本文へ移動
cccskills
無料GitHub で公開

prioritization

量化排序功能/需求/实验时使用。适用于 backlog 排序、季度规划、决定先做什么。优先使用 RICE 评分(有数据时)或 ICE 评分(快速决策时)。

インストール方法を見る

含まれるファイル(5)

  • SKILL.md5.0 KB
  • references/prioritization-roadmap-guide.md2.1 KB
  • templates/ice-template.md566 B
  • templates/prioritization-result-template.md588 B
  • templates/rice-template.md568 B

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

优先级量化评分

适用场景

  • Backlog 太多,需要排序
  • 团队对优先级有分歧
  • 季度规划要从 50 个候选选 10 个
  • 验证实验排序(哪个先做)

不适用场景

  • 还在探索机会阶段(应先用 opportunity-tree)
  • MVP 切分(应直接用 mvp-scoping 的 MoSCoW)
  • 战略级方向选择(量化框架不能替代战略判断)

两个核心框架

RICE 评分(有用户数据时优先)

参考来源:Intercom RICE

公式:RICE = (Reach × Impact × Confidence) / Effort

四个因子:

因子含义评分方式
Reach影响多少用户具体数字(如:每月 2000 个用户)
Impact对每个用户的影响程度3=巨大 / 2=高 / 1=中 / 0.5=低 / 0.25=极低
Confidence估算的置信度100%=有数据 / 80%=有证据 / 50%=猜测
Effort工作量AI 工作流以分钟数计

示例:

功能 A:商品搜索功能
  Reach: 5000(每月活跃用户都会用)
  Impact: 2(高,直接影响转化)
  Confidence: 80%(竞品数据支持)
  Effort: 90 min(AI 实现)
  RICE = (5000 × 2 × 0.8) / 90 = 88.9

功能 B:商品评分系统
  Reach: 1000(只有买家会用)
  Impact: 1(中,影响决策)
  Confidence: 50%(猜测)
  Effort: 60 min
  RICE = (1000 × 1 × 0.5) / 60 = 8.3

→ 功能 A 优先(RICE 更高)

ICE 评分(快速决策时优先)

参考来源:Sean Ellis(增长黑客之父)

公式:ICE = Impact × Confidence × Ease

三个因子(每项 1~10 分):

因子含义
Impact对目标的影响
Confidence估算置信度
Ease实现难度(10 = 很容易,1 = 极难)

适用:

  • 实验排序(A/B 测试候选)
  • 增长策略快速排序
  • 不需要精确用户数据时

使用决策树

有真实用户数据吗?
  ├─ 有 → RICE
  └─ 没有 → ICE

需要排序的项目数量?
  ├─ < 10 个 → ICE 即可
  ├─ 10~30 个 → RICE 或 ICE 都可
  └─ > 30 个 → 先 ICE 粗筛,再 RICE 精排前 10

时间预算?
  ├─ 1 小时 → ICE
  └─ 半天 → RICE

工作流程

1. 列出所有候选项
   ↓
2. 选择评分框架(RICE / ICE)
   ↓
3. 逐项打分
   ↓
4. 计算总分并排序
   ↓
5. 检查 Top 5 是否符合直觉
   - 符合 → 输出结果
   - 不符合 → 重新审视评分(哪里高估/低估了)
   ↓
6. 输出排序表 + 推荐执行顺序
   ↓
7. 标注前 N 项进入下一阶段

输出格式

## 优先级评分结果(RICE)

| # | 功能 | Reach | Impact | Confidence | Effort | RICE | 排序 |
|---|------|-------|--------|------------|--------|------|------|
| 1 | 商品搜索 | 5000 | 2 | 0.8 | 90 | 88.9 | P0 |
| 2 | 用户登录优化 | 8000 | 1 | 1.0 | 60 | 133.3 | P0 |
| 3 | 商品评分 | 1000 | 1 | 0.5 | 60 | 8.3 | P2 |
| ... |

### 推荐执行顺序

P0(本期必做):用户登录优化、商品搜索
P1(本期争取):[排名 3-5]
P2(下期考虑):[排名 6+]

### 评分依据

- 用户登录优化的 Reach:来自最近一周的 PV 数据
- 商品评分的 Confidence 较低:缺乏类似产品对比数据

质量自检

□ 是否选对了框架(RICE 用于有数据,ICE 用于快速)
□ Reach 是否用了具体数字(不是"很多用户")
□ Confidence 是否标注了依据(数据/证据/猜测)
□ Effort 是否包含了所有相关工作流的工作量
□ Top 5 排序是否符合直觉(不符合说明评分有问题)
□ 是否标注了 P0/P1/P2 切分线

常见坑

  1. Reach 用百分比代替绝对数——"50% 用户" → 应该是"X 千个用户"
  2. Impact 全打 3——所有功能都"巨大",等于没区分
  3. Confidence 全是 100%——掩盖了不确定性
  4. Effort 只算开发——忘了设计/QA/部署/运维
  5. 盲信公式——RICE 是辅助,不能替代战略判断
  6. 频繁调整评分凑结果——为了让某个功能排第一反复改分
  7. 不写依据——别人无法理解和复审

配套模板

  • templates/rice-template.md — RICE 评分模板
  • templates/ice-template.md — ICE 评分模板
  • templates/prioritization-result-template.md — 排序结果输出模板

与其他 skill 的协作

上游:
  opportunity-tree → 提供候选机会和方案
  mvp-scoping → 提供候选功能列表

平行:
  prd-writing → 排序结果作为 PRD 第 6 节优先级依据

下游:
  转交项目经理 → 按 P0/P1/P2 拆排期

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

A/B 测试设计与分析时使用。适用于产品实验、功能验证、转化率优化。融合假设驱动 + 样本量计算 + 置信度判断。

日本語の概要は準備中です。原文の説明を表示しています。

zhaoxuya520/AI-Fullstack-Delivery-Workflow532026年5月19日 更新

上线前业务方/产品方验收时使用。适用于功能交付确认、UAT、发布会签。融合 BDD Given-When-Then、Specification by Example、ATDD。

日本語の概要は準備中です。原文の説明を表示しています。

zhaoxuya520/AI-Fullstack-Delivery-Workflow532026年5月19日 更新

设计无障碍可访问的界面时使用。适用于满足 WCAG 标准、键盘导航、屏幕阅读器支持。优先使用 WCAG 2.2 AA 级标准 + 键盘 + 焦点 + 对比度 + ARIA。

日本語の概要は準備中です。原文の説明を表示しています。

zhaoxuya520/AI-Fullstack-Delivery-Workflow532026年5月19日 更新

实现可访问性(无障碍)时使用。覆盖 WCAG 2.2 AA / ARIA / 键盘导航 / 屏幕阅读器 / 颜色对比 / 焦点管理。融合 React Aria / Radix UI / Headless UI 实践 + axe-core 自动化测试。

日本語の概要は準備中です。原文の説明を表示しています。

zhaoxuya520/AI-Fullstack-Delivery-Workflow532026年5月19日 更新

AI 模型部署时使用。适用于推理服务 / GPU / TensorRT / 监控 / 扩缩容。

日本語の概要は準備中です。原文の説明を表示しています。

zhaoxuya520/AI-Fullstack-Delivery-Workflow532026年5月19日 更新

数据分析报告输出时使用。适用于业务分析报告、周报、专项分析、决策支持。融合洞察 + 建议 + 行动项。

日本語の概要は準備中です。原文の説明を表示しています。

zhaoxuya520/AI-Fullstack-Delivery-Workflow532026年5月19日 更新

zhaoxuya520 のスキルをすべて見る

このスキルの問題を報告する