需求池管理系统的优先级排序：RICE、Kano与业务权重怎么取舍

需求池不会自己变短。排序标准不清，最后往往是谁催得紧谁先做。RICE、Kano与业务权重是需求池管理系统里常见的三套排序思路，它们回答的不是同一个问题，适用条件也各不相同，取舍得先看清这一点，再谈怎么组合。

一、三种方法为什么会给出不同答案

1. 各自回答的问题

• RICE回答资源问题：这件事值不值得投入。 它比较的是单位成本能换回的价值。
• Kano回答体验问题：这件事在用户心里算什么。 它衡量满足程度与用户满意度之间的关系。
• 业务权重回答战略问题：这件事和当前目标有多相关。 它衡量需求与经营重点的贴合度。

分歧的根源是坐标系不同，而不是谁算错了。 把三种分数相加，得到的是三个视角的混合物，排序依据仍然解释不清。

2. 排序失灵的三种表现

• 按压力排序： 谁催得紧、谁话语权大谁先做，会表达的需求挤掉了更重要的需求。
• 按时间排序： 先提先做，投入产出比完全失去作用。
• 按单一分数排序： 高分照单全收，分数掩盖口径差异，也放过了合规与安全这类必须置顶的需求。

二、RICE：把需求换算成一个可比较的分数

1. 四个变量

RICE由四个变量构成，每个变量回答一个具体问题。

其中Reach和Effort容易客观量化，Impact和Confidence依赖判断，也最容易产生分歧。

2. 公式与打分口径

RICE得分＝（Reach×Impact×Confidence）÷Effort。 得分越高，排序越靠前。

口径统一比公式本身更重要。同一套打分标准要在一段时间内保持稳定，否则跨版本分数无法互相比较。 常见做法是把Impact固定为几个档位、Confidence固定为几个百分比档位，避免凭感觉填数字。

3. 适用边界

RICE适合价值可量化、回报周期较短的迭代需求，例如流程提效、转化率优化。技术债、基础体验和合规改造的收益难以折算成数字，Effort却很高，容易被压到队尾。 它可以作为日常排序工具，不宜成为唯一依据。

三、Kano：先判断需求类型，再决定投入程度

1. 五类需求

Kano模型由东京理科大学教授狩野纪昭于1984年提出，关注的是需求满足程度与用户满意度之间的非线性关系。

必备型是底线，期望型决定竞争位置，魅力型制造差异。 无差异型和反向型应被识别出来并减少投入。

2. 正反向问卷

问卷对同一项功能问两遍，一次问具备时的感受，一次问不具备时的感受，再按答案组合归类。归类结果可换算成Better系数和Worse系数，前者反映需求对满意度的拉动强度，后者反映缺失时的负面影响。 问卷产出的是类型判断，先后顺序仍要结合成本确定。

3. 适用边界

Kano适合在功能规划阶段判断需求该不该做、投入多少。结论来自受访群体的主观感受，样本偏差会直接影响归类结果。 需求类型还会随竞争环境变化，今天属于魅力型的功能，几年后可能转为必备型，分类结论需要定期复核。

四、业务权重：把战略目标翻译成可计算的系数

1. 权重来源

业务权重是战略目标的量化表达，来源通常有三类：年度经营目标拆解出的指标、行业与合规要求、长期能力建设方向。 战略强调留存时，留存相关维度的权重就高；转向营收时，权重随之调整。

2. 加权评分

把每个需求按若干维度打分，再乘以各维度权重后相加。常用维度包括战略契合度、用户价值、商业价值、实现成本与风险。权重的作用是放大差异，不是替代判断。 各维度权重相同时，加权退化为简单平均，也就失去了意义。

3. 适用边界

业务权重的优势是把高层关注点显式写进规则，让排序有据可依。权重长期不调整，就会变成新的形式主义：维度还在，战略早已转向。 权重依赖打分、打分依赖人，主观性只是被集中到权重设置这一步，并没有被消除。

五、三者怎么取舍与组合

1. 先分层，再打分

同一个流程里使用三种方法，稳妥顺序是先分层、再排序。先用合规与安全做一票否决，把必须做的需求单独置顶；再用Kano区分类型，决定投入态度；最后用RICE或业务权重在剩余需求中排出先后。 分层解决能不能做，打分解决先做哪个，两者混在一起计算会互相干扰。

2. 场景与方法对照

四类常见场景对应不同的首选方法。

四类场景并不互斥，一个季度里可能同时出现。需要固定的是判断顺序，而不是固定使用某一个方法。

3. 落地要点

• 口径成文。 打分标准、权重来源、一票否决清单都要写下来，否则每次评审都在重新谈判。
• 保留一票否决通道。 再完整的评分模型，也要给合规与安全留出直接置顶的路径。
• 定期复核。 需求类型和战略重点都会变，排序规则要跟着更新。

六、常见问题

需求池积压上千条，是不是每条都要打分？不必。长期无进展、明确不做的条目先归档，只对进入候选范围的需求打分。打分本身有成本，全面铺开反而拖慢决策。

排序结果业务方不认，怎么处理？把打分依据和权重来源公开，让争议回到标准上，而不是在结论上反复拉扯。条件允许时让业务方参与权重设定，比事后解释更省力。

团队打分普遍偏高怎么办？常见原因是档位太粗、缺少参照物。给出各档位的锚定示例、限制高分段占比、要求每项打分写明依据，都能压缩虚高空间。

上线后发现判断错了，要不要马上改规则？单次偏差不必立刻动规则。同类偏差重复出现，说明维度或权重设置存在系统性偏差，此时再调整并保留变更记录。