你是在大聲什麼啦！（來源：pakutaso.com）

【UI/UX】不要起爭議！你有聽過狩野分析嗎？

狩野英孝我懂，狩野調查…？

你是一個有選擇障礙的人嗎？ 狩野分析就是一個透過瞭解功能在使用者心中的需求定位，來解決『在產品開發時所遇到的選擇障礙』的研究工具。

在專案初期，或是功能改版之際，常會有這個對話：

「A功能很棒，B功能好像又更好，但C bug也還沒改，可是人力跟時間都有限，到底該先開發哪一個呢？」

遇到這種要如何分配開發資源的難題，就是狩野調查上場的時候了

這篇文章試圖以案例來說明並示範狩野分析的使用方式、呈現結果，以及可行的應用。若<delete>文組如我<delete>中途一度感到身體不適，可以拉到最下面拿手工大禮包：🎁狩野分析自動結算表。

一點點簡單的介紹

狩野分析是由東京理工大學的狩野紀昭教授於1984年所提出的『KANO模型』衍生而來。

透過將功能以正反兩面的問句分別詢問使用者，統計後將該功能分成六個需求分類，並且計算出該功能的影響程度係數，來決定是否開發，或開發的優先順序。

……..感受到你的眉頭逐漸深鎖，讓我們直接看下面這個範例：

以Ubike app為例子

假設今天要開發一款Ubike的查詢app，經過一波腦力激盪與訪談，我們發現上述三項功能好像都不錯，但我們無法決定哪個應該優先開發。

於是我們決定使用狩野分析，將這三個功能分別以『有』、『沒有』這種正反兩面的問句列出，詢問用戶『覺得如何』？ 並將答案選項固定為喜歡、應該的、能忍受、不喜歡、無所謂這五種。

完成後的題目會長得像這樣：

將每個功能像這樣列出，就會是一份狩野分析的問卷了。

開始算數學囉～～

回收問卷後，將每一份問卷 同一功能的正反問句，分別對照到下面這張表格，就能得到六種不同的需求分類分數。

將全部問卷上的每一個功能都依此得到需求分類的分數後，得到最多分數的類別，就是該功能最後的需求分類。

例：『預約租車』這個功能在正向問句中得到『喜歡』，在負向問句得到『不喜歡』，就會在『O期望型需求』這個分類加上一分。

而需求分類的意義如下：

M 基本型需求 (Must-be)

產品一定要有，絕對不能沒有的功能。 是這隻產品的本份，做得好是應該，做不好絕對會刪app的那種 例：Tinder的配對功能。

O 期望型需求 (One-dimensional)

用戶期待產品會具備的功能，但沒做也沒關係。 就像加分題，是一個已知的需求，做得好的話用戶的滿意度會提高，但沒有做也不會使滿意度下降。 例：街口支付的繳水電費功能。

A 魅力型需求 (Attractive)

連用戶自己都沒有想到過，有的話會讓他們驚艷、大加分的功能。 例：Richart的電話號碼轉帳功能。

I 無差異需求 (Indifferent)

用戶其實不在意有沒有的功能 就像雞肋，食之無味棄之可惜，拿掉可能也沒人會發現。 例：Facebook的集點趣（找看看在哪裡啊）

R 不需要 (Reverse)

用戶拜託你快刪掉的功能，生雞蛋無，放雞屎很大坨那種 已經不是不在意，而是厭惡、多餘，光是存在就會讓用戶滿意度下降 例：色情守門員（？

Q 有疑問 (Questionable)

表示結果有問題，可能是問法不正確，或是收到太多無效問卷 需要先回頭審視回收的問卷，或是重新檢查題目才能確認。

[embed]

現在每個功能都有了自己的需求分類，就能依此初步決定施作或修改順序。 一般來說，施作優先程度會是：

M基本型需求 > O期望型需求 > A魅力型需求 > I無差異需求

這個順序的邏輯是這樣： 如果連基本型需求都做不好，那根本不會有用戶留下來，所以要優先開發或是優先debug。 先把本份做好了，再來寫加分題的期望型需求，開發風險較低、已知用戶會想要的功能。 如果已經把該做的都做完了，再來追求風險較高的魅力型需求，甚至是開發一些無差異需求來完成自己的心願（？

而傷感情的『R不需要』這個面向，就端看施主的心臟有奪大顆，來決定是否手起刀落了（🍵）。

到這裡就可以收工啦！！

…才不

再來啊！再算啊！

如果上述的分類還無法精確的決定開發順序，就會進入下一層的計算，來得到該功能的DSI（不滿意影響力）與SI（滿意影響力）分數。

這次以『預約租車』這個功能當例子

假設我們總共收到了100份問卷，而六種需求各自的得分『百分比』如上。

計算公式如下： SI = (A+O) / (A+O+M+I) DSI=(O+M) / (A+O+M+I) x -1

將上方圖片中的數據套入這個公式，會得到如下數據： SI= (1+37) / (1+37+12+0) = 0.76 DSI= (37+12) / (1+37+12+0) x -1= -0.98

最後，將算出的SI與DSI當作座標，放入下方這張座標圖內 落點在紅圈外，離左上角越遠的，其影響度就越高，也就越應該優先處理。

注意：左上角為坐標原點。

所以在這個例子裡，預約租車就是一個大家敲破碗的需求，只要好好開發必定能獲得hen多熱烈的掌聲！（前提是要做得好拉ㄏㄏ）

心累？ 都2019了，當然要自動化啊！

雖然狩野分析感覺很有用，但其計算過程可說是十分繁複又枯燥。 如果你跟我一樣，是一名文組出身的設計師，看到這裡想必早已心累至極，感嘆世界不友善。

為了解決這個問題，我製作了一款 專為繁體中文設計的狩野分析自動結算表 只要『Ctrl C 加 Ctrl v，複製貼上得第一』，就能完成上述的全部計算，並且給予直觀的結果報表。

有興趣的話，歡迎點這裡觀看下一篇文章：

[embed]【UI/UX】土炮手作 狩野分析結算工具 無料放送！ 在上一篇文章中，我大略介紹了狩野分析實作的方法，以及應用的方式。medium.com

一個Ending

我的經驗是，除了在開發產品時可以使用狩野分析，就連在進行品牌定位、與客戶、老闆溝通，或是任何需要透過使用者需求做出取捨的時候，都能使用狩野分析。還有更多的應用方式，就留待大家去發掘了！

這篇文章就到這，能看完也是不簡單，希望你還喜歡

如果還想看更多菜雞的心得文，歡迎Follow我，一起成長 當然，能拍手收、留個言一起討論，讓菜雞不孤單那就更棒了，嗚嗚（火車上身）

註1：本文內容參考恩師 Akane Lee的這篇文章，大家也可以去看看。