善用KANO模型，做需求分类与评估优先级

• A（魅力型）：对应提供此功能「非常喜欢」、不提供此功能「理应如此、无所谓、勉强接受」
• O（期望型）：对应提供此功能「非常喜欢」、不提供此功能「很不喜欢」
• M（必备型）：对应提供此功能「理应如此、无所谓、勉强接受」，不提供此功能「很不喜欢」
• I（无差异型）：对应提供此功能「理应如此、无所谓、勉强接受」，不提供此功能「理应如此、无所谓、勉强接受」
• R（反向型）：对应提供此功能「非常喜欢、理应如此、无所谓、勉强接受」、不提供此功能「非常喜欢、理应如此、无所谓、勉强接受」
• Q（可疑结果）：对应提供此功能「非常喜欢」、不提供此功能「非常喜欢」或对应提供此功能「很不喜欢」、不提供此功能「很不喜欢」。

因为此结果不可能发生，不然就自相矛盾，所以定为可疑结果。比如你不可能非常喜欢「浏览器崩溃重启后可以恢复上次浏览」，又非常不喜欢。

参照对照表，每份问卷的每个功能点都有了分类结果。

例如：某问卷中针对「浏览器崩溃重启后可以恢复上次浏览」功能，编号001用户所持的态度如下所示，参照对照表，对应的分类为M（必备型）；同理，编号002用户所持的态度对应的分类为O（期望型）。

4. 结果分类

接着汇总所有用户的有效问卷，对所有用户对某功能点的分类结果比例进行统计，分别得出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）所占的比例，比例值最大对应的类别就是对应功能点的分类类别了。

如上案例：针对需求「浏览器崩溃重启后可以恢复上次浏览」，每份问卷的选择结果都不同，经统计汇总，“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）”所占的比例分别是“23.5%、36.7%、28.4%、0.8%、6.7%、3.9%”。其中O的比例最高，占36.7%，所以该需求为O（期望型）。

三、对多个需求进行排序分级

通过上述步骤，我们可以对所有功能点的分类结果进行定论。

如果为了更加直观看到分级结果以及对同类需求的优先级进行排序，可以对数据再进一步计算，确定Better-Worse系数，结合四象限绘制散点图。

总的排序规则为——

剔除“无差异型和反向型需求”，不同类别需求的优先级排序规则是“必备型 > 期望型 > 魅力型”，同类需求的优先级排序规则是“Better值越高，优先级越高”。

当然规则是死的，每个产品的特质是不同的，整个优先级的排序规则可以结合公司资源、需求方的压力、开发资源进行微调。

1. 确定Better-Worse系数

我们知道，某个点确定了X和Y坐标值，就能在四象限中定位一个点。

这里，每个需求点的Y坐标和X标分别对应Better系数和 |Worse系数|（|Worse系数|指Worse值的绝对值）。

Better系数，结果为正，表示用户对某功能或服务实现的满意程度，该值越接近于1，表示实现某功能或服务后，满意程度越强；

Worse系数，结果为负，表示用户对某功能或服务不实现的不满意程度，该值越接近-1，表示不实现某功能或服务后，不满意程度越强。

计算公式分别是：

Better/SI =(A+O)/(A+O+M+I)

Worse/DSI = -1 *(O+M)/(A+O+M+I)

2. 落入四象限图

各个需求的Better-Worse值统计完成后，便可以落入四象限图了。

例如：代入公式计算，将6个功能点的Better-Worse系数计算得出，落在四象限的图如下所示：

根据排序规则，优先级为“功能4>功能5>功能2>功能3>功能1”。

四、总结

（编辑：网站开发网_安阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!