数极客首页

卡诺模型—设计品质与设计价值的思

关于
设计的结果,我们总是希望看到亮点,质量
,细节,等等。但是这些考量的点混合在一同
,让设计师在执行设计工作的时分
很难针对每一个设计中止

核实思索
。我想分享给大家的是,关于
产品中不同类型的质量
,其所要抵达

的目的是不同的,设计的终点也是不同的,只需

在适合

的位置用对力,才干
塑造出优秀的设计。

同时也能发现,其实我们的工作很多时间是在默默的做设计,绝大多数工作并不是每个都是那么重要和耀眼,但是却是必需
和紧要的。这其实也是设计价值评价
的一个问题。当大家的留意
力都集中的产品最动人的那一点的时分
,我们同过关于
不同质量
分别

,也会对我们不同部分

工作的价值有更好的肯定。

先引见
一下卡诺模型:

卡诺模型—设计质量与设计价值的思

狩野模型(Kano Model)是一个十分
有创意的质量
表示模型,普通
也称为二维质量
模型。所谓二维(Two-dimension)即是包括两个维度,其一为从顾客观念
的称心
水平
,属于客户客观
感受,另一为从产品质量
观念
的提供,属于客观的产品机能或功用
。狩野模型表示
如图一所示。

二维质量
是相关于
一维质量
(One-dimension)所提出之扩展模型,其中一维质量
是说,当产品质量
越好或是需求越遭到
满足时,则客户称心
度越高,两者呈现是线性的(Linear)关系。从一维质量
观念
动身
,会得到增加质量
则客户越称心
结论。

狩野模型(Kano Model)是日本品管巨匠
狩野纪昭(Noriaki Kano)博士于1984年所提出。在【再论品管、质量
与发明
顾客需求】中我们曾讨论狩野教授所定义之三种品管,分别为质量
管制、质量
管理与魅力质量
发明
,其中狩野模型即是论述
魅力质量
发明
重要理论模型。

狩野教授指出,质量
要素包括四部分

,分别为1.无差别
质量
(Indifference);2.魅力质量
(Aractive);3.一维质量
(One-dimensional)与4.必要质量
(Must-be)。必要质量
即是产品的基本

请求
,从狩野模型来看,不论

产品质量
怎么提升,客户都会有称心
度的上限。

无差别
质量
即是产品质量
与客户称心
度不敏感,或称无差别
,换言之此质量
请求
非客户所注重
。一维质量
又称为线性质量
,若质量
好,客户即称心
度高,反之,质量
差客户便给予负面评价。魅力质量
即是具有魅力特质之质量
需求,当此质量
未彰显时,客户基本
没有觉得
,但是随着产品质量
的增加,客户称心
度以指数方式增加,并且增高幅度远高于一维质量
。基于此,魅力质量
即是客户”意想不到的质量
”,并可发明
客户深度满足。

狩野模型的创意处在于将质量
与客户称心
度的表现细致

化,并且提出量化指标。质量
与称心
度并非全然线性关系,而是有不同辨别
(四种方式

)。此外,产品与客户称心
,一则客观一则客观
,一则以产品为主一则以客户感受为主,一则为技术提供一则为客户需求。

最终
,魅力质量
发明
为狩野模型首度揭露之质量
内容,魅力质量
不只
跳脱物质层面的质量
管制、流程层面之质量
管理,更往心灵层面的质量
发明
迈进。换言之,唯有真实控制
不同层级质量
与质量
需求,方能从更高层面控制
质量
真相,并且提供不同客户不同产品与效劳
。产品质量
有此规则,效劳
质量
也是如此,先前所提到专利与技术质量
也有相似
规则。

必要质量

设计工作:随着需求不时
变化,需求
严谨和谐和
,整体的统筹。工作是默默中止

的,并非充溢
耀眼的创新点,但不可或缺,并且为产品其他质量
的构成定下调子。

对应于必要质量
,就是所谓的“没有不行,有了就满足了,再多也没用”的类型,固然
看起来不讨巧,但是却是最基础

的体验,不能出任何问题的部分

整体信息及体验构架的思索

及设计,信息结构

,页面规划
。在这里,我们会关注信息的可及性,认知的可辨认
水平
,功用
规划
,导航,信息提示,扩展方式,控件类型,整体作风
的接受

水平

鉴于必要质量
的特性,在这里的设计策

略更倾向
于严谨,细致,全面的满足用户需求,并尽量掩盖
一切
的需求。在这里,用户的需求要是可知可取得
的,并且产品的战略
也要定义出明白
的产品需求的边境
,以使设计师能够
在这范围内完好
的满足用户的需求。

但是也要留意
,在这里,产品形态易受竞品影响,又容易做的大又全,所以需求
对项目状况

有深化
到位的了解

,并与产品经理及整个团队良好的沟通。这里,关于
后面其他质量
起到了塑造的效果,假如
在这个层次上,有太多与竞品相仿痕迹的话,对后面的创新的表达,有着很大的影响,落入了一个套路之中。关于
竞品痕迹和大又全的问题,其实需求
关于
整个产品和界面有一个中心
的理念和逻辑,将一切
的功用
和体验的流程串起来,构成
完善并容易接受

的体系,是这里最需求
做的事情。

一维质量

设计工作:优化,优化,再优化。真正的战场,闪烁
质量
光辉
的中央
。需求
设计师深化
的去到每一个细节,去不时
的中止

部分
的迭代改进

和重构,在这个过程不时
阅历
关于
产品和用户的重新认知,设计,完成
的过程。

关于
一维质量
,更为强调的是,用户关于
功用
及性能的最大化的诉求,及信息的复杂交互和呈现。关于
设计来说,信息及交互流程的可用性,易用性,耐用性,可习性,鲁棒性,及可扩展性及等等都会激烈
的影响一维质量
的素质。

同时一维质量
自身
的属性:用户称心
度与质量
成正相关,也就是说,我们要尽所能的中止

体验上的优化,来取得
更好的用户称心
度。这里需求
留意
的是,在这个阶段,设计优化自身
,随着逐步

深化
,遇到的限制和障碍
会越来越多,而完成
的细节反响

会变得十分
重要。而设计同样力气
的投入的用户价值收益会降落

此时,需求
返回构架层面来拓展更大的空间及深化
的维度,同时也能够
从无差质量中获取突破

性的办法
,将其转化为一维质量
的一种或者魅力质量来处置

。同时,一维质量
自身
的用户价值边沿
功效
衰减也会随着优化的深化
,逐步
显现
出来。所以我们在处置
二维质量可用性的时分
一定要经常性的评价
反响

与调整。

魅力质量

设计工作:魅力质量
是蛋糕上的樱桃。我们的成败固然
不能希望
一颗樱桃就处置

一切
问题,但是关于
创新和极致质量
的追求,一定需求
我们不停的去尝试和努力。

关于
魅力质量
,这是一个十分
敏感及有趣的话题,而影响他的要素
又愈加
的复杂和多样,其结果的取得
依赖于十分
多的要素

第一
,当产品层面没有方向上的倾向的时分
,关于
设计上部分
的创新,需求
长期的坚持和优化,才有可能从用户不认知的无差质量
,升级

为十分
有价值的和忠实
感的魅力属性,而在成为魅力属性后,阅历
时间的演化和竞品的模仿

后,又会退化为必需
质量
。所以,部分
创新树立
魅力属性的过程是一个需求
耐烦
和坚持的过程,更需求
优秀
的用户体验才干
使一个点成为真正的魅力点。比如

我们的QQ邮箱大文件或者QQ截屏功用

有些时分
,我们在想象中将魅力质量
的树立
在设计灵感上。而其实真正创新性的魅力质量
是树立
在十分
了解

用户,对潜在需求的深化
发掘
和贴切的设计完成
上。透彻,深化
,真诚的看待
每一个潜在的需求,才可能去在各种各样的idea中,挖掘

出真正有价值的特性。

我们还知道

,有一种魅力质量
,是普遍存在的,和品牌价值有着紧密

分离
的,就是一维质量在向右端不时
推进的过程中,转变为魅力质量,这种状况
固然
不是一个讨巧的方式,但是也是最不容易流失的一种魅力质量
。所以关于
一个产品自身
一维质量的打磨,是产品的实质
也是中心
。但是,当中心
自身
也是会不时
流失的一种质量
,这种流失是长时间的,并不会由于
竞争对手一时间的跟进而立刻

流失,他的失去主要是在于自身

质量
的慢慢

降落
,招致
的口碑降落
。要当心
的是,假如
口碑变差,回复的过程也是十分
艰难

而漫长的。

无差别
质量

设计工作:这。。。看状况

关于
无差别
质量
,能够
看作是可又可无的。

关于无差别
质量
普通
是被我们最终
思索
到的。由于
80/20准绳
,我们将无差别
质量
归于非主流的需求当中。实践
状况
中,单一用户的反响

或者团队中的某人的个人意见,经常会构成

关于
某些无差别
质量
的过度关注。这是关于
设计本钱
的一种损失,要留意
,假如
可能经过
用户访谈或其他一些方式将其定义为无差别
质量
,就能够
避免

在不用
要的中央
投入过大肉体

,而集中力气
去做最为重要的中心
部分

在某些状况
下,误差质量
的内容是能够
向其他质量
中止

转化的,而这种转化,有时分
是执行团队去推进,而更多的状况
,是用户自己

去中止

的挖掘

,这就请求
我们关于
一些暂时没有显然
价值的质量
,中止

针对用户运用
的简单察看
,睁一只眼闭一只眼。有的时分
真的仅仅是时分
未到。

(本文出自Tencent CDC Blog,转载时请注明出处)

给大家引荐
我国新一代大数据用户行为剖析
与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合剖析
用户行为数据和业务数据,能够
自动监测网站、APP、小程序等多种渠道推行
效果剖析
,是增长黑客们必备的互联网数据剖析
软件。数极客支持实时多维剖析
、漏斗剖析
、留存剖析
、途径
剖析
等十大数据剖析
办法
以及APP数据剖析
网站统计网站剖析
小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据剖析
模型,是用户行为剖析
范畴
首款应用定量剖析
与定性剖析
办法
数据剖析
产品

发表评论

评论已关闭。

相关文章