Confidence（信心）评估
在 RICE 优先级框架中，信心（Confidence）衡量你对 Reach、Impact 和 Effort 三项评分确定程度的计量。产品需求工作常面对模糊用户场景、二手传闻或未经验证的假设 — 如果没有信心评估，高估/低估会直接导致优先级错配，浪费团队资源。信心评估需要对接用户访谈、需求拆解、指标验证各环节，帮助团队在不确定性中做出可追溯的决策。
信心等级划分
| 等级 | 分数范围 | 含义 | 典型来源 | 决策建议 |
|---|---|---|---|---|
| 低 🟥 | ≤50% | 推测为主，仅有单一间接来源 | 团队内部假设、二手报告、竞品猜测 | 降低优先级，先做验证实验 |
| 中 🟨 | 51%–80% | 有 2+ 来源交叉印证，但仍有噪音 | 用户访谈 × 2、问卷 + 情景测试、运营数据 | 可投入原型或小规模上线，准备 A/B 测试 |
| 高 🟩 | 81%–100% | 直接观察或大规模实验结论支撑 | A/B 测试显著结果、行为日志统计、可用性测试录像 | 可进入正式开发排期 |
证据来源
信心评估不靠感觉，应依据可回溯的证据链。常见证据类型及可靠度分级：
- 用户访谈（原生记录） — 直接聆听痛点，属于高可靠证据，但需警惕样本偏差。
- 行为数据分析 — 全量日志/漏斗转化，可靠度高，但忽略用户动机。
- 运营/客服记录 — 一线高频反馈，属于中可靠，需剔除情绪化噪音。
- 原型测试/可用性测试 — 观察用户实际操作，可靠度高。
- 竞品分析 — 间接推测，可靠度低，只能作为低信心来源。
- 行业基准报告 — 外部参考，可靠度低，需结合自身场景调校。
实践建议： 在需求拆解阶段，每份用户故事或需求卡片中注明证据来源类型（如“访谈记录第5条”）。这样在评审信心时可以快速回溯，避免“感觉有把握”的模糊判断。
不确定性处理
即使拥有来源，不确定性依然存在。以下方法可系统化降低风险：
- 三角验证： 用三种不同方法（访谈 + 日志 + 竞品）就同一问题交叉比对，若结果矛盾则降低信心。
- 保守假设： 对 Effort 取最大值，对 Reach 取最小值，避免乐观偏差。
- 预留缓冲区： 在交付物模板中增加“假设清单”和“验证时间盒”，例如原计划 2 周开发，若信心为低则额外加 1 周验证 Sprint。
- 信心校准： 团队定期回顾以往评估准确度，调整打分习惯。例如某成员长期高估，需强制降档。
需求交付物模板示例（置信字段）：
需求 ID: FR-041
信心评分: 65% （来源：用户访谈 3 次 + 问卷 N=200，存在样本偏年轻风险）
不确定性处理: 需在 Beta 阶段补充 50+ 中老年用户访谈
常见陷阱
- 过度自信陷阱： 项目发起人凭经验声称“肯定有效”，导致团队跳过验证。对策：强制使用证据来源清单打分，不允许“我觉得”。
- 锚定效应： 第一个数字（如竞品报告）锚定所有人，后续调整幅度很小。对策：每人独立评分，再公开汇总。
- 样本偏差： 只访谈了活跃用户，忽略沉默用户。对策：在用户访谈招募中明确覆盖流失组。
- 幸存者偏差： 只看成功案例（如上线后数据涨了 10%），忽略未上线项目。对策：建立“失败回顾”文档，对照信心与结果偏差。
- 确认偏差： 只收集支持自己假设的证据。对策：安排专人扮演“挑战者”，要求至少列出两条反面证据。
⚠️ 关键提醒： 信心评估不是一次性动作。需求拆解阶段、方案表达阶段、指标验证阶段应与用户访谈同步更新信心分。低信心需求不应直接进入开发，而应拆解为“验证型 User Story”，先跑一轮快速实验。
图：信心评估决策流程 — 从证据收集、等级判断、不确定性处理到最终决策，每一步都需关联用户访谈与需求拆解证据。