Структура пріоритетів RICE

Структура пріоритизації RICE – це метод оцінювання, який використовується командами з розробки продуктів, розвитку та CRO для ранжування конкуруючих ідей, функцій або експериментів за оціночним впливом відносно зусиль, що дозволяє розподіляти обмежені ресурси на ініціативи, які найімовірніше дадуть значущі результати. RICE – це абревіатура для чотирьох компонентів оцінювання: Охоплення – кількість користувачів або клієнтів, на яких ініціатива, як очікується, вплине протягом визначеного періоду часу, наприклад, за місяць або за квартал; Вплив – приблизна оцінка того, наскільки ініціатива змістить цільовий показник для кожного користувача, якого вона охоплює, зазвичай оцінюється за простою шкалою, такою як 3 для масового впливу, 2 для високого, 1 для середнього, 0.5 для низького та 0.25 для мінімального; Впевненість – відсоток, що відображає, наскільки команда впевнена в своїх оцінках охоплення та впливу, на основі переконливих підтверджуючих даних; та Зусилля – оцінений обсяг необхідної роботи, зазвичай вимірюється в людино-місяцях або порівнянній відносній одиниці.

Цей фреймворк був популяризований командою розробників Intercom у відповідь на поширену проблему, коли пріоритети визначаються тим, хто аргументує найпереконливіше або має найбільшу організаційну владу, а не послідовною, порівнянною методологією. Остаточний бал RICE розраховується шляхом множення охоплення, впливу та впевненості, а потім ділення на зусилля, що дає єдине число, яке дозволяє ранжувати ініціативи дуже різних типів, такі як новий процес адаптації чи редизайн сторінки з цінами, в одному списку, незважаючи на те, що їх важко безпосередньо порівнювати.

Застосування RICE на практиці зазвичай починається з набору ідей-кандидатів, зібраних в результаті дослідження користувачів, аналізу аналітики, запитів зацікавлених сторін та конкурентного аналізу. Кожна ідея оцінюється незалежно командою, відповідальною за визначення пріоритетів, в ідеалі з використанням певного структурованого методу для отримання оцінок, такого як посилання на історичні дані експериментів для калібрування показників впливу або базування оцінок охоплення безпосередньо на аналітиці на рівні сегментів, а не на здогадках. Показники достовірності виконують важливу коригувальну функцію, оскільки вони явно ігнорують ідеї, які звучать переконливо, але ґрунтуються на слабких доказах, запобігаючи витісненню високих оцінок впливу, побудованих на спекуляціях, менш драматичними, але добре підтриманими ініціативами.

Поширеною помилкою є трактування оцінки RICE як точного, об'єктивного розрахунку, а не того, чим вона є насправді, структурованого способу порівняння суб'єктивних оцінок та виявлення обґрунтування рейтингу, щоб команда могла його оскаржити та уточнити. Оцінки можуть значно відрізнятися залежно від того, хто їх оцінює, тому багато команд колективно калібрують критерії оцінювання перед оцінюванням окремих елементів і періодично переглядають оцінки, коли з'являються нові дані, замість того, щоб вважати початковий рейтинг фіксованим. Ще однією частою помилкою є механічне застосування RICE без врахування залежностей між ініціативами, технічним боргом або стратегічними міркуваннями, які чисто числова оцінка не може врахувати, тому більшість практиків розглядають RICE як один із вхідних даних для рішень щодо пріоритетності, а не як єдиний визначальний фактор.

В CRO У консалтинговій роботі з питань зростання, RICE або аналогічні фреймворки, такі як ICE та PIE, зазвичай використовуються для побудови та захисту дорожньої карти експерименту, особливо коли клієнт має більше гіпотез, згенерованих в результаті дослідження, ніж має пропускна здатність програми тестування для виконання. Використання спільної, прозорої фреймворку оцінювання допомагає консалтинговій компанії обґрунтувати, чому певні експерименти розташовані вище за інші, надає зацікавленим сторонам послідовний спосіб пропонувати та оцінювати нові ідеї протягом усього проекту та створює документований запис, який можна переглянути, щоб перевірити, чи відповідають оцінки впливу та впевненості для завершених експериментів їхнім фактичним виміряним результатам, покращуючи калібрування майбутніх рішень щодо пріоритезації.

Розроблений приклад пояснює, як функціонує оцінка на практиці: експеримент із переробкою сторінки з цінами може оцінюватися так, що охопить 8,000 користувачів на місяць (охоплення), із середнім балом впливу 1 за стандартною шкалою, достовірністю 80 відсотків на основі переконливих якісних досліджень та оціненими зусиллями 2 людино-місяці, що дає бал RICE 8,000, помножений на 1, помножений на 0.8, поділений на 2, що дорівнює 3,200. Порівняно з другою ідеєю, спрямованою на меншу корекцію оформлення замовлення, яка охоплює лише 2,000 користувачів, але вимагає лише 0.25 людино-місяців зусиль з аналогічно високою достовірністю, корекція оформлення замовлення все ще може перевершити більшу редизайн цін, незважаючи на менший охоплення, що саме ілюструє той тип нелогічного, але корисного порівняння, яке покликаний показати цей фреймворк.