在工作中你可能經常遇到下面這幾種情形：
在開發資源不夠時， 要在有限的時間裡上線核心功能， 從而更快地獲取精准用戶。這時候你就需要用到卡諾模型了， 一個專案排期和需求管理的利器。 那什麼是卡諾模型呢？
簡介
卡諾模型根據客戶滿意度和功能具備程度兩個維度， 對功能進行分類。 一直以來我們都以為滿意度是一維的， 所以總是在產品上不停地加上新功能， 然而有些功能不僅不會提升滿意度， 反而會降低滿意度。 不同屬性的功能隨著具備程度的變化， 滿意度的變化會有各自的特點。
KANO模型
看上面的圖， 我將依次介紹這5種屬性：
無差異屬性：無論提供或不提供此功能， 用戶滿意度不會改變， 用戶根本不在意有沒有這個功能。 這種費力不討好的屬性是需要盡力避免的。 魅力屬性：讓使用者感到驚喜的屬性， 如果不提供此屬性， 不會降低使用者的滿意度，舉個栗子， 吸引求職者的要素就可以用卡諾模型進行分類。
吸引求職者的要素
在運用卡諾模型時， 有幾點要注意的：
時間差異。 沒有一成不變的屬性， 很可能有一天魅力屬性變成了必備屬性， 像指紋識別解鎖。 不能將當前時刻的卡諾模型分析結果作為永久的依據， 即時性很重要。 用戶群差異。 不同的用戶群所得到的結果可能不同， 如果你要在相差較大的模組都加上該功能， 比如企業版和個人版， 最好區分用戶群進行調查。 文化差異。 不同的文化背景對功能屬性的定義不同。 比如對於報表的設計， 中國人會習慣斜線表頭，接下來我要通過實際案例， 詳細介紹如何運用卡諾模型分析需求。
1.需求溝通先篩選比較難以判斷的需求， 問題不宜過多， 3～5個為宜。 不然用戶容易產生疲勞， 輸出不精准的答案。 再分析業務場景， 是否適合使用卡諾模型。 適合：1）需求排期。 2）理直氣壯地砍需求。 不適合：1）不可量化滿意度的需求， 評估抽象的要素。 比如調查提高品牌影響度， 用戶的滿意度。 2）僅用來測量用戶滿意度。 卡諾模型是根據功能具備程度和客戶滿意度的關係對功能進行“分類”的工具。 確定調查用戶， 如果你的用戶群相差較大， 要根據模組或人物角色劃分使用者群， 從每個用戶群中抽取相同人數進行調查。 細分使用者群， 可以更容易找出功能屬性特點。
2.設置問卷首先我們要對每個功能進行描述，所以你的問題要言簡意賅，方便用戶理解。從正反兩面去問用戶對於該功能的滿意度情況。在問卷填寫之前對每個選項進行統一說明。因為每個人的主觀感受因為性格可能有較大差異，提前定義好每個選項可以減少誤差。追問每個功能對於用戶的重要程度。可以用來區分功能對用戶的影響程度。設置從非常重要過渡到非常不重要的5個選項。如果無法描述清楚你的功能，試著貼張原型圖或者畫個示意圖可以更直觀表示。
問卷示例
完整的卡諾模型標準調查問卷連結：https://sojump.com/jq/15102379.aspx
3.屬性歸類分析
正反方向問題的答案可以組成一個二維屬性工作表，每個儲存格都代表一種答案類型，每個屬性的總和為相同顏色儲存格之和。
數據清洗：將全部選擇我很喜歡或我很不喜歡的答案列為可疑答案，避免亂答數據影響分析結果。如果可疑結果過多，則你的問卷可能存在問題，比如功能描述不清。
屬性歸類表-模版
最後統計所有功能答案，得到每個功能的屬性，以及每個功能的重要程度。
問卷統計結果
4.Better-Worse係數分析
對功能的屬性進行歸類後，我們要利用Better-Worse係數增加判斷影響程度。
Better-Worse係數，表示某功能可以增加滿意或者消除很不喜歡的影響程度。
Better是增加後的滿意係數。其數值通常為正，數值越大，用戶滿意度會提升越快。Worse是消除後的不滿意係數。其數值通常為負，數值越小，用戶滿意度會下降越快。根據Better-worse係數，優先滿足係數絕對分值較高的功能或需求。
Better-Worse係數計算公式
增加該功能後的滿意係數Better：(22%+2%)/(22%+2%+62%+0%)=28%消除該功能後的滿意係數Worse：-(2%+0%)/(22%+2%+62%+0%)=-2%將每個功能的Better值和Worse絕對值作為氣泡圖的縱坐標和橫坐標，氣泡大小代表重要程度。落入不同區域代表所歸屬的屬性。
Brtter-Worse係數分析散點圖
5.應用實踐
得到分析結果後，我們就可以進行好好“收拾”需求了，需求的優先順序順序：必備屬性>期望屬性>魅力屬性>無差異屬性。
必備屬性，產品開發中基本的需求都不能滿足，而去實現其他需求，則是撿了芝麻丟了西瓜。期望屬性，具備程度越高，用戶滿意度越高。魅力屬性，超出使用者期望的功能可以成為產品的亮點。但是亮點能不能脫穎而出而打動用戶，對於初創團隊是一場豪賭，所以優先順序低於期望屬性。無差異屬性，不管有沒有，使用者的滿意度都不會提升，應盡力避免，在企業有餘力的時候可以考慮開發。反向屬性，有這個功能，用戶滿意度反而下降，這是要極力避免的。如果是相似或相同屬性的話，我們可以結合重要程度進行判斷。像功能3和功能4相差不大，但是功能4的重要程度明顯高於功能3，則我們可以將功能4的優先順序排在功能3之前。
優先順序順序分析圖
根據調研結果給所有的需求排定優先順序，再將結果與相關方進行討論，結合專案實際情況進行稍微調整，比如開發實現難度等。
PS：善於運用工具，而不是被工具所禁錮，也是一門學問哈哈。
本文由 @安琪Angela 原創發佈于人人都是產品經理。未經許可，禁止轉載。
可以更容易找出功能屬性特點。2.設置問卷首先我們要對每個功能進行描述，所以你的問題要言簡意賅，方便用戶理解。從正反兩面去問用戶對於該功能的滿意度情況。在問卷填寫之前對每個選項進行統一說明。因為每個人的主觀感受因為性格可能有較大差異，提前定義好每個選項可以減少誤差。追問每個功能對於用戶的重要程度。可以用來區分功能對用戶的影響程度。設置從非常重要過渡到非常不重要的5個選項。如果無法描述清楚你的功能，試著貼張原型圖或者畫個示意圖可以更直觀表示。
問卷示例
完整的卡諾模型標準調查問卷連結：https://sojump.com/jq/15102379.aspx
3.屬性歸類分析
正反方向問題的答案可以組成一個二維屬性工作表，每個儲存格都代表一種答案類型，每個屬性的總和為相同顏色儲存格之和。
數據清洗：將全部選擇我很喜歡或我很不喜歡的答案列為可疑答案，避免亂答數據影響分析結果。如果可疑結果過多，則你的問卷可能存在問題，比如功能描述不清。
屬性歸類表-模版
最後統計所有功能答案，得到每個功能的屬性，以及每個功能的重要程度。
問卷統計結果
4.Better-Worse係數分析
對功能的屬性進行歸類後，我們要利用Better-Worse係數增加判斷影響程度。
Better-Worse係數，表示某功能可以增加滿意或者消除很不喜歡的影響程度。
Better是增加後的滿意係數。其數值通常為正，數值越大，用戶滿意度會提升越快。Worse是消除後的不滿意係數。其數值通常為負，數值越小，用戶滿意度會下降越快。根據Better-worse係數，優先滿足係數絕對分值較高的功能或需求。
Better-Worse係數計算公式
增加該功能後的滿意係數Better：(22%+2%)/(22%+2%+62%+0%)=28%消除該功能後的滿意係數Worse：-(2%+0%)/(22%+2%+62%+0%)=-2%將每個功能的Better值和Worse絕對值作為氣泡圖的縱坐標和橫坐標，氣泡大小代表重要程度。落入不同區域代表所歸屬的屬性。
Brtter-Worse係數分析散點圖
5.應用實踐
得到分析結果後，我們就可以進行好好“收拾”需求了，需求的優先順序順序：必備屬性>期望屬性>魅力屬性>無差異屬性。
必備屬性，產品開發中基本的需求都不能滿足，而去實現其他需求，則是撿了芝麻丟了西瓜。期望屬性，具備程度越高，用戶滿意度越高。魅力屬性，超出使用者期望的功能可以成為產品的亮點。但是亮點能不能脫穎而出而打動用戶，對於初創團隊是一場豪賭，所以優先順序低於期望屬性。無差異屬性，不管有沒有，使用者的滿意度都不會提升，應盡力避免，在企業有餘力的時候可以考慮開發。反向屬性，有這個功能，用戶滿意度反而下降，這是要極力避免的。如果是相似或相同屬性的話，我們可以結合重要程度進行判斷。像功能3和功能4相差不大，但是功能4的重要程度明顯高於功能3，則我們可以將功能4的優先順序排在功能3之前。
優先順序順序分析圖
根據調研結果給所有的需求排定優先順序，再將結果與相關方進行討論，結合專案實際情況進行稍微調整，比如開發實現難度等。
PS：善於運用工具，而不是被工具所禁錮，也是一門學問哈哈。
本文由 @安琪Angela 原創發佈于人人都是產品經理。未經許可，禁止轉載。