第3章 Impact维度详解：对核心指标的影响程度、分级标准、量化方法

3.1 用户场景

某B2B SaaS产品团队每月收到50+个需求提案。产品经理需要在周五的需求评审会上，从“提升月活跃用户数（MAU）”和“提高付费转化率”两个核心指标出发，选出影响最大的3个需求进入开发。

过去团队完全依赖PM个人经验判断Impact，导致多次出现“上线两周后发现对指标无任何提升”的尴尬局面。团队急需一套可复制、可量化、可对齐的Impact评估标准。

3.2 业务问题

通过复盘12个迭代周期的需求交付数据，团队发现Impact评估存在三大结构性问题：

1. 定义模糊：团队对“影响大”缺乏统一语言，同一需求在两个PM手中可能被评为P0和P2。
2. 指标脱钩：需求描述与核心指标之间的因果关系链不清晰，无法回答“为什么这个需求能提升MAU”。
3. 主观偏差：销售侧、客服侧提出的需求常因“声音大”被优先，实际对留存率、营收等长期指标贡献微弱。

3.3 用户访谈

项目组对6位资深PM、3位业务负责人进行了结构化访谈，以下是关键摘录：

• PM-A（负责增长模块）：“没有量化框架前，销售提的需求总是被优先，但实际对留存率影响很小。我们需要一个公式，而不是感觉。”
• PM-B（负责体验优化）：“我常把‘影响用户数’和‘影响程度’混在一起。一个需求影响100人但只是改按钮颜色，另一个影响10人但能解锁核心流程——前者真的更重要吗？”
• 业务负责人-C：“如果Impact不能对齐我的OKR，那它在我的视角里就是零。希望每个需求都标注‘对齐哪个北极星指标’。”

3.4 需求拆解

基于访谈结果，我们将Impact拆解为三个层层递进的结构化层次：

1. 用户层（广度 × 深度）：影响多少用户？影响用户行为的程度是“感知”还是“行为改变”？
2. 业务层（指标关联度 × 提升幅度）：直接关联哪个核心指标？预期提升幅度是否超过阈值？
3. 战略层（OKR对齐度 × 时间窗口）：是否对齐季度OKR？影响是短期脉冲还是长期复利？

三层之间形成乘法关系，而非加法：用户层为基础系数，业务层为杠杆系数，战略层为加权系数。任何一层为0，整体Impact归零。

3.5 方案表达：四级Impact分级标准

我们定义了一套P0–P3的四级分级体系，每级附带明确的用户层、业务层、战略层锚点：

3.6 指标验证：量化方法的四种武器

分级标准只是刻度，真正让Impact可被验证的是底层的量化方法。我们提炼出四种经过验证的计算路径：

① 用户量覆盖法

适用场景：需求影响范围明确，如功能改版、流程优化。

Impact_user = 受影响用户量 / 总MAU
示例：影响2万用户，MAU为20万 → Impact_user = 0.1（即10%覆盖率）

② 转化率提升法

适用场景：需求直接作用于漏斗转化环节，如注册流、下单流。

Impact_conversion = 预期转化率提升幅度 × 当前漏斗流量
示例：转化率提升2%，当前漏斗流量5万 → Impact = 1000次额外转化

③ 收入影响法

适用场景：需求与付费、续费、增购直接相关。

Impact_revenue = 预期收入增量 / 当前ARR
示例：预期年增收30万，当前ARR 600万 → Impact = 0.05（5% ARR提升）

④ 效率提升法

适用场景：内部工具、运营后台、客服效率类需求。

Impact_efficiency = 单位时间节省 × 执行频次 / 团队总工时
示例：每次节省15分钟，每日执行200次，团队日工时80h → Impact = 0.625（62.5%效率提升）

3.7 验收标准

Impact维度评估是否合格，需要同时满足以下五条验收标准：

• AC-1：分级可追溯 —— 每个需求的Impact分级结果必须附带三层拆解（用户层、业务层、战略层）的评分明细。
• AC-2：双人背对背校验 —— 同一需求由至少2位PM独立评估，评分差异超过1级时需进入仲裁流程。
• AC-3：量化计算可见 —— Impact评分必须包含至少一种量化方法的计算过程，公式和参数完整。
• AC-4：指标锚点对齐 —— 分级结果与本章3.5节P0–P3锚点表对照，不得出现“P0但用户覆盖率不足5%”的失配。
• AC-5：增量而非存量 —— Impact只衡量需求上线后新增的用户价值或业务收益，不包含已存在的基线数据。

3.8 交付物模板

以下为Impact评估记录表的推荐模板，每个需求对应一条记录：