Перейти к основному содержимому

Модель Кано

Модель Кано — метод классификации и приоритизации функций продукта на основе их влияния на удовлетворенность пользователей.

Нужна, чтобы отличать «обязательные» функции от «приятных бонусов», грамотно распределять ресурсы команды.

Где используется​

В продуктовой и маркетинговой аналитике, управлении требованиями и разработке:

  • Приоритизация бэклога: что делать в первую очередь.
  • Проектирование MVP: определение минимума для выхода на рынок.
  • Стратегия развития продукта: поиск «фишек» для конкурентного преимущества.
  • Анализ конкурентов: понимание, какие функции у них стали «базой», а какие — «восторгом».

Типичные объекты анализа:​

  • функциональные и нефункциональные требования;
  • элементы пользовательского интерфейса;
  • сервисные параметры (поддержка, скорость, доступность);
  • новые продуктовые гипотезы.

Базовые понятия​

Рассматриваются два независимых показателя:

  • удовлетворённость пользователя при наличии характеристики;
  • неудовлетворённость пользователя при её отсутствии.

Важно: отсутствие роста удовлетворённости не означает, что характеристика не нужна. Обязательные характеристики не повышают удовлетворённость, но их отсутствие приводит к сильному негативу.

Модель исходит из того, что ожидания пользователей со временем меняются: характеристики могут «переезжать» из одной категории в другую.

Категории модели Кано​

1. Must-be (обязательные)​

Характеристики, которые пользователь считает само собой разумеющимися.

  • Их наличие не повышает удовлетворённость.
  • Их отсутствие вызывает сильное недовольство.

Пример: авторизация в системе; сохранение данных; базовая безопасность.

2. One-dimensional (линейные)​

Характеристики, для которых действует прямая зависимость: чем лучше реализовано, тем выше удовлетворённость.

  • Улучшение повышает удовлетворённость ↑.
  • Ухудшение повышает неудовлетворённость ↓.

Пример: скорость работы системы; количество поддерживаемых сценариев; точность поиска.

3. Attractive (восхищающие)​

Характеристики, которых пользователь не ожидает, но которые вызывают положительные эмоции.

  • Отсутствие не расстраивает.
  • Наличие резко повышает удовлетворённость.

Пример: умные рекомендации; автоматизация рутинных действий; нестандартные UX‑решения.

4. Indifferent (безразличные)​

Характеристики, которые не влияют ни на удовлетворённость, ни на неудовлетворённость.

  • Пользователь не считает их ценными.
  • Часто возникают из внутренних гипотез команды.

Пример: редко используемые настройки; декоративные элементы без функциональной нагрузки.

5. Reverse (обратные)​

Характеристики, наличие которых ухудшает восприятие продукта.

  • Пользователь предпочёл бы их отсутствие.

Пример: навязчивая автоматизация; избыточные уведомления; усложнение интерфейса.

Виды и интерпретации модели Кано​

Японская (классическая) модель:описывает пять категорий и используется для качественного анализа характеристик.

Калифорнийская интерпретация: акцентирует внимание на количественных показателях:

  • индекс удовлетворённости;
  • индекс неудовлетворённости.

Используется для сравнения характеристик между собой и поддержки приоритизации.

Для СА Калифорнийская модель подходит больше, так как она дает измеримые и воспроизводимые результаты.

Как провести анализ по модели​

Общий процесс анализа:

  1. Определить объект анализа.
  2. Сформировать список характеристик.
  3. Разработать опрос.
  4. Провести опрос.
  5. Проанализировать результаты.
  6. Использовать результаты для принятия решений.

Пример​

Цель: Определить категорию функции «Детализированная история операций с поиском» для онлайн-банка.

1. Формирование парных вопросов​

Для функции формулируются два вопроса.

Позитивный (функциональный): «Как вы отнесетесь к наличию в онлайн-банке удобной истории операций с поиском и фильтрами?» Варианты ответа: Мне понравится / Ожидаю этого / Мне все равно / Буду терпеть / Мне не понравится.

Негативный (дисфункциональный) : «Как вы отнесетесь к отсутствию в онлайн-банке удобной истории операций с поиском и фильтрами?» Варианты ответа: (аналогичные).

2. Сбор и классификация ответов​

После опроса 20 пользователей ответы классифицируются по матрице Кано. Пример классификации одного ответа:

  • Ответ на позитивный вопрос: «Мне понравится».
  • Ответ на негативный вопрос: «Мне все равно».
  • По матрице: комбинация «Мне понравится» (есть) и «Мне все равно» (нет) соответствует категории A (Attractive / Восторг).

Матрица

Агрегированные результаты по всем респондентам:

  • A (Восторг): 8
  • M (Обязательная): 4
  • O (Линейная): 6
  • I (Безразличная): 2
  • Ответы Q/R: 0.

3. Расчет индексов​

На основе агрегированных данных рассчитываются ключевые индексы.

Индекс удовлетворенности (SI): SI = (A + O) / (A + O + M + I) = (8 + 6) / 20 = 0.70

Индекс неудовлетворенности (DSI): DSI = -1 * (O + M) / (A + O + M + I) = -1 * (6 + 4) / 20 = -0.50 Модуль DSI = 0.50.

4. Построение диаграммы и определение категории​

На диаграмму Кано наносится точка с координатами (SI; |DSI|) = (0.70; 0.50).

Интерпретация координат:

  • Высокое значение SI (0.70 > 0.5) – функция способна повысить удовлетворенность.
  • Высокое значение |DSI| (0.50 > 0.5) – отсутствие функции вызовет значительное недовольство.

Точка попадает в правый верхний квадрант, что соответствует категории Линейная (One-dimensional / Performance).

5. Вывод​

Функция «Детализированная история операций» является линейной. Ее наличие и качество напрямую влияют на удовлетворенность пользователей. Выводы для разработки:

  1. Высокий приоритет реализации. Функция обязательна для продукта, конкурирующего на рынке.
  2. Фокус на качестве. Требования должны включать нефункциональные характеристики: скорость поиска, удобство фильтров, полнота данных. Улучшения в этой области дадут линейный рост удовлетворенности.
  3. Не является базовой или «вау-фичей». Отсутствие функции неприемлемо, но ее реализация воспринимается как ожидаемое улучшение сервиса, а не как основа или неожиданный восторг.

Пример: формирование backlog с помощью модели Кано.​

Результаты анализа используются как входные данные для приоритизации требований.

1. Обязательные требования​

Все характеристики категории Must-be включаются в backlog в обязательном порядке. Имеют высокий приоритет независимо от пользовательского «восторга».

2. Линейные характеристики​

Характеристики категории One-dimensional приоритизируются по:

  • степени влияния на удовлетворённость;
  • частоте упоминаний;
  • стратегической важности.

Именно эти требования чаще всего становятся основой roadmap.

3. Восхищающие характеристики​

Характеристики категории Attractive:

  • используются для дифференциации продукта;
  • добавляются в backlog как продуктовые гипотезы;
  • часто реализуются итеративно или экспериментально.

4. Безразличные и обратные​

  • Indifferent исключаются из backlog или откладываются.
  • Reverse удаляются или пересматриваются.

Ограничения модели Кано​

  • Субъективность.
  • Зависимость от формулировок вопросов.
  • Изменение ожиданий со временем.

Модель Кано не должна использоваться как единственный инструмент приоритизации.

Материалы​

  1. Модель Кано: как отличить «Вау!» от обязательного. Практическое руководство по приоритизации фич
  2. Объяснение модели Кано: анализ и примеры
  3. Объяснение модели Кано
  4. Что такое модель Кано: как построить на примере
  5. Модель Кано
  6. Метод Кано на практике: как мы перестали гадать и стали понимать пользователей лучше
  7. User Experience и модель Кано
  8. Как выбрать фичи для вашего приложения: используем модель Кано
  9. Японская и Калифорнийская модели Кано

Видео​

  1. Модель Кано - всё, что нужно знать и как использовать
  2. Модель КАНО или Как легко и быстро проверить бизнес идею на выживаемость?
  3. Конференция CX Day: Модель Кано: инструкция по применению, тонкости расчета (Розум Сергей)