在《华尔街之狼》这部电影里面有这么一个著名的桥段，以卖大麻为生的sales跟莱昂纳多饰演的 Jordan说，他可以卖出任何东西。然后Jordan随手把一支笔扔给他，让他卖出去；现在你可以试想一下：你会怎么卖出这支笔？
他跟Jordan说：可以给我签个名吗？
Jordan回答：可我没有笔。
然后他说：所以，你现在需要一支笔了。
电影结尾，Jordan出狱之后，给听众做销售培训，同样拿着一支笔，让观众卖给他。但是，几名观众都很紧张，以"这支笔如何好"开始。这部电影其实道出了销售的真谛，那就是：找到需求。主人公Jordan是真实存在的人，这部影片是根据他的经历改编的。虽然他的人品不敢恭维，然而销售才能无疑是超群的，此前卖垃圾股，而现在，则贩卖自己的故事；从这个故事中可以认识到当你给客户卖东西的时候，无论是产品还是服务，无外乎三方面，如下图：
1）. Capability能力：你有足够的能力来服务客户，或者你的产品足够好。
2）. Compatibility匹配：你的产品或服务，能够匹配客户的需求。
3）. Confidence信心：你的言谈、举止或者你的产品宣传，给客户信心，让对方相信，买了你的产品/服务，就可以解决问题。而这3C里面，哪个C更加重要呢？从开头的卖笔故事里，你肯定猜到了，是Compatibility，只有当需求对了，接下来才是你的产品/服务如何地好。
1、乔布斯最关注的痛点·痒点·兴奋点
我们提到了“需要”和“需求”的关系，总结说：“需要”是人们生产生活中存在的、“尚未转化”为需求的“原始欲望”，“需求”则是指“需要”被满足的方式已经被人群接受了，人们产生了购买的欲望，也就是所谓的“人群诉求强烈”；这里我们接着聊聊“痛点·痒点·兴奋点”的问题，以便于我们在产品层面能做出有效的决策。
我们把这三句表述与KANO模型比较来看，恰好形成3组对应。“基本需求or必须具备的（痛点）”、“期望的需求（痒点）”、“超出预期的需求（兴奋点）”。
在竞争日益激烈的当下，用户的满意度直接影响着用户对于企业/产品的忠诚度，进而影响用户的粘性和流失。正因如此，每个公司/产品，都想了解自己客户的满意度状况，从而制定后续的策略和规划。
著名市场营销学大师、美国西北大学教授菲利普?科特勒说过：满意是指一个人通过对一个产品的可感知的效果与他的期望值相比较后，所形成的愉悦或失望的感觉状态。
在这里我们就以吃火锅为例子，实战运用卡诺模型，我们去掉反向品质，简化分析流程。来增强我们对“痛点·痒点·兴奋点”的理解和认识：
痛点：必要品质（有了不一定NB，没有一定SB）：必要品质必须具备，一顿火锅，至少需要有锅底和几种经典的菜式。
痒点：一维品质（越NB产品就越NB）：一维品质做得越牛X，产品就越牛X，这是决定产品线性品质的要素；吃火锅时，菜品的分量、店家的服务做得好，都能够有效提升产品品质。
兴奋点：魅力品质（没有不会SB，有了立马NB）：魅力品质相当于一种创新，有了足够的魅力品质，你的产品就跟其他同类产品区分开了；海底捞在你吃火锅时，给你擦皮鞋，这就属于魅力品质。
无差异品质（有没有影响不大）：无差异品质做了跟没有做一样，比如你在火锅店放几本书。。。
2、苹果从确定需求的优先级开始是懂“卖”的前提、会“卖”的起点
很多的创业团队，需求往往来自于团队成员的想法，并没有经过用户或者市场的调研，因此也很容易开发出一堆用户并不感兴趣的功能，而这对产品的伤害是非常巨大的，需求不是想出来的，是可以经过科学系统的方式挖掘采集并整理出来的；Kano模型对IT企业在开发新产品中，实用性比较强，是挖掘产品功能属性的一种较好的工具。
1）、产品的功能未必越多越好，通过KANO测试，能识别对对消费者没有吸引力的功能，有利于厂家进行资源分配。
2）、同一功能对不同细分市场对吸引力和属性诉求会有所差别。某一功能对细分市场A是魅力属性，对细分市场B可能是次要属性。我们应该针对不同细分市场来分别进行数据分析，判断不同细分市场的需求是否有差异。
3）、在资源有限的情况下，厂家可以综合考虑开发某一功能的成本因素，可以指导企业有效地开发迎合消费者需求的产品，满足市场的需求。
举个KANO模型的实操案例：苹果想开发带有新功能的iMAC电脑，可供选择的新功能的描述分别如下：功能1（蓝牙传输）、功能2（无线键盘）、功能3、功能4、功能5、功能6、功能7等７种功能。这些功能对苹果来说，哪些功能可以作为卖点去进行宣传？哪些是次要的而不必投入精力。通过分析各种功能对消费者的利益，以便针对性的进行营销推广。
（1 ）Kano分析的数据采集问题
在为Kano分析进行数据采集时，首先需要询问被访者一组正向和反向的配对问题。
针对每一个需求的配对问题，每个被访者可以得到5×5种可能的回答组合。研究者可以给每一种回答组合一个合适的分类定义。
（2 ）Kano分析的一种典型属性分类方式
（3 ） Kano分析的一些典型属性分析方法
（4）数据分析
除了对于Kano属性归属的探讨，还可以通过对于功能属性归类的百分比，计算出Better-Worse系数，表示某功能可以增加满意或者消除很不喜欢的影响程度。搜集所有被访者的回答数据，分别计算回答每个特殊功能的AMOI的频数，并可得出Better和worse的比例。
增加后的满意系数 Better/SI=（A+O）/(A+O+M+I)
消除后的不满意系数 Worse/DSI=-1*（O+M）/(A+O+M+I)
（5）结果呈现
Better，可以被解读为增加后的满意系数。better的数值通常为正，代表如果提供某种功能属性的话，用户满意度会提升；正值越大/越接近1，表示对用户满意上的影响越大,用户满意度提升的影响效果越强，上升的也就更快。Worse，则可以被叫做消除后的不满意系数。其数值通常为负，代表如果不提供某种功能属性的话，用户的满意度会降低；值越负向/越接近-1，表示对用户不满意上的影响最大，满意度降低的影响效果越强，下降的越快，因此，根据better-worse系数，对系数绝对分值较高的功能/服务需求应当优先实施； 根据功能属性及其better、worse值，可确定如下：
魅力属性（Attractive）：功能1、功能3、功能7；这些功能可作为卖点突出宣传。
一维属性（One-dimensional）：功能6、功能5；
必备属性（Must-be）：功能4；
无关属性（Indifferent）：功能2；如果这些功能占用成本太多，可考虑去除。
除了上述图示化的结果展示之外，还可以利用Kano技术的分类结果，结合高级统计分析方法，如聚类分析、对应分析等方法，进行市场细分等深入研究。
