產品設計過程中，各方都會提出對應的需求，那麼產品經理又該如何抉擇，對需求優先級進行排序呢？筆者認為使用KANO模型會是不錯的辦法。
在項目中，設計需求從四面八方而來，你也許經歷過下面的某個場景：
1. 競品調研
PM：競品出了XX新功能，我們也不能落後，緊鑼密鼓跟上。
2. 用戶反饋
User打客服熱線，諮詢退貨要如何申請。
客服將需求反饋給PM，目前用戶只能通過客服進行人工登記申請退換貨，可考慮在App上加上售後管理模塊。
3. 業務需求
法務：我們XX條款一定要強制讓用戶看到。
4. 產品體驗
某次走查中，發現閃屏頁在各款機型適配顯示上有問題，在某機型上變形擠壓了。
… …
通過各種渠道反饋的需求收集，需求池越來越滿，有些需求，可以主觀判定是否排定開發，比如上面所舉例的售後模塊、閃屏適配問題（保證用戶體驗，不然用戶會流失）、條款強彈（App上線過審時，某些條款的出現時審核的條件之一）。
而類似場景1的需求，要科學理性地評判。下面一起了解下KANO模型，它可以在我們客觀評判上助一臂之力。
一、KANO模型是什麼
KANO模型是由東京理工大學教授狩野紀昭（Noriaki Kano）建立的，用於對需求用進行分類和分級排序。
KANO模型將需求劃分為必備型需求、期望型需求、魅力型需求、無差異需求、反向型需求。
它描述了需求具備程度和用戶滿意度之間的關係。
- 必備型（Must-beQuality）需求：呈正相關
- 期望型（One-dimensional Quality）需求：呈正相關
- 魅力型（Attractive Quality）需求：呈正相關
- 無差異型（Indifferent Quality）需求：無相關
- 反向型（Reverse Quality）需求：呈負相關
正相關表示具備程度越高，用戶滿意度越高；負相關表示具備程度越高，用戶滿意度越低；無相關表示兩者間無特定關係。
下面通過案例來了解下：
1. M必備型需求
必備型：用戶覺得理所應當的功能，未實現用戶會不爽，實現了用戶覺得應該。
在產品生命週期建設階段，必備型需求是主流需求，項目團隊實現的重點，它關係著產品的正常使用。
比如：有道雲筆記可以批量選擇筆記進行移動、複製、刪除等操作。
2. O期望型需求
期望型：用戶帶有期待的功能，未實現用戶會失落，實現了用戶會滿意。
在產品生命週期成長階段，基本功能基本落實，必備型需求庫存減少，慢慢會有更多期望型的需求加入，開始用戶體驗建設。
比如：火狐瀏覽器在瀏覽器異常關閉重啟後提供了2種選擇，一種恢復瀏覽，另一種就是開啟新的瀏覽。此處的恢復瀏覽功能就是用戶的“期望型需求”。
3. A魅力型需求
魅力型：用戶意想不到的功能，未實現用戶無感（哈哈哈因為根本想不到還有這個操作），實現了用戶會大吃一驚拍案叫絕。
魅力型功能可以是一個產品的核心競爭力，它能夠快速拉開和競品距離，讓產品獨具一格，這類需求百裡挑一。
比如：在美團點餐提交訂單沒有點主食，會提示用戶是不是忘記點主食了，點擊按鈕在本窗口彈出主食讓用戶添加。若不提供此需求，用戶滿意度不會降低；若提供此需求，用戶滿意度會有很大的提升。
當然，我們不能說美團因為這一個功能使其領先於競品，在體驗美團App外賣過程中，還有很多其他細節地方同樣能夠體現類似的“溫馨提示”。
比如說：
- 「點外賣時」，你在瀏覽商家列表，若長時間沒有跳轉，會在頂部“發現好菜”旁邊出現提示“糾結吃點啥點這裡”的提示，引導用戶瀏覽“發現好菜”列表找到想吃的東西
- 「提交訂單後」，用戶可以填寫備註內容，快捷標籤能夠讓用戶不用填寫直接點擊標籤提交即可
- 「在支付環節」，以返利方式刺激用戶綁卡支付
- 「訂單完成後」，點擊取消訂單按鈕，會有對話框進行二次確認。在二次確認對話框中提供一個文字鏈入口，方便用戶重新修改信息。一方面可以減少無效訂單的冗餘數據，另一方面也方便了用戶（若無快捷入口，用戶需要取消訂單後重新下單）
- … …
這些帶有“期待型”和“魅力型”特質的小功能，貫穿了“用戶點外賣場景”的整個「體驗地圖」，從而讓整個App在無形中更好用，也許在“有用性”上美團App和其他競品沒有同質性的區別，但“好用性”的特質讓美團App和其他產品形成了區分。
這種區別有點說不清道不明，因為我們日常在體驗App中，好的體驗往往是行雲流水不經意間的。不知道你有沒有類似的感覺？
很難有產品像今日頭條僅憑一個“用戶差異化智能推送”就樹立產品差異性的，如果不能一招制敵，那就從細節出發，逐步積累實現的魅力型和期望型功能讓用戶有更好的體驗也是不錯的制勝法寶。
4. I 無差異型需求
無差異型：用戶覺得可有可無的功能，實不實現都無所謂。
無差異型需求的實現不能給產品錦上添花，那為何要浪費資源實現呢？
比如：好好住APP的重力感力應用，如果你在好好住App中獲得過徽章，進到「我的」頁面你會不經意間發現一個小驚喜，如錄屏所示，徽章會跟著手機的晃動而晃動，從空中掉入地面，有地心引力般。但該功能顯得有點雞肋。
5. R反向型需求
反向型：用戶覺得不如不加系列功能，加上反而累贅，可能會給用戶帶來厭惡感。
一個產品若是有諸多反向型需求，就像是一粒老鼠屎壞了一碗粥，再好的產品都有了汙點。無差異型需求和反向型需求是要杜絕的。
暫時找不到案例，你想到了可以留言一起交流哦～
6. 各類求之間的關係
需求的定性並非一成不變，隨著互聯網技術的發展、用戶獲得越來越好的體驗、交互方式的日益成熟，未來“魅力型需求”可能成為“期望型需求”，“期望型需求”成為“必備型需求”。
比如：在2G時代，聊天發送視頻和圖片是“期望型需求”，到3G、4G時代，則演變成了“基本型需求”。
技術在革新，我們日常使用的產品或體驗的服務都在越來越好～
二、問卷調查結合KANO模型進行需求分類
你在上述需求案例中，可能心中有不同的答案——
- XX需求我不覺得是「魅力型」，我覺得應該是「期待型」
- XX需求為什麼是「必備型」？它不實現也不影響我使用啊，應該是「無差異型」吧
- 你上面舉的好好住的重力感應應用案例，我就覺得挺好的，應該是「必備型」吧
- … …
作為用戶，這是你的看法，其他用戶有其他看法，將這些聲音收集起來，整理數據進行定量分析，得出最終的結論，通過數據來看結果。
我們可以通過問卷調查的形式，具體流程如下——
1. 設計問卷
將需求池的需求導出，羅列出清單，每個功能點對應清單中的一項，而每一項需要設計2道問題，2道問題為正反提問。
例如：「瀏覽器意外關閉後是否可以恢復上次瀏覽」的需求，設計的問題為——
問題1-1、若瀏覽器崩潰後重啟可以恢復上次瀏覽，你的感受是？
A、非常喜歡 B、理應如此 C、無所謂 D、勉強接受 E、很不喜歡
問題1-2、若瀏覽器崩潰後重啟不可以恢復上次瀏覽，你的感受是？
A、非常喜歡 B、理應如此 C、無所謂 D、勉強接受 E、很不喜歡
通過以上格式，問卷的「問答」部分已經完善，問卷前文加上調研目的、選項說明和感謝的話，就可以開始實施調研了。
關於選項說明，因為每個人對選項的理解及解讀有所不同，因此有必要加上此部分的說明，儘可能確保調研對象對各個選項有共同的認知，避免錯誤解讀。
諸如可以在問卷中添加以下說明——
- 非常喜歡：有強烈的認同感
- 理應如此：事實上應該存在的
- 無所謂：沒有太大的訴求，可有可無
- 勉強接受：對此沒有太大的感覺，但也可以接受
- 很不喜歡：排斥甚至厭惡
2. 開展調查
開展問卷調查前，先招募一定的目標用戶，然後進行問卷發放和回收，問卷發放可通過紙質也可通過電子的形式，招募數和發放形式根據你所擁有的資源而定。若資源和時間有限，C端的目標群，在公司內部進行隨機抽取也是一個不錯的選擇。
當然，問卷中存在廢卷的情況，因此招募的數量不能太少。
3. 整理數據
回收問卷後開始對數據進行整理，將無效問卷剔除，無效問卷不除外以下情況：
- 所有問題的答案都一致
- 大量題目未作答
剩下的就是有效問卷，有效問卷中的每個功能點參照以下表格進行對照。
- A（魅力型）：對應提供此功能「非常喜歡」、不提供此功能「理應如此、無所謂、勉強接受」
- O（期望型）：對應提供此功能「非常喜歡」、不提供此功能「很不喜歡」
- M（必備型）：對應提供此功能「理應如此、無所謂、勉強接受」，不提供此功能「很不喜歡」
- I（無差異型）：對應提供此功能「理應如此、無所謂、勉強接受」，不提供此功能「理應如此、無所謂、勉強接受」
- R（反向型）：對應提供此功能「非常喜歡、理應如此、無所謂、勉強接受」、不提供此功能「非常喜歡、理應如此、無所謂、勉強接受」
- Q（可疑結果）：對應提供此功能「非常喜歡」、不提供此功能「非常喜歡」或對應提供此功能「很不喜歡」、不提供此功能「很不喜歡」。
因為此結果不可能發生，不然就自相矛盾，所以定為可疑結果。比如你不可能非常喜歡「瀏覽器崩潰重啟後可以恢復上次瀏覽」，又非常不喜歡。
參照對照表，每份問卷的每個功能點都有了分類結果。
例如：某問卷中針對「瀏覽器崩潰重啟後可以恢復上次瀏覽」功能，編號001用戶所持的態度如下所示，參照對照表，對應的分類為M（必備型）；同理，編號002用戶所持的態度對應的分類為O（期望型）。
4. 結果分類
接著彙總所有用戶的有效問卷，對所有用戶對某功能點的分類結果比例進行統計，分別得出A（魅力型）、O（期望型）、M（必備型）、I（無差異型）、R（反向型）、Q（可疑結果）所佔的比例，比例值最大對應的類別就是對應功能點的分類類別了。
如上案例：針對需求「瀏覽器崩潰重啟後可以恢復上次瀏覽」，每份問卷的選擇結果都不同，經統計彙總，“A（魅力型）、O（期望型）、M（必備型）、I（無差異型）、R（反向型）、Q（可疑結果）”所佔的比例分別是“23.5%、36.7%、28.4%、0.8%、6.7%、3.9%”。其中O的比例最高，佔36.7%，所以該需求為O（期望型）。
三、對多個需求進行排序分級
通過上述步驟，我們可以對所有功能點的分類結果進行定論。
如果為了更加直觀看到分級結果以及對同類需求的優先級進行排序，可以對數據再進一步計算，確定Better-Worse係數，結合四象限繪製散點圖。
總的排序規則為——
剔除“無差異型和反向型需求”，不同類別需求的優先級排序規則是“必備型 > 期望型 > 魅力型”，同類需求的優先級排序規則是“Better值越高，優先級越高”。
當然規則是死的，每個產品的特質是不同的，整個優先級的排序規則可以結合公司資源、需求方的壓力、開發資源進行微調。
1. 確定Better-Worse係數
我們知道，某個點確定了X和Y座標值，就能在四象限中定位一個點。
這裡，每個需求點的Y座標和X標分別對應Better係數和 |Worse係數|（|Worse係數|指Worse值的絕對值）。
Better係數，結果為正，表示用戶對某功能或服務實現的滿意程度，該值越接近於1，表示實現某功能或服務後，滿意程度越強；
Worse係數，結果為負，表示用戶對某功能或服務不實現的不滿意程度，該值越接近-1，表示不實現某功能或服務後，不滿意程度越強。
計算公式分別是：
Better/SI =(A+O)/(A+O+M+I)
Worse/DSI = -1 *(O+M)/(A+O+M+I)
2. 落入四象限圖
各個需求的Better-Worse值統計完成後，便可以落入四象限圖了。
例如：代入公式計算，將6個功能點的Better-Worse係數計算得出，落在四象限的圖如下所示：
根據排序規則，優先級為“功能4>功能5>功能2>功能3>功能1”。
四、總結
眾多需求琢磨不定，在時間充裕的前提下，不妨通過問卷的形式在目標用戶群進行調研，通過KANO模型，我們可以對需求進行：
- 分類，通過分類的結果指導實現方向，剔除“無差異需求、反向型需求”，保證“必備型需求、期望型需求”，挖掘“魅力型需求”
- 分級，明確不同類別和相同類別需求的優先級
切勿一股腦毫無根據全憑主觀意志拍板，XXX需求就這麼定了，就這麼排，就這麼做。
題圖來自Unsplash，基於CC0協議
閱讀更多 人人都是產品經理 的文章
