編輯導語：由于資源、成本有限，面對衆多功能，開發團隊并不能兼顧所有，此時便需要進行功能排序，在綜合考慮用戶需求、市場環境、企業發展策略等多個方面後，優先開發重要功能。這一問題在面試場景中也十分常見。本文作者便對如何确定功能優先性做了總結和梳理，一起來看一下。

一、面試題

某直播APP規劃上線多個功能（包含短視頻、訂閱主播遊戲裝備、直播間跳轉、陪玩大神等）。

如何根據用戶需求，科學地确定功能優先性？

二、分析思路

1. 理解業務場景

日常業務中，由于公司資源、開發人員的時間和精力有限，需求優先性問題十分常見。

一般而言，功能排序需要綜合考慮公司、産品、用戶和社會效應等。

遇到這類分析功能優先性問題，怎麼辦呢？

可以根據不同影響因素組合，選擇對應的分析模型。

舉幾個例子，普通二維分析模型（功能的重要性 緊急性）：

WSJF模型（老闆 戰略 業績 需求評分 上線所需時間）：

Kano模型（用戶需求與接受度）：

這裡的面試題要求根據用戶需求确定優先性，因此選擇使用Kano模型。

2. 理解分析方法

1）模型介紹

Kano法由東京理工大學教授狩野紀昭提出，他以用戶為導向将需求分為5類：魅力型、期望型、必備型、無差異型和反向型。

不同類别需求對應産品品質的不同階段：

因此多數情況下，産品需要先滿足用戶的必備需求，繼而期望需求，最後通過魅力需求超越顧客預期。

那麼什麼是必備/期望/魅力/無差異/反向功能呢？

① 必備功能

産品理所應當具有的功能。不具備會使用戶體驗受到明顯影響。

② 期望功能

用戶期待APP擁有這一類功能，上線後能提升用戶滿意度；否則用戶會不滿意。

當這一功能（如招聘APP的線上課程）普遍化後，期待功能可能降級為必備功能。

③ 魅力功能

通常是一些新穎/情感化的設計。

微信拍一拍功能即使不上線，也不會影響用戶滿意度；功能上線後引發了用戶的交互熱情。當然随着時間推移和新鮮感下降，魅力功能可能退化為期待/必備功能。

④ 無差異功能

具備/不具備都不會改變用戶滿意度。

電商平台的虛拟種果樹遊戲火熱後，部分其他行業APP直接複制了這一功能。由于未考慮平台屬性和用戶需求，結果用戶大多直接略過該闆塊。

⑤ 反向功能

反向功能會使用戶滿意度下降。

如惡意誘導的開屏廣告，通過模糊實際的“跳過”按鈕，誘使用戶點擊廣告。對于産品方可能提升了廣告收入，但影響了多數用戶的體驗和滿意度。

2）模型作用

Kano模型能解答面試題，通過将功能分為必備/期望/魅力/無差異/反向，确定功能優先性。

同時模型需要調研用戶，産品部門參與問卷設計和調研，因此可以促進團隊共識；而調研過程有助于用戶發聲。

3）模型步驟

對應模型作用，模型使用需要由團隊共同設置調研問卷，通過調研過程讓用戶表達需求。

随後統計問卷結果，通過Kano系數将需求歸類為必備/期望/魅力/無差異/反向。

最後将分析結果可視化，獲得結論，評估和調整。

三、具體操作

1. 問卷調研

1）設計問卷

Kano模型需要調研：各功能具備/不具備時，用戶的滿意度情況。

舉個例子：當直播平台提供了陪玩大神功能時，用戶是喜歡/覺得理應如此/無所謂/勉強接受/不喜歡？當直播平台不提供短視頻功能時，用戶感受又如何？

問卷題目和選項措辭需要和業務部門确認，同時确定如何向用戶解釋問卷内容。

具體内容包含正向/反向問題 選項。問卷解釋部分為調研人員自用。

2）确定樣本

① 确定渠道

需要在調研過程中解釋内容，且調研樣本不會過大時——優先采用線下問卷調研。

② 樣本數量

為确保問卷結果有統計學意義，樣本量要求≥30。

另外可能存在部分樣本數據不符合要求，需預留容錯，實際調研用戶數保證在35/40以上。

③ 樣本要求

樣本要求需要重點和業務部門溝通。此次調研是針對産品所有目标用戶？或是核心用戶？或是多類型用戶？

• 如果針對所有産品用戶，則随機從産品用戶中抽樣調查；
• 如果針對核心用戶，則根據核心用戶要求，篩選後再抽樣調查；
• 如果是針對多類型用戶，則需要保證各類型樣本比例。如産品有1/2/3三個數量相近的用戶群，樣本可以分為30（用戶群1樣本） 30（用戶群2樣本） 30（用戶群3樣本）。

3）問卷填寫

問卷設計完畢 确定調研樣本後，邀約用戶填寫問卷，關注用戶填寫過程。

2. 結果統計

為了更全面展示結果，我們增加了部分功能項。統計結果是以下6個功能具備/不具備時，用戶的滿意度數據。

最終問卷結果按照二維形式統計：

舉個例子：陪玩大神功能的統計結果。

下圖中方框中的“16”代表：120個樣本中，有16名用戶喜歡産品提供該功能，且如果産品不提供該功能，他們覺得無所謂。

“13.3%”代表：16名用戶占總用戶數（120）的比例。

統計結果如何和功能類别（必備/期望/魅力/無差異/反向）聯系呢？我們需要用到Kano要素對照表。

給功能的統計數據标上顔色，紅色代表魅力品質，橙色代表期望品質，綠色代表必備品質，藍色代表無差異品質，紫色代表反向品質，灰色是可疑數據。

最後彙總陪玩大神功能的魅力/期望/必備/無差異/反向品質總數。

用同樣的方法，彙總訂閱遊戲裝備/直播間跳轉/特權禮物/主播PK/短視頻功能的品質數據。

至此，結果統計工作就完成了。總計一下結果統計的步驟：

3. 可視化

雖然有了統計結果，但我們還未确定各功能的優先級順序。

需要通過better-worse系數（Kano模型的重要部分）确定各功能具備/不具備時用戶的滿意度，并通過可視化圖表輔助呈現結果。

1) 确定Better-worse系數

Better系數和worse系數分别代表具備/不具備該功能時，用戶的滿意程度。

Better系數越接近1，表示具備該功能，對用戶滿意度的提升越明顯；worse系數越接近-1，表示不具備該功能，對用戶滿意度的降低越明顯。

計算各功能的better系數及worse系數：

2）統計圖确定功能分區

以worse系數絕對值為橫坐标，better系數為縱坐标，繪制各功能散點圖并劃分象限。

1. 第一象限為期望功能，包含特權禮物、陪玩大神功能。
2. 第二象限為魅力功能，包含直播間跳轉、訂閱遊戲裝備。
3. 第三現象為無差異功能，包含主播PK。
4. 第四象限為必備功能，包含短視頻。

結論：

一般而言，必備功能優先于期望功能優先于魅力功能，無差異功能根據産品情況可以考慮不做。

同一象限内，Better系數越接近1，用戶滿意度的提升越明顯；worse系數越接近-1，用戶滿意度的降低越明顯。因此在魅力功能中，直播間跳轉優先于訂閱遊戲裝備；在期望功能中，特權禮物優先于陪玩大神。

• 必備功能通常是用戶的基礎需求，優先滿足；
• 期望功能是用戶比較同類型産品的關注點，在滿足必要需求的基礎上也應盡量滿足；
• 魅力功能較難預測，但能帶來用戶忠誠度。

在實際業務中，功能的定義需要不斷更新。随着市場和競品發展，期望功能和魅力功能可能演變為必備功能，産品方要挖掘新的用戶期望和驚喜點。

4. 模型調優

1）結合用戶其他信息，豐富結論

Kano的模型信息完全來源于用戶問卷。實際上問卷結果不能完全代表用戶的真實需求，用戶所說不等于用戶内在想法。

因此，以用戶需求為導向确定優先性時，可以将Kano分析結果與産品用戶畫像結合分析，确定最終結論。

（用戶畫像包含目标用戶的基本信息、使用場景、痛點和關鍵區分點。這些内容有助于确定用戶的内在訴求。）

2）日常數據的Kano建模

前面我們也提到，對功能的定義需要不斷更新。

同時，問卷的覆蓋面是有限的，而大量的問卷調查需要消耗較多人力。因此，運用python等軟件進行日常數據建模，有助于長線分析。

本篇我們主要介紹Kano模型的日常使用，不繼續展開建模分析。

四、結論

回歸前面的面試題，如何根據用戶需求，科學地确定功能優先性？

本篇内容，我們通過Kano模型四部曲（問卷調研-結果統計-可視化-調優），确定了各功能屬性和優先性：必備>期望>魅力>無差異功能（反向功能是産品需要避免的）。

同時為了結論更客觀，Kano分析結論可以與用戶畫像信息比對分析，綜合确定用戶内在需求；為了長線考慮，可以逐步建立Kano數據模型，後續通過評論數據直接判斷功能類别和優先級。

本文由 @猴子 原創發布于人人都是産品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議

,