4. Impact（影响）评估维度

Impact（影响）衡量的是埋点需求上线后对产品、业务和团队产生的实际价值。在RICE框架中，Impact是权重最高的维度之一，它直接决定了该埋点是“必须做”还是“可以缓一缓”。

4.1 适用场景

当需要判断“这个埋点做了到底有什么用”时，就需要使用Impact维度进行评估。典型场景包括：

• 在新功能上线前，评估埋点对功能迭代验证的必要性。
• 在多个需求之间做优先级排序时，量化比较各自的价值。
• 在季度/月度OKR制定中，选取最能支撑目标的埋点任务。

4.2 前置条件

在进行Impact评估前，需要先完成以下准备工作：

• 明确当前产品/业务的北极星指标和核心KPI。
• 梳理产品线现有的决策流程（谁在看数据？做什么决策？）。
• 了解当前埋点体系的数据质量基线（缺失率、准确率、覆盖率）。

4.3 操作步骤

Impact评估包含三个子维度的打分，每个维度1～5分。最终Impact得分为三个子维度评分的加权平均值（默认等权重，也可按业务阶段调整）。

步骤一：评估业务价值

判断埋点数据对核心业务指标的直接拉动作用：

分数	说明	典型场景
5	直接关联北极星指标，缺失则无法衡量增长/营收	电商转化的核心漏斗埋点
4	强烈的正向效果，数据缺失会影响关键决策判断	新用户引导流程的点击埋点
3	有一项明确的业务增益，但非核心链路	非核心功能的使用频率埋点
2	间接辅助，可被其他数据替代	边缘页面的停留时长埋点
1	几乎无直接业务拉动	仅为“看看”而做的探索性埋点

步骤二：评估决策支持度

分析埋点数据能否直接驱动产品/运营的明确决策：

分数	说明	典型场景
5	数据直接决定功能上线/下线/改版方向	AB实验的核心观测指标埋点
4	数据是月度/季度OKR复盘的关键输入	用户留存率的归因埋点
3	辅助定性结论，降低决策不确定性	用户行为热力图升级埋点
2	仅做趋势记录，无明确决策动作	老功能历史行为延续性监控埋点
1	无明确决策接收方，或决策方已停用相关数据	已废弃页面的维护性埋点

步骤三：评估数据质量提升

衡量埋点能否显著改善现有数据资产的质量（准确性、完整性、及时性）：

分数	说明	典型场景
5	填补了关键链路的数据空白，完整体现用户旅程	跨端用户行为串联ID埋点
4	纠正了当前数据的重大偏差/错误	替换已不准确的旧事件埋点
3	补充了一处重要但非紧急的数据缺失	新增一个次要但常用的筛选参数
2	增加了冗余字段，不影响现有分析	在日志中额外记录设备型号
1	对数据质量无提升，甚至有引入噪声的可能	重复上报已有信息的埋点

步骤四：计算综合Impact分数

Impact = (业务价值得分 + 决策支持度得分 + 数据质量提升得分) ÷ 3

4.4 输入输出物

类型	内容	责任人
输入	埋点需求文档（含业务目标、决策链路、当前数据现状）	产品经理/业务方
输出	Impact评分表（含三个子维度分值与综合得分）	数据产品经理

4.5 责任边界

• 产品经理/业务方：提供业务价值与决策支持度的评估素材，明确该埋点与核心KPI的对应关系。
• 数据产品经理：主持多维度打分，协调工程师确认数据质量提升的实际收益，确保评分一致性。
• 数据分析师：校验评估结果是否与已知报表/看板的数据依赖一致，避免重复建设。

4.6 记录材料

所有Impact评估过程需要留存以下材料：

• Impact评分表：记录每个子维度的得分、评分理由、评分日期。
• 评分依据截图/链接：如相关的业务报表、决策会议纪要、现有数据质量监控报告。
• 争议记录：若多个评分人存在分歧，记录最终仲裁结果及仲裁人。

4.7 异常处理

异常场景	处理方式
子维度得分差异过大（如3.5分以上的标准差）	重新组织多方讨论，对齐对“业务价值”和“决策支持度”的认知；必要时做A/B盲测评分再取均值。
业务价值模糊，无法给出具体分数	将该埋点标记为“探索性需求”，业务价值暂定2分，启动最小埋点验证后根据数据回调再修正分数。
数据质量提升子维度对工程师无感知	数据PM与工程师一同梳理当前埋点覆盖率报告，用“缺失事件数”和“错误率”量化说明差异。

4.8 验收标准

Impact评估结果可被后续环节（Effort估算、RICE综合排序）直接引用，验收标准为：

• 每个埋点需求均完成三个子维度的评分，无缺失项。
• 评分表中每个分数后附有明确的客观依据（文字说明或附件链接）。
• 若存在多评分人，计算评分者内部一致性系数（可选；至少通过一次集体评审）。
• 综合Impact得分精确到小数点后1位，并标明四舍五入规则。

4.9 Impact评估框架图

4.10 检查清单

完成Impact评估后，逐项确认：