第 2 章 优先级排序框架选择：ICE、RICE 与 PIE

在数据驱动 A/B 测试中，选择合适的优先级排序框架直接影响实验效率与资源投入回报。ICE、RICE、PIE 是三种最常用的定量评估框架，分别从不同维度对候选功能或假设进行打分排序。本章围绕三者的定义、适用场景及对比，按 SOP 流程给出选择与使用规范。

2.1 定义与核心公式

2.2 适用场景与对比

2.3 前置条件

1. 已完成候选实验列表（输入物1：原始假设清单）。
2. 已定义每个候选功能/假设的 影响定义（如转化率提升百分比、留存率变化等）。
3. 已确定团队可投入的 资源上限（开发人月/季度）。
4. 已收集 历史实验数据 或 专家共识 作为信心打分的依据。
5. 已明确项目阶段（探索期/增长期/成熟期）——这将影响框架选择。

2.4 操作步骤

2.5 详细操作步骤

1. 识别数据就绪度：检查组内是否有准确的用户覆盖量（如周活、目标人群数）。若有，进入 RICE 分支；若无，继续下一步。
2. 判断战略关联度：若当前周期有明确的战略目标（如提升 NPS、增加复购率），优先选 PIE 框架；否则选 ICE 框架。
3. 为候选实验打分：按选定框架的指标，召集3～5名相关角色独立打分，取均值。
4. 计算总分排序：根据公式计算候选实验的得分，按降序排列。
5. 设定阈值：根据资源上限和团队承载能力，划定前 N 名进入实验管道。

2.6 输入输出物

2.7 责任边界

• 产品经理：提供候选假设及战略目标说明，参与打分。
• 数据分析师：提供 Reach 数据、历史影响基准、Effort 估算支持。
• 技术负责人：确认开发工作量，确保 Effort 维度准确性。
• 项目负责人：裁决框架选择争议，维护排序最终版本。

2.8 记录材料

1. 框架选择决策记录（含评审日期、参与人、决策依据）。
2. 打分原始数据（每人每项指标评分表）。
3. 排序后的实验管道列表（版本控制）。
4. 若使用 RICE，保留 Reach 计算逻辑（如 DAU 口径、目标人群筛选条件）。

2.9 异常处理

2.10 验收标准

• 所有候选实验均完成打分，无遗漏。
• 排名前 20% 的实验在后续 A/B 测试后实际效果与打分排名基本一致（皮尔逊相关系数 > 0.6）。
• 框架选择理由记录在案，团队成员可复述选择逻辑。
• 输出的实验管道列表包含框架名称、分数、排序号，且通过团队评审。