KANO 模型和 PSM 模型都是用戶研究和設計師在日常工作中經常使用的分析模型，可以幫助界定用戶需求的優先級和付費區間。

[[412669]]

KANO 是什么?

KANO 模型是對用戶需求分類和優先排序的模型，以分析用戶需求對用戶滿意的影響為基礎，體現了產品性能和用戶滿意之間的非線性關系。由東京理工大學教授野紀紹(Noriaki Kano)在 70 年代發明。

PSM 是什么?

PSM 模型也即價格敏感度測試模型(Price Sensitivity Measurement)，顧名思義，是進行產品、服務價格測試的模型。PSM 價格敏感度分析方法是在 70 年代由 Van Westendrop 所創建。

如何使用 KANO 和 PSM 模型?

1. 使用場景

KANO：需求的分析，如在產品開發前，我們需要知道這些功能哪些是基本功能，哪些是增值功能，功能的優先級又該如何排列等，可以通過 KANO 模型來界定。

PSM：當我們確定好產品的功能時，在后續定價的時候，又可以使用 PSM 模型來進行價格測試，來尋求最優價格、最優價格區間等信息。

有預設價格范圍，優化產品或有競品產品，會有大致的價格范圍和參考

無預設價格范圍，如完全的新產品，需要把產品概念解釋清楚并了解消費者現在的解決方案成本

2. 使用流程

兩者的使用流程均為：從明確目的–問卷設計–數據處理–結果呈現。

其中價格敏感度測試模型中關于問卷設計中的價格區間設定，有兩種可以實現的方式：

• 制作價格梯度表，以選項的方式展示，但是會受到每個選項之間價格梯度的設置限制，如果在高額的產品價格中，使用這種選項就不太合適，如：汽車價格。
• 有些產品由于較為成熟，或者有競品的情況下，可以直接使用開放題的形式進行設置，被訪者的自由度更大，當然可以在程序中設置最低或最高的價格限制，以防極端數據出現。

KANO 案例使用

1. 問卷設置

問卷設置劃分維度主要分為正反兩方面：提供時的滿意程度、不提供時的滿意程度。

每個功能/方面都需要提供正反兩方面的題目，可以進行適當標紅/加粗手段防止用戶看錯。

2. 樣本設置

為了達到統計意義上的樣本量，建議定量的樣本量達到 30 以上。

在后續進行問卷數據清洗時可能會清洗掉部分不符合樣本，可以適當增加樣本量。

在實際操作中，也可能在定性的研究中使用這一模型，即不再要求 30 以上的樣本量。

3. 整理分類

把提供此功能和不提供此功能進行交叉，會得出 6 種不同的需求類型：

• A：興奮/魅力型
• O：期望/意愿型
• M：基本/必備型
• I：無差異型
• R：反向/逆向型
• Q：可疑結果

根據用戶對某一功能的評價，得出這一功能在以上 6 個分類屬性中的比例，例如我們對 A 產品中的 XX 功能得出它的屬性為 O：期望/意愿型，即當提供此需求，用戶滿意度會提升;當不提供此需求，用戶滿意度會降低。

4. 數據分析

在得出各個功能的屬性對應后，可以計算 better-worse 系數，以便進行四象限圖的展示。

• 增加后的滿意系數 Better=(A+O)/(A+O+M+I)
• 消除后的不滿意系數 Worse= -1 *(O+M)/(A+O+M+I)

例如我們對 A 產品中的 XX 功能得出它的系數如下：

• Better=(26.7%+60%)/(26.7%+60%+0%+23.3%)=86.7%
• Worse=-1*(60%+0%)/(26.7%+60%+0%+23.3%)=-60%

5. 結果呈現

計算各個屬性的 better-worse 系數，然后通過四象限圖的形式展示出來。

以 better 系數和 worse 系數分別為橫縱坐標，中點為界，分為：

• 第一象限為興奮/魅力型：若不提供此需求，用戶滿意度不會降低;若提供此需求，用戶滿意度會有很大的提升;
• 第二象限為期望/意愿型：當提供此需求，用戶滿意度會提升;當不提供此需求，用戶滿意度會降低;
• 第三象限為無差異型：不論提供與否，對用戶體驗無影響;
• 第四象限為基本/必備型：當不提供此需求，用戶滿意度會大幅降低，但優化此需求，用戶滿意度不會得到顯著提升。

在實際日常工作中：

• 我們首先要滿足用戶最基本的需求，即第四象限表示的基本/必備型因素。
• 在滿足最基本的需求之后，再盡力去滿足用戶的期望/意愿型需求，即第二象限的功能需求，這是競爭性因素。提供用戶喜愛的額外服務或產品功能，使其產品和服務優于競爭對手并有所不同，引導用戶加強對本產品的良好印象。
• 最后爭取實現用戶的興奮/魅力型需求，即第一象限表示因素，提升用戶的忠誠度。

PSM 案例使用

1. 問卷設置

主要是 4 道題目，詢問被訪者：太便宜以至于懷疑品質不購買的價格、比較便宜的價格、比較貴的價格、太貴以至于不購買的價格。

問卷可以選擇選項型和開放題型，根據價格的范圍和想要的范圍精度選擇。

 

2. 樣本數量

為了達到統計意義上的樣本量，建議樣本量達到 30 以上。

為了解決被訪者抬高或壓低價格的問題，可以增加樣本量，抵消隨機誤差。

如果以價格選項的形式進行問卷，還可以設計價格分組，通過不同的價格方案設計 2 組或幾組價格區間，進行投放問卷，互相驗證。

3. 數據處理

對“太便宜”和“便宜”的價格百分比進行向下累計統計，對“貴”和“太貴”的百分比進行向上累計統計，得出如下圖所示的四條價格線。其中，“太便宜”和“太貴”的交點確定出最優價格，因為在這種情況下，既不覺得“太貴”也不覺得“太便宜”的人數是最多的，對于企業而言，在該價格上，有最多的消費者可能去購買他的產品。同時，由“太便宜”和“貴”,“便宜 和“太貴”確定出可接受的價格區間。

根據統計表畫折線圖：

4. 結果呈現

結果的呈現既可以使用上述的折線圖，表達合理價格區間在(3500，5500)，甚至更小的范圍(4000，5000)，追求市場最大化的理想價格點在 4500 左右。

也可以進行更準確的計算，根據計算折線的交點，得出以下結果：