ICE 各項指標的打分依據:
案例:ICE 模型打分表
從上述打分,可以得到「酒店詳情頁加入“全網最低價”的文案提醒」這個實驗想法的優先級最高。可以優先進行增長實驗。
大多數實驗都沒有覆蓋足夠的用戶,絕大多數核心產品團隊只關註核心用戶。然而
因此如果僅關註核心用戶,那麽實驗的影響力會十分局限。所以擴大增長實驗的影響力的本質就是盡可能的覆蓋更多的用戶。在這裏我們可以通過主動擴大群體覆蓋面,關註非核心用戶和從流量高的頁面或路徑進行多次實驗的方法擴大實驗的影響範圍。
提升容易程度即降低實驗成本,最好的方式就是通過 MVP的方式以最低成本驗證實驗假設。而設計增長實驗MVP時需要考慮如何投入最小資源,最快證明實驗假設。實驗是否可以提供可信的有效的結果,不能因為過度的實驗簡化和成本縮減而影響了實驗的可信有效程度。
案例:通過 MVP 驗證實驗假設:根據不同的用戶畫像,制定個性化註冊流程。更好的滿足用戶需求。
這裏要註意的是ICE模型僅僅是壹個優先級排序的參考框架。並不是壹門絕對精確的排序算法。不要消耗太多的時間成本去追求完美,而要不斷的提高實驗頻率和次數來確保實驗性價比。
參考: /kas/pm/kwgh7a#Y0TmG