PMer,还不解锁新技能-卡诺模型
在工作中你可能经常遇到下面这几种情形:
- 在开发资源不够时,要在有限的时间里上线核心功能,从而更快地获取精准用户。
- 在产品从0开始,你可能有一堆想上线的功能,这时候需要你对所有的功能做一个排期。
- 需求堆积,你难以拒绝各方大佬的需求,比如运营,客户,老板等,你需要用数据来说明哪些需求是不合理的,哪些需求是当前阶段可以不用满足的。
这时候你就需要用到卡诺模型了,一个项目排期和需求管理的利器。那什么是卡诺模型呢?
简介卡诺模型根据客户满意度和功能具备程度两个维度,对功能进行分类。一直以来我们都以为满意度是一维的,所以总是在产品上不停地加上新功能,然而有些功能不仅不会提升满意度,反而会降低满意度。不同属性的功能随着具备程度的变化,满意度的变化会有各自的特点。
KANO模型看上面的图,我将依次介绍这5种属性:
- 无差异属性:无论提供或不提供此功能,用户满意度不会改变,用户根本不在意有没有这个功能。这种费力不讨好的属性是需要尽力避免的。
- 魅力属性:让用户感到惊喜的属性,如果不提供此属性,不会降低用户的满意度,一旦提供魅力属性,用户满意度会大幅提升。
- 期望属性:如果提供该功能,客户满意度提高,如果不提供该功能,客户满意度会随之下降。
- 必备属性:这是产品的基本要求,如果不满足该需求,用户满意度会大幅降低。但是无论必备属性如何提升,客户都会有满意度的上限。
- 反向属性:用户根本都没有此需求,提供后用户满意度反而会下降。
举个栗子,吸引求职者的要素就可以用卡诺模型进行分类。
吸引求职者的要素在运用卡诺模型时,有几点要注意的:
- 时间差异。没有一成不变的属性,很可能有一天魅力属性变成了必备属性,像指纹识别解锁。不能将当前时刻的卡诺模型分析结果作为永久的依据,即时性很重要。
- 用户群差异。不同的用户群所得到的结果可能不同,如果你要在相差较大的模块都加上该功能,比如企业版和个人版,最好区分用户群进行调查。
- 文化差异。不同的文化背景对功能属性的定义不同。比如对于报表的设计,中国人会习惯斜线表头,但是外国人可能难以接受。
接下来我要通过实际案例,详细介绍如何运用卡诺模型分析需求。
1.需求沟通
(1)先筛选比较难以判断的需求,问题不宜过多,3~5个为宜。不然用户容易产生疲劳,输出不精准的答案。
(2)再分析业务场景,是否适合使用卡诺模型。
适合:1)需求排期。2)理直气壮地砍需求。
不适合:1)不可量化满意度的需求,评估抽象的要素。比如调查提高品牌影响度,用户的满意度。2)仅用来测量用户满意度。卡诺模型是根据功能具备程度和客户满意度的关系对功能进行“分类”的工具。
(3)确定调查用户,如果你的用户群相差较大,要根据模块或人物角色划分用户群,从每个用户群中抽取相同人数进行调查。细分用户群,可以更容易找出功能属性特点。
2.设置问卷
(1)首先我们要对每个功能进行描述,所以你的问题要言简意赅,方便用户理解。
(2) 从正反两面去问用户对于该功能的满意度情况。
(3)在问卷填写之前对每个选项进行统一说明。因为每个人的主观感受因为性格可能有较大差异,提前定义好每个选项可以减少误差。
(4)追问每个功能对于用户的重要程度。可以用来区分功能对用户的影响程度。设置从非常重要过渡到非常不重要的5个选项。
(5)如果无法描述清楚你的功能,试着贴张原型图或者画个示意图可以更直观表示。
举个栗子,如果要对微信的“看一看”功能进行卡诺模型分析,如下图。
问卷示例
完整的卡诺模型标准调查问卷链接:https://sojump.com/jq/15102379.aspx
3.属性归类分析
正反方向问题的答案可以组成一个二维属性表,每个单元格都代表一种答案类型,每个属性的总和为相同颜色单元格之和。
数据清洗:将全部选择我很喜欢或我很不喜欢的答案列为可疑答案,避免乱答数据影响分析结果。如果可疑结果过多,则你的问卷可能存在问题,比如功能描述不清。
属性归类表-模版由此我们可以看到每个属性所占百分比,占比最高的我们认为该功能的该属性因素最多。在样本量为50的问卷调查中,我们可以看到微信“看一看”功能的无差异属性较多。(样本量不足,仅作示范,有兴趣的旁友可以继续调查。)
属性归类表-微信“看一看”功能最后统计所有功能答案,得到每个功能的属性,以及每个功能的重要程度。
问卷统计结果4.Better-Worse系数分析
对功能的属性进行归类后,我们要利用Better-Worse系数增加判断影响程度。
Better-Worse系数,表示某功能可以增加满意或者消除很不喜欢的影响程度。
Better是增加后的满意系数。其数值通常为正,数值越大,用户满意度会提升越快。
Worse是消除后的不满意系数。其数值通常为负,数值越小,用户满意度会下降越快。
根据Better-worse系数,优先满足系数绝对分值较高的功能或需求。
Better-Worse系数计算公式
根据微信“看一看”问卷分类对照表,进行Better-Worse系数分析。
增加该功能后的满意系数Better:(22%+2%)/(22%+2%+62%+0%)=28%
消除该功能后的满意系数Worse:-(2%+0%)/(22%+2%+62%+0%)=-2%
将每个功能的Better值和Worse绝对值作为气泡图的纵坐标和横坐标,气泡大小代表重要程度。落入不同区域代表所归属的属性。
Brtter-Worse系数分析散点图根据better-worse系数值,将散点图划分为四个象限。微信“看一看”功能落入了无差异属性的象限,丰富了我们之前用属性归类表的做的判断。无差异属性象限:Better系数值和Worse系数绝对值都很低的情况,即无论提供或不提供这些功能,用户满意度都不会有改变。
5.应用实践
得到分析结果后,我们就可以进行好好“收拾”需求了,需求的优先级顺序:必备属性>期望属性>魅力属性>无差异属性。
(1)必备属性,产品开发中基本的需求都不能满足,而去实现其他需求,则是捡了芝麻丢了西瓜。
(2)期望属性,具备程度越高,用户满意度越高。
(3)魅力属性,超出用户期望的功能可以成为产品的亮点。但是亮点能不能脱颖而出而打动用户,对于初创团队是一场豪赌,所以优先级低于期望属性。
(4)无差异属性,不管有没有,用户的满意度都不会提升,应尽力避免,在企业有余力的时候可以考虑开发。
(5)反向属性,有这个功能,用户满意度反而下降,这是要极力避免的。
如果是相似或相同属性的话,我们可以结合重要程度进行判断。像功能3和功能4相差不大,但是功能4的重要程度明显高于功能3,则我们可以将功能4的优先级排在功能3之前。
优先级顺序分析图根据调研结果给所有的需求排定优先级,再将结果与相关方进行讨论,结合项目实际情况进行稍微调整,比如开发实现难度等。
PS:善于运用工具,而不是被工具所禁锢,也是一门学问哈哈。