第3章 常见排序模型对比：MoSCoW、RICE、Kano、Weighted Scoring 的适用条件与优劣

适用场景

四种模型分别对应不同的决策环境与价值评估维度，下表给出了典型应用场景的对应关系。

前置条件

在应用任一模型前，必须确认以下条件是否成立，否则排序结果可能严重失真：

• MoSCoW：需求池已初步拆分且粒度一致（建议 Epic/Feature 级别）；交付团队承诺固定时间盒。
• RICE：可获取或合理估算 Reach（触达人数）、Impact（影响系数）、Confidence（信心指数）、Effort（人天/工时）四项数据。
• Kano：具备足够样本的用户调研数据（通常 ≥ 30 份有效问卷）；能区分功能正向/反向问题。
• Weighted Scoring：干系人共识了评分维度（如收入、战略匹配、技术风险）；各维度权重之和为 100%。

操作步骤：选型决策流程

以下步骤帮助你在面对实际需求池时快速匹配合适模型：

1. Step 1 – 检查数据可用性：如果用户行为数据完备且团队习惯量化，优先考虑 RICE；如果仅有定性判断，转 Step 2。
2. Step 2 – 判断时间约束：如果项目有严格截止日期且必须聚焦“必须做”和“可不做”，选择 MoSCoW；否则转 Step 3。
3. Step 3 – 评估目标导向：如果核心目标是提升用户满意度或差异化竞争，使用 Kano；如果需要综合多个业务维度（收入、风险、依赖等），选择 Weighted Scoring。
4. Step 4 – 验证一致性：用两步交叉校验：① 用所选模型排出的前 5 项是否与干系人直觉一致；② 是否存在严重的“模型盲区”（如 RICE 忽略情感价值）。若冲突，则用 Weighted Scoring 作为兜底模型。

输入输出物

责任边界

• 产品经理/需求分析师：负责输入数据的质量（如 RICE 的 E 估算、Kano 问卷设计）和模型选择提议。
• 技术负责人/架构师：提供 Effort 估算（RICE 的 E、Weighted Scoring 的技术难度维度），并对 MoSCoW 的“Could”范围做可行性背书。
• 决策委员会/项目发起人：对最终排序结果进行批准；当模型冲突时（如 RICE 与 Kano 结果矛盾），负责仲裁。
• Scrum Master/PMO：维护排序记录表，确保排序结果被纳入迭代计划并追踪偏差。

记录材料

每次排序完成后需输出以下归档文件：

• 模型选择备忘录：记录选型原因、前置条件检查结果、确认人。
• 排序依据表：原始数据、打分过程、最终分值及排名（Excel 或在线表格格式）。
• 干系人签字日志：关键干系人对排序结果的初步反馈与最终确认记录。
• 偏差事件日志：如果排序结果与实际情况出现偏差（如冲刺后未完成 Must 项），需登记偏差原因、影响及改进措施。

异常处理

验收标准

以下条件同时满足时，本章节的排序模型选型与实施视为达标：

• ✔ 所选模型的前置条件检查清单已完成，无遗留假设。
• ✔ 输出物中包含至少一种排序结果文档（四栏清单/分值表/功能分类矩阵），且可追溯至原始输入数据。
• ✔ 排序结果与至少 3 名核心干系人的主观“Top 5 直觉”一致性 ≥ 60%（模型与直觉偏差项已记录并合理解释）。
• ✔ 在后续一个迭代中，按排序结果排入的前 5 项需求完成率 ≥ 80%。
• ✔ 异常处理记录中无未关闭的“高风险”项（如模型误用导致需求漏排）。