Калькулятор RICE и ICE для приоритизации бэклога

RICE — метод приоритизации, который описал Шон Макбрайд, продакт-менеджер Intercom. Команда искала способ сравнивать очень разные идеи — новую функцию, редизайн, интеграцию — без спора «чья идея важнее». Балл складывается из четырёх оценок:

• Охват измеряется реальными числами за фиксированный период: «1 800 новых пользователей за квартал увидят тур», «600 клиентов в месяц выгружают отчёты». Берите данные из аналитики, а не на глаз.
• Влияние в Intercom оценивали по дискретной шкале: 3 — огромное, 2 — высокое, 1 — среднее, 0,5 — низкое, 0,25 — минимальное. Шкала нелинейная специально: разница между «огромным» и «средним» втрое, а не на пару пунктов.
• Уверенность гасит энтузиазм: 100 % — есть количественные данные, 80 % — поддержка одной из оценок, 50 % — в основном интуиция. Ниже 50 % — «лунный выстрел», который стоит сначала проверить.
• Усилия — знаменатель: чем дороже задача, тем ниже балл. Считают в человеко-месяцах и округляют до половины; неделя работы — примерно 0,25.

Балл — это «влияние на единицу усилий». Абсолютное значение ничего не значит: 2 400 не лучше и не хуже 24, пока вы сравниваете задачи одного бэклога с одинаковым периодом охвата.

ICE популяризировал Шон Эллис, автор термина growth hacking. Метод придуман для потока гипотез роста, где нет времени считать охват и человеко-месяцы. Каждой гипотезе ставят три оценки от 1 до 10:

В книге «Hacking Growth» Эллис и Браун предлагают усреднять оценки; во многих командах их перемножают. Разница не косметическая: произведение сильнее наказывает задачу за одну низкую оценку. Гипотеза 9 · 9 · 1 получит 81 из 1000 при перемножении и 6,3 из 10 при усреднении — то есть по среднему окажется выше, чем ровная 6 · 6 · 6 (216 и 6). Калькулятор поддерживает оба варианта — выберите один и не меняйте его внутри бэклога.

Главный недостаток ICE — субъективность: «7 из 10» у двух людей значат разное. Помогает договориться об опорных примерах для каждого балла и оценивать бэклог вместе, а не по одному.

• RICE подходит для продуктового бэклога на квартал: задачи разного масштаба, есть аналитика по охвату и оценка команды разработки.
• ICE — для еженедельного отбора экспериментов в growth-команде: гипотез много, они дешёвые, а решение нужно быстро.
• Модель Кано отвечает на другой вопрос — как пользователи воспримут функцию: обязательная она, линейная или восхищающая. Её удобно использовать до RICE, чтобы честнее оценить влияние; посчитать категории по опросу можно в анализаторе опроса Кано.
• MoSCoW (must, should, could, won't) хорош для фиксации объёма релиза, но не ранжирует задачи внутри группы.

Типичные ошибки

• Разный период охвата. У одной задачи охват за месяц, у другой — за год. Балл второй окажется в 12 раз выше без всякой причины.
• Влияние без метрики. «Высокое влияние» на что? Зафиксируйте одну цель квартала — активацию, удержание, выручку — и оценивайте влияние на неё.
• Уверенность 100 % по привычке. Если за оценкой охвата и влияния не стоят данные, ставьте 50 %. Именно этот множитель защищает от любимых идей.
• Слепое следование рейтингу. Формула не учитывает зависимости, технический долг, обязательства перед клиентами и стратегию. Используйте балл как аргумент в обсуждении, а не как приговор.
• Оценка задним числом. После релиза сверяйте прогноз с фактом: сколько людей реально воспользовались функцией. Для этого пригодится калькулятор adoption функции, а для проверки эффекта — калькулятор A/B-тестов.

1. McBride S. RICE: Simple prioritization for product managers. Intercom Blog — исходное описание метода и шкал влияния и уверенности.
2. Ellis S., Brown M. Hacking Growth: How Today's Fastest-Growing Companies Drive Breakout Success. Crown Business, 2017 — ICE-скоринг для экспериментов роста.
3. Cagan M. Inspired: How to Create Tech Products Customers Love. 2nd ed. Wiley, 2017 — о рисках ценности и осуществимости при выборе задач.
4. Clegg D., Barker R. Case Method Fast-Track: A RAD Approach. Addison-Wesley, 1994 — происхождение метода MoSCoW.