RICE scoring: rumus, contoh hitungan, dan jebakannya

RICE scoring mengurutkan ide produk dengan satu angka: reach dikali impact dikali confidence, dibagi effort. Skor lebih tinggi berarti nilai yang diharapkan lebih besar per unit pekerjaan. Metode ini berasal dari tim produk Intercom dan telah menjadi cara baku membandingkan permintaan fitur yang tidak bisa dipisahkan dengan firasat. Hasilnya paling baik pada daftar pendek kandidat serius, dan hanya sebaik estimasi yang dimasukkan.

Apa rumus RICE scoring?

Skornya adalah Reach × Impact × Confidence ÷ Effort. Reach, impact, dan confidence dikalikan karena masing-masing menskalakan hasil, dan effort membagi karena hasil yang sama lebih mahal jika butuh lebih banyak pekerjaan. Pilih satu jendela waktu untuk reach, misalnya satu kuartal, dan pakai untuk semua item, atau skornya tidak akan bisa dibandingkan.

Tulisan asli Intercom mendefinisikan skala di tabel di atas, dan kebanyakan tim membiarkannya tanpa perubahan agar skor tetap sebanding antarorang.

Bagaimana cara menilai tiap faktor RICE?

Reach berasal dari data yang sudah Anda miliki. Untuk permintaan fitur, mulailah dengan jumlah akun berbeda yang memintanya, lalu tambahkan estimasi akun yang akan memakainya tanpa meminta. Impact adalah faktor yang paling tidak presisi, jadi pakai skala lima nilai dan tahan godaan menciptakan desimal. Confidence adalah diskon untuk menebak: pakai 100% hanya jika Anda punya data penggunaan atau prototipe yang sudah diuji, 80% jika sinyalnya kuat, dan 50% jika sebagian besar masih tebakan. Effort adalah waktu semua orang yang terlibat, termasuk desain dan pengujian, dalam person-month.

Dua orang yang menilai item yang sama seharusnya mendarat dalam jarak satu langkah di setiap faktor. Jika tidak, item itu belum cukup dipahami untuk diurutkan, dan perbedaannya adalah temuannya.

Seperti apa contoh RICE scoring?

Ambil empat permintaan dari backlog yang terlacak, dinilai selama satu kuartal.

Hitung baris pertama: 400 × 1 × 0,8 ÷ 1 = 320. Mode gelap menjangkau tiga kali lebih banyak orang tetapi tiap orang mendapat sedikit, sehingga posisinya tepat di bawah ekspor. Integrasi Slack punya skor impact yang bagus tetapi confidence memotongnya setengah, yang memberi tahu bahwa langkah berikutnya adalah riset, bukan membangun.

Single sign-on berada di urutan terakhir, dan itu pantas dilihat dua kali. Enam puluh akun adalah reach yang kecil, tetapi jika itu akun-akun yang lebih besar dan beberapa perpanjangan kontrak bergantung pada fitur tersebut, skornya melewatkan sesuatu yang tidak bisa dilihat metode ini.

Apa kesalahan umum dalam RICE?

Yang pertama adalah presisi semu. Reach 1.247 dan impact 1,3 tampak teliti dan tidak membawa informasi lebih banyak daripada 1.200 dan 1. Bulatkan secara agresif.

Yang kedua adalah menilai item yang sudah diputuskan untuk dibangun. Skornya lalu digeser-geser sampai favorit menang, dan latihan ini hanya menghasilkan perlindungan.

Yang ketiga adalah mengabaikan siapa yang meminta. RICE menghitung orang, jadi permintaan dari sepuluh akun kecil mengalahkan permintaan dari satu akun yang nilainya lebih besar daripada kesepuluhnya digabung. Jika pendapatan penting, tambahkan kolom untuknya dan baca di samping skor. Pembobotan menurut akun dibahas di memprioritaskan permintaan fitur.

Yang keempat adalah membandingkan skor lintas jendela waktu berbeda atau skala tim yang berbeda. Pertahankan satu lembar, satu jendela, dan satu set definisi.

Kapan sebaiknya memakai sesuatu selain RICE?

Jika Anda tidak punya data reach, pakai ICE (impact, confidence, ease), yang membuang reach dan mengganti effort dengan peringkat kemudahan, dan terima bahwa hasilnya lebih kasar. Jika pertanyaannya adalah jenis nilai apa yang dibawa sebuah fitur dan bukan seberapa besar, model Kano mengklasifikasikan permintaan sebagai fitur must-be, performance, atau delighter, dan keduanya cocok digabung. Jika keputusannya soal urutan dan waktu dan bukan peringkat, format roadmap lebih pas, dan cara membuat roadmap produk membahasnya.

Bagaimana menjaga skor RICE tetap jujur dari waktu ke waktu?

Simpan input di samping skor, bukan hanya hasilnya, agar siapa pun bisa melihat asumsi mana yang menentukan peringkat. Tinjau ulang item saat faktanya berubah, misalnya gelombang permintaan baru yang menaikkan reach, atau seorang engineer yang menyadari effort menjadi dua kali lipat. Setelah rilis, bandingkan reach dan impact yang diprediksi dengan yang terjadi dan sesuaikan cara tim Anda memperkirakan berikutnya. Bahan mentah untuk reach adalah daftar permintaan yang sudah dikelompokkan dan dilabeli seperti dijelaskan di melacak permintaan fitur, dan hasilnya patut masuk ke balasan yang Anda kirim kepada orang yang meminta.

FAQ

Berapa skor RICE yang baik? Tidak ada ambang universal, karena angkanya bergantung pada jendela reach dan unit effort Anda. Bandingkan skor hanya dalam satu lembar, dan perlakukan peringkatnya, bukan nilai absolutnya, sebagai keluaran.

Apa perbedaan RICE dan ICE scoring? ICE mengalikan impact, confidence, dan ease dan tidak menyertakan reach. ICE lebih cepat diisi dan kurang akurat saat fitur memengaruhi jumlah pengguna yang sangat berbeda, yaitu kasus yang dirancang untuk RICE.

Bagaimana memperkirakan reach untuk permintaan fitur? Mulailah dengan jumlah akun yang memintanya, tambahkan porsi akun aktif yang kemungkinan memakainya tanpa diminta, dan nyatakan totalnya per kuartal. Jika tebakannya kasar, turunkan faktor confidence alih-alih menciptakan presisi.

Haruskah setiap permintaan fitur dinilai dengan RICE? Tidak. Penilaian layak dilakukan untuk segelintir item yang cukup dekat sehingga butuh pemutus seri. Kemenangan yang jelas dan penolakan yang jelas bisa diputuskan tanpanya.

Klaim teknis dalam artikel ini belum ditinjau secara independen. Jika ada yang keliru, beri tahu kami dan kami akan memperbaikinya.

Terkait di changeloop: Dokumentasi developer, Perbandingan alat changelog