“KANO 模型实战:PM 如何判断哪些需求该做、哪些该砍“

需求永远比资源多,这是 PM 的常态。一个迭代里排了 30 个需求,研发只够做 8 个,你怎么选?靠拍脑袋、靠谁嗓门大、靠老板一句话,结果往往是重要的事没做、做了的事没人用。

KANO 模型是帮你做需求取舍的经典工具。但很多人对它的理解停留在"那张二维图"------知道有基本型、期望型、魅力型,却在实际项目里用不对、用不准。本文把 KANO 从概念讲到落地,给你一套能直接上手的方法。

一、KANO 是什么:别只记得那张二维图

KANO 模型由东京理工大学教授狩野纪昭(Noriaki Kano)在 1984 年提出,灵感来自赫茨伯格的"双因素理论"。它的核心洞见是:功能具备程度和用户满意度,并不是简单的正比关系。

有些功能,你做了用户不会更满意,但不做用户会暴怒;有些功能,你做了用户会惊喜,但不做用户也无所谓。KANO 正是用这套非线性关系,把需求分成几类,让取舍有据可依。

二、KANO 的 5 类需求:一张表说清

最常见的分法是 5 类。下面这张表是 PM 在日常评审里最该贴在墙上的参考:

类别 含义 用户心理 典型例子
基本型(Must-be) 理所当然要有,做了不会加分 "没有我就差评" 微信能发消息、支付能成功扣款
期望型(One-dimensional) 越多越好,线性正相关 "你做得越好我越满意" 加载速度、客服响应时长
魅力型(Attractive) 没有无所谓,有了很惊喜 "哇,还能这样?" 早期的美颜相机、外卖预计送达时间
无差异型(Indifferent) 做不做用户都不关心 "你折腾这干嘛" 某些藏在三级菜单里的设置项
反向型(Reverse) 做了反而招反感 "求你别加这个" 强制弹窗广告、过度推送

理解这五类,你就能回答一个关键问题:哪些需求是"不做会死",哪些是"做了才活",哪些其实是"白做"。

三、怎么用问卷做 KANO 分类

光靠拍脑袋归类容易主观。严谨的做法是做 KANO 问卷:对每个需求问一对正反向问题。

  • 正向问题:"如果这个功能上线,你感觉如何?"(很喜欢 / 理应如此 / 无所谓 / 勉强接受 / 不喜欢)
  • 反向问题:"如果这个功能不做,你感觉如何?"(同上五档)

把用户的双向回答交叉,落到下面的判定矩阵,就能算出每类需求的归属。再进一步,用 Better(满意度提升系数)和 Worse(不满消除系数)量化:

系数 公式 解读
Better (O + A) / (O + M + A + I) 越接近 1,做了越能提升满意
Worse -(O + M) / (O + M + A + I) 绝对值越接近 1,不做越招不满

其中 A=魅力型、O=期望型、M=基本型、I=无差异型。一般 Better 高、Worse 低的是魅力型;Better 和 Worse 都高的是期望或基本型;两项都低的是无差异型。

四、PM 最常踩的 4 个坑

KANO 用错,比不用还危险。下面四个坑,几乎每个 PM 都踩过。

  • 坑一:把魅力型当基本型猛推。早期惊喜的功能,等用户习惯后就贬值为期望型甚至基本型。当年惊艳的"预计送达时间",现在不做就是差评。分类要动态看,别用三年前的结论。
  • 坑二:基本型需求被砍等于埋雷。基本型不做,用户不会夸你别的做得好,只会直接流失。资源再紧,基本型也要保底。
  • 坑三:在无差异需求上浪费资源。用户根本不 care 的功能,做得再精致也是沉没成本。KANO 最大的价值,往往是帮你"砍掉不该做的"。
  • 坑四:只看分类不看成本。魅力型听着美好,但开发成本可能是基本型的十倍。分类决定"该不该做方向",成本决定"这一期做不做"。

五、KANO + 优先级:组合拳才稳

KANO 解决"需求属于哪一类",但不解决"这一期先做什么"。把它和优先级模型叠加,决策才完整:

  • 第一层:用 KANO 过滤。无差异型直接砍,反向型坚决不做。
  • 第二层:基本型保底,期望型按性价比排,魅力型挑低成本高惊喜的试点。
  • 第三层:用 RICE 或 WSJF 给剩下需求打分,结合研发产能排期。

一套落到实处的判断清单:

  • 这个需求不做,用户会流失或暴怒吗?(是 → 基本型,保底)
  • 这个需求做了,用户满意度会明显上升吗?(是 → 期望或魅力型)
  • 用户根本感知不到差别吗?(是 → 无差异型,砍)
  • 做了反而惹人烦吗?(是 → 反向型,不做)
  • 它的开发成本,对得起它带来的满意度吗?(性价比排序)

小结

KANO 模型的价值,不在于那张漂亮的二维图,而在于它逼着你承认:不是所有需求都值得做,也不是所有"用户要的"都该满足。

把它用对,你能少做一堆无人喝彩的功能,把资源压到真正决定留存和口碑的地方。下一篇我们聊另一个需求优先级利器------RICE 与 WSJF 到底怎么选。


鲸易PM研习社 | 以鲸之大格局,解产品之复杂。持续分享互联网产品干货与思考。

相关推荐
智慧化智能化数字化方案6 个月前
数据分析进阶——【连载 2/9】《Power BI数据分析与可视化案例教程》项目2 数据获取
信息可视化·python数据可视化·matplotlib手册·matplotlib函数汇总·matplotlib数据可视化·kano模型·企业指标设计方法