方案设计——Kano、MVP、RICE

一、开场困境

想象一下这个场景：你是一家智能运动平台的产品经理，正在规划下一个版本的AI教练功能。

团队讨论非常热烈：

研发总监说："AI教练需要先做基础功能——心率区间分析、训练负荷计算、恢复时间建议。这些是运动科学的基础，没有这些，AI教练就是空中楼阁。"

算法工程师说："我们应该先做最酷的功能——实时语音指导、个性化训练计划生成、AI动作纠正。这些才是用户的真正爽点，才能体现我们的技术实力。"

设计师说："但是用户现在还不会用我们的平台，我们应该先做一个新手引导和运动计划模板，让用户先动起来。"

运营总监说："你们说的都对，但是我们的资源只够做一个大功能。到底先做哪个？"

你看着满屏的功能需求，深吸一口气。你知道，每一个功能看起来都有道理，但你的团队只有3个月时间、5个人、一笔有限的预算。

到底应该先做什么？怎么判断什么功能是"必须做"的，什么功能是"可以晚点做"的，什么功能是"根本不该做"的？

这就是今天我们要解决的问题——如何系统地进行方案设计，识别需求类型，用最小成本验证假设，然后科学地排定优先级。

---

二、核心概念：Kano模型

2.1 什么是Kano模型

Kano模型由东京理工大学教授狩野纪昭（Noriaki Kano）在20世纪80年代提出，是一种用于识别需求类型、指导产品决策的经典模型。

Kano模型的核心思想是：不是所有的用户需求都是一样的，有些需求做不好用户会非常不满，但做好了用户也不会多满意；有些需求做了用户会惊喜，但没做用户也不会在意。

Kano模型将需求分为五类：

2.2 五大需求类型

第一类：基本型需求（Must-be Quality）

• 定义：用户认为"理所当然"应该有的功能。如果没有，用户会非常不满；但如果有了，用户也不会特别满意，因为这是"应该的"。

• 案例：智能运动手表的"时间显示"功能。如果手表不能显示时间，用户会暴怒；但只要它能显示时间，用户不会觉得这有什么了不起。

• 运动手表场景：GPS定位精准度、心率监测准确度、防水等级、续航时间、屏幕在阳光下可读。

基本型需求的特点是："不做不行，做了不谢"。它们是用户对产品的基础期望，是在市场上"入场"的资格，而不是"获胜"的筹码。

第二类：期望型需求（Performance Quality）

• 定义：用户明确知道想要的功能。做得越好，用户越满意；做得越差，用户越不满。呈线性关系。

• 案例：运动手表的"跑步模式"功能。如果跑步模式数据越丰富、越精准，用户越满意。这是用户购买时明确会对比的功能。

• 运动手表场景：运动模式数量、GPS精度水平、心率监测上限、运动数据分析深度、App交互流畅度。

期望型需求的特点是："做得越好，满意度越高"。这是产品竞争的主战场，是用户选择时的"对比项"。

第三类：魅力型需求（Attractive Quality）

• 定义：用户没有想到的、超出预期的功能。没有做，用户不会不满；但一旦做了，用户会非常惊喜和满意。

• 案例：佳明手表的"身体电量"（Body Battery）功能。用户买手表时并不知道自己需要这个功能，但用了之后觉得"哇，原来我还能这样了解自己的身体状态"。

• 运动手表场景：AI教练根据你的训练负荷和睡眠质量自动调整今天的训练计划、赛事预测功能、高原适应建议、实时技术分析（如跑步动态分析）。

魅力型需求的特点是："惊喜制造机"。它们不是用户明确要求的，但一旦体验过，用户就会觉得自己"回不去了"。这是产品差异化的核心来源。

第四类：无差异需求（Indifferent Quality）

• 定义：用户根本不在乎的功能。做不做对满意度没有影响。

• 案例：运动手表的"社交分享"功能——很多用户买了运动手表，根本不会在社交媒体上分享运动数据。

• 注意：无差异需求可能随着时间推移变成其他类型，也可能因用户群体不同而有差异。

第五类：反向需求（Reverse Quality）

• 定义：用户不想要的功能。做了反而降低满意度。

• 案例：运动手表强制推送广告、频繁的社交互动提醒、需要用户完成复杂设置才能开始运动。

2.3 Kano模型的时间动态性

Kano模型有一个非常重要的特性——需求类型会随时间推移而变化。

你发现了吗？今天很多我们认为是"基本型"的需求，在5年前可能是"魅力型"需求。

• 2015年：心率监测是魅力型需求（惊喜功能）

• 2018年：心率监测成为期望型需求（对比项）

• 2023年：心率监测已经变成基本型需求（理所当然）

这就是Kano模型的时间动态性：魅力型 → 期望型 → 基本型。随着市场的成熟和技术的普及，原来令人惊喜的功能会逐渐变成用户的基本期望。

这意味着什么？意味着产品经理必须不断寻找新的"魅力型需求"来保持产品的差异化竞争力。如果你只做基本型需求，你只能及格；如果你只做期望型需求，你只能和竞品打平；只有当你不断创造魅力型需求，你才能持续领先。

---

三、经典方法论：Lean Startup MVP

3.1 MVP的核心理念

现在我们来谈第二个重要方法论——MVP（Minimum Viable Product，最小可行产品）。

MVP的概念来自Eric Ries的《精益创业》（The Lean Startup）。它的核心逻辑是：

"先做最小的产品，用最快的速度拿到市场验证，然后根据反馈快速迭代。"

MVP不是"功能最少的产品"，而是"能验证最核心假设的最小产品"。

3.2 MVP的常见误区

误区一：MVP = 半成品

很多人觉得MVP就是把完整功能做到一半就发布。这是错的。

MVP不是"做了一半的功能"，而是"功能完整但范围最小"。它应该是一个完整的、可用的产品，但它只覆盖了最核心的1-2个功能。

举个例子：Airbnb的MVP不是"只做了一半的预订系统"，而是"一个完整的预订功能，但它只覆盖了旧金山的一个房间"。

误区二：MVP = 只做基本功能

这是另一个常见的误解。MVP选择什么功能，不是看它是"基本型"还是"魅力型"，而是看它是否是验证核心假设所必需的。

回到我们的AI教练场景。如果你的核心假设是"用户愿意为AI生成的个性化训练计划付费"，那么你的MVP可能需要包含一个魅力型功能——AI训练计划生成。因为不包含这个，你就无法验证你的核心假设。

3.3 MVP的四种形式

MVP不一定是完整的软件产品，它可以是：

1. 原型MVP：用Axure/Figma做一个可交互原型，用来验证用户对功能概念的理解

2. 着陆页MVP：做一个产品介绍页面，放上"立即预订"按钮，看有多少人点击

3. 人工MVP（Wizard of Oz）：看起来是AI在运行，实际上是人工在后台操作

4. 单功能MVP：只做一个核心功能，完整实现

想象一下，如果你的AI教练要做"个性化训练计划生成"，你可以先做一个"人工MVP"——用户填写训练目标，你手动生成训练计划发给用户。你不需要真的写AI算法，只需要验证"用户是否愿意使用个性化训练计划"这个核心假设。

---

四、经典方法论：RICE优先级排序

4.1 RICE模型的起源

RICE是Intercom公司提出的一个优先级排序模型，它帮助产品经理用数据驱动的方式评估每个功能或项目的优先级。

RICE是四个维度的首字母缩写：

4.2 RICE的四个维度

R = Reach（触达范围）

这是一个功能/项目在特定时间内能影响多少用户。通常以"每季度/每月影响用户数"来衡量。

• 问题：这个功能会被多少用户使用？

• 案例：AI教练功能，假设平台有10万活跃用户，其中60%是跑步者，那么这个功能触达用户约6万。

• 注意：触达范围不是"平台总用户数"，而是"有机会使用到这个功能的目标用户数"。

I = Impact（影响力）

这个功能对用户和业务目标的影响程度。通常用1-5分或三个等级（低/中/高）来评估。

• 问题：这个功能对用户的核心价值有多大？

• 评分参考：

  • 5分：极大影响（核心功能，用户选择的核心理由）

  • 4分：重要影响（显著提升用户体验）

  • 3分：中等影响（好的改进）

  • 2分：轻微影响（微小的体验提升）

  • 1分：几乎无影响

C = Confidence（信心度）

你对这个功能效果的信心程度。通常用百分比表示。

• 问题：你有多确定这个功能会有预期的效果？

• 评分参考：

  • 100%：有准确的用户数据支撑

  • 80%：有用户调研或竞品数据支撑

  • 50%：基于经验或逻辑推断

  • 20%：纯粹的猜测

E = Effort（投入成本）

这个功能所需的开发时间和资源。通常以"人·月"（PM）或"人·周"（PW）为单位。

• 问题：完成这个功能需要多少时间？

• 注意：投入成本不只是开发时间，还包括设计、测试、部署、运营等全链路成本。

4.3 RICE计算公式

RICE的最终优先级分数计算公式是：

RICE Score = (Reach × Impact × Confidence) / Effort

分数越高，优先级越高。

（假设举例） 让我们用RICE评估AI教练功能的几个子功能：

从这个表格可以看到，虽然"个性化训练计划"Impact最高（5分），但因为Confidence低（60%）、Effort大（6人月），RICE分数只有15,000，远低于"心率区间分析"（108,000）和"运动后复盘报告"（40,000）。

这就告诉我们：不要只凭直觉判断优先级，要用数据说话。RICE可以帮助你客观地比较不同功能的优先级，避免"会哭的孩子有奶吃"的困境。

---

五、三个方法论串联：Kano → MVP → RICE

现在，我们把这堂课的核心内容串联起来。Kano、MVP、RICE这三个方法论，不是孤立的，它们可以组成一个完整的方案设计流程：

5.1 Step 1：用Kano识别需求类型

首先，把所有功能需求按照Kano模型分类：

以AI教练功能为例，用Kano分类：

基本型需求（必须做，做到及格线即可）：

• 心率区间显示（基于年龄的默认区间）

• 基础运动数据记录（距离、配速、心率、卡路里）

• 基础训练负荷统计（周跑量、运动时长）

期望型需求（投入资源做到行业领先）：

• 个性化心率区间（基于用户最大心率的动态计算）

• 训练效果分析（有氧/无氧训练效果评分）

• 恢复时间建议

• 运动表现趋势分析

魅力型需求（选择性投入，创造差异化）：

• AI生成的个性化训练计划（根据用户历史数据和目标动态调整）

• 实时语音教练（运动中AI给出实时指导）

• 训练风险提示（基于训练负荷和体感数据，只做风险沟通，不替代医疗判断）

• 赛事完赛时间预测（基于训练数据和赛道信息）

5.2 Step 2：用MVP确定最小验证方案

对于每个功能，特别是魅力型需求，思考"最小的验证方案是什么？"

核心问题： "我怎么用最少的资源，最快地验证这个功能的核心假设？"

AI个性化训练计划MVP的几种方案：

看到这里，你可能会说："人工MVP太low了，一点都不AI。"但它确实是最快验证核心假设的方式。如果用户连人工生成的计划都不愿意用，你花6个月做的AI算法就白费了。

这就是精益创业的核心思想：先验证，再投入。

5.3 Step 3：用RICE排定优先级

最后，用RICE模型对所有功能（包括MVP的各个步骤）进行优先级排序：

AI教练功能的完整RICE优先级排序：

排完优先级后，产品路线图就清晰了：

• Phase 1（第1-2周）：基础心率区间 + 基础运动记录（基本型需求，先让产品能用）

• Phase 2（第3-4周）：个性化计划人工MVP（验证核心假设）+ 心率区间分析（提升用户体验）

• Phase 3（第5-8周）：训练效果分析 + 运动后复盘报告 + 恢复时间建议（完善期望型需求）

• Phase 4（第9-12周）：基于MVP验证结果，决定是否投入算法MVP开发个性化计划

---

六、Design Thinking与双钻模型

在方案设计的方法论体系中，还有一个非常重要的框架——Design Thinking（设计思维）和双钻模型（Double Diamond）。

6.1 双钻模型

双钻模型由英国设计协会（Design Council）在2005年提出，它描述了产品设计的完整过程：

第一钻：发现问题（发散→收敛）

• 发散（Discover）：广泛收集用户需求、痛点、市场信息。不要做任何判断，先收集。

• 收敛（Define）：从海量信息中，聚焦到最核心的问题上。

第二钻：解决问题（发散→收敛）

• 发散（Develop）：针对核心问题，提出多种可能的解决方案。不要过早下结论，先发散。

• 收敛（Deliver）：从多个方案中，选择最好的方案进行交付。

6.2 双钻模型与Kano-MVP-RICE的融合

第一钻（发现问题阶段）：

• Discover：用户访谈、竞品分析、市场调研

• Define：明确核心问题，定义目标用户，确定产品价值主张

第二钻（解决问题阶段）：

• Develop：用Kano模型分类需求，设计MVP方案，用RICE排优先级

• Deliver：开发、测试、上线、验证

6.3 Design Thinking的五步法

斯坦福d.school将Design Thinking总结为五步：

1. 共情（Empathize）：理解用户的需求和痛点

2. 定义（Define）：明确问题

3. 构思（Ideate）：提出多种方案

4. 原型（Prototype）：快速制作低成本原型

5. 测试（Test）：让用户测试，收集反馈

这五步法中，Kano模型主要用在"定义"阶段帮助你理解需求类型；MVP主要用在"原型"和"测试"阶段帮你快速验证；RICE主要用在"构思"阶段帮你做优先级决策。

---

七、实操工具：RICE优先级评估表

最后，给大家一个可以直接使用的RICE优先级评估表模板。

7.1 RICE评估表模板

7.2 RICE评估注意事项

使用RICE时，有几点需要注意：

1. Reach要基于实际数据，不要拍脑袋。如果平台有数据，尽量用数据说话。

2. Impact和Confidence要团队共识，不要一个人打分。建议用"估算扑克"（Planning Poker）的方式，让团队一起讨论、打分。

3. Effort要包含全链路成本，不只是开发时间，还要算上设计、测试、部署、运营。

4. RICE分数不是绝对标准，还需要结合战略方向、业务目标、技术约束等综合考虑。

5. 定期重新评估，因为Reach、Confidence、Effort都会随着时间变化。

7.3 Kano问卷模板

为了更准确地判断需求类型，可以使用Kano问卷。Kano问卷采用"功能配对"的方式，问用户两个问题：

1. "如果产品有这个功能，你感觉怎么样？"

2. "如果产品没有这个功能，你感觉怎么样？"

选项：喜欢/期望/无所谓/勉强接受/不喜欢

示例：

功能：AI个性化训练计划

问题1：如果产品有AI个性化训练计划，你感觉怎么样？ ①喜欢 ②期望 ③无所谓 ④勉强接受 ⑤不喜欢

问题2：如果产品没有AI个性化训练计划，你感觉怎么样？ ①喜欢 ②期望 ③无所谓 ④勉强接受 ⑤不喜欢

根据回答组合，可以判断需求类型：

---

八、总结

我们来做一个核心要点回顾：

第一，Kano模型帮你识别需求类型。 基本型需求"不做不行，做了不谢"；期望型需求"做得越好，满意度越高"；魅力型需求"不做不骂，做了惊喜"。记住，需求类型会随时间推移而变化。

第二，MVP帮你用最小成本验证核心假设。 不是做"半成品"，而是做"功能完整但范围最小"的产品。MVP有四种形式：原型MVP、着陆页MVP、人工MVP、单功能MVP。

第三，RICE帮你科学排定优先级。 公式：RICE Score = (Reach × Impact × Confidence) / Effort。不要凭直觉判断优先级，要用数据说话。

第四，三个方法论可以串联使用： Kano分类 → MVP设计 → RICE排序。这是一个完整的方案设计流程。

第五，双钻模型为整个过程提供了框架： 第一钻发现问题（发散→收敛），第二钻解决问题（发散→收敛）。

"完美不是做完所有功能，而是用最少的资源，最快地验证最核心的假设，然后做对的事。"