假设优先级矩阵排序
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 的指引,将 @user_fccf428b/prioritize-assumptions 这个技能安装到 AI 助手中。
技能介绍
面对的问题
创业和产品迭代里,最消耗资源的事情往往不是写代码,而是在一堆「未经证实的假设」之间做选择。比如「用户愿意为这个功能付费」「市场上有足够多的潜在客户」「这个技术方案能在两周内跑通」。每条假设都听起来合理,但资源有限,不可能全部验证。
团队常见的做法是拍脑袋排序,或者列一个待办清单然后从上往下做。这种做法的问题很明显:
- 影响和风险混为一谈,高影响但低风险的假设没有被快速推进
- 高风险低影响的假设被反复讨论,却迟迟没有明确的取舍结论
- 需要实验的假设没有真正被「实验」验证,而是靠会议里的主观意见来判断
这个技能的目标就是把这些判断从经验驱动,变成一套可复现的矩阵逻辑。
工作原理
技能的核心是 Impact × Risk 矩阵,对每一条假设从两个维度打分,然后把结果投到四个象限里。
1. 逐条评分:
- Impact(影响):这条假设被证实后带来的价值,以及受影响的客户规模。如果采用 ICE 框架,
Impact = Opportunity Score × # Customers,其中Opportunity Score = Importance × (1 − Satisfaction),归一化到 0–1 区间。如果使用 RICE,则把影响拆得更细:(Reach × Impact × Confidence) / Effort。 - Risk(风险):定义为
(1 − Confidence) × Effort,也就是信心越低、投入越大的组合,风险就越高。
2. 四象限归类:
- 低影响、低风险:暂缓测试,等更高优先级的假设处理完再说
- 高影响、低风险:直接进入实施,这类是性价比最高的
- 低影响、高风险:直接拒绝,不需要投入资源验证
- 高影响、高风险:设计实验来验证,这是真正需要花钱花时间的地方
3. 实验建议:
对每一条需要测试的假设,技能会建议一个具体实验,遵循三个原则:用最少的投入获得最多的有效学习;测量实际行为而不是口头意见;有明确的成功指标和阈值。
4. 输出形式:
最后以一张优先级矩阵或表格呈现,让所有假设的排序一目了然。如果输出内容较多,会保存为 markdown 文件方便后续跟踪。
适用边界
这个技能不自动执行任何外部操作。以下是它不会做的事情:
- 不自动安装依赖、修改系统权限、创建持久化任务或执行下载内容
- 涉及发送、发布、删除、付款、部署等外部写入动作时,会先展示目标与影响,等你明确确认后再执行
- 凭据信息只用于你指定的官方服务,不会回显、记录或转发到其他地方
- 命令和代码默认作为参考,只有在你明确要求且目标范围清楚时才会运行
换句话说,这个技能帮你做分析和排序,但所有决策动作的确认权都在你手里。
获取使用帮助和更多实用 Skill,请关注公众号「简诗 AI」,或在 SkillHub 搜索「简诗 AI」。
使用场景
- 创业公司资源紧张,需要把付费意愿、市场规模等商业假设按影响和风险排序,决定先做哪个实验
- 产品团队列出多个候选功能卖点,要依据 `Opportunity Score × # Customers` 公式筛选出高影响低风险的直接实施
- 增长团队面对新市场的多个进入假设,需要根据 `(1−Confidence) × Effort` 区分高风险低影响项并明确拒绝
- 初创团队收集了多条客户需求假设,希望用矩阵量化评分替代拍脑袋,输出可视化优先级表格指导迭代节奏
适合人员
- 创业者/产品负责人:需要在资源有限时聚焦验证最关键的假设,避免把时间花在高风险低影响的伪需求上
- 产品经理:需要一套可量化的假设筛选框架来说服团队优先实施高影响低风险的功能项
- 增长/创新团队成员:负责实验验证但实验资源稀缺,需要用矩阵区分可直接实施与需要实验的高优先级假设
- 假设验证专员:需要建立标准化的假设评估流程,确保每次决策都有依据矩阵分类的明确留痕记录