第七篇 · Kano 模型——为什么“魅力型需求”是研究员最容易自我感动的陷阱
⚠️ 本文中出现的任何数据、案例、品牌、人名均为示意性虚构,用于说明方法论,与任何真实项目无关。
第六篇讲了 JTBD。这一篇讲 Kano。
如果说 JTBD 最容易出问题的地方是“被当成万能钥匙”,那 Kano 最容易出问题的地方就是——它的“魅力型需求”分类太招人喜欢了,研究员一不小心就把自己想推的方案都归到这一类里。这一篇要把 Kano 的真实价值和它的滑坡危险讲清楚。
一、Kano 讲了什么
Kano(1984 年,日本东京理科大学,狩野纪昭)的核心命题是:
用户需求不是均质的,它有结构。同样是“满足”,不同类型的需求满足后产生的用户满意度变化曲线完全不同。
听起来抽象,看图就清楚了。Kano 把需求分成五类——
必备型(Must-be): 没有它用户不能接受,有了它用户也不会特别开心。它是基础门槛。例:酒店有热水。
期望型(One-dimensional / Performance): 提供得越多用户越满意,反之越少越不满意。它是线性的。例:酒店的房间面积。
魅力型(Attractive / Delighter): 没有它用户不会失望(因为没期待过),有了它用户会惊喜。它是非对称的。例:酒店退房时给一个手写感谢卡。
无差异型(Indifferent): 有没有用户都没感觉。例:酒店浴室墙上挂的山水画。
反向型(Reverse): 有它反而让用户不满。例:酒店强行送上来一份“管家服务”。
这套分类的真正贡献是——它把“满足用户需求”这件事从“加越多越好”的线性思维里解放出来。
老板们经常问“用户还想要什么,我们加进去”,这个问题本身有问题。如果你加的是必备型,加再多用户也不会感谢你——他默认你应该有;如果你加的是无差异型,加了纯粹是浪费成本;如果你加的是反向型,加了反而扣分。真正值得投入的是期望型(提升满意度)和魅力型(创造惊喜)。
Kano 的另一个贡献是指出了需求的动态迁移——今天的魅力型,会在 3-5 年内变成期望型,再变成必备型。智能手机刚出来时,大屏是魅力型;过两年是期望型;现在没有触屏的手机你看都不会看,它已经是必备型。
这个动态属性意味着:你今天靠魅力型建立的竞争优势,可能在三年内变成谁都得有的基础门槛。 这是 Kano 给战略思考的一个真正的礼物——它让你看到“惊喜”是有保质期的。
二、Kano 能给你的具体判断
理论好不好用,看它在真实决策里给什么。Kano 能给的判断有几个:
第一,资源分配的优先级判断。
老板手上有限的预算,要决定先优化什么。Kano 给的判断顺序是:先把必备型做到不出错,再把期望型做到比竞品好,最后用魅力型创造差异化。
颠倒这个顺序是最常见的错误。一些品牌在用户基本盘还没稳的时候就大力投入魅力型——做花哨的会员日活动、推出限量联名款、搞品牌跨界——结果用户该退货还在退货、该投诉客服还在投诉客服。用魅力型掩盖必备型的失败,是一种系统性的资源浪费。
第二,识别“过度投资”的预警。
很多产品决策有一个固定模式——产品经理说“我们要做出差异化”,于是开始堆叠功能。Kano 会让你问一个不一样的问题:这些被堆的功能,有多少其实是无差异型,用户根本没感觉？
举个虚构例子。某家居品牌做了一款“智能感应”灯,可以通过手势调节亮度。研究员调研后发现,用户的实际使用频率是:第一周新鲜玩了 8 次,第二个月降到 2 次,第三个月降到 0 次——因为大家发现“还是直接按开关方便”。这个功能就是典型的无差异型(甚至滑向反向型,因为手势误触让用户烦)。但产品页面、营销话术、媒体投放都在主打它——这是把无差异型当魅力型在卖。
Kano 让你看见这种“伪魅力”。
第三,跨人群的需求结构对比。
同一个需求在不同人群里,Kano 分类可能完全不一样。这件事是真正有战略价值的。
举个虚构例子。某外卖平台的“准时达”承诺,对一线城市白领是必备型(没有就投诉),对县城年轻人是期望型(有了挺好没有也接受),对老年用户可能接近无差异型(他们对配送时间没那么敏感)。
这意味着:同一个功能,在不同市场里它的战略地位完全不同。你在一线城市靠“准时达”是建不起壁垒的(因为已经是基础门槛),但在县城它还是差异化武器。
Kano 给你看的不只是“用户要什么”,还是“对哪群用户要什么”。
三、Kano 的滑坡危险——为什么“魅力型”是研究员的陷阱
这一节比上一节重要。
Kano 的五类分类听起来很科学,但有一个致命的认知陷阱:“魅力型”这个分类本身,在使用上极其主观,而且它对研究员有不可抗拒的吸引力。
为什么有吸引力？因为“我识别出了一个魅力型需求”这句话,意味着研究员有创意、有洞察、能给老板带来惊喜。“我识别出了一个必备型”听起来像废话——必备型就是大家都知道的基础门槛,谁都能列出来;“我识别出了一个魅力型”听起来像金子——这是研究员的独门洞察。
结果是:研究员有系统性的倾向,把自己想推的方案归类为魅力型。 这不是道德问题,是认知本能——人会美化自己的产出。
更糟糕的是,Kano 的原始方法论是事后归纳的——你拿到用户的反馈数据(通常是 Kano 问卷:“如果有这个功能你怎么想？”“如果没有这个功能你怎么想？”),然后把每个需求归类。这种事后归纳给了研究员极大的解释空间。
具体的滑坡过程通常是这样的:
第一步,研究员脑子里先有一个“我觉得这个产品应该有 XX 功能”的预设(这个预设可能来自竞品观察、个人偏好、行业经验)。
第二步,设计 Kano 问卷时,这个 XX 功能被作为一个备选项写进去。
第三步,数据回来后,大部分用户对这个功能的反应是“有的话挺好,没有也行”——这是典型的无差异型或弱期望型反应。
第四步,但研究员希望这个功能被推动,于是在归类时把它归为“魅力型”——理由是“用户对这个功能的认知还不够,等他们用过就会发现这是惊喜”。
第五步,报告里写“我们发现了一个被低估的魅力型机会”。
第六步,老板按报告投入资源做了这个功能。半年后上线,用户使用率低于预期,但研究员的报告早已被归档,没人能再追溯归类是怎么发生的。
这套滑坡过程在乙方研究里非常常见,因为它满足了多方利益:研究员有创意洞察、乙方有差异化产出、老板有可执行方案。只有一个人不满足——半年后买这个功能的用户。
四、它做不到的几件事
除了滑坡危险,Kano 还有几个结构性的局限:
做不到的一:它假设用户能区分“满足”和“不满足”,但很多需求用户根本没意识到。
Kano 问卷的核心问法是:“如果有 X 你觉得怎么样？”“如果没有 X 你觉得怎么样？”。这个问法默认用户对 X 有意识、有判断、有偏好。
但用户在很多情况下根本没意识到 X 的存在。用户没经历过的好,他不知道那是好;用户没经历过的坏,他不知道那是坏。 把一个用户没经历过的需求拿去问他,你拿到的是他基于想象的回答,不是基于真实体验的回答。
比如 iPhone 第一代发布前,如果你拿 Kano 问卷去问诺基亚用户“如果手机没有物理键盘你怎么想？”,大部分人会回答“我会很不满意”——所以“没有物理键盘”会被归为反向型。但 iPhone 上市后大家发现触屏其实很好用,几年内“没有物理键盘”从反向型变成必备型。
Kano 问卷拿不到“用户还没意识到的需求”。这部分恰恰是真正的颠覆性创新所在。
做不到的二:它给的是当下的快照,看不到迁移速度。
Kano 知道“魅力型会变期望型再变必备型”,但它不告诉你这个迁移要多久。3 个月？3 年？30 年？这个问题对战略决策极其重要——如果迁移很快,你今天的魅力型投资可能等不到收回成本就变成基础门槛;如果迁移很慢,你有充足时间建立先发优势。
迁移速度的预测,Kano 本身给不出答案——它需要其他工具(技术成熟度曲线、行业动态分析、竞品迭代速度)来补。
做不到的三:它对“反向型”识别能力很弱,而反向型是最危险的。
Kano 的五类里,“反向型”——有它反而让用户不满——是最容易被忽视的一类。原因是当研究员怀着“我要找到惊喜”的心态去做研究时,他的注意力天然偏向魅力型。
但反向型的破坏性其实最大。一个无差异型功能只是浪费成本(用户不在乎),一个反向型功能是真的扣分(用户在乎,而且是负面的)。
举个虚构例子。某 App 上线了一个“AI 推荐”功能,自动推送它认为用户可能感兴趣的内容。研究员当时归类是“魅力型——给用户惊喜”。但上线后用户反馈分裂:30% 觉得有用,40% 觉得没用,30% 觉得“被打扰、被监视、推送不准还烦”。这 30% 是反向型——这个功能对他们不是中性,是负面。
Kano 的五类不是均匀分布的——研究员的注意力主要在魅力型和期望型上,无差异型和反向型经常被忽视。而反向型恰恰是最容易在产品上线后让你后悔的那一类。
做不到的四:它是单点工具,处理不了“需求组合”。
Kano 分析的是单个需求。但用户面对的是产品的整体——这个产品由几十个需求点组合起来。
同样两个产品,A 在 10 个需求点上都做到期望型水平,B 在 8 个需求点上做到必备型 + 2 个魅力型——哪个更好？Kano 本身回答不了这个问题。
回答这个问题需要从单点的需求评估,升级到整体的“体验优先级”判断。这是用户旅程图(下一篇)要做的事——它把 Kano 的单点评估串成时间序列,看用户在整段体验里的情绪起伏。
五、Kano 该出现在哪个研究阶段
按四阶段模型:
H0 假设生成阶段。 Kano 在这一阶段不是主力,因为这一阶段还没有用户数据,Kano 需要数据才能跑。但 Kano 的概念可以用作“假设组织”——研究员可以先用 Kano 的五类草拟出“我假设这个产品的需求结构大致是这样的”,作为后续验证的起点。
Sprint 0 探索期。 Kano 仍然不是主力。这一阶段如果做 Kano 问卷,会陷入第三节讲的滑坡——你还没想清楚要问什么,问出来的归类高度依赖研究员的预设。
Phase 1 主流程数据采集阶段。 Kano 进入合适位置。这一阶段你已经有了基础的用户认知(从一手访谈和内部数据来),现在用 Kano 问卷去做结构化的需求归类。关键是:Kano 问卷必须建立在前置的访谈基础上,不能凭空设计。
Phase 2-3 深化与人设成形阶段。 Kano 的结果作为 persona 的一部分被写进交付物——但要注意,Kano 给的是“需求结构”,不是 persona 的全部。一个 persona 同时需要 JTBD(任务)、Kano(需求结构)、旅程图(情绪曲线)、心理学(深层驱动)。
最常见的错配:在 Sprint 0 探索期就用 Kano 问卷做主要数据采集。 这是典型的“用问卷做探索性研究”——错配的代价在第五篇里已经讲过。Kano 问卷适合验证已有假设的结构,不适合发现未知的需求。
六、错配的具体代价
错配场景一:在还没做一手访谈时就发 Kano 问卷。
代价:你拿到的归类全部基于研究员预设的需求列表。一个用户在你的问卷里看到的备选需求,只能是研究员能想到的那些——而真正的关键需求可能是研究员根本没意识到的。结果是你花钱做了一个看起来很科学的问卷,验证的全是研究员脑子里已有的东西。
错配场景二:把“魅力型”当成创意 KPI。
代价:研究员为了“找到魅力型”而把数据强行归类,报告里魅力型需求一大堆,实际上线后用户没反应。这种错配的特殊之处是——它在报告里看起来非常漂亮(因为魅力型多意味着洞察多),但落地后效果完全失灵。这种“漂亮但没用”的报告是 Kano 滥用最典型的产物。
错配场景三:跨人群混用 Kano 结果。
代价:你做了一个综合的 Kano 分析,结论是“X 功能是期望型”。但实际上 X 功能在不同人群里的分类不同(对 A 人群是必备型,对 B 人群是魅力型,对 C 人群是无差异型)。把这些差异平均掉之后,你的“期望型”结论谁也不针对。产品决策按这个结论做,会发现两头不讨好——做了 A 觉得不够,B 觉得是惊喜但 C 觉得无所谓。
错配场景四:忽略动态迁移,把当下的魅力型当作长期壁垒。
代价:你今天花重金投入做一个魅力型功能(比如某种 AI 智能推荐),12 个月后竞品都跟进了,这个功能从魅力型变成期望型,从竞争优势变成了基础门槛——但你的资源已经投进去了,没法转向。这种错配的本质是把 Kano 当快照用,而不是当动态结构用。
七、从业务动作倒推——什么时候该用 Kano
匹配关系:
- 现有产品的功能优先级排序 → Kano 是合适的主力工具。
- 新产品的差异化点设计 → Kano 适合用作辅助框架(用来识别哪些是真魅力型,而不是研究员的自我感动),但不能作为主力(因为 Kano 接不住“用户还没意识到的需求”)。
- 跨人群的需求差异分析 → Kano 非常适合,但必须分人群跑,不能合并。
- 资源分配决策(预算往哪投) → Kano 给的是优先级判断,但要配合定量数据(每类需求的市场容量)才能转化为预算决策。
- 从功能优化升级到体验设计 → 单用 Kano 不够,需要叠加旅程图(下一篇)。
- 找颠覆性创新机会 → Kano 不适合,因为它的方法论本身处理不了“用户还没意识到的需求”。
最实操的判断方式: 在决定用 Kano 之前,先问自己——“我有没有足够的前置访谈数据,能列出一份不是凭空想出来的需求清单？” 如果有,Kano 是好工具。如果没有,做 Kano 等于把研究员脑子里的清单拿去给用户打分,得到的归类没有外部独立性。
八、收尾——为什么红队对抗对 Kano 特别重要
第五篇里提到过“理论叠加的过拟合”。Kano 是最容易过拟合的理论之一,因为它的归类有事后解释空间,研究员的认知偏差可以悄悄渗透进每一个分类决定。
防止 Kano 滑坡有一个具体的实操方法——红队对抗。
具体做法:研究员完成 Kano 归类后,找一个不熟悉这个项目的同事(或者另一个研究员)扮演“挑剔的甲方”,对每一个被归为“魅力型”的需求提出反问:
- “你说这是魅力型,数据证据有几条？”
- “用户的原话是怎么说的？”
- “如果我把这个归为无差异型,你能反驳吗？”
- “你有没有可能是因为想推这个方案,所以把它归到了魅力型？”
这套对抗能筛掉大部分滑坡。如果一个魅力型归类经不起这些反问,那它大概率就是研究员的自我表达,不是用户的真实需求。
Kano 真正有价值的不是它的五类分类,是它逼着你直面“用户对这个东西到底什么反应”这个朴素问题。 五类分类只是分析工具,真正的判断力来自对用户反应的诚实记录——而诚实记录是研究员的素养,不是 Kano 框架本身能提供的。
下一篇讲用户旅程图——为什么大多数旅程图都画错了“情绪峰值”的位置,以及峰终定律的实操陷阱。
下一篇:用户旅程图——为什么大多数旅程图都画错了“情绪峰值”的位置。