用KANO和PSM模型分析需求与定价

pic

2021-07-09 12:05

👉

KANO是什么？PSM是什么？如何使用KANO和PSM模型？PSM案例使用

KANO模型和PSM模型都是用户研究和设计师在日常工作中经常使用的分析模型，可以帮助界定用户需求的优先级和付费区间。

KANO是什么？

KANO模型是对用户需求分类和优先排序的模型，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。由东京理工大学教授野纪绍（Noriaki Kano）在70年代发明。

PSM是什么？

PSM模型也即价格敏感度测试模型（Price Sensitivity Measurement），顾名思义，是进行产品、服务价格测试的模型。PSM价格敏感度分析方法是在 70 年代由 Van Westendrop 所创建。

如何使用KANO和PSM模型？

使用场景

KANO：需求的分析，如在产品开发前，我们需要知道这些功能哪些是基本功能，哪些是增值功能，功能的优先级又该如何排列等，可以通过KANO模型来界定。

PSM：当我们确定好产品的功能时，在后续定价的时候，又可以使用PSM模型来进行价格测试，来寻求最优价格、最优价格区间等信息。

有预设价格范围，优化产品或有竞品产品，会有大致的价格范围和参考

无预设价格范围，如完全的新产品，需要把产品概念解释清楚并了解消费者现在的解决方案成本

使用流程

两者的使用流程均为：从明确目的--问卷设计--数据处理--结果呈现。

其中价格敏感度测试模型中关于问卷设计中的价格区间设定，有两种可以实现的方式：

制作价格梯度表，以选项的方式展示，但是会受到每个选项之间价格梯度的设置限制，如果在高额的产品价格中，使用这种选项就不太合适，如：汽车价格。

有些产品由于较为成熟，或者有竞品的情况下，可以直接使用开放题的形式进行设置，被访者的自由度更大，当然可以在程序中设置最低或最高的价格限制，以防极端数据出现。

KANO案例使用

1. 问卷设置

问卷设置划分维度主要为正反两方面：提供时的满意程度、不提供时的满意程度。

每个功能/方面都需要提供正反两方面的题目，可以进行适当标红/加粗手段防止用户看错。

2. 样本设置

为了达到统计意义上的样本量，建议定量的样本量达到30以上。

在后续进行问卷数据清洗时可能会清洗掉部分不符合样本，可以适当增加样本量。

在实际操作中，也可能在定性的研究中使用这一模型，即不再要求30以上的样本量。

3. 整理分类

把提供此功能和不提供此功能进行交叉，会得出6种不同的需求类型：

A：兴奋/魅力型

O：期望/意愿型

M：基本/必备型

I：无差异型

R：反向/逆向型

Q：可疑结果

根据用户对某一功能的评价，得出这一功能在以上6个分类属性中的比例，例如我们对A产品中的XX功能得出它的属性为O：期望/意愿型，即当提供此需求，用户满意度会提升；当不提供此需求，用户满意度会降低。

4. 数据分析

在得出各个功能的属性对应后，可以计算better-worse系数，以便进行四象限图的展示。

增加后的满意系数 Better=（A+O）/（A+O+M+I）

消除后的不满意系数 Worse= -1 *（O+M）/（A+O+M+I）

例如我们对A产品中的XX功能得出它的系数如下：

Better=(26.7%+60%)/(26.7%+60%+0%+23.3%)=86.7%

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

5. 结果呈现

计算各个属性的better-worse系数，然后通过四象限图的形式展示出来。

以better系数和worse系数分别为横纵坐标，中点为界，分为：

第一象限为兴奋/魅力型：若不提供此需求，用户满意度不会降低；若提供此需求，用户满意度会有很大的提升；

第二象限为期望/意愿型：当提供此需求，用户满意度会提升；当不提供此需求，用户满意度会降低；

第三象限为无差异型：不论提供与否，对用户体验无影响；

第四象限为基本/必备型：当不提供此需求，用户满意度会大幅降低，但优化此需求，用户满意度不会得到显著提升。

在实际日常工作中：

我们首先要满足用户最基本的需求，即第四象限表示的基本/必备型因素。

在满足最基本的需求之后，再尽力去满足用户的期望/意愿型需求，即第二象限的功能需求，这是竞争性因素。提供用户喜爱的额外服务或产品功能，使其产品和服务优于竞争对手并有所不同，引导用户加强对本产品的良好印象。

最后争取实现用户的兴奋/魅力型需求，即第一象限表示因素，提升用户的忠诚度。

PSM案例使用

1. 问卷设置

主要是4道题目，询问被访者：太便宜以至于怀疑品质不购买的价格、比较便宜的价格、比较贵的价格、太贵以至于不购买的价格。

问卷可以选择选项型和开放题型，根据价格的范围和想要的范围精度选择。

2. 样本数量

为了达到统计意义上的样本量，建议样本量达到30以上。

为了解决被访者抬高或压低价格的问题，可以增加样本量，抵消随机误差。

如果以价格选项的形式进行问卷，还可以设计价格分组，通过不同的价格方案设计2组或几组价格区间，进行投放问卷，互相验证。

3. 数据处理

对“太便宜”和“便宜”的价格百分比进行向下累计统计，对“贵”和“太贵”的百分比进行向上累计统计，得出如下图所示的四条价格线。其中，“太便宜”和“太贵”的交点确定出最优价格，因为在这种情况下，既不觉得“太贵”也不觉得“太便宜”的人数是最多的，对于企业而言，在该价格上，有最多的消费者可能去购买他的产品。同时，由“太便宜”和“贵”,“便宜和“太贵”确定出可接受的价格区间。