Три приоритизации одного бэклога — три разных ответа
У вашей команды 40 фич в бэклоге. По RICE топ-3: интеграция с Slack, мобильное приложение, bulk import. По ODI: автоматическая категоризация, шаблоны отчётов, уведомления. По Demand-Weighted Priority: автоматическая категоризация, bulk import, migration wizard. Три метода — три разных roadmap. Почему?
Потому что каждый метод использует разные входные данные и разные модели ценности. RICE опирается на экспертную оценку команды. ODI — на ответы пользователей в опросах. Demand-Weighted Priority — на структуру графа задач с числовой уверенностью.
RICE: быстро, субъективно, повсеместно
Sean McBride (Intercom, 2016) предложил формулу: RICE = (Reach × Impact × Confidence) / Effort. Reach — сколько пользователей затронет. Impact — насколько сильно (0.25/0.5/1/2/3). Confidence — уверенность команды (50-100%). Effort — человеко-месяцы.
Сильные стороны:
- Универсальность — применим к любой фиче, любому продукту
- Скорость — оценка одной фичи за 5-10 минут
- Effort в знаменателе — естественно отсеивает «дорогие» фичи с малым эффектом
- Простота внедрения — не требует исследовательской инфраструктуры
Слабости:
- Impact — мнение, не данные. «Я думаю, это сильно повлияет» — кто решает? PM? CTO? Голосование?
- Reach считает пользователей, не задачи. Фича, которая затрагивает 10 000 пользователей поверхностно, набирает больше, чем фича для 500 power users, решающая критическую задачу
- Confidence в RICE — самооценка. «80% уверен» — на основании чего? 3 отзывов в Intercom? Это не Bayesian Confidence
- Нет привязки к задаче клиента. Фича оценивается «сама по себе», не в контексте job statement
ODI: Opportunity Score из опросов
Tony Ulwick (Strategyn, 1991/2005) разработал Outcome-Driven Innovation. Формула: Opportunity = Importance + max(Importance - Satisfaction, 0). Importance — насколько важен outcome для клиента (1-10). Satisfaction — насколько хорошо текущее решение справляется (1-10).
Сильные стороны:
- Голос клиента — Importance и Satisfaction берутся из опросов, не из мнений команды
- Математически элегантно — Score ≥ 15 = сильная возможность, < 10 = over-served
- Привязан к outcomes — не фичи, а «желаемые результаты» клиента
Слабости:
- Требует масштабных опросов — минимум 100-200 респондентов для статистической значимости. Стартап с 50 пользователями не может использовать ODI полноценно
- Outcomes — не задачи. «Minimize time to find relevant information» — это outcome, но он не привязан к конкретному шагу в job chain и не имеет контекста
- Нет учёта сегментов. ODI Score одинаков для всех пользователей. Product DNA добавляет Segment_Size × Segment_Fit_Score — одна и та же возможность может быть критической для A-сегмента и нерелевантной для D
- Нет Confidence Model. 200 ответов на опрос ≠ уверенность. Stated importance ≠ behavioral evidence (EP)
Demand-Weighted Priority: приоритизация из графа задач
Product DNA (Strand 7: Execution Protocol) предлагает формулу, которая учитывает структуру спроса:
Priority = Opportunity Score × Segment_Fit × Confidence × (1 / Effort)
Где:
- Opportunity Score — адаптирован из ODI, но на уровне Demand Steps (L3), а не абстрактных outcomes
- Segment_Fit — Score из 10 факторов (Strand 4): для какого сегмента эта фича критична
- Confidence — Bayesian: 0.0-1.0, не самооценка команды, а формула из sample size, consistency, behavioral signal, temporal decay
- Effort — в знаменателе (как в RICE)
Дополнительно: фича, которая покрывает Friction Point (L5) с высоким Elimination Potential — получает бонус. Фича, покрывающая Aspirational Demand (DT4) без поведенческих данных — штрафуется.
Таблица сравнения: 7 измерений
| Измерение | RICE | ODI | Demand-Weighted Priority |
|---|---|---|---|
| Источник данных | Мнение команды | Опросы (100+ респондентов) | Интервью + аналитика → 26 EP |
| Привязка к клиенту | Reach (количество) | Outcomes (желаемые результаты) | Demand Graph (L2-L3 задачи с типами и свойствами) |
| Confidence | Самооценка (50-100%) | Статистическая (sample size) | Bayesian (5 факторов, 0.0-1.0) |
| Сегментация | Нет | Нет (общий score) | Segment_Fit_Score (A/B/C/D) |
| Порог для стартапа | Низкий (можно завтра) | Высокий (нужны 100+ ответов) | Средний (5+ интервью для Bronze) |
| Типичная ошибка | HiPPO effect (мнение босса) | Stated vs revealed preferences | Зависимость от качества интервью |
| Лучший контекст | Быстрый sprint planning | Product-market fit validation | Strategic roadmap decisions |
Когда что использовать
- RICE — для тактических решений внутри спринта. «У нас 3 недели, 8 задач, что первым?» RICE быстр и достаточен для операционной приоритизации
- ODI — для продуктов с большой пользовательской базой, когда есть ресурсы на масштабные опросы. Enterprise SaaS с 10 000+ пользователей — идеальный контекст
- Demand-Weighted Priority — для стратегических решений: «что строить в следующем квартале», «на какой сегмент фокусироваться», «где наш Blue Ocean». Требует 5+ интервью, но не требует 200 опросов
Как Product DNA объединяет все три
В Product DNA: ODI Opportunity Score — компонент формулы (Strand 3). RICE Reach трансформируется в Segment_Size. RICE Confidence заменяется Bayesian Confidence (Strand 5). Effort остаётся в знаменателе.
Результат: не три отдельных списка, а один числовой score, который учитывает голос клиента (как ODI), масштаб воздействия (как RICE Reach), уверенность в данных (лучше обоих) и стоимость реализации (как RICE Effort).
Связанные статьи: Feature Priority Matrix → Product DNA vs JTBD → Product DNA v2: 7 Strands
AI CPO автоматически рассчитывает Demand-Weighted Priority Score для каждой фичи вашего продукта. Попробуйте бесплатно → aicpo.ru