只要你在企業工作，你多少會碰到以下幾種情況
產品經理：用戶一直強烈要求加上他們想要的功能，根本不知道先解決哪個？
研發兄弟：產品經理提出一大堆需求，我就算天天007也做不完！
用戶：我要的根本不是這個功能！產品經理是用屁股在思考吧，會改成這樣？？
其實在實際工作中，出現這幾種情況是太正常不過的事
每個用戶都會有自己的個性化需求，所以會想加很多功能
但這些需求中，80%都是僞需求，只有剩下的20%纔是真需求
況且研發的資源和人力是有限的，不能什麼需求都做
所以產品經理就需要從這些需求中分辨出哪些是真需求，哪些是僞需求
那怎麼才能撈出真正的用戶需求？給真正重要的需求高優先級？
今天要介紹的KANO模型分析法就是用來解決此類問題的
它可以對用戶需求進行系統分類和優先排序，將需求分成4種需求類型
它們的優先級排序爲：必備型需求>期望型需求>興奮型需求>無差異需求
必備型需求（一定要有）：俗稱痛點。對於用戶，是核心需求，也是產品必做功能。如果沒有，用戶滿意度則會大幅度降低。
期望型需求（應該要有）：提供此需求，用戶滿意度會提升；不提供此需求，用戶滿意度會降低。通常作爲競品之間比較的重點。
興奮型需求（可有可無）：驚喜型產品功能，超出用戶預期，能帶來即時的新鮮感。但如果不提供，也不會降低用戶滿意度。
無差異需求（儘量不做）：用戶根本不在意，對用戶體驗毫無影響。規避做此類型功能。
簡單介紹完KANO模型的四個分類後，我們來舉個例子，來加深對KANO模型的理解。
KANO分析實戰
某互聯網公司的A產品將於下個月更新，產品經理小B收集到了無數產品功能更新需求，爲了確定哪些功能是真需求，小B決定通過KANO模型進行需求分析。
本次分析實戰工具爲BI工具FineBI數據分析工具。
1、設計調研問卷
在做KANO分析前，需要進行用戶調研。通常採用矩陣量表的形式讓用戶對功能進行評價，評價分爲五個程度“我很喜歡”、“它理應如此”、“無所謂”、“勉強接受”、“我很不喜歡”。
調研後需要對數據進行清洗，本案例清洗後的數據我放在文末了，需要的自取。
2、處理數據
（1）將清洗好的數據上傳至FineBI。添加自助數據集並勾選「KANO原始數據」的所有字段
（2）新增列「合併態度」，將「增加功能態度」與「不增加功能態度」進行合併
按照用戶對「增加功能態度」與「不增加功能態度」，最終我們可以通過下表定位某功能對於用戶來說是什麼需求。
（3）上一步驟我們已經知道如何定位需求類型，接下來要做的就是在分析表中定位判斷
（4）添加「分組彙總」，得到每個功能它們各種需求類型的人數
例如參與調研的人數中，認爲「功能1」是無差異需求的人數有 48 人
（5）因爲調研過程中有些用戶會跳題，所以參與每個功能調研的人數有所不同。新增列「參與調研人數」，選擇「組內所有值」，如下圖所示，求出參與每個功能調研的人數。
3.分析結果可視化
小B進入儀表板中，新建組件選擇剛剛處理過的自助數據集。
（1）複製 5 個「佔比」字段
（2）對複製的「佔比」字段進行明細過濾，過濾條件爲：類型屬於 A 。並將其重命名爲「A 佔比」。
（3）使用 better-worse 係數
better-增加某功能後提升的滿意係數：better=（A佔比+O佔比）/(A佔比+O佔比+M佔比+I佔比)，越接近 1，則表示用戶滿意度提升的效果會越強，滿意度上升的越快。
worse-不增加某功能用戶的不滿意係數：worse=-1*（O佔比+M佔比）/(A佔比+O佔比+M佔比+I佔比)，越接近 -1，則表示對用戶不滿意度的影響最大，滿意度降低的影響效果越強，下降的越快。
根據以上灰字中的better、worse 的公式，新建計算字段「better」「worse絕對值」
（4）選擇「散點圖」，拖入「better」、「worse絕對值」字段。並將「功能」字段拖入圖形屬性的標籤欄和顏色欄。
（5）分別添加「橫向警戒線」和「縱向警戒線」，分別爲 better平均值 和 worse平均值。
4.分析結果展示
最終，小B做出瞭如下better-worse四象限分佈圖，決定此次功能更新增加「功能2、功能3、功能5、功能8」。有了數據支撐，大家都很認同他的決定。
以上就是KANO分析的全部過程，在實際工作場景中，情況更加多變，因此需理解KANO模型分析邏輯，提高工作效率。
原始數據及工具獲取方式：評論+私信回覆KANO