立即登录 产品经理的日常里，KANO模型是个绕不开的工具。它能帮我们把零散的用户需求理出层次，在资源有限时做出更聪明的取舍。这篇文章想聊聊怎么用它来做需求优先级的分析。
这个模型最早由东京理工大学的一位教授提出，核心目的可以用一句话概括：识别需求类型，让有限的资源花在能提升用户满意度的地方。
KANO把用户满意度拆成了五个维度，所有产品功能都能往里套。
必备属性
这是底线。有它不会加分，没它直接出局。微信不能聊天、抖音刷不了视频、百度搜不出结果——这些功能用户默认就该存在，做好了是应当应分，做不好就是灾难。从更宏观的视角看，必备属性往往是用户选择产品的原始驱动力，必须持续夯实。
期望属性
做好了满意，做不好失望。早期支付宝的余额宝、百度搜索结果的精准度，都属于这类。很多期望属性其实是用户在其他产品那里养成了习惯，拿来当标尺用的。市场上还没出现过的功能，用户没形成认知和习惯的，通常先归为魅力属性更合理。
魅力属性
没有不影响，有了很惊喜。增长黑客玩的很多手法、微信里的拍一拍，都是典型。对拍一拍无感的人不少，但觉得有趣的人肯定更多。这类属性在产品扩张期能拉动快速增长；到了成熟期，用户已经"麻了"，突然来个有魅力的功能，反而能激活一波。
无差异属性
做了白做，用户无感。最可怕的是吭哧吭哧开发半个月，上线后数据毫无波澜。容易和必备属性混淆，得擦亮眼睛。
反向属性
有了它，满意度反而下降。没有它，一切如常。这通常是产品经理误判了需求层级，把魅力或期望属性当成了正向需求来做。
这里需要特别注意的是，魅力属性会随时间、用户习惯养成、竞品动作，慢慢变成期望属性；期望属性也可能沉淀为必备属性。所以工作中要不断复盘：巩固必备、识别期望、挖掘魅力、避开反向、剔除无差异。
怎么用KANO做定量分析
操作上是成对提问："如果产品没有这个功能，你的感受是？"以及"如果产品有这个功能，你的感受是？"选项都是五级：很喜欢、理应如此、无所谓、勉强接受、很不喜欢。两个问题的答案交叉对照，就能定位这个功能对该用户属于什么属性。汇总足够样本后，看哪个属性的占比最高。
以微信视频号为例（数据纯属举例）：假设魅力+期望占比超过68%，反向仅5%左右，无差异约25%——说明过半用户持正面态度，反感的是少数，这个功能值得做。
功能一多，就需要量化比较。这时可以引入两个系数：
Better/SI =（魅力+期望）/（魅力+期望+必备+无差异）
Worse/DSI =（必备+期望）/（魅力+期望+必备+无差异）
把每个功能的这两个值算出来，Better做横坐标，Worse取绝对值做纵坐标，往象限图上一摆，优先级就清晰了。同属性内，优先做Better值高的。
KANO的边界远不止产品，几乎可以套在任何决策场景。比如参加线下活动：地点方便、内容有趣、组织者靠谱是必备；免费或低价、能拓展人脉是期望；包接送、送礼品、意外脱单是魅力；有人放鸽子、现场推销是反向。
最后想说的是，KANO最常被用来分析需求，但用好它需要结合经验判断。市面上常见的功能，凭使用经验和行业认知，往往能直接归类；遇到吃不准的，老老实实做调研，能省掉大量返工成本。
作者写这篇文章，本意是通过输出倒逼输入，把知识消化得更透。早期多写方法论，后面会逐步深入到功能分析、市场分析。欢迎前辈指点。
