KANO 模型和 PSM 模型都是用户研究和设计师在日常工作中经常使用的分析模型，可以帮助界定用户需求的优先级和付费区间。
KANO 是什么?
KANO 模型是对用户需求分类和优先排序的模型，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。由东京理工大学教授野纪绍(Noriaki Kano)在 70 年代发明。
PSM 是什么?
PSM 模型也即价格敏感度测试模型(Price Sensitivity Measurement)，顾名思义，是进行产品、服务价格测试的模型。PSM 价格敏感度分析方法是在 70 年代由 Van Westendrop 所创建。
如何使用 KANO 和 PSM 模型?
1. 使用场景
KANO：需求的分析，如在产品开发前，我们需要知道这些功能哪些是基本功能，哪些是增值功能，功能的优先级又该如何排列等，可以通过 KANO 模型来界定。
PSM：当我们确定好产品的功能时，在后续定价的时候，又可以使用 PSM 模型来进行价格测试，来寻求最优价格、最优价格区间等信息。
有预设价格范围，优化产品或有竞品产品，会有大致的价格范围和参考
无预设价格范围，如完全的新产品，需要把产品概念解释清楚并了解消费者现在的解决方案成本
2. 使用流程
两者的使用流程均为：从明确目的–问卷设计–数据处理–结果呈现。
其中价格敏感度测试模型中关于问卷设计中的价格区间设定，有两种可以实现的方式：
- 制作价格梯度表，以选项的方式展示，但是会受到每个选项之间价格梯度的设置限制，如果在高额的产品价格中，使用这种选项就不太合适，如：汽车价格。
- 有些产品由于较为成熟，或者有竞品的情况下，可以直接使用开放题的形式进行设置，被访者的自由度更大，当然可以在程序中设置最低或最高的价格限制，以防极端数据出现。
KANO 案例使用
1. 问卷设置
问卷设置划分维度主要分为正反两方面：提供时的满意程度、不提供时的满意程度。
每个功能/方面都需要提供正反两方面的题目，可以进行适当标红/加粗手段防止用户看错。
2. 样本设置
为了达到统计意义上的样本量，建议定量的样本量达到 30 以上。
在后续进行问卷数据清洗时可能会清洗掉部分不符合样本，可以适当增加样本量。
在实际操作中，也可能在定性的研究中使用这一模型，即不再要求 30 以上的样本量。
3. 整理分类
把提供此功能和不提供此功能进行交叉，会得出 6 种不同的需求类型：
- A：兴奋/魅力型
- O：期望/意愿型
- M：基本/必备型
- I：无差异型
- R：反向/逆向型
- Q：可疑结果
根据用户对某一功能的评价，得出这一功能在以上 6 个分类属性中的比例，例如我们对 A 产品中的 XX 功能得出它的属性为 O：期望/意愿型，即当提供此需求，用户满意度会提升;当不提供此需求，用户满意度会降低。
4. 数据分析
在得出各个功能的属性对应后，可以计算 better-worse 系数，以便进行四象限图的展示。
- 增加后的满意系数 Better=(A+O)/(A+O+M+I)
- 消除后的不满意系数 Worse= -1 *(O+M)/(A+O+M+I)
例如我们对 A 产品中的 XX 功能得出它的系数如下：
- Better=(26.7%+60%)/(26.7%+60%+0%+23.3%)=86.7%
- Worse=-1*(60%+0%)/(26.7%+60%+0%+23.3%)=-60%
5. 结果呈现
计算各个属性的 better-worse 系数，然后通过四象限图的形式展示出来。
以 better 系数和 worse 系数分别为横纵坐标，中点为界，分为：
- 第一象限为兴奋/魅力型：若不提供此需求，用户满意度不会降低;若提供此需求，用户满意度会有很大的提升;
- 第二象限为期望/意愿型：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;
- 第三象限为无差异型：不论提供与否，对用户体验无影响;
- 第四象限为基本/必备型：当不提供此需求，用户满意度会大幅降低，但优化此需求，用户满意度不会得到显著提升。
在实际日常工作中：
- 我们首先要满足用户最基本的需求，即第四象限表示的基本/必备型因素。
- 在满足最基本的需求之后，再尽力去满足用户的期望/意愿型需求，即第二象限的功能需求，这是竞争性因素。提供用户喜爱的额外服务或产品功能，使其产品和服务优于竞争对手并有所不同，引导用户加强对本产品的良好印象。
- 最后争取实现用户的兴奋/魅力型需求，即第一象限表示因素，提升用户的忠诚度。
PSM 案例使用
1. 问卷设置
主要是 4 道题目，询问被访者：太便宜以至于怀疑品质不购买的价格、比较便宜的价格、比较贵的价格、太贵以至于不购买的价格。
问卷可以选择选项型和开放题型，根据价格的范围和想要的范围精度选择。
2. 样本数量
为了达到统计意义上的样本量，建议样本量达到 30 以上。
为了解决被访者抬高或压低价格的问题，可以增加样本量，抵消随机误差。
如果以价格选项的形式进行问卷，还可以设计价格分组，通过不同的价格方案设计 2 组或几组价格区间，进行投放问卷，互相验证。
3. 数据处理
对“太便宜”和“便宜”的价格百分比进行向下累计统计，对“贵”和“太贵”的百分比进行向上累计统计，得出如下图所示的四条价格线。其中，“太便宜”和“太贵”的交点确定出最优价格，因为在这种情况下，既不觉得“太贵”也不觉得“太便宜”的人数是最多的，对于企业而言，在该价格上，有最多的消费者可能去购买他的产品。同时，由“太便宜”和“贵”,“便宜 和“太贵”确定出可接受的价格区间。
根据统计表画折线图：
4. 结果呈现
结果的呈现既可以使用上述的折线图，表达合理价格区间在(3500，5500)，甚至更小的范围(4000，5000)，追求市场最大化的理想价格点在 4500 左右。
也可以进行更准确的计算，根据计算折线的交点，得出以下结果：
