KANO 模型¶
产品需求列表上有二十个功能，资源只够做五个，先做哪些？如果按「用户说想要」来排，结果往往是做了一堆用户确实说过想要、但做完后满意度纹丝不动的功能。
问题在于一个常被忽略的事实：不同类型的需求，和用户满意度之间的关系是不一样的。有些功能做得再好，用户也不会更满意，但没做就会愤怒；有些功能用户从没提过，一旦有了却会惊喜。
KANO 模型由东京理工大学的狩野纪昭（Noriaki Kano）教授在 1980 年代提出，正是用来刻画这种非线性关系的。它把需求分为五类，并提供了一套问卷方法，用数据而不是直觉来判断某个功能属于哪一类。
要点速览
- 五类需求：必备型（没有会愤怒）、期望型（越多越满意）、魅力型（有了会惊喜）、无差异型（有没有都无所谓）、反向型（做了反而不满）。
- 判断方法：对每个功能问一正一反两个问题，用对照表归类。
- 优先级：先保证必备型 → 再提升期望型 → 再挑选魅力型做差异化。
- 属性会随时间退化：今天的魅力型，几年后会变成必备型。
- Better-Worse 系数可以把结果量化成一张四象限图，便于排序。
五类需求属性¶
| 类型 | 做了 | 没做 | 典型例子 |
|---|---|---|---|
| 必备型（Must-be） | 用户不会因此更满意 | 用户会强烈不满 | 手机能打电话；酒店房间干净 |
| 期望型（One-dimensional） | 做得越好越满意 | 做得越差越不满 | 电池续航；外卖配送速度 |
| 魅力型（Attractive） | 有了会惊喜 | 没有也不会不满 | 酒店赠送的手写欢迎卡 |
| 无差异型（Indifferent） | 无所谓 | 无所谓 | 用户从不打开的某个设置项 |
| 反向型（Reverse） | 反而不满 | 反而更满意 | 强制弹出的推荐、过多的新手引导 |
三条实践含义：
- 必备型是入场券，不是加分项。投入再多资源做到极致，用户也只是「不生气」。
- 期望型决定竞争力。它和满意度成正比，是和对手拉开差距的主战场。
- 魅力型创造口碑。但它往往不来自用户直接表达的需求——用户说不出自己没见过的东西。
问卷设计：正反两问¶
KANO 的核心方法是对每一个功能问两个问题：
- 正向问题：「如果有这个功能，你感觉如何？」
- 反向问题：「如果没有这个功能，你感觉如何？」
两个问题使用同一组五个选项：
- 我很喜欢
- 它理应如此
- 我无所谓
- 我勉强接受
- 我很不喜欢
提问要点：问题要描述用户能感知的功能效果，而不是技术实现。「如果 App 能在 1 秒内打开」比「如果我们优化了启动加载逻辑」好得多。
评价对照表¶
把每位用户的正反回答组合起来，按下表归类：
| 正向↓ / 反向→ | 很喜欢 | 理应如此 | 无所谓 | 勉强接受 | 很不喜欢 |
|---|---|---|---|---|---|
| 很喜欢 | Q | A | A | A | O |
| 理应如此 | R | I | I | I | M |
| 无所谓 | R | I | I | I | M |
| 勉强接受 | R | I | I | I | M |
| 很不喜欢 | R | R | R | R | Q |
A = 魅力型，O = 期望型，M = 必备型，I = 无差异型，R = 反向型，Q = 可疑结果（通常说明问题没被理解，应剔除）
怎么读这张表：举例，用户对「有这个功能」回答「很喜欢」，对「没有这个功能」回答「我无所谓」→ 查表得 A（魅力型）：有了惊喜，没有也不难受。再比如「有」回答「理应如此」、「没有」回答「很不喜欢」→ M（必备型）。
Better-Worse 系数¶
把全部受访者的分类结果汇总后，可以算两个系数：
- Better（满意影响力）= (A + O) ÷ (A + O + M + I) 数值越接近 1，说明提供该功能对提升满意度的作用越大。
- Worse（不满影响力）= −(O + M) ÷ (A + O + M + I) 绝对值越接近 1，说明不提供该功能越容易引起不满。
把每个功能按 (Better, |Worse|) 画在四象限图上：
| Worse 绝对值高 | Worse 绝对值低 | |
|---|---|---|
| Better 高 | 期望型：主战场，优先投入 | 魅力型：差异化机会 |
| Better 低 | 必备型：必须做，但做到及格即可 | 无差异型：可以不做 |
完整案例：外卖 App 的功能排序¶
某团队对 6 个候选功能做了 KANO 调研（样本 200 人）：
| 功能 | A | O | M | I | 判定 | Better | |Worse| |
|---|---|---|---|---|---|---|---|
| 实时配送位置 | 18% | 52% | 24% | 6% | 期望型 | 0.70 | 0.76 |
| 订单准时送达 | 5% | 30% | 60% | 5% | 必备型 | 0.35 | 0.90 |
| 餐品到手温度保障 | 48% | 26% | 12% | 14% | 魅力型 | 0.74 | 0.38 |
| 一键重复上次订单 | 31% | 18% | 8% | 43% | 无差异型 | 0.49 | 0.26 |
| App 内社交分享 | 9% | 7% | 4% | 80% | 无差异型 | 0.16 | 0.11 |
| 开屏推荐广告 | 3% | 4% | 5% | 30% | 反向型（R 58%） | — | — |
结论与行动：
- 准时送达是必备型且 |Worse| 最高（0.90）——做不到会直接流失用户，必须保证基线，但投入再多也换不来额外满意度。
- 实时配送位置是期望型且两个系数都高——这是和竞品拉开差距的主战场，值得持续投入。
- 温度保障是魅力型（Better 0.74 但 |Worse| 仅 0.38）——用户没要求，但做了会惊喜，是建立口碑的机会，优先级可以排在「社交分享」之前。
- 社交分享是无差异型——尽管产品经理很看好，数据显示用户不在意，建议砍掉。
- 开屏广告是反向型——有 58% 的用户明确反感，做了会伤害体验。
- 一键重复下单整体判定为无差异型（I 占 43%），但有 31% 的用户把它归为魅力型。这种明显的分裂通常意味着存在一个高频复购的子群体，应该按下单频次拆分样本再看一次，而不是直接砍掉。
这个案例体现了 KANO 最大的价值：它让「我觉得用户会喜欢」变成了可以用数据反驳的判断。
属性会随时间退化¶
今天的魅力型，明天的期望型，后天的必备型。
智能手机的触摸屏在 2007 年是魅力型，今天是必备型；外卖的实时定位几年前是惊喜，现在是标配。这意味着：
- KANO 调研需要定期重做，通常一到两年一次。
- 只守着必备型的产品会逐渐失去竞争力，因为竞品的魅力型功能会不断把用户的基准线抬高。
- 魅力型功能是建立差异化的窗口期，但窗口会关闭。
常见误区¶
- 把用户「说想要」当成高优先级。用户常常会说所有功能都想要。KANO 的价值正是把「想要」拆成不同类型。
- 问卷描述了技术方案而不是用户感知。用户无法判断「重构缓存层」对自己意味着什么。
- 忽略反向型需求。有些功能做了会伤害体验（强制推送、过度弹窗），但很少有团队主动去测。
- 只做必备型。安全但平庸，用户不会不满，也不会选择你。
- 样本不分群。新用户和老用户、付费用户和免费用户对同一功能的归类可能完全不同，混在一起会相互抵消。应该分群统计。
- 一次调研用五年。属性会退化，结论有保质期。
- Q（可疑）比例过高却不处理。如果某功能的 Q 超过 10%，通常说明描述有歧义，应重新设计问题。
KANO 与其他优先级方法的区别¶
| KANO 模型 | 价值主张画布 | 决策矩阵 | 帕累托分析 | |
|---|---|---|---|---|
| 回答的问题 | 这个功能和满意度是什么关系？ | 我们的价值和客户需求匹配吗？ | 哪个方案综合得分最高？ | 哪几个因素贡献了大部分结果？ |
| 数据来源 | 用户问卷（正反两问） | 用户访谈 | 团队打分 | 历史统计数据 |
| 输出 | 需求分类 + 优先级 | 契合度分析 | 方案排序 | 关键少数清单 |
| 适合阶段 | 功能规划、版本排期 | 定义产品价值 | 在几个方案中选一个 | 分配改进资源 |
常见组合：用价值主张画布理清客户的痛点和收益 → 用 KANO 对候选功能分类 → 用决策矩阵在具体实现方案之间选择。
常见问题¶
KANO 问卷需要多少样本？
一般建议每个用户分群至少 100 份有效问卷，才能让各类别的比例相对稳定。如果要对比不同分群（如新老用户），每个分群都要达到这个量级。
怎么判断一个功能最终属于哪一类？
最常用的是「最大频次法」：统计所有受访者的归类，占比最高的那一类即为该功能的属性。如果前两类比例接近（相差 5% 以内），说明用户群内部存在分歧，应该分群再看。
Better-Worse 系数一定要算吗？
不是必须，但强烈推荐。单纯的分类只能告诉你功能属于哪一类，系数能把同一类里的多个功能排出先后顺序，而且画成四象限图后非常直观。
KANO 模型只能用在产品功能上吗？
不是。它适用于任何「提供某种属性→影响满意度」的场景：酒店服务项目、课程设置、员工福利、内部系统的功能。核心方法（正反两问 + 对照表）完全通用。
KANO 和需求优先级排序法（如 RICE、MoSCoW）有什么区别？
KANO 从用户满意度角度分类，回答「这个功能对用户意味着什么」；RICE、MoSCoW 等从投入产出和业务约束角度排序。两者互补：先用 KANO 理解需求性质，再用 RICE 之类的方法结合成本和收益排期。
延伸与关联¶
- 价值主张画布：其中「收益」的四个层次（必需、期望、渴望、意外）与 KANO 的分类高度呼应。
- 用户画像 与 同理心地图：KANO 调研前先搞清楚是在为谁分类。
- 决策矩阵：对候选功能做完分类后，用它在具体实现方案中做选择。
- 最小可行产品（MVP）：MVP 应该覆盖全部必备型需求，加上一到两个魅力型功能。
- A/B 测试：KANO 给出假设，A/B 测试验证功能上线后的真实影响。
- 全面质量管理：KANO 模型诞生于质量管理领域，是「以客户为中心」理念的具体工具。
来源参考：KANO 模型由东京理工大学狩野纪昭（Noriaki Kano）教授及其同事于 1984 年在论文《魅力质量与必备质量》中正式提出，是质量管理与产品规划领域的经典模型。