Weighted Scoring: как приоритизировать фичи по нескольким критериям

Weighted Scoring — метод, в котором каждую фичу оценивают по нескольким критериям, приводят оценки к общей шкале, умножают их на заранее согласованные веса и складывают. Результат помогает объяснить, почему одна инициатива попала выше другой. Он отражает данные, допущения и предпочтения команды на момент расчёта, поэтому итоговый score нужно проверять на чувствительность, ограничения и неопределённость, а не принимать за объективную истину.

Что такое Weighted Scoring

В основе метода лежит линейная аддитивная модель:

Scoreⱼ = Σ(wᵢ × nᵢⱼ)

где:

• Scoreⱼ — итоговый балл фичи j;
• wᵢ — вес критерия i;
• nᵢⱼ — нормированная оценка фичи j по этому критерию;
• Σwᵢ = 1, то есть сумма весов равна 100%.

Все nᵢⱼ должны иметь одно направление: чем выше значение, тем желательнее результат. Если критерий измеряет пользу — например, охват аккаунтов, — высокий показатель получает высокий нормированный балл. Если это затраты, срок или риск, направление нужно развернуть до сложения.

Такой подход соответствует общему принципу многокритериального анализа решений: компонентную ценность умножают на вес и суммируют. Вводное руководство Government Analysis Function по MCDA отдельно предупреждает, что модель помогает принимать решение, но не охватывает все его нюансы.

Чем метод отличается от простого взвешенного суммирования

Математически ядро Weighted Scoring и простой взвешенной суммы совпадает. Разница появляется в качестве процесса. Рабочая модель включает:

• одну задачу решения и единый временной горизонт;
• определённые шкалы и направления критериев;
• источники данных, дату и владельца каждой оценки;
• согласованные до просмотра результата веса;
• жёсткие ограничения до расчёта;
• диапазоны неопределённости;
• проверку чувствительности и журнал ручных решений.

Если команда просто поставила фичам баллы от 1 до 10, умножила их на «важность» критериев и отсортировала таблицу, она получила арифметический рейтинг. Он может быть полезен для разговора, но его устойчивость неизвестна.

Weighted Scoring, cost-benefit, RICE, ICE и WSJF

Эти методы используют числа, но отвечают на разные вопросы.

Метод	Формула или логика	Когда полезен	Ключевое ограничение
Weighted Scoring	Σ(вес × нормированный балл) по настраиваемым критериям	Нужно сопоставить стратегию, клиентскую ценность, риск и реализуемость	Вывод зависит от критериев, шкал, весов и исходных суждений
Cost-benefit analysis	Денежные выгоды минус затраты или отношение выгод к затратам с учётом времени	Нужно обосновать инвестицию в денежных единицах	Нематериальные эффекты трудно монетизировать; условный score не равен деньгам
RICE	Reach × Impact × Confidence / Effort	Есть сопоставимые данные об охвате за период, влиянии, уверенности и трудозатратах	Четыре фактора заданы заранее; измерение каждого фактора может быть трудоёмким
ICE	Impact, Confidence, Ease; часто среднее или сумма, в других реализациях произведение	Нужна быстрая первичная сортировка гипотез	Название не гарантирует одну формулу; шкалы субъективны
WSJF	Относительная Cost of Delay / относительная длительность работы	Нужно определить последовательность работ с учётом экономической цены задержки	Требует осмысленной оценки срочности и размера; склонен поднимать короткие задачи

Green Book 2026 определяет cost-benefit analysis как оценку основных затрат и выгод вариантов в денежных единицах с учётом периода жизни, дисконтирования, риска и оптимистического смещения. Weighted Scoring может включать «выручку» или «затраты» как критерии, однако условные 78 баллов не означают ROI, чистую приведённую стоимость или экономическую окупаемость.

RICE разработан командой Intercom: Reach считают за заданный период, Impact оценивает влияние на одного пользователя, Confidence снижает слабые прогнозы, Effort измеряют в человеко-месяцах. Weighted Scoring позволяет заменить эти факторы критериями конкретной стратегии, но требует самостоятельно доказать, что шкалы и веса разумны.

SAFe описывает WSJF как модель очередности, где относительную стоимость задержки делят на относительную длительность работы. В Cost of Delay входят пользовательская или бизнес-ценность, срочность и снижение риска либо открытие возможностей. Weighted Scoring ранжирует многомерную привлекательность; WSJF сильнее привязан к цене времени и размеру работы.

У ICE нет единой реализации. Productboard использует среднее значений Impact, Confidence и Ease, а в практических шаблонах встречается произведение. Поэтому формулу ICE нужно записывать рядом с таблицей.

Atlassian предлагает выбирать фреймворк по цели, сложности продукта, опыту команды и доступным данным. Один метод не обязан обслуживать discovery, квартальное планирование и экономическую оценку инвестиций одновременно.

Как подготовить модель

Зафиксируйте одно решение и один горизонт

Нельзя честно сравнить исправление, обязательное к ближайшему аудиту, идею для следующего года и эксперимент на два дня в одной строке рейтинга. Сначала сформулируйте вопрос:

Какие фичи B2B SaaS мы готовы взять в следующий квартальный план, чтобы увеличить ценность для enterprise-клиентов при текущей мощности команды?

Затем определите:

• набор кандидатов;
• период, за который считается охват и эффект;
• доступную мощность;
• стратегическую цель;
• владельца окончательного решения;
• дату, после которой входные данные считаются устаревшими.

Productboard рекомендует оценивать связанные с конкретным релизом фичи, а не весь накопленный бэклог. Это сохраняет сопоставимость.

Отделите жёсткие условия от критериев

Weighted Scoring — компенсаторная модель: высокий охват способен математически перекрыть плохую оценку безопасности. Для некоторых условий такая компенсация запрещена.

До ранжирования задайте фильтры:

• соблюдены требования закона и договора;
• нет неприемлемого риска безопасности;
• выполнены обязательные архитектурные зависимости;
• фича укладывается в предельный бюджет или срок;
• есть минимальный пакет данных для оценки;
• инициатива соответствует выбранной стратегии и сегменту.

Если фича не проходит обязательное условие, в поле Gate пишут «не прошла» и причину. Ей не присваивают красивое место в рейтинге. В терминах многокритериального анализа это минимальный порог или veto. Когда критерии принципиально не могут компенсировать друг друга, лучше использовать жёсткие пороги, лексикографическое правило или outranking-метод, а не одну сумму.

Выберите независимые критерии

Критерий должен:

• влиять на цель решения;
• различать кандидатов;
• иметь понятное направление;
• допускать наблюдение или проверяемую экспертную оценку;
• не повторять эффект другого критерия.

Для B2B SaaS возможен компактный набор:

• число затронутых аккаунтов за 12 месяцев;
• соответствие текущей продуктовой стратегии;
• снижение операционного, договорного или security-риска;
• трудоёмкость доставки.

Опасный набор: «число enterprise-клиентов», «ARR затронутых клиентов», «риск оттока тех же клиентов» и «количество запросов от sales». Один и тот же крупный клиент может четыре раза увеличить балл. Это double counting.

Проверьте причинную цепочку каждого критерия. Если два столбца измеряют один эффект или один служит входом для другого, объедините их, оставьте более проверяемый либо постройте иерархию с общим весом верхнего уровня.

Аддитивная модель предполагает ещё одно условие: обмен между двумя критериями не должен зависеть от значения третьего. Если ценность Reach меняется только при определённом уровне безопасности или интеграции работают исключительно пакетом, простое сложение скрывает взаимодействие. Такие условия выносят в gate, описывают отдельными сценариями или моделируют сочетания фич.

Опишите шкалы до выставления баллов

Слова «низкое», «среднее» и «высокое» участники трактуют по-разному. Для качественного критерия нужна рубрика:

Балл	Соответствие стратегии
1	Не связано с утверждённой целью периода
2	Косвенная связь, нет целевого показателя
3	Поддерживает один целевой показатель
4	Сильно влияет на ключевой результат
5	Обязательный рычаг утверждённой стратегии

Такую шкалу можно перевести в 0, 25, 50, 75 и 100. Это предполагает, что переходы между уровнями сопоставимы по ценности. Если переход от 4 к 5 гораздо важнее перехода от 2 к 3, нужна нелинейная функция ценности, а не автоматическое умножение на 25.

Назначьте веса через ценность полного перехода

Вес 30% означает вклад полного перехода критерия от худшего уровня к лучшему. Он не означает, что название «стратегия» абстрактно важно на 30%.

Практичный порядок:

1. Представьте гипотетическую фичу с худшим значением по всем критериям.
2. Спросите, какой один переход от худшего уровня к лучшему дал бы наибольшую ценность.
3. Расставьте остальные переходы по порядку.
4. Оцените их относительную силу.
5. Нормируйте числа так, чтобы сумма стала равна 100%.

Это упрощённый вариант swing weighting из MCDA. Он заставляет учитывать диапазон критерия. Даже критически важная безопасность может получить небольшой вес, если все допущенные варианты уже почти одинаково безопасны; недопустимые варианты при этом отсечены gate.

Как нормализовать разные шкалы

Складывать 2 млн рублей, 150 аккаунтов, 13 недель и экспертную пятёрку нельзя: единицы и разброс заставят один столбец доминировать. Сначала значения переводят в общую шкалу, например 0–100.

Для benefit-критерия, где больше — лучше:

n = 100 × (x − L) / (U − L)

Для cost-критерия, где меньше — лучше:

n = 100 × (U − x) / (U − L)

Здесь L и U — заранее заданные нижняя и верхняя границы. После преобразования 100 всегда означает наиболее желательный уровень.

Лучше привязывать L и U к смыслу:

• 0 и 200 затронутых аккаунтов за 12 месяцев;
• 4 и 20 человеко-недель;
• минимально и максимально приемлемое время ответа;
• уровни рубрики 1–5.

Если взять минимум и максимум текущего списка фич, добавление нового экстремального кандидата изменит нормированные значения у всех строк. Исследование нормализации в MCDA 2026 года показывает, что выбор преобразования и обработка cost-критериев способны менять рейтинг. Фиксированные смысловые якоря уменьшают такую нестабильность.

Значение за пределами диапазона можно ограничить 0 или 100 только по заранее принятому правилу. Частые выходы за границы означают, что шкалу пора пересмотреть. Нельзя менять якоря для одной фичи после просмотра результата.

Пример расчёта для B2B SaaS

Команда выбирает квартальные приоритеты из пяти фич:

Фича	Аккаунты за 12 мес.	Стратегия, 1–5	Снижение риска, 1–5	Effort, человеко-недели
SSO/SAML	120	5	4	12
Массовый импорт	180	4	2	6
AI-помощник	200	3	1	16
Журнал аудита	80	5	5	8
Мобильное приложение	140	2	1	20

Команда закрепила якоря:

• Reach: 0–200 аккаунтов, benefit;
• Strategy: шкала 1–5, benefit;
• Risk reduction: шкала 1–5, benefit;
• Effort: 4–20 человеко-недель, cost.

Нормализация:

• Reach = x / 200 × 100;
• Strategy и Risk = (x − 1) / 4 × 100;
• Delivery ease = (20 − Effort) / 16 × 100.

Для массового импорта Reach равен 180 / 200 × 100 = 90, а Delivery ease равен (20 − 6) / 16 × 100 = 87,5.

Веса отражают текущую стратегию:

• Reach — 35%;
• Strategy — 30%;
• Risk reduction — 15%;
• Delivery ease — 20%.

Сумма весов: 35% + 30% + 15% + 20% = 100%.

Нормированная таблица и результат

Фича	Reach n	Strategy n	Risk n	Ease n	Weighted Score
Массовый импорт	90	75	25	87,5	75,25
Журнал аудита	40	100	100	75	74,00
SSO/SAML	60	100	75	50	72,25
AI-помощник	100	50	0	25	55,00
Мобильное приложение	70	25	0	0	32,00

Проверим несколько строк вручную.

Массовый импорт

0,35 × 90 + 0,30 × 75 + 0,15 × 25 + 0,20 × 87,5
= 31,5 + 22,5 + 3,75 + 17,5
= 75,25

Журнал аудита

0,35 × 40 + 0,30 × 100 + 0,15 × 100 + 0,20 × 75
= 14 + 30 + 15 + 15
= 74,00

SSO/SAML

0,35 × 60 + 0,30 × 100 + 0,15 × 75 + 0,20 × 50
= 21 + 30 + 11,25 + 10
= 72,25

Разница между первыми тремя фичами мала. Она не доказывает, что массовый импорт «лучше» журнала аудита на 1,25 единицы в реальном мире. Следующий шаг — проверить веса и неопределённость.

Чувствительность к весам

Команда рассчитывает два правдоподобных профиля кроме базового:

• Enterprise/security: Reach 20%, Strategy 25%, Risk 35%, Ease 20%;
• Growth: Reach 50%, Strategy 25%, Risk 5%, Ease 20%.

Фича	База 35/30/15/20	Enterprise/security 20/25/35/20	Growth 50/25/5/20
SSO/SAML	72,25	73,25	68,75
Массовый импорт	75,25	63,00	82,50
AI-помощник	55,00	37,50	67,50
Журнал аудита	74,00	83,00	65,00
Мобильное приложение	32,00	20,25	41,25

В enterprise/security-сценарии первым становится журнал аудита. В growth-сценарии лидирует массовый импорт, а AI-помощник поднимается на второе место. Рейтинг честно показывает развилку стратегии: спор нельзя решить ещё одним знаком после запятой.

Проверяйте чувствительность так:

1. Измените один вес в разумном диапазоне, остальные пропорционально перенормируйте.
2. Найдите вес, при котором меняются первые места.
3. Повторите для оценок, effort и внешних предпосылок.
4. Затем проверьте сочетания — например, меньший Reach и больший Effort одновременно.
5. Смотрите на изменение порядка и приоритетных групп, а не только на изменение абсолютного балла.

Если лидер сохраняется во всех правдоподобных сценариях, решение устойчиво. Если позиции меняются, владельцу roadmap нужно выбрать стратегическую предпосылку или заказать дешёвое исследование, которое сузит диапазон.

Неопределённость и пропущенные данные

Точечный прогноз скрывает разброс. Для SSO/SAML команда допускает:

• Reach: 50–70 после нормализации;
• Strategy: 100;
• Risk reduction: 50–100;
• Ease: 37,5–62,5 из-за effort 10–14 человеко-недель.

Консервативный диапазон Weighted Score:

• минимум: 0,35×50 + 0,30×100 + 0,15×50 + 0,20×37,5 = 62,5;
• максимум: 0,35×70 + 0,30×100 + 0,15×100 + 0,20×62,5 = 82.

Интервал пересекает баллы массового импорта и журнала аудита. Значит, таблица не различает эти три фичи достаточно уверенно.

Пропуск нельзя заменять нулём, средним по столбцу или удобной оценкой. Если выяснилось, что снижение риска для AI-помощника неизвестно, известная часть его score равна:

0,35×100 + 0,30×50 + 0,20×25 = 55.

Вес неизвестного критерия — 15%, поэтому диапазон становится 55–70. В таблице нужно оставить ячейку пустой, указать диапазон, источник неопределённости и действие: интервью, технический spike, оценка security-эксперта или исключение из текущего решения.

Можно добавить confidence-множитель, как в Product Value Score Aha!. Тогда формула и смысл меняются, поэтому confidence нельзя незаметно смешивать с обычной суммой. Диапазоны лучше показывают, какой именно фактор неизвестен.

Как избежать bias, gaming и ложной точности

Scorecard становится объектом торга, когда от места зависят бюджет, бонус или обещание клиенту. Участники могут завысить Reach, занизить Effort, выбрать выгодный период или после расчёта увеличить вес нужного критерия.

Защита процесса:

• критерии, якоря и веса фиксируют до оценки конкретных фич;
• рядом с каждым числом хранят источник, дату, владельца и тип данных: факт, прогноз или экспертное суждение;
• продукт, engineering, sales, customer success, finance и security оценивают только области своей компетенции;
• участники сначала выставляют оценки независимо, затем обсуждают большие расхождения;
• фасилитатор просит объяснить крайние значения через рубрику и доказательства;
• в отчёте показывают все компоненты, диапазоны и профили весов, а не один итог;
• ручное изменение порядка разрешено, но его автор и причина записываются;
• после релиза прогноз сравнивают с фактическим Reach, Effort и продуктовым результатом.

Если нужен единый балл группы, медиана независимых оценок меньше зависит от одной крайней оценки, чем среднее. Однако голосование не заменяет факты: параметры фичи должны оценивать аналитики и профильные эксперты, а стратегические веса — владельцы решения со стратегическим контекстом.

Как провести сессию со стейкхолдерами

До встречи владелец решения рассылает вопрос, горизонт, кандидатов, черновик критериев, доступные данные и список обязательных условий. На сессии команда:

1. Подтверждает цель, decision set и veto.
2. Удаляет дублирующие критерии.
3. Согласует определения уровней и якоря.
4. Назначает веса через ценность перехода от худшего уровня к лучшему.
5. Оценивает фичи независимо и обсуждает выбросы.
6. Отмечает пропуски и диапазоны.
7. Считает базовый рейтинг и сценарии чувствительности.
8. Проверяет зависимости, мощность команды и сочетания фич.
9. Фиксирует решение, владельца, дату пересмотра и обоснованные overrides.

Стремление любой ценой получить согласованный score вредит качеству. Если разногласие вызвано разными стратегиями, сохраните два сценария. Если спор идёт о факте, назначьте проверку. Если расходятся предпочтения, решение принимает заранее названный владелец.

Шаблоны decision matrix Miro заканчивают процесс совместным обсуждением и уточнением результата. Это важная часть метода: таблица должна выявлять причины разногласий, а не прятать их в итоговой ячейке.

Готовый шаблон таблицы

Скопируйте заголовки в Google Sheets, Excel, Airtable или базу продукта:

Raw означает исходное значение, n — нормированное значение на шкале 0–100.

ID	Фича	Gate и причина	Reach raw / n	Strategy raw / n	Risk raw / n	Effort raw / Ease n	Источник и дата	Low–High	Score	Решение и владелец
F-01		PASS / BLOCKED	/	/	/	/
F-02		PASS / BLOCKED	/	/	/	/
F-03		PASS / BLOCKED	/	/	/	/
F-04		PASS / BLOCKED	/	/	/	/

Отдельно храните версию модели:

Поле	Значение
Вопрос решения
Горизонт
Сегмент
Доступная мощность/бюджет
Формула	Score = Σ(w × n)
Критерии и направление
Якоря и рубрики
Веса, сумма 100%
Обязательные условия
Сценарии чувствительности
Владелец решения
Дата фиксации / пересмотра

Правила принятия решения

• Ранжируйте только фичи, прошедшие обязательные условия.
• Сравнивайте инициативы одного горизонта и уровня детализации.
• Не считайте пустое значение нулём.
• Относите фичи к одной приоритетной группе, если их интервалы перекрываются.
• Выбирайте верхнюю фичу сразу, только если она сохраняет лидерство при правдоподобных весах и диапазонах.
• При чувствительном результате сначала проверяйте самый влиятельный неизвестный параметр.
• После рейтинга учитывайте зависимости и мощность. Сумма независимых score не находит лучший портфель автоматически.
• Любой ручной override допустим с именем владельца, датой и причиной.
• Не показывайте десятые доли, если точность входных оценок их не поддерживает.

Повторная калибровка

Модель устаревает вместе со стратегией и данными. Пересматривайте её:

• перед каждым циклом планирования;
• после смены сегмента, цели, бюджета или ограничений;
• когда фактические значения систематически расходятся с прогнозами;
• если новый тип фич постоянно выходит за границы шкал;
• после изменения доступной мощности или архитектуры.

Для завершённых фич сопоставляйте прогноз и факт:

• охватили ли обещанное число аккаунтов;
• изменился ли целевой продуктовый показатель;
• сколько человеко-недель потребовалось;
• реализовалось ли снижение риска;
• какие критерии оказались коррелированными или бесполезными.

Если команда стабильно недооценивает effort в 1,5 раза, нужно чинить метод оценки, а не просто уменьшать баллы неудобных фич. Если фактический outcome не связан с высоким score, пересмотрите критерии и причинные предпосылки.

Когда Weighted Scoring не подходит

Выберите другой способ, если:

• есть одно доминирующее требование — например, устранить критическую уязвимость до срока;
• данных настолько мало, что большинство ячеек содержит мнение без рубрики;
• варианты зависят друг от друга, образуют пакеты или конкурируют за несколько типов ресурсов — нужен portfolio optimization;
• недопустимо компенсировать провал по одному критерию успехом по другому;
• выгоды и затраты можно надёжно монетизировать и решение требует инвестиционного обоснования — нужен cost-benefit;
• ключевой вопрос связан со стоимостью задержки и очередностью потока — ближе WSJF;
• нужно быстро отсечь идеи на discovery-этапе — достаточно impact/effort или ICE с явно заданной формулой;
• между критериями сильные нелинейные взаимодействия: ценность одного зависит от уровня другого;
• кандидатов два, критерии очевидны, а стоимость поддержки модели выше пользы.

Для критических решений простой scorecard может быть только предварительным экраном. Нужны более строгая MCDA-процедура, анализ сценариев, cost-benefit, эксперимент или экспертная проверка.

Вывод

Weighted Scoring полезен, когда команда сравнивает несколько фич по конфликтующим критериям и готова раскрыть свои компромиссы. Корректная работа начинается до формулы: с одного горизонта, жёстких ограничений, независимых критериев, фиксированных шкал и доказательств.

После расчёта важны три вопроса:

• изменится ли лидер при разумных весах;
• перекрываются ли диапазоны неопределённости;
• можно ли исполнить получившийся порядок с учётом зависимостей и мощности.

Если ответы выявили развилку, модель выполнила свою задачу: показала, какое стратегическое решение или исследование требуется. Самый большой score становится основанием для обсуждения, а не автоматическим приказом на разработку.