第3章：Impact 维度拆解
维度定义：Impact 用于评估 AI 产品功能上线后对业务核心指标、用户行为模式及商业收益产生的实际改变程度。它是 RICE 评分中权重最高的维度之一，直接决定功能是否值得优先投入。
3.1 适用场景
- 需要判断两个以上功能候选版本对业务增长的贡献差异时
- 在资源有限（人力、算力、时间）条件下筛选高杠杆功能时
- 对已有功能进行版本迭代优先级排期时
- 向管理层或投资方说明功能预期收益时
3.2 前置条件
- 核心指标已定义：团队已对齐业务北极星指标（如 DAU、付费转化率、留存率）
- 基线数据可获取：当前指标的历史均值、波动范围及置信区间已采集
- 影响假设可表述：产品经理能写出“如果上线 X 功能，Y 指标将变化 Z%”的假设语句
- 利益干系人已识别：明确该功能会影响到哪些部门（运营、销售、技术）的考核指标
3.3 操作步骤
| 步骤 | 操作内容 | 输出物 |
|---|---|---|
| Step 1 | 列出功能直接影响的 1~2 个核心指标 | 指标清单 |
| Step 2 | 估算指标变化幅度（绝对值和相对百分比） | 影响幅度估算表 |
| Step 3 | 分析用户行为改变路径（从触发→行动→转化） | 行为改变路径图 |
| Step 4 | 映射商业价值（收入/成本/效率/品牌） | 商业价值映射表 |
| Step 5 | 选择定性或定量评估方法并给出 Impact 评分（0.25/0.5/1.0/2.0/3.0） | Impact 评分记录 |
3.4 输入输出物
| 类别 | 输入物 | 输出物 |
|---|---|---|
| 数据 | 近期指标看板截图、用户行为漏斗数据 | 清洗后的影响分析数据集 |
| 文档 | 功能需求文档（PRD）v1.0 | Impact 评估表（含假设与置信度） |
| 决策 | 管理层对指标权重的偏好 | Impact 评分（0.25~3.0） |
3.5 责任边界
- 产品经理（PM）：提出影响假设、主导 Impact 评分、记录假设依据
- 数据分析师（DA）：提供基线数据、验证假设数值的合理性、给出置信区间
- 业务方/运营：确认商业价值映射是否准确、补充用户行为侧反馈
- 技术负责人：评估功能实现成本与影响范围是否匹配（仅作参考，不决策 Impact 分数）
⚠️ 边界提示：Impact 评分是 PM 的最终责任，但必须附上数据来源和假设逻辑，不可凭感觉打分。
3.6 记录材料
| 材料名称 | 格式 | 关键字段 |
|---|---|---|
| Impact 评估表 | .xlsx / .csv | 功能名称、核心指标、变化幅度、置信度、商业价值类型、最终评分 |
| 行为改变路径图 | .drawio / .svg | 节点（触发→行动→转化）、每条路径的预期用户占比 |
| 影响假设记录 | .md / .docx | 假设语句、数据来源、假设提出人、评审状态 |
3.7 异常处理
| 异常场景 | 处理方式 |
|---|---|
| 无历史基线数据 | 使用行业 benchmark 或最小可行实验（MVE）获取参考值，降低置信度至 60% 以下 |
| 多个指标方向冲突（转化率↑ 但留存↓） | 以北极星指标为准，辅助指标变化作为风险备注，不纳入 Impact 评分 |
| 商业价值难以量化 | 转换为定性等级（高中低），并明确标注“定性评估” |
| 干系人对变化幅度争议大 | 组织一次 Impact 评审会，采用德尔菲法收敛，记录少数意见 |
3.8 验收标准
- 每个功能至少关联 1 个可观测的核心指标，并给出具体的预期变化数值或范围
- 用户行为改变路径图包含至少 3 个节点，且每条路径标注预期用户占比
- 商业价值至少覆盖以下 4 类中的 1 类：收入增长、成本降低、效率提升、品牌/体验提升
- Impact 评分必须落在 RICE 标准档位（0.25 / 0.5 / 1.0 / 2.0 / 3.0），不得出现自定义中间值
- 所有假设记录均经过至少 1 次 Peer Review（同级评审）并签字确认
❌ 常见错误：将 Impact 与 Reach 混淆。Impact 只衡量“改变程度”，不包含“改变了多少人”。例如：功能让转化率提升 10% 是 Impact，而该功能覆盖 50 万用户是 Reach，两者在 RICE 中分别独立计算。
Impact 四维拆解结构图
下图展示了 Impact 维度的四个核心拆解方向及其与评分输出的关系：
Impact 评分速查表
| 评分 | 典型场景 | 指标变化幅度参考 | 置信度要求 |
|---|---|---|---|
| 3.0 | 颠覆式功能（如上线语音助手 DAU +30%） | 核心指标提升 ≥ 20% | ≥ 80% |
| 2.0 | 重大功能（如个性化推荐提升转化率 10%） | 核心指标提升 10%~20% | ≥ 70% |
| 1.0 | 中等功能（如优化注册流程减少流失 3%） | 核心指标提升 3%~10% | ≥ 60% |
| 0.5 | 小幅优化（如按钮文案调整提升点击 1%） | 核心指标提升 1%~3% | ≥ 50% |
| 0.25 | 体验微调（如颜色/布局变更，指标变化 < 1%） | 核心指标提升 < 1% | ≥ 30% |
实践建议：在首次评估 Impact 时，优先选择“核心指标影响”和“商业价值”两个维度进行量化，用户行为改变路径图作为辅助判断工具，定性评估仅在数据不可获取时作为降级方案使用。