数据分析模型有哪些：分析KANO模型！——九数云BI

任何一个互联网产品都会涉及到很多的需求，产品经理也会经常遇到这样的情况：业务提的各种新需求一下子扎堆，哪个需求对用户来说最重要，用户对我们的新功能是否满意？开发产品资源有限，这么多需求没办法都做，先做哪些需求?这我们就需要了解数据分析模型有哪些。

为了避免“拍脑袋决策”，我们需要一套科学的分析方法，真正从用户出发来梳理需求层次问题，同时能进一步判断需求实现对用户影响程度。

这时候，就可以引入一个产品需求分析的经典模型「KANO模型」，它能够帮助进行系统的需求梳理，对需求进行分析和排序。

下面小九就带大家展开数据分析模型有哪些，以「KANO模型」为例。

01数据分析模型有哪些：KANO模型概念

KANO 模型是东京理工大学教授狩野纪昭发明的对用户需求分类和优先排序的工具，它通过分析用户对产品功能的满意程度，来对产品功能进行升级。

01数据分析模型有哪些：需求属性分类

通过对需求满意度、具备程度的二维分析，KANO将需求划分为基本型、期望型、魅力型、无差异型、反向型五类，分别以英文字母M、O、A、I、R表示。

 

• 基本型需求(M-必须有）：需求满足时，用户不会感到满意。需求不满足时，用户会很不满意。这类是核心需求，是产品必做功能。

• 期望型需求(O-应该有)：需求满足时，用户会感到很满意。需求不满足时，用户会很不满意。通常作为竞品之间比较的重点。

• 魅力型需求(A-可以有)：惊喜型产品功能，超出用户预期，往往能带来较高的忠诚度。若不提供此需求，用户满意度不会降低；若提供此需求，用户满意度会有很大的提升。

• 无差异型需求(I-可以没有)：用户根本不在意的需求，需求被满足或未被满足，都不会对用户的满意度造成影响。

• 反向型需求(R-根本没有)：该需求与用户的满意度呈反向相关，提供此需求后用户满意度反而下降

这五类需求的优先级排序为：基本型需求>期望型需求>魅力型需求>无差异需求>反向型需求。

02数据分析模型有哪些：better-worse系数

为了将用户满意度量化，需要引入better-worse系数，这一系数用于表示某功能对满意度的影响程度。计算公式如下：

Better系数=（期望数+魅力数）/（期望数+魅力数+基本数+无差异数）

Worse系数= -1*（期望数+必备数）/（期望数+魅力数+基本数+无差异数）

Better系数越接近1，表示具备度越高，该需求对用户满意度提升的影响效果越大。Worse系数越接近-1，表示具备度越低，该需求对用户满意度造成的负面影响越大。

02数据分析模型有哪些：KANO分析实操

某公司的A产品将于下个月进行版本更新，产品经理小B收集到来自各方的产品功能更新需求，为了确定哪些功能确实需要更新，小B决定通过KANO模型进行需求分析。

01数据分析模型有哪些：调研问卷设计

在做KANO分析前，需要进行用户调研。

通常采用矩阵量表的形式让用户对功能进行正面和负面评价，评价分为五个程度「非常喜欢」、「理应如此」、「无所谓」、「勉强接受」、「很不喜欢」。

调研后要对数据进行清洗。

 

02数据分析模型有哪些：处理数据

1）将清洗好的数据上传至九数云，并创建分析表。新增字段「合并态度」，将「增加功能态度」与「不增加功能态度」进行合并，如下图所示。

 

按照用户对「增加功能态度」与「不增加功能态度」，最终我们可以通过下表定位某功能对于用户来说是什么需求。

• M：基本型需求

• O：期望）型需求

• A：魅力型需求

• I：无差异型需求

• R：反向型需求

• Q：可疑结果
• 

2）在分析表中定位判断，添加类型列，此处需使用到「分类赋值」功能。

 

3）添加「分类汇总」，得到每个功能各种需求类型的人数。

 

4）因为调研过程中有些用户会跳题，所以参与每个功能调研的人数有所不同。新增字段「参与调研人数」，通过分类汇总求出参与每个功能调研的人数。

 

5）计算占比，求得每个需求类型占参与调研人数的比例。

 

6）计算 better-worse 系数。根据better-worse 公式，我们需要计算出三个字段「A+O占比」、「O+M占比」、「A+O+M+I占比」的数值，根据下表示例完成分类汇总。

 

再用公式计算出「better」和「worse绝对值」字段。

 

03数据分析模型有哪些：分析结果可视化

用散点图展示各功能的better-worse系数，将「功能」、「better」、「worse绝对值」字段依次拖入，再分别添加「横向辅助线」和「纵向辅助线」，分别为「better平均值」和「worse平均值」。

最终，小B做出了如下better-worse四象限分布图，并将将做好的图表分享给了同事，决定此次功能更新增加「功能2、功能3、功能5、功能8」。有了数据支撑，大家都很认同他的决定。

 

03总结

以上就是KANO分析的全部过程，在实际工作场景中，情况更加多变，需求也会因人而异，而我们要做的是保持满足目标用户人群中多数人的需求，因此需要持续调研需求，产品也需要持续迭代。

 

上一篇: 统计数据是什么？两个维度带你了解！——九数云BI
下一篇: excel可视化图表制作：轻松实现数据可视化！——九数云BI