产品需求分析工具和方法

在正式分享之前，先给大家推荐一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，点击跳转到网站。有时间的同学可以免费学习一下，毕竟人工智能代表未来的方向。前言 - 床长人工智能教程

• NABCD模型:
  “NABCD”是由Need、Approach、Benfit、Competitors、Delivery五个单词的首字母组成，分别指需求、做法、好处、竞争、推广五部分。通过这五部分，可以清楚简明的把项目的特点概括出来。
  

• $APPEALS模型
  

• 

• 四象限法则

  借用时间管理的概念
  

• 莫斯科法则：
  

• Must have：必须有。如果不包含，则产品不可行。Must Have的功能，通常就是最小可行产品（MVP）的功能。比如微信的聊天信息、通讯录、朋友圈。
• Should have:  应该有。这些功能很重要，但不是必需的。虽然“应该有”的要求与“必须有”一样重要，但它们通常可以用另一种方式来代替，去满足客户要求。
• Could have：可以有。这些要求是客户期望的，但不是必需的。可以提高用户体验，或提高客户满意度。如果时间充足，资源允许，通常会包括这些功能。但如果交货时间紧张，通常现阶段不会做，会挪到下一阶段做。
• Won’t have：这次不会有。 最不重要，最低回报项目，或在当下是不适合的要求。不会被计划到当前交货计划中。总的来说，“这次不会有”在项目讨论阶段，就会被去除。

• KANO模型

  日本教授狩野纪昭(Noriaki Kano)在1984年首次提出满意度的二维模式，构建出kano模型。将影响因素划分为五个类型，如下图所示：

  

• 魅力因素：用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升；
• 期望因素：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；
• 必备因素：当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低；
• 无差异因素：无论提供或不提供此需求，用户满意度都不会有改变，用户根本不在意；
• 反向因素：用户根本都没有此需求，提供后用户满意度反而会下降；
  KANO模型的简化因素就是：
  我没预料到的；我想要的，我必须要的，我不关注的，我不想要的。
  借用两个人谈恋爱的模式，我没预料但是提供了的就是惊喜，感情会升温，我想要你也给了的，感情会稳定，我必须要的，没有这个就构不成恋爱关系，我不关心的，你提供不提供都无所谓，我不想要你偏要给的，被强迫感情泼冷水。
   

• 1. 魅力属性

  当魅力属性呈现时，会激发满意和愉悦，但如果该属性不包括在内，用户并不会感到不满。魅力属性是意想不到的，解决以前未满足需求的。发现这些类型的属性，最好的方法是通过生成性研究。这些属性是产生关于产品正面口碑的关键。

  

  2. 一维属性

  这些属性呈现的结果是满意，而如果不呈现，就会导致不满。属性的成熟程度和情绪反应之间呈线性关系，主要针对于如易用性、成本、娱乐价值和安全性这样的产品特征。

  

  3. 必备属性

  这些属性是顾客期望产品具备的。通过美化和提升必备属性获得情绪收益是有限度的。

  

  4. 不重要属性

  用户对不重要的属性是犹豫不决的，他们根本不关心它们包含与否。这些属性的投资回报率比较低。

  

  5. 不需要的属性

  包含不需要的属性会否定魅力属性和一维属性的积极影响。

  

  Noriaki Kano从理论上推测了消费者对满意度的感知会随着时间的推移而变化。今天激发愉悦的属性将随着时间的推移，变为所有消费者的期望和要求。五种情绪反应中，魅力属性曲线摇身一变成为了必备的曲线。

  

• RICE模型：
  RICE排序法确定了四个主要因素，并用一种方式将它们结合起来。四个因素分别是：Reach（接触数量），Impact（影响程度），Confidence（信心指数）和Effort（投入精力）

• 

实际使用过程中的方法：

1 确认属性类别：A：魅力属性；O：期望属性；M：必备属性；I：无差异属性；R：反向属性；Q：可疑结果

以及功能如何划分的矩阵：

2 计算better 和worse系数：
 

计算出Better-Worse系数，表示某功能可以增加满意或者消除不喜欢的影响程度。

计算公式如下：

增加后的满意系数 Better/SI=（A+O）/(A+O+M+I)

消除后的不满意系数 Worse/DSI=-1*（O+M）/(A+O+M+I)

Better，可以被解读为增加后的满意系数。better的数值通常为正，代表如果提供某种功能属性的话，用户满意度会提升；正值越大/越接近1，表示对用户满意上的影响越大,用户满意度提升的影响效果越强，上升的也就更快。

Worse，则可以被叫做消除后的不满意系数。其数值通常为负，代表如果不提供某种功能属性的话，用户的满意度会降低；值越负

3 基于问卷调查的结果确认：

4 确认功能的象限分布：