如何分析功能优先性？

【面试题】

某直播app规划上线多个功能（包含短视频、订阅主播游戏装备、直播间跳转、陪玩大神等）。

如何根据用户需求，科学地确定功能优先性？

【分析思路】

1. 理解业务场景

日常业务中，由于公司资源、开发人员的时间和精力有限，需求优先性问题十分常见。

一般而言，功能排序需要综合考虑公司、产品、用户和社会效应等。

遇到这类分析功能优先性问题，怎么办呢？

可以根据不同影响因素组合，选择对应的分析模型。

举几个例子，普通二维分析模型（功能的重要性+紧急性）

WSJF模型（老板+战略+业绩+需求评分+上线所需时间）

Kano模型（用户需求与接受度）

这里的面试题要求根据用户需求确定优先性，因此选择使用kano模型。

2. 理解分析方法

（1）模型介绍

kano法由东京理工大学教授狩野纪昭提出，他以用户为导向将需求分为5类：魅力型、期望型、必备型、无差异型和反向型。

不同类别需求对应产品品质的不同阶段：

因此多数情况下，产品需要先满足用户的必备需求，继而期望需求，最后通过魅力需求超越顾客预期。

那么什么是必备/期望/魅力/无差异/反向功能呢？

必备功能：

产品理所应当具有的功能。不具备会使用户体验受到明显影响。

（点赞是短视频app的基础必备功能）

期望功能：

用户期待app拥有这一类功能，上线后能提升用户满意度；否则用户会不满意。

当这一功能（如招聘app的线上课程）普遍化后，期待功能可能降级为必备功能。

（用户期待招聘类app有线上培训板块）

魅力功能：

通常是一些新颖/情感化的设计。

微信拍一拍功能即使不上线，也不会影响用户满意度；功能上线后引发了用户的交互热情。当然随着时间推移和新鲜感下降，魅力功能可能退化为期待/必备功能。

（微信“拍一拍”提升了用户的交互热情）

无差异功能：

具备/不具备都不会改变用户满意度。

电商平台的虚拟种果树游戏火热后，部分其他行业app直接复制了这一功能。由于未考虑平台属性和用户需求，结果用户大多直接略过该板块。

反向功能：

反向功能会使用户满意度下降。

如恶意诱导的开屏广告，通过模糊实际的“跳过”按钮，诱使用户点击广告。对于产品方可能提升了广告收入，但影响了多数用户的体验和满意度。

（通过中部广告弹窗扰乱视线，让用户忽视右上方的“跳过”按钮）

（2）模型作用

Kano模型能解答面试题，通过将功能分为必备/期望/魅力/无差异/反向，确定功能优先性。

同时模型需要调研用户，产品部门参与问卷设计和调研，因此可以促进团队共识；而调研过程有助于用户发声。

（3）模型步骤

对应模型作用，模型使用需要由团队共同设置调研问卷，通过调研过程让用户表达需求。

随后统计问卷结果，通过Kano系数将需求归类为必备/期望/魅力/无差异/反向。

最后将分析结果可视化，获得结论，评估和调整。

【具体操作】

1. 问卷调研

（1）设计问卷

Kano模型需要调研：各功能具备/不具备时，用户的满意度情况。

举个例子：当直播平台提供了陪玩大神功能时，用户是喜欢/觉得理应如此/无所谓/勉强接受/不喜欢？当直播平台不提供短视频功能时，用户感受又如何？

问卷题目和选项措辞需要和业务部门确认，同时确定如何向用户解释问卷内容。

具体内容包含正向/反向问题+选项。问卷解释部分为调研人员自用。

（问卷部分展示，更多内容请在文末下载案例数据查看）

（2）确定样本

确定渠道：

需要在调研过程中解释内容，且调研样本不会过大时——优先采用线下问卷调研。

样本数量：

为确保问卷结果有统计学意义，样本量要求≥30。

另外可能存在部分样本数据不符合要求，需预留容错，实际调研用户数保证在35/40以上。

样本要求：

样本要求需要重点和业务部门沟通。此次调研是针对产品所有目标用户？或是核心用户？或是多类型用户？

如果针对所有产品用户，则随机从产品用户中抽样调查；

如果针对核心用户，则根据核心用户要求，筛选后再抽样调查；

如果是针对多类型用户，则需要保证各类型样本比例。如产品有1/2/3三个数量相近的用户群，样本可以分为30（用户群1样本）+30（用户群2样本）+30（用户群3样本）。

（3）问卷填写

问卷设计完毕+确定调研样本后，邀约用户填写问卷，关注用户填写过程。

2. 结果统计

为了更全面展示结果，我们增加了部分功能项。统计结果是以下6个功能具备/不具备时，用户的满意度数据。

最终问卷结果按照二维形式统计：

举个例子：陪玩大神功能的统计结果。

下图中方框中的“16”代表：120个样本中，有16名用户喜欢产品提供该功能，且如果产品不提供该功能，他们觉得无所谓。

“13.3%”代表：16名用户占总用户数（120）的比例。

统计结果如何和功能类别（必备/期望/魅力/无差异/反向）联系呢？我们需要用到kano要素对照表。

给功能的统计数据标上颜色，红色代表魅力品质，橙色代表期望品质，绿色代表必备品质，蓝色代表无差异品质，紫色代表反向品质，灰色是可疑数据。

最后汇总陪玩大神功能的魅力/期望/必备/无差异/反向品质总数。

用同样的方法，汇总订阅游戏装备/直播间跳转/特权礼物/主播PK/短视频功能的品质数据。

至此，结果统计工作就完成了。总计一下结果统计的步骤：

3. 可视化

虽然有了统计结果，但我们还未确定各功能的优先级顺序。

需要通过better-worse系数（kano模型的重要部分）确定各功能具备/不具备时用户的满意度，并通过可视化图表辅助呈现结果。

（1)  确定Better-worse系数

Better系数和worse系数分别代表具备/不具备该功能时，用户的满意程度。

Better系数越接近1，表示具备该功能，对用户满意度的提升越明显；worse系数越接近-1，表示不具备该功能，对用户满意度的降低越明显。

计算各功能的better系数及worse系数：

（2）统计图确定功能分区

以worse系数绝对值为横坐标，better系数为纵坐标，绘制各功能散点图并划分象限。

第一象限为期望功能，包含特权礼物、陪玩大神功能。

第二象限为魅力功能，包含直播间跳转、订阅游戏装备。

第三现象为无差异功能，包含主播PK。

第四象限为必备功能，包含短视频。

结论：

一般而言，必备功能优先于期望功能优先于魅力功能，无差异功能根据产品情况可以考虑不做。

同一象限内，Better系数越接近1，用户满意度的提升越明显；worse系数越接近-1，用户满意度的降低越明显。因此在魅力功能中，直播间跳转优先于订阅游戏装备；在期望功能中，特权礼物优先于陪玩大神。

必备功能通常是用户的基础需求，优先满足；

期望功能是用户比较同类型产品的关注点，在满足必要需求的基础上也应尽量满足；

魅力功能较难预测，但能带来用户忠诚度。

在实际业务中，功能的定义需要不断更新。随着市场和竞品发展，期望功能和魅力功能可能演变为必备功能，产品方要挖掘新的用户期望和惊喜点。

4. 模型调优

（1）结合用户其他信息，丰富结论

Kano的模型信息完全来源于用户问卷。实际上问卷结果不能完全代表用户的真实需求，用户所说不等于用户内在想法。

因此，以用户需求为导向确定优先性时，可以将kano分析结果与产品用户画像结合分析，确定最终结论。

（用户画像包含目标用户的基本信息、使用场景、痛点和关键区分点。这些内容有助于确定用户的内在诉求。）

（2）日常数据的kano建模

前面我们也提到，对功能的定义需要不断更新。

同时，问卷的覆盖面是有限的，而大量的问卷调查需要消耗较多人力。因此，运用python等软件进行日常数据建模，有助于长线分析。

本篇我们主要介绍Kano模型的日常使用，不继续展开建模分析。

【结论】

回归前面的面试题，如何根据用户需求，科学地确定功能优先性？

本篇内容，我们通过kano模型四部曲（问卷调研-结果统计-可视化-调优），确定了各功能属性和优先性：必备>期望>魅力>无差异功能（反向功能是产品需要避免的）。

同时为了结论更客观，kano分析结论可以与用户画像信息比对分析，综合确定用户内在需求；为了长线考虑，可以逐步建立Kano数据模型，后续通过评论数据直接判断功能类别和优先级。

推荐：人人都需要的数据分析思维