SuperAPI AI 工具集

prioritize-assumptions

测试与质量

查看项目

更新于 10-16 03:41

技能介绍

用途:帮助团队对一组产品假设进行优先级排序,判断哪些假设值得先验证,并给出对应的验证实验建议。

主要能力:按 Impact(影响)与 Risk(风险)两个维度评估每条假设,并置于 Impact × Risk 矩阵中分类:低影响低风险 → 延后测试;高影响低风险 → 直接实施;低影响高风险 → 否决;高影响高风险 → 设计实验验证。对需要测试的假设,建议能最大化验证学习、投入最小、衡量真实行为而非主观意见、且具备明确成功指标与阈值的实验。结果以优先级矩阵或表格呈现。

方法背景:资料提到 ICE 适合假设优先级排序,即 Impact(Opportunity Score × 客户数)× Confidence(1–10)× Ease(1–10);Opportunity Score = Importance × (1 − Satisfaction),归一化到 0–1(Dan Olsen)。RICE 则将 Impact 拆为 Reach × Impact,公式为 (R × I × C) / E。完整公式与模板见 prioritization-frameworks 技能。

使用方式:由用户提供待排序的假设清单;若同时提供包含假设或研究数据的文件,会先读取。评估时对每条假设分别计算 Impact 与 Risk,Risk 定义为 (1 − Confidence) × Effort,再按矩阵分类,并为需测试项给出实验建议。输出建议逐步思考,内容较多时保存为 markdown。

适用场景:梳理假设清单、决定测试顺序、为高影响高风险假设设计实验。

限制:资料未提供该技能的具体安装命令、运行环境、收费或价格信息,也未说明支持的文件格式与输出细节;实际效果取决于输入假设与数据的质量。