技能 Get：卡诺模型的运用实操

卡诺模型根据客户满意度和功能具备程度两个维度，对功能进行分类。

在工作中你可能经常遇到下面这几种情形：

• 在开发资源不够时，要在有限的时间里上线核心功能，从而更快地获取精准用户。
• 在产品从0开始，你可能有一堆想上线的功能，这时候需要你对所有的功能做一个排期。
• 需求堆积，你难以拒绝各方大佬的需求，比如运营，客户，老板等，你需要用数据来说明哪些需求是不合理的，哪些需求是当前阶段可以不用满足的。

这时候你就需要用到卡诺模型了，一个项目排期和需求管理的利器。那什么是卡诺模型呢？

简介

卡诺模型根据客户满意度和功能具备程度两个维度，对功能进行分类。一直以来我们都以为满意度是一维的，所以总是在产品上不停地加上新功能，然而有些功能不仅不会提升满意度，反而会降低满意度。不同属性的功能随着具备程度的变化，满意度的变化会有各自的特点。

KANO模型

看上面的图，我将依次介绍这5种属性：

• 无差异属性：无论提供或不提供此功能，用户满意度不会改变，用户根本不在意有没有这个功能。这种费力不讨好的属性是需要尽力避免的。
• 魅力属性：让用户感到惊喜的属性，如果不提供此属性，不会降低用户的满意度，一旦提供魅力属性，用户满意度会大幅提升。
• 期望属性：如果提供该功能，客户满意度提高，如果不提供该功能，客户满意度会随之下降。
• 必备属性：这是产品的基本要求，如果不满足该需求，用户满意度会大幅降低。但是无论必备属性如何提升，客户都会有满意度的上限。
• 反向属性：用户根本都没有此需求，提供后用户满意度反而会下降。

举个栗子，吸引求职者的要素就可以用卡诺模型进行分类。

吸引求职者的要素

在运用卡诺模型时，有几点要注意的：

• 时间差异。没有一成不变的属性，很可能有一天魅力属性变成了必备属性，像指纹识别解锁。不能将当前时刻的卡诺模型分析结果作为永久的依据，即时性很重要。
• 用户群差异。不同的用户群所得到的结果可能不同，如果你要在相差较大的模块都加上该功能，比如企业版和个人版，最好区分用户群进行调查。
• 文化差异。不同的文化背景对功能属性的定义不同。比如对于报表的设计，中国人会习惯斜线表头，但是外国人可能难以接受。

接下来我要通过实际案例，详细介绍如何运用卡诺模型分析需求。

1.需求沟通

• 先筛选比较难以判断的需求，问题不宜过多，3～5个为宜。不然用户容易产生疲劳，输出不精准的答案。
• 再分析业务场景，是否适合使用卡诺模型。

1. 适合：1）需求排期。2）理直气壮地砍需求。
2. 不适合：1）不可量化满意度的需求，评估抽象的要素。比如调查提高品牌影响度，用户的满意度。2）仅用来测量用户满意度。卡诺模型是根据功能具备程度和客户满意度的关系对功能进行“分类”的工具。

• 确定调查用户，如果你的用户群相差较大，要根据模块或人物角色划分用户群，从每个用户群中抽取相同人数进行调查。细分用户群，可以更容易找出功能属性特点。

2.设置问卷

• 首先我们要对每个功能进行描述，所以你的问题要言简意赅，方便用户理解。
• 从正反两面去问用户对于该功能的满意度情况。
• 在问卷填写之前对每个选项进行统一说明。因为每个人的主观感受因为性格可能有较大差异，提前定义好每个选项可以减少误差。
• 追问每个功能对于用户的重要程度。可以用来区分功能对用户的影响程度。设置从非常重要过渡到非常不重要的5个选项。
• 如果无法描述清楚你的功能，试着贴张原型图或者画个示意图可以更直观表示。

举个栗子，如果要对微信的“看一看”功能进行卡诺模型分析，如下图。

问卷示例

完整的卡诺模型标准调查问卷链接：https://sojump.com/jq/15102379.aspx

3.属性归类分析

正反方向问题的答案可以组成一个二维属性表，每个单元格都代表一种答案类型，每个属性的总和为相同颜色单元格之和。

数据清洗：将全部选择我很喜欢或我很不喜欢的答案列为可疑答案，避免乱答数据影响分析结果。如果可疑结果过多，则你的问卷可能存在问题，比如功能描述不清。

属性归类表-模版

由此我们可以看到每个属性所占百分比，占比最高的我们认为该功能的该属性因素最多。在样本量为50的问卷调查中，我们可以看到微信“看一看”功能的无差异属性较多。（样本量不足，仅作示范，有兴趣的旁友可以继续调查。）

属性归类表-微信“看一看”功能

最后统计所有功能答案，得到每个功能的属性，以及每个功能的重要程度。

问卷统计结果

4.Better-Worse系数分析

对功能的属性进行归类后，我们要利用Better-Worse系数增加判断影响程度。

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

• Better是增加后的满意系数。其数值通常为正，数值越大，用户满意度会提升越快。
• Worse是消除后的不满意系数。其数值通常为负，数值越小，用户满意度会下降越快。

根据Better-worse系数，优先满足系数绝对分值较高的功能或需求。

Better-Worse系数计算公式

根据微信“看一看”问卷分类对照表，进行Better-Worse系数分析。

• 增加该功能后的满意系数Better：(22%+2%)/(22%+2%+62%+0%)=28%
• 消除该功能后的满意系数Worse：-(2%+0%)/(22%+2%+62%+0%)=-2%

将每个功能的Better值和Worse绝对值作为气泡图的纵坐标和横坐标，气泡大小代表重要程度。落入不同区域代表所归属的属性。

Brtter-Worse系数分析散点图

根据better-worse系数值，将散点图划分为四个象限。微信“看一看”功能落入了无差异属性的象限，丰富了我们之前用属性归类表的做的判断。无差异属性象限：Better系数值和Worse系数绝对值都很低的情况，即无论提供或不提供这些功能，用户满意度都不会有改变。

5.应用实践

得到分析结果后，我们就可以进行好好“收拾”需求了，需求的优先级顺序：必备属性>期望属性>魅力属性>无差异属性。

1. 必备属性，产品开发中基本的需求都不能满足，而去实现其他需求，则是捡了芝麻丢了西瓜。
2. 期望属性，具备程度越高，用户满意度越高。
3. 魅力属性，超出用户期望的功能可以成为产品的亮点。但是亮点能不能脱颖而出而打动用户，对于初创团队是一场豪赌，所以优先级低于期望属性。
4. 无差异属性，不管有没有，用户的满意度都不会提升，应尽力避免，在企业有余力的时候可以考虑开发。
5. 反向属性，有这个功能，用户满意度反而下降，这是要极力避免的。

如果是相似或相同属性的话，我们可以结合重要程度进行判断。像功能3和功能4相差不大，但是功能4的重要程度明显高于功能3，则我们可以将功能4的优先级排在功能3之前。

优先级顺序分析图

根据调研结果给所有的需求排定优先级，再将结果与相关方进行讨论，结合项目实际情况进行稍微调整，比如开发实现难度等。

PS：善于运用工具，而不是被工具所禁锢，也是一门学问哈哈。

作者：安琪Angela，公众号：idatadesign。互联网数据行业UX&PM，参与过数据分析saas平台和商业智能平台等产品设计。关注商业智能、人工智能和互联网金融。

关键字：产品经理, 属性

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！