RICE-prioriteringsramme

RICE-prioriteringsrammen er en scoringsmetode, der bruges af produkt-, vækst- og CRO-teams til at rangere konkurrerende ideer, funktioner eller eksperimenter efter estimeret effekt i forhold til indsats, hvilket gør det muligt at allokere begrænsede ressourcer til de initiativer, der mest sandsynligt vil producere meningsfulde resultater. RICE er et akronym for dets fire scoringskomponenter: Rækkevidde, antallet af brugere eller kunder, som et initiativ forventes at påvirke inden for en defineret tidsperiode, f.eks. pr. måned eller pr. kvartal; Effekt, et groft estimat af, hvor meget initiativet vil flytte målmålingen for hver bruger, det når, typisk scoret på en simpel skala såsom 3 for massiv effekt, 2 for høj, 1 for medium, 0.5 for lav og 0.25 for minimal; Tillid, en procentdel, der afspejler, hvor sikker teamet er i sine estimater for rækkevidde og effekt, baseret på styrken af ​​​​understøttende data; og Indsats, den estimerede mængde arbejde, der kræves, normalt målt i personmåneder eller en sammenlignelig relativ enhed.

Frameworket blev populariseret af Intercoms produktteam som et svar på det almindelige problem med, at prioritering styres af den, der argumenterer mest overbevisende eller har den største organisatoriske autoritet, snarere end af en ensartet, sammenlignelig metode. Den endelige RICE-score beregnes ved at gange Reach, Impact og Confidence og derefter dividere med Effort, hvilket giver et enkelt tal, der gør det muligt at rangere initiativer af meget forskellige typer, såsom et nyt onboarding-flow versus et redesign af prissiden, på samme liste, selvom de ellers er vanskelige at sammenligne direkte.

Anvendelse af RICE i praksis starter typisk med en række idéer indsamlet fra brugerundersøgelser, analysegennemgang, interessentanmodninger og konkurrenceanalyser. Hver idé scores uafhængigt af det team, der er ansvarligt for prioriteringen, ideelt set med en struktureret metode til at nå frem til estimater, såsom at referere til historiske eksperimentdata for at kalibrere Impact-scorer eller basere Reach-estimater direkte på analyser på segmentniveau i stedet for gætværk. Konfidensscorer tjener en vigtig korrigerende funktion, da de eksplicit udelukker idéer, der lyder overbevisende, men hviler på tynd evidens, hvilket forhindrer høje Impact-estimater bygget på spekulation i at fortrænge initiativer med lavere drama, men velunderbyggede.

En almindelig misforståelse er at behandle RICE-scoren som en præcis, objektiv beregning snarere end hvad den rent faktisk er – en struktureret måde at gøre subjektive estimater sammenlignelige og at afdække ræsonnementet bag en rangering, så den kan udfordres og forfines af teamet. Scorer kan variere betydeligt afhængigt af, hvem der vurderer dem, hvilket er grunden til, at mange teams kalibrerer scoringskriterier kollektivt, før de scorer individuelle punkter, og genovervejer scorer med jævne mellemrum, når nye data bliver tilgængelige, i stedet for at behandle en indledende rangering som fast. En anden hyppig faldgrube er at anvende RICE mekanisk uden at tage højde for afhængigheder mellem initiativer, teknisk gæld eller strategiske overvejelser, som en ren numerisk score ikke kan indfange, hvilket er grunden til, at de fleste praktikere behandler RICE som ét input i prioriteringsbeslutninger snarere end den eneste afgørende faktor.

Inden for CRO og vækstkonsulentarbejde, RICE eller lignende rammer som ICE og PIE bruges ofte til at opbygge og forsvare en eksperimentkøreplan, især når en klient har flere hypoteser genereret fra forskning, end testprogrammet har båndbredde til at køre. Brug af en delt, transparent scoringsramme hjælper et konsulentfirma med at retfærdiggøre, hvorfor bestemte eksperimenter sekventeres før andre, giver interessenter en ensartet måde at foreslå og evaluere nye ideer på gennem et engagement og skaber en dokumenteret registrering, der kan gennemgås for at kontrollere, om effekt- og konfidensestimaterne for gennemførte eksperimenter matchede deres faktiske målte resultater, hvilket forbedrer kalibreringen af ​​fremtidige prioriteringsbeslutninger.

Et bearbejdet eksempel tydeliggør, hvordan scoren fungerer i praksis: et eksperiment med at redesigne en prisside kan anslås at nå 8,000 brugere pr. måned (Reach) med en medium effektscore på 1 på standardskalaen, en konfidens på 80 procent baseret på stærk understøttende kvalitativ forskning og en estimeret indsats på 2 personmåneder, hvilket giver en RICE-score på 8,000 ganget med 1 ganget med 0.8 divideret med 2, lig med 3,200. Sammenlignet med en anden idé, der sigter mod en mindre checkout-justering, der kun når 2,000 brugere, men kun kræver 0.25 personmåneders indsats med tilsvarende høj konfidens, kan checkout-justeringen stadig overgå den større prisredesign på trods af dens mindre rækkevidde, hvilket illustrerer præcis den slags kontraintuitive, men nyttige sammenligning, som frameworket er designet til at vise.