独发放，也可以只有一两道题和其他问卷一起发放，问卷发放的方式和普通问卷一样。

另外，也可以通过电话访谈的形式进行。通过电话访谈能够避免用户不理解功能，而做出不准确的答案，影响我们的调研结果。还可以搞清楚用户做出选择背后的原因。

如果不方便大范围做电话访谈，可以先通过纸质问卷或者线上发放，在分析问卷时如果有让你觉得匪夷所思的情况，可以及时通过回访的形式来弄清楚原因。

问卷的样本数至少在30人以上，人数越多，结果越准确。要根据调研形式以及时间安排选择合理的样本数。

3.3收集数据并编译

问卷回收回来之后，就是我们对调研结果的分析了。在分析工作之前，我们需要将回收的答案进行编译，这步是为了后期按照对照表找属性方便。方法掌握熟练之后，这步可以跳过。新手还是建议把这个步骤做一下。

3.3.1制定编译规则

我们知道，每到题目有正方向和反方向两题，而答案都是“我很喜欢”“理应如此”“无所谓”“勉强接受”“我很不喜欢”。文字看起来比较费事，所以，我们将他们转化为数字和字母。这样比较方便对照属性表汇总结果。

正向题：用数字5-1代替

反向题：用字母A-E代替

当然，你也可以选择其他你自己能看懂的规则来编译。

3.3.2 制定数据汇总表

这个表格的目的是用来统计每个填写问卷的用户对于每个功能的意见。因为我们需要对每个功能制定优先级，所以有多少个功能就需要多少张这样的表格。有多少用户就需要添加多少列。

3.4 记录数据

将我们收集到的数据按照前面制定的规则填写到《汇总表》里面。

例如：张三对功能A的答案是

如果具备XX功能，您的评价是？  我很喜欢  则记为5

如果不具备XX功能，您的评价是？  无所谓  则记为C

其他用户的记录方法以此类推，我们就能得到下面这样一份表格：

然后，我们将正反向题的答案合并，合并的方式也很简单，将人名下面的两行单元格合并，数字和字母用“—”连接即可，结果如下图所示：

这是一个功能的结果表，不管你调研了多少功能，方法都按照上面的步骤来做就行。比如有两个功能，得到的结果就是下面这样的：

3.5 标准对照表

我们知道了，一道题目正向答案最大可能有5个，反向答案最大可能也是5个。这样，正向答案和方向答案合并之后就会存在25种可能性（5*5，排列组合的知识不用解释了吧）。我们将这25种可能性放在同一个表格种，就得到了KANO模型分析方法的标准对照表。

比如，你统计的某一个结果是“3-A”，那么就在表格种找到3-A这个表格，我们可以看到3-A这个表格属于反向因素，也就是说这个功能属于反向型需求，对于用户来说很反感。

3.5.1表格解释

我们来解释一下表格不同属性为什么分布在上面的格子中。

（1）可疑结果

可疑结果一共有两个：5-A和1-E。

5-A：当功能具备的时候，用户非常满意，而当不具备的时候也非常满意

1-E：当功能具备的时候，用户很不喜欢，而当不具备的时候也很不喜欢

这两种结果明显是相互矛盾的，很有可能是用户没有认真填，只是随便乱填的。这时，我们可以把这个用户的其他数据拿出来看看是不是有类似的情况，如果有，这个用户的数据就不可信，放弃他的所有数据。

（2）反向结果

如果你的结果落在了蓝色的表格内，就表明你这个功能会引起用户的反感。大家注意到没有，反向结果有一个规律。

当不具备这项功能是，用户选择我很喜欢，而当具备这项功能的时候，用户选择很不喜欢，这非常符合反向属性的定义。所以这类结果就是反向结果。

（3）无差异结果

如果某个用户的数据既没有我很喜欢，也没有我很不喜欢，就说明这个功能对他来说没有意义，做也可以，不做也可以，不会对用户产生影响。

（4）魅力因素

当结果落在5-A  5-C  5-D三个区域区域时，就表示这个功能对于用户来说属于魅力型需求。因为当具备这个功能的时候，用户很满意，而你没有，用户也不会不满意。这是典型的魅力型需求特征。

（5）期望因素

当结果落在5-E这个格子中时，表明这个结果是期望属性。因为，当功能具备的时候，用户很喜欢。而不具备的时候用户很不喜欢，这符合期望型需求的正比例函数关系。因此属于期望型需求。

（6）必备因素

当你的结果落在了4-E 、3-E、 2-E这三个表格中时，表明这个结果属于必备因素。当功能不具备时，用户会非常不满意，而当功能具备时用户也不会表现出非常满意，这是不是很符合基本型需求（必备属性）的特征。因此，这三个表格中的结果属于必备型需求。

3.6 确定功能属性

3.6.1统计数据

对照上面介绍的标准对照表，我们就可以将收集到的用户数据整理出来，根据每个属性所占比重来决定该功能属于什么类型的需求。我拿其中一个功能给大家举例，

比如在“增加购物车无货商品到货提醒功能”的调研中，我们总共收集到100位用户的问卷。我们将每位用户的数据分别填写在标准表格中，例如5-A的用户有1个，5-B的用户有10个，5-C的用户有8个，5-E的用户有40个，1-E的用户有1个，4-E的用户有20个，3-E的用户有8个，2-E的用户有1个，4-A的用户有1个,3-A的用户有3个，3-B的用户有7个，其余都是0个。那么我们就能得到下面这样的统计表格

接下来，我们只需要将相同颜色的数字相加，再算出百分比，即可等到各个需求属性的人数比例了：

必备属性：20+8+1=29   29%

期望属性：40          40%
魅力属性：10+8+0=18     18%
无差异属性：7            7%
反向属性：1+1+3=5        5%

将这些百分比添加在统计表后面即可。如下图：

最后，进行大小比较即可得到该功能的需求类型了：

40%>29%>10%>7%>5%>2%

所以，该功能属于期望型需求。

3.6.2 结果说明

我们统计的时候如果出现频数相等或者近似的情况。比方说50%的人选择认为功能是期望属性 ，50%人认为他是魅力属性，那怎么办呢？这个时候，我们就需要增加样本量，这就是上面我们在3.2中提到的人数越多，结果越准确的原因。

如果你只调研这一项功能，或者调研很多功能他们的属性都不一样的话那么就可以结束了。比如，你总共调研了6种功能，按照上面的步骤得出的结果分别是不同的属性，如下图：优先级的关系为，功能1>功能2>功能4>功能3>功能5

但是，如果你调研了很多功能，有两种以上的功能属性存在相同的情况，并且需要给这些属性相同的功能制定优先级的话，你还需进行下一步。

如下图，功能2和功能3的都是期望属性。这个时候，如果公司有足够多的资源，可以同时开发，那么我们就不需要做区分功能2和功能3优先级了。如果只能在功能2和功能3中选择一个，就需要计算计算 better-worse系数

4 计算 better-worse系数

Better-worse系数，表示某功能可以增加满意或者消除不喜欢的影响程度。

4.1  better-worse系数概念

Better，可以解读为增加后的满意系数。Better的数值通常为正，代表如果产品提供某种功能或服务，用户满意度会提升。正值越大/越接近1，则表示用户满意度提升的效果会越强，满意度上升的越快。

Worse，可以叫做消除后的不满意系数。Worse的数值通常为负，代表产品如果不提供某种功能或服务，用户的满意度会降低。其负值越大/越接近-1，则表示对用户不满意度的影响最大，满意度降低的影响效果越强，下降的越快。

因此，根据 better-worse系数，对两者系数绝对分值较高的项目应当优先实施。

4.2  better-worse系数计算方法

增加后的满意系数Better系数=（魅力属性+期望属性）/（魅力属性+期望属性+必备属性+无差异因素）

消除后的不满意系数Worse系数=（必备属性+期望属性）/（魅力属性+期望属性+必备属性+无差异因素）（-1）

假如，现在有5项功能的需求类型重合，我们利用上面的公式计算得到这五种产品的better-worse系数分别是：

功能1：better=58%   worse=-6%

功能2：better=52.5%   worse=-12.5%

功能3：better=15.3%   worse=-7%

功能4：better=11.6%   worse=-17.5%

功能4：better=20%   worse=-12%

然后取Worse的绝对值，统计在下面的表格中。

4.3 better-worse系数四象限图

接下来，将这五个功能的better-worse系数填在better-worse系数四象限图中；

第一象限表示：better系数值高，worse系数绝对值也很高的情况。落入这一象限的因素，称之为期望型因素。

第二象限表示：better系数值高，worse系数绝对值低的情况。落入这一象限的因素，称之为魅力型因素。

第三象限表示：better系数值低，worse系数绝对值也低的情况。落入这一象限的因素，称之为无差异因素。

第四象限表示：better系数值低，worse系数绝对值高的情况。落入这一象限的因素，称之为必备型因素。

4.4 产出结果

将4.2中我们得到的5种功能的better-worse系数填在4.3的四象限图中，得到如下结果。

功能1落入第二象限，即表示不提供此功能，用户满意度不会降低，但当提供此功能，用户满意度会有很大提升。

功能2落入第一象限，即表示产品提供此功能，用户满意度会提升，当不提供此功能，用户满意度就会降低。

功能3落入第三象限，即无论提供或不提供这些功能，用户满意度都不会有改变，这些功能点是用户并不在意的功能。

功能4、5落入第四象限，即表示当产品提供此功能，用户满意度不会提升，当不提供此功能，用户满意度会大幅降低；说明落入此象限的功能是最基本的功能。

根据KANO模型计算出的better-worse系数值，说明该产品先满足功能5和4，再优化功能2，最后满足功能1。如果要在功能4和功能5中排一个优先级的话，Better系数越高优先级越高，所以功能5的优先级高于功能4。

结论：功能5>功能4>功能2>功能1>功能3

4.5小结

当我们用KANO模型得到的结果存在功能属性相同，并且需要将给相同属性的功能做优先级的情况下，我们才会用到better-worse系数。通过比较better值和worse值的大小可以将相同属性的功能排出优先级，Better系数越大或者Worse系数越小，该功能的优先级越高。在实际工作中，我们只需要计算其中一个值就能将优先级区分开来。

5 全文总结

最后，我们再来总结一下全文的主要知识点

（1）双因素理论

双因素理论的核心在于，只有激励因素才能提高人们的满意度，而保健因素只能消除人们的不满，但是不能增加满意感。在实际运用中，我们要先保证满足保健因素，消除不满。再利用激励因素去提高人们满意度

（2）满意度二维模式

满意度二维模式指出，满意的反面是没有满意，就算消除了用户的满意，也不一定会让用户不满意。不满意的反面是没有不满意。就是说，把让用户不满的因素去掉，也不一定会让用户满意。

（3）KANO模型分析方法

KANO模型定义了三个层次的需求：基本型需求、期望型需求和魅力型需求。

基本型需求：产品“必须有”的功能，也是MVP产品要求具有的功能；

期望型需求：非必须功能需求，但通常作为竞品之间比较的重点； 魅力型需求：属于惊喜型产品功能，超出用户预期，往往能带来较高的忠诚度。

另外还有无差异型需求和反向型需求，这两种需求我们没有必要去做。

优先级关系为：基本型需求>期望型需求>魅力型需求>无差异型需求>反向需求

但需求会因人而异，会因文化差异而不同；也会随着时间变化。可能前段时间的期望型需求，甚至兴奋型需求，到如今已变成了基本型需求。

（4）better-worse系数

当我们用KANO模型得到的结果存在功能属性相同，并且需要将给相同属性的功能做优先级的情况下，我们才会用到better-worse系数。通过比较better值和worse值的大小可以将相同属性的功能排出优先级，Better系数越大或者Worse系数越小，该功能的优先级越高。在实际工作中，我们只需要计算其中一个值就能将优先级区分开来。

以上就是KANO模型的全部内容了，码字不易，点个赞再走呗！