只要你在企業工作，你多少會碰到以下幾種情況：
😕專案經理：使用者一直強烈要求加上他們想要的功能，根本不知道先解決哪個？
😦研發部門：產品經理提出一大堆需求，我就算天天加班熬夜也做不完！
😠使用者：我要的根本不是這個功能！產品經理是用屁股在思考吧，會改成這樣？
其實在實際工作中，出現這幾種情況是太正常不過的事。每個使用者都會有自己的個性化需求，所以會想加很多功能。但這些需求中，80%都是偽需求，只有剩下的20%才是真需求。研發的資源和人力是有限的，不能什麼需求都做。所以專案經理就需要從這些需求中分辨出哪些是真需求，哪些是偽需求。
那怎麼才能辨別真正的使用者需求？給真正重要的需求高優先順序？
今天要介紹的KANO模型分析法就是用來解決此類問題的，它可以對使用者需求進行系統分類和優先排序，將需求分成4種需求型別：
它們的優先順序排序為：必備型需求>期望型需求>興奮型需求>無差異需求
🔷必備型需求（一定要有）：俗稱痛點。對於使用者，是核心需求，也是產品必做功能。如果沒有，使用者滿意度則會大幅度降低。
🔷期望型需求（應該要有）：提供此需求，使用者滿意度會提升；不提供此需求，使用者滿意度會降低。通常作為競品之間比較的重點。
🔷興奮型需求（可有可無）：驚喜型產品功能，超出使用者預期，能帶來即時的新鮮感。但如果不提供，也不會降低使用者滿意度。
🔷無差異需求（儘量不做）：使用者根本不在意，對使用者體驗毫無影響。規避做此型別功能。
簡單介紹完KANO模型的四個分類後，我們來舉個例子，來加深對KANO模型的理解。
KANO分析實戰
某網際網路公司的A產品將於下個月更新，產品經理小K收集到了無數產品功能更新需求，為了確定哪些功能是真需求，小K決定透過KANO模型進行需求分析。
本次分析實戰工具為BI工具FineBI資料分析工具。
1、設計調研問卷
在做KANO分析前，需要進行使用者調研。通常採用矩陣量表的形式讓使用者對功能進行評價，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”。
調研後需要對資料進行清洗。
2、處理資料
（1）將清洗好的資料上傳至FineBI。新增自助資料集並勾選「KANO原始資料」的所有欄位
（2）新增列「合併態度」，將「增加功能態度」與「不增加功能態度」進行合併
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。
（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
（4）新增「分組彙總」，得到每個功能它們各種需求型別的人數
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。新增列「參與調研人數」，選擇「組內所有值」，如下圖所示，求出參與每個功能調研的人數。
3.分析結果視覺化
小K進入儀表板中，新建元件選擇剛剛處理過的自助資料集。
（1）複製 5 個「佔比」欄位
（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 。並將其重新命名為「A 佔比」。
（3）使用 better-worse 係數
🔸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最大，滿意度降低的影響效果越強，下降的越快。
根據以上灰字中的better、worse 的公式，新建計算欄位「better」「worse絕對值」
（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。
（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。
4.分析結果展示
最終，小K做出如下better-worse四象限分佈圖，決定此次功能更新增加「功能2、功能3、功能5、功能8」。有了資料支撐，大家都很認同他的決定。
以上就是KANO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KANO模型分析邏輯，提高工作效率。
文章來源：數據分析不是個事兒
文章連結：https://www.toutiao.com/article/7026961980481094156/
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求
回顧十週入門數據分析系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
