KANO 模型——卡诺模型

KANO 模型是东京理工大学教授狩野纪昭(Noriaki Kano)发明的对用户需求分类和优先排序的有用工具，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。

狩野教授将产品属性分为五类：

魅力属性。
期望属性。
无差异属性。
必备属性。
反向属性。

卡诺模型告诉我们，当我们的时间和资源有限时，应该优先提升必备属性，其次是期望属性；如果我们有能力，再去提供魅力属性，拉开与竞品的差距；用户对无差异属性并不在意，所以我们不必刻意追求；我们应尽量避免提供反向属性，不要弄巧成拙。

参考资料：

KANO 模型-百度百科
《PMP5A备考宝典》p127-128

KANO 模型——卡诺模型相关推荐

KANO模型(卡诺模型)：产品人必懂的需求分析法
在做项目做产品的过程中,作为互联网产品设计师的我们,经常会接到来自PM/领导/业务方等等的各种需求. 有的时候,哪怕一个小功能.次次次级页面都会争得不可开交.这个时候怎么办呢?到底应该听谁的呢?哪个需 ...
卡诺模型案例分析_3个维度看竞品分析！
谁都想站在巨人的肩膀上,问题是怎么上去? ABC分享会线下24期回顾时间:10月24日下午13:00-17:30 地点:上海嘉定U-CUBE创意空间参与人数:18人主题:怎样做竞品分析这次活 ...
R语言vtreat包的mkCrossFrameCExperiment函数交叉验证构建数据处理计划并进行模型训练、通过显著性进行变量筛选（删除相关性较强的变量）、构建多变量模型、转化为分类模型、模型评估
R语言vtreat包的mkCrossFrameCExperiment函数交叉验证构建数据处理计划并进行模型训练.通过显著性进行变量筛选(删除相关性较强的变量).构建多变量模型.转化为分类模型.模型评估 ...
为多模型寻找模型最优参数、多模型交叉验证、可视化、指标计算、多模型对比可视化（系数图、误差图、混淆矩阵、校正曲线、ROC曲线、AUC、Accuracy、特异度、灵敏度、PPV、NPV）、结果数据保存
使用randomsearchcv为多个模型寻找模型最优参数.多模型交叉验证.可视化.指标计算.多模型对比可视化(系数图.误差图.classification_report.混淆矩阵.校正曲线.ROC曲 ...
R语言构建logistic回归模型：构建模型公式、拟合logistic回归模型、模型评估，通过混淆矩阵计算precision、enrichment、recall指标
R语言构建logistic回归模型:构建模型公式.拟合logistic回归模型.模型评估,通过混淆矩阵计算precision.enrichment.recall指标目录
R语言glm拟合logistic回归模型：模型评估（模型预测概率的分组密度图、混淆矩阵、准确率、精确度、召回率、ROC、AUC）、PRTPlot函数获取logistic模型最优阈值(改变阈值以优化)
R语言glm拟合logistic回归模型:模型评估(模型预测概率的分组密度图.混淆矩阵.Accuray.Precision.Recall.ROC.AUC).PRTPlot函数可视化获取logistic ...
R语言使用xgboost构建回归模型：vtreat包为xgboost回归模型进行数据预处理（缺失值填充、缺失值标识、离散变量独热onehot编码）、构建出生体重的xgboost模型回归模型
R语言使用xgboost构建回归模型:vtreat包为xgboost回归模型进行数据预处理(缺失值填充.缺失值标识.离散变量独热onehot编码).构建出生体重的xgboost模型回归模型目录
R语言glm拟合logistic回归模型：模型评估（计算模型拟合的统计显著性）、模型评估（赤信息AIC指标计算）
R语言glm拟合logistic回归模型:模型评估(计算模型拟合的统计显著性).模型评估(赤信息AIC指标计算) 目录
R语言构建logistic回归模型并评估模型：模型预测结果抽样、可视化模型分类预测的概率分布情况、使用WVPlots包绘制ROC曲线并计算AUC值
R语言构建logistic回归模型并评估模型:模型预测结果抽样.可视化模型分类预测的概率分布情况.使用WVPlots包绘制ROC曲线并计算AUC值目录
R语言构建xgboost模型：模型的特性重要度计算及可视化、模型对应的结构树（文本文件）
R语言构建xgboost模型:模型的特性重要度计算及可视化.模型对应的结构树(文本文件) 目录

KANO 模型——卡诺模型

参考资料：

KANO 模型——卡诺模型相关推荐

最新文章

热门文章