Как проводить Кано
Недавно первый раз провёл опрос по модели Кано. Ниже смесь ссылок на толковые статьи по теме и личных наблюдений

Сам метод помогает приоритезировать баклог и решить, какие фичи нужно сделать в первую очередь, а какие можно отложить (а для маркетинга - на чём сфокусироваться при продвижении). Вот короткое объяснение, если не сталкивались раньше http://bit.ly/2WZNLpw

Теперь детали:
1) Вот самая простая, и одновременно подробная инструкция, которую я нашёл http://bit.ly/2JyqUhG (иногда открывается только под впн, не понимаю, почему). Там же есть ссылка на калькулятор в гугл таблицах, который позволяет быстро обработать сырые данные. Весьма удачно, что калькулятор принимает данные в том же формате, в котором их выдаёт surveygizmo. Есть ещё такой, http://bit.ly/2HxSFVz, он чуть длиннее, и в нём подробней объясняется матчасть (и классные детали вроде объяснения того, почему оценка сдвинута относительно нуля).

2) По рекруту - Сауро советует брать 50-300 человек, что обеспечивает погрешность в пределах 5-9%. К слову, в калькуляторе из первого гайда выше стандартные отклонения и доверительный интервал считаются автоматически.

3) IBM пишут http://bit.ly/30yYeKV, что один человек за раз может оценить до 15 фич, по моему опыту это так и работает. Исследовать за раз можно и больше, чем рандомизированно показывать каждому по 15 фич, тогда надо подкрутить выборку.

4) Самый большой подвох в том, как объяснить фичи понятно, не продавая. Я серьёзно, тут кроется самый простой и вероятный способ запороть результаты, и это занимает кучу времени, так что начните с этого. Лучше всего для сложных фич сделать прототип для наглядности, ну или хотя бы протестируйте понятность описания перед тем, как запускать опрос.

5) Классический график с гиперболами и стрелочками никто не понимает, для себя нашёл удобную формулу объяснения результатов - чем фича правее на графике, тем обидней, если её не будет, чем выше, тем приятней, если будет. Так, вроде, всем понятно (и на базе этого уже можно объяснять про базовые, восхищающие и т.д.)

6) Предсказания людей о том, какая функция их обрадует, могут не коррелировать с реальностью. Для валидации лучше включить в опрос несколько уже запущенных фич, и потом сравнить результаты по Кано с реальными данными по ним же.

7) И напоследок классная заметка Ани Булдаковой о том, что с любым методом приоритезации баклога (в том числе с Кано) надо поосторожней. Стратегию нельзя заменить голосовалочками и весами, и иногда твёрдая рука кормчего-визионера (постирония? Или нет?) и хороший анализ рынка важнее http://bit.ly/2M5XBVK
____
Ещё забавные кейсы:
https://t.me/uxread/153 - другой метод приоритезировать фичи - Technology Acсeptace Model. Про саму модель и про то, как её используют для скоринга фич в Athenahealth
https://t.me/uxread/57 Как Superhuman научились оценивать достижение product-market fit опросником
https://t.me/uxread/82 Как headspace повышали вовлечённость и улучшали онбординг в приложении по habit formation loop (по пути проведя опрос и дневники)
Другие кейсы: #Cases
Другие методы: #Methods