pm-skills 假设优先级排序指南：用 Impact × Risk 矩阵决定“先验证什么“

pm-skills 假设优先级排序指南用 Impact × Risk 矩阵决定先验证什么【免费下载链接】pm-skillsPM Skills Marketplace: 100 agentic skills, commands, and plugins — from discovery to strategy, execution, launch, and growth.项目地址: https://gitcode.com/GitHub_Trending/pm/pm-skills导读本文讲解 pm-skills 仓库中 prioritize-assumptions 技能 的完整用法如何用Impact × Risk影响 × 风险矩阵对产品假设进行分诊把待验证假设清单转化为按优先级排序的验证计划并为每条高风险假设匹配合适的实验方案。读完本文你将掌握假设排序的两维打分逻辑、ICE/RICE 等量化评分公式的选用场景以及如何把排序结果无缝接入后续的实验设计与产品决策流程。一、这个技能解决什么问题在持续产品发现Continuous Product Discovery中团队往往会通过访谈、调研、脑暴产出大量假设——但假设多不等于能验证完。资源有限实验排期有限团队必须回答一个关键问题先验证哪一条prioritize-assumptions 正是为此设计的 AI 技能。它在技能元数据中自我描述为使用 Impact × Risk 矩阵对假设进行优先级排序并为每条假设建议实验方案用于对假设清单进行分诊、决定先测试什么、或应用假设优先级画布时。其核心流程分四步逐条评估影响与风险 → 用矩阵归类 → 为需要验证的假设设计实验 → 以矩阵/表格呈现结果。该技能在整个发现流程中的位置非常清晰仓库中的 /discover 完整发现循环命令 把发现工作拆成七个步骤其中Step 4 明确调用本技能——在识别假设Step 3之后、设计实验Step 5之前负责把假设清单映射到 Impact × Risk 矩阵找出跳跃式信念leap of faith假设高影响、高不确定性并排序测试优先级、合并可一起测试的相关假设。二、核心框架Impact × Risk 矩阵2.1 两个维度如何打分技能要求对每条假设独立评估两个维度Impact影响验证该假设成功后创造的价值 × 受影响客户数量。在 ICE 框架中Impact Opportunity Score × # Customers。Risk风险定义为(1 - Confidence) × Effort即不确定性 × 实现成本。置信度越低、投入越大风险越高。这里有一个值得注意的设计风险不是孤立的不确定程度而是把置信度缺失与投入成本相乘。这保证了一条不太确定但改动很小的假设不会因为不确定性被过度惩罚而一条不太确定且要花大力气的假设会得到较高的风险分——后者恰恰是应该谨慎对待的对象。2.2 四象限分诊规则按两个维度的高/低组合矩阵把假设归入四类每类有明确的行动指令象限行动低影响 × 低风险推迟测试优先处理更高优先级的假设高影响 × 低风险直接进入实现低风险、高回报低影响 × 高风险拒绝该想法不值得投入高影响 × 高风险设计实验去验证它这张矩阵的价值在于它不是简单地按分数排序而是按象限给出差异化的决策动作。高影响 × 高风险象限才是实验资源应该集中的地方——这些是机会最大、同时最不确定的跳跃式信念一旦验证成立收益巨大而盲目实现则风险不可控。2.3 评分公式的可选替代ICE 与 RICE技能同时提示ICE 模型很适合假设排序其中Impact Opportunity Score × # CustomersConfidence1–10反映风险、Ease1–10反映成本总分为I × C × E分数越高越优先RICE 则把 Impact 拆成 Reach 与 Impact 两个因子(R × I × C) / E。更完整的公式体系可以在 prioritization-frameworks 参考技能 中找到其中给出了 Opportunity Score 的完整定义Opportunity Score Importance × (1 − Satisfaction)Importance 与 Satisfaction 均归一化到 0–1出自 Dan Olsen《精益产品手册》Current value Importance × SatisfactionCustomer value created Importance × (S2 − S1)高 Importance 低 Satisfaction 最高 Opportunity Score 最佳机会对应 Importance vs Satisfaction 图的左上象限。该参考技能还提供了 9 种框架的速查对比表Opportunity Score 适合客户问题优先级推荐、ICE 适合想法/计划快速排序推荐、RICE 适合规模化想法排序、Kano 适合理解期望不用于排序、MoSCoW 适合需求分类注意其项目管理起源等。选用建议假设数量少、团队小、需要快速分诊 → 直接使用 Impact × Risk 矩阵需要更细粒度、团队较大 → 改用 RICE想兼顾风险与成本且快速打分 → 使用 ICE。三、工作流程从假设清单到验证计划3.1 输入约定技能在 Context 中约定协助用户对$ARGUMENTS中的产品/特性进行假设排序如果用户提供了包含假设或研究数据的文件先读取文件再开始。这与仓库中其他技能如 identify-assumptions-new、identify-assumptions-existing的约定一致——先吃透已有材料避免空谈。3.2 四步执行流程逐条评估对清单中的每条假设给出 Impact 与 Risk 两个分值矩阵归类将每条假设放入四象限并应用上表的行动规则设计实验对需要测试的假设逐一建议实验方案要求以最小成本最大化有效学习maximize validated learning with minimal effort、度量真实行为而非观点、具备清晰的成功指标与阈值呈现结果以优先级矩阵或表格输出内容较多时保存为 Markdown 文件。技能特别要求分步思考Think step by step这是为了让排序过程可追溯、可审计——任何一步的打分依据都能回查。3.3 与完整发现循环的衔接在 /discover 命令 中Step 4 之后的衔接是对最高优先级的假设调用 brainstorm-experiments-existing现有产品或 brainstorm-experiments-new新产品设计实验每条关键假设配 1–2 个实验包含成功标准、时间线与成本再按依赖与成本排序实验。最终汇总为一份发现计划文档其中关键假设表包含# / 假设 / 类别 / 影响 / 不确定性 / 优先级五列直接体现本技能的输出结构。四、为高风险假设设计实验的实操要点技能要求实验满足三条硬性标准度量行为而非观点、最小成本换取最大有效学习、有明确成功指标与阈值。仓库中的实验设计技能提供了具体工具箱现有产品场景brainstorm-experiments-existing原型首击测试、功能桩/假门测试fake door、技术 Spikes、带风险缓释的生产环境 A/B 测试、Wizard of Oz、行为导向调研新产品场景brainstorm-experiments-new着陆页、讲解视频、邮件营销、预购/等待名单、礼宾式Concierge/手动 MVP要求先写出 XYZ 假设至少有 X% 的 Y 会做 Z并遵循 Alberto Savoia《The Right It》的两条原则——Skin-in-the-Game测试付费意愿而非兴趣真实承诺才是可靠信号与YODA用自己实验的数据而非他人数据。每条实验都应输出四要素Assumption我们相信什么/ Experiment具体怎么做/ Metric测什么/ Success threshold判断成立的期望值——这与优先排序技能清晰的成功指标和阈值的要求完全对应。五、完整实战示例一个假设清单的排序与验证假设团队为现有项目管理工具提出智能通知系统对应 /discover 命令 中的示例场景识别假设阶段identify-assumptions-existing产出了以下清单交由本技能排序#假设影响风险象限决策1用户会为智能通知付费高核心价值高不确定付费意愿高影响 × 高风险设计实验2用户能 1 分钟内理解通知规则配置界面中低原型可测低影响 × 低风险推迟3通知聚合功能可复用现有推送基础设施低高依赖未知技术栈低影响 × 高风险拒绝4减少通知噪音能将 7 日留存提升 5%高低已有数据可验证高影响 × 低风险直接实现对假设 1可设计实验在现有产品中放置智能通知定价页假门测试度量点击定价页并进入结账流程的用户占比成功阈值为≥15% 的访客进入结账流程从而用真实行为验证付费意愿而非发放问卷询问你愿意付费吗。六、输出物与后续衔接技能要求以矩阵或表格呈现排序结果内容量大时保存为 Markdown。产出物可直接作为 /discover 命令 Step 6 发现计划中关键假设与验证实验两张表的数据来源也可继续衔接create-prd 技能为验证通过的高影响假设写 PRDinterview-script 技能用访谈补充实验结论setup-metrics 命令为实验建立指标追踪参照 metrics-dashboard 技能 中的指标定义表与仪表盘布局opportunity-solution-tree 技能把排序后的假设挂回机会-解决方案树保持机会优先于方案的结构。七、使用提示与注意事项先读文件若你有假设清单、访谈纪要或研究数据文件先提供给技能读取排序会更贴合实际分数可追溯要求输出每条假设的 Impact、Risk 及置信度得分依据便于团队评审时对齐认知避免为排序而排序低影响 × 高风险假设应被果断拒绝高影响 × 低风险假设直接实现——只有高影响 × 高风险才值得消耗实验资源保持行为导向所有实验的成功指标都应指向真实用户行为点击、注册、留存、付费而非意见或满意度评分联动使用本技能是发现流程中的一环最佳实践是配合 /discover 全流程使用并周期性更新发现计划文档。延伸阅读假设的源头可参考 identify-assumptions-new8 类风险Value/Usability/Viability/Feasibility/Ethics/Go-to-Market/Strategy/Team与 identify-assumptions-existing4 类核心风险评分公式细节可查阅 prioritization-frameworks。【免费下载链接】pm-skillsPM Skills Marketplace: 100 agentic skills, commands, and plugins — from discovery to strategy, execution, launch, and growth.项目地址: https://gitcode.com/GitHub_Trending/pm/pm-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考