Комментарии (1)
Ответ сгенерирован нейросетью и может содержать ошибки
Как я приоритизировал фичи
Приоритизация фич — один из самых важных навыков Product Manager. Если приоритизировать неправильно, можно потратить целый квартал на то, что никому не нужно, а срочные проблемы остаются нерешённые.
Мой фреймворк приоритизации
Я использую комбинированный подход, который сочетает количественные и качественные методы.
Фаза 1: Генерация идей (Backlog)
Все идеи накапливаются в одном месте — backlog продукта:
- Запросы от пользователей (feedback, support tickets)
- Запросы от бизнеса (CEO, investors, sales)
- Собственные идеи команды (инженеры, дизайнеры)
- Конкурентный анализ (что делают конкуренты)
- Метрики и аналитика (что не работает хорошо)
На этом этапе я не отсеиваю ничего — просто собираю всё.
Фаза 2: Предварительная фильтрация (Feasibility)
Перед тем как глубоко анализировать, проверяю:
- Это вообще технически возможно? — спрашиваю Lead Engineer
- Это соответствует стратегии продукта? — или это случайная идея
- Это прямо сейчас критично? — может быть, это срочно
Отсеиваю явно плохие идеи (нереалистичные, off-strategy).
Фаза 3: Глубокий анализ (RICE или WSJF)
Для оставшихся идей я считаю две метрики: RICE и потенциальный доход.
RICE Framework
RICE = (Reach × Impact × Confidence) / Effort
Reach (Охват) — сколько пользователей это затронет?
- 10% базы юзеров = 1 балл
- 50% базы = 5 баллов
- 100% базы = 10 баллов
Impact (Влияние) — как сильно это повлияет на каждого пользователя?
- Минимальное = 1
- Среднее = 3
- Максимальное = 5
Confidence (Уверенность) — насколько я уверен в оценках Reach и Impact?
- Высокая (есть данные) = 100% = 1.0
- Средняя (есть гипотезы) = 50% = 0.5
- Низкая (просто предположение) = 25% = 0.25
Effort (Усилия) — сколько недель инженеров нужно на разработку?
- 1 неделя = 1
- 4 недели = 4
- 12 недель = 12
Пример расчёта RICE
Фича: "Рекомендации курсов"
- Reach = 8 (затронет 80% активных юзеров)
- Impact = 5 (сильно улучшит experience)
- Confidence = 0.8 (есть тесты, знаем ЧТО нужно, но не НА 100%)
- Effort = 8 недель
RICE = (8 × 5 × 0.8) / 8 = 32 / 8 = **4.0**
Фича: "Экспорт в PDF"
- Reach = 2 (нужна только 20% юзеров)
- Impact = 2 (улучшит, но не критично)
- Confidence = 0.9 (простая фича, уверены)
- Effort = 2 недели
RICE = (2 × 2 × 0.9) / 2 = 3.6 / 2 = **1.8**
Вывод: "Рекомендации курсов" важнее → делаем её первой, несмотря на большой effort.
Дополнительные критерии
RICE хороша, но это не всё. Я учитываю ещё:
1. Strategic Alignment (Стратегическое выравнивание)
Есть ли фича в roadmap компании на этот квартал?
- Aligned = приоритет выше
- Not aligned = может быть отложена
2. Dependencies (Зависимости)
Эта фича блокирует другие?
- Если она блокирует 3 других фич → приоритет выше
- Если она зависит от 5 других → может быть отложена
3. Time Sensitivity (Чувствительность ко времени)
Это срочно? Есть deadline?
- Регуляторные требования → СРОЧНО
- Договор с клиентом → СРОЧНО
- Конкуренты делают → ВАЖНО
- Интересная идея → может подождать
4. Risk Mitigation (Снижение рисков)
Эта фича снижает какие-то критические риски?
- Churn пользователей в фичи X → фиксим приоритет
- Падение выручки → фиксим приоритет
- Маркетинговая проблема → может быть другое решение
5. Team Velocity (Скорость команды)
Может ли команда это сделать сейчас?
- Инженеры перегружены → жди
- Дизайнер в отпуске → жди
- Есть capacity → делаем
Мой реальный процесс (Пример)
Ситуация: У нас есть 6 идей в backlog, sprint на 8 недель, team из 5 инженеров (40 недель capacity).
| Фича | RICE | Revenue impact | Dependencies | Risk | Time-sensitive | Effort |
|---|---|---|---|---|---|---|
| Рекомендации | 4.0 | Высокий | Нет | Нет | Нет | 8 недель |
| Экспорт PDF | 1.8 | Низкий | Нет | Нет | Нет | 2 недели |
| Search | 3.5 | Высокий | Нет | Нет | Нет | 6 недель |
| Analytics | 2.1 | Средний | Нет | Нет | Нет | 4 недели |
| API для partners | 2.8 | Высокий | Да | Да | Да | 10 недель |
| Dark mode | 1.2 | Низкий | Нет | Нет | Нет | 1 неделя |
Моя приоритизация:
- API для partners (10 недель) — time-sensitive, договор, хотя effort большой
- Рекомендации (8 недель) — высокий RICE и revenue impact
- Search (6 недель) — хороший RICE, улучшит experience
- Analytics (4 недели) — нужно для принятия решений
- Экспорт PDF (2 недели) — простая, low-hanging fruit
- Dark mode (1 неделя) — nice to have, если будет время
Все, кроме Dark mode, влезят в 8 недель (10+8+6+4+2 = 30 недель < 40).
Инструменты для приоритизации
Я использую:
- Spreadsheet или Notion — простой RICE калькулятор
- Jira / Linear — для управления backlog
- Figma — для просмотра дизайна
- Metrics dashboard — для поиска влияния на revenue/retention
- Customer interviews — для валидации гипотез
Важные принципы
1. Переговариваемость
Приоритизация — это не ёинственное решение Product Manager. Я:
- Обсуждаю с инженерами (они иногда видят что-то, чего я не вижу)
- Проверяю с дизайном (может быть, дизайнеру нужно время на подготовку)
- Согласую с бизнесом (Sales может сказать, что клиент потеряется, если не сделаем)
2. Регулярный пересмотр
Приоритизация не случается один раз в квартал. Я пересматриваю её:
- Каждый спринт (2 недели) — если появилась критичная проблема
- Каждый месяц (планирование) — если изменилась стратегия
- При изменении данных (метрики, feedback) — если видим новое
3. Transparency (Прозрачность)
Все знают, почему мы делаем именно эту фичу в этот момент:
- Документирую решения
- Объясняю reasoning в спринт планировании
- Обновляю roadmap публично
Когда приоритизация может измениться
- Новая критичная ошибка — падает revenue или security issue
- Клиент потеряется — большой контракт, если не сделаем фичу
- Конкурент выпустил — нужно быстро ответить
- Инжиниры нашли неэффективность — они говорят: "если сейчас не сделаем, потом будет сложнее"
Итог
Хорошая приоритизация — это баланс:
- Данные (RICE, метрики) + интуиция (опыт, стратегия)
- Влияние (на юзеров, на revenue) + усилия (сколько стоит сделать)
- Долгосрочное видение + краткосрочные потребности (баги, критичные фичи)
- Мнение Product Manager + мнение команды + мнение бизнеса
Когда балансируешь все эти факторы, приоритизация становится эффективным инструментом для максимизации impact при ограниченных ресурсах.