Вопросы по теме «Приоритизация и RICE»

RICE, ICE, Impact/Effort matrix — фреймворки приоритизации помогают аналитику аргументировать, какие задачи важнее. На собеседовании дают список фич и просят расставить приоритеты с обоснованием. Аналитик, который умеет оцифровать потенциальный эффект инициативы, становится незаменимым партнёром для продакт-менеджера.

Всего в этом разделе 20 вопросов. Каждый — с правильным ответом и кратким разбором теории. Разбито на 4 части по 5 вопросов.

A/B-тесты в продуктовой аналитикеОсновы продуктовой аналитикиВоронки, когорты и retentionРост, активация и онбордингИнструментация и качество данныхМонетизация и юнит-экономикаNorth Star, KPI и иерархия метрикПостановка задачи и PRDСегментация и позиционированиеСторителлинг и alignmentИсследование пользователей и JTBD

Вопросы 15 из 20

1У вас неделя на работу в спринте. Инициатива A: потенциально высокий `impact`, но `effort` оценивается в 4 недели. Инициатива B: умеренный `impact`, `effort` 3 дня. Что чаще всего разумнее для ближайшего спринта, если цель — быстро получить результат и сигнал из данных?
AВсегда выбирать только максимальный `impact`, даже если `effort` огромен
BВыбрать A и растянуть на спринт, игнорируя риски и неопределённость
CОтложить оба, пока не появятся идеальные оценки
DВзять B как быстрый `bet`, получить value и learning, а A перевести в `discovery` или декомпозицию
Ответ: Для короткого горизонта часто выигрывают инициативы с хорошим `impact/effort` и быстрым learning, а большие ставки лучше готовить через `discovery`.

Высокий `impact` на бумаге не помогает, если `effort` не укладывается в доступное окно и вы не получите результата быстро. Быстрый `bet` даёт шанс улучшить метрику и проверить гипотезу, что повышает `confidence` для следующих решений. Большую инициативу A можно подготовить: уточнить scope, риски и зависимости, чтобы улучшить её прогнозируемость. Такой подход делает `roadmap` более управляемым и снижает риск потратить недели вхолостую.

2Вы на ранней стадии: данных мало, оценить `reach` сложно, но нужно быстро ранжировать 15 идей. В вашей команде используют `ICE = impact * confidence / effort`. Когда `ICE` часто удобнее, чем `RICE`?
AКогда нужно посчитать точные `quantile` по метрике
BКогда есть точные данные по `reach` и вы хотите максимальную детализацию
CКогда `reach` оценить трудно и нужен быстрый грубый порядок по `impact`, `confidence` и `effort`
DКогда хотите полностью исключить обсуждение рисков и неопределённости
Ответ: `ICE` удобен, когда нет надёжной оценки `reach`, но всё равно нужен быстрый порядок по `impact/effort` с учётом `confidence`.

На ранних этапах `reach` часто приходится угадывать, и точность будет низкой. `ICE` позволяет не притворяться точными, а сфокусироваться на сути: ожидаемый `impact`, разумность гипотезы (`confidence`) и стоимость (`effort`). Такой скоринг полезен как инструмент обсуждения и фильтрации идей для `discovery`. Позже, когда появятся данные и стабильные `units` для `reach`, можно перейти к `RICE`.

3В `RICE` вы ставите `confidence` 0.3 для идеи A и `confidence` 0.8 для идеи B. Что означает `confidence` в контексте `prioritization`?
AВероятность, что фича понравится каждому пользователю
BНасколько вы уверены в оценках `reach` и `impact` (есть ли данные/эксперименты) и насколько стоит дисконтировать идею
CКоличество людей в команде, которые уверенно сделают задачу
DСколько времени займёт реализация, то есть `effort`
Ответ: `Confidence` — это не про любовь пользователей, а про уверенность в ваших оценках и рисках ошибки.

В `RICE` `confidence` помогает учитывать неопределённость: одинаковые `reach` и `impact` могут быть оценены с разной надёжностью. Высокий `confidence` обычно означает, что есть данные, похожие кейсы, результаты `discovery` или экспериментов. Низкий `confidence` — что это гипотеза без подтверждения и её стоит дисконтировать в `prioritization`. Часто следующий шаг — поднять `confidence` через быстрый `bet` на проверку.

4Вы собираете квартальный `roadmap` и хотите мыслить как портфель `bets`. Какой подход наиболее здравый?
AВзять только самые крупные `bets`, чтобы максимизировать `impact`
BВзять только быстрые мелкие `bets`, избегая всего рискованного
CЗаполнить 100% capacity задачами, не оставляя места на непредвиденное
DСмешать `bets` разных размеров, оставить часть capacity на поддержку/техдолг и включить 1–2 `discovery` ставки для увеличения `confidence`
Ответ: Хороший `roadmap` похож на портфель `bets`: баланс размера ставок, рисков и обязательного буфера.

Если вы берёте только большие ставки, вы увеличиваете риск провала и потери времени на высоком `effort`. Если только маленькие — можно не сдвинуть стратегические метрики и не проверить большие гипотезы. Портфельный подход включает разные `bets`, чтобы одновременно получать быстрый value и делать осознанные большие шаги. Буфер снижает риск, что `roadmap` развалится из-за инцидентов, багов и неожиданных зависимостей.

5Вы сравниваете инициативы по `RICE`, но для первой `reach` оценён как пользователей в месяц, а для второй — пользователей в квартал. Что нужно сделать перед расчётом и сравнением?
AПривести `reach` к одинаковым `units` и горизонту (например, в месяц или в квартал) и только потом сравнивать `RICE`
BСложить показатели, чтобы получить общий `reach`
CЗаменить `reach` на `impact`, потому что `reach` всегда субъективен
DИгнорировать `reach`, потому что он часто искажает результат
Ответ: Сравнение по `RICE` имеет смысл только при одинаковых `units` и одинаковом горизонте для `reach` и `effort`.

Если `reach` в разных инициативах измеряется на разных периодах, вы сравниваете несопоставимые величины. Это приводит к ложной `prioritization`, где выигрывает не лучшая идея, а та, у которой удобнее выбран горизонт. Приведение к одному горизонту — базовый `sanity-check` перед любыми скорингами. После выравнивания можно обсуждать содержательные вещи: `impact`, `confidence`, ограничения и зависимости.

1234

Хотите тренировать интерактивно?

В приложении — таймер, прогресс, стрики и 1700+ вопросов по всем темам.

Тренировать в Telegram

Другие темы: Продуктовая аналитика

A/B-тесты в продуктовой аналитикеОсновы продуктовой аналитикиВоронки, когорты и retentionРост, активация и онбордингИнструментация и качество данныхМонетизация и юнит-экономикаNorth Star, KPI и иерархия метрикПостановка задачи и PRDСегментация и позиционированиеСторителлинг и alignmentИсследование пользователей и JTBD