快速解答
ICE 模型是一套由三個維度組成的優先級評分框架，分別是影響力（Impact）、信心度（Confidence）、執行難易度（Ease）。成長團隊將每個實驗想法在這三個維度各自評分（通常 1–10 分），再取平均值，分數最高的實驗優先執行。這個方法能把主觀的「感覺這個應該做」轉換成可比較、可追蹤的決策依據，有效減少資源浪費。
重點整理
- ICE 模型由 Sean Ellis（成長駭客概念的提出者）推廣，專為快速篩選大量實驗想法而設計。
- 三個評分維度：Impact（影響力）、Confidence（信心度）、Ease（執行難易度），每項 1–10 分，取平均得出 ICE 分數。
- ICE 模型最適合想法多、資源有限、需要快速決策的成長團隊；不適合需要精細財務建模的大型預算分配。
- 常見錯誤：讓同一個人同時評分所有維度，導致分數偏向個人偏好而非團隊共識。
- ICE 分數高不等於一定先做，還需考量策略方向和實驗相依性。
- 與 PIE 模型（Potential、Importance、Ease）相比，ICE 更強調「信心度」，適合數據基礎較薄弱的早期團隊。
- 建議每兩週重新評分一次，因為市場條件和數據會改變每個維度的分數。
- 可搭配**實驗看板（Experiment Backlog）**管理，讓整個團隊都能看到優先順序的依據。
為什麼成長團隊的實驗常常「越做越亂」？
大多數成長團隊不缺想法，缺的是判斷哪個想法值得先做的方法。
當一個團隊同時有 20 個實驗候選，工程師說「這個技術上最簡單」，行銷說「那個對品牌最重要」，產品說「另一個用戶最在乎」，最後的決定往往取決於誰說話最大聲，而不是哪個實驗真正值得優先執行。
這正是別再盲目測試：成長團隊如何利用「ICE 模型」科學化排定實驗優先級這個問題的核心所在。沒有共同的評估語言，團隊就會陷入無止境的討論，或者更糟，乾脆讓最資深的人拍板，把「科學化實驗」變成「高薪直覺測試」。
ICE 模型是什麼？三個維度怎麼定義？
ICE 模型是一個簡單的加權平均評分框架，每個實驗想法在三個維度上各給 1–10 分，再取平均值作為最終 ICE 分數。
三個維度的定義：
| 維度 | 英文 | 核心問題 | 評分邏輯 |
|---|---|---|---|
| 影響力 | Impact | 如果這個實驗成功，對核心指標的影響有多大？ | 影響越大，分數越高 |
| 信心度 | Confidence | 我們有多確定這個實驗會成功？ | 有數據支撐、有先例，分數越高 |
| 執行難易度 | Ease | 執行這個實驗需要多少時間和資源？ | 越容易執行，分數越高 |
ICE 分數計算公式：
ICE 分數 = (Impact + Confidence + Ease) ÷ 3
舉例來說，一個實驗的 Impact 評 8 分、Confidence 評 6 分、Ease 評 4 分，ICE 分數就是 (8+6+4) ÷ 3 = 6.0 分。
如何實際執行 ICE 評分？五個步驟
成長團隊可以用以下步驟把 ICE 模型落地，而不只是在白板上畫個公式。
步驟一：建立實驗想法清單
把所有待評估的實驗想法集中到一個地方，通常是試算表或專案管理工具（如 Notion、Airtable）。每個想法需要有簡短描述和假設（「我們相信做 X 會讓 Y 指標提升 Z%」）。
步驟二：定義評分標準
在評分前，團隊要先對齊每個維度的評分基準。例如：
- Impact 8–10 分：預估能讓核心轉換率提升 20% 以上
- Confidence 8–10 分：有 A/B 測試數據或業界研究支持
- Ease 8–10 分：一個工程師一週內可完成
步驟三：獨立評分，再討論差異
每個團隊成員先獨立打分，再集中比對。分數差異大的維度（例如某人給 Ease 3 分，另一人給 8 分）正是需要討論的地方，往往能揭露資訊落差。
步驟四：計算 ICE 分數，排序清單
取每個維度的平均分，計算 ICE 總分，由高到低排列。
步驟五：依分數決定執行順序，但保留策略覆蓋權
ICE 分數高的優先執行，但如果某個低分實驗是某個策略方向的必要前置條件，可以標記為「策略性優先」並說明原因。
別再盲目測試：ICE 模型和其他優先級框架有何不同？
ICE 不是唯一的實驗優先級框架，但它在速度和易用性上有明顯優勢。
常見框架比較：
| 框架 | 維度 | 優點 | 缺點 |
|---|---|---|---|
| ICE | Impact, Confidence, Ease | 快速、易學、強調信心度 | 沒有財務建模，無法量化 ROI |
| PIE | Potential, Importance, Ease | 強調重要性，適合 CRO 團隊 | 「Potential」定義模糊 |
| RICE | Reach, Impact, Confidence, Effort | 加入觸及人數，更適合大型產品 | 計算較複雜，需要更多數據 |
| 純直覺排序 | 無 | 最快 | 偏見最大，無法追蹤決策依據 |
選擇建議：
- 選 ICE，如果你的團隊剛開始建立實驗文化，或者數據基礎還不完整。
- 選 RICE，如果你有可靠的用戶觸及數據，且需要在多個產品功能間分配資源。
- 選 PIE，如果你的重心是轉換率優化（CRO），且有清晰的頁面重要性層級。
ICE 模型最常見的三個錯誤
即使採用了 ICE 模型，很多團隊還是會犯幾個典型錯誤，讓這個框架失去效果。
錯誤一：讓一個人單獨評分所有想法
這樣做會讓 ICE 分數反映個人偏好，而不是團隊共識。解法是至少讓 3 個不同角色的人獨立評分。
錯誤二：從不更新分數
三個月前評的 Confidence 分數，在新數據出現後可能完全不同。建議每個 sprint 或每兩週重新審視一次清單。
錯誤三：把 ICE 分數當成唯一決策依據
ICE 分數是輔助工具，不是替代判斷的機器。如果一個實驗的 ICE 分數是 7.5，但它和公司本季的核心目標毫無關聯，那它就不應該排在第一位。
如何讓整個成長團隊真正用起來？
工具再好，沒人用也是白搭。
最有效的方式是把 ICE 評分整合進現有的工作流程，而不是另外建立一套流程。具體做法：
- 在週會中固定 15 分鐘，讓每個人對新提出的實驗想法評分，當場計算結果。
- 建立公開的實驗看板，所有人都能看到目前排隊中的實驗、各自的 ICE 分數和評分理由。
- 記錄實驗結果並回溯評分，看看哪些維度的預測最不準確，逐步校準團隊的評分標準。
FAQ：關於 ICE 模型的常見問題
Q：ICE 分數的滿分是多少？
A：三個維度各 1–10 分，平均後最高分是 10 分，最低是 1 分。實務上，分數超過 7 的實驗通常值得優先考慮。
Q：三個維度的權重可以不一樣嗎？
A：可以。如果你的團隊特別重視執行速度，可以給 Ease 更高的權重，例如 Impact × 1、Confidence × 1、Ease × 2，再除以 4。但要確保整個團隊都同意這個加權方式。
Q：一個人可以同時提出想法又參與評分嗎？
A：可以，但要注意提出者通常會高估 Impact 和 Confidence。建議讓提出者解釋假設，由其他人評分。
Q：ICE 模型適合多大規模的團隊？
A：2 人到 20 人的成長團隊都適用。超過這個規模，建議改用 RICE 或更正式的 OKR 連結框架。
Q：每次評分要花多少時間？
A：一個想法的評分討論通常 5–10 分鐘。如果一次要評 10 個想法，一小時內可以完成。
Q：ICE 模型可以用在非數位產品的實驗嗎？
A：可以。只要是需要在多個選項間分配有限資源的情境，ICE 框架都適用，包括線下活動、內容策略、銷售流程改善等。
Q：如果兩個實驗的 ICE 分數一樣怎麼辦？
A：優先考慮執行時間較短的那個，因為更快完成的實驗能更早產生學習，幫助後續決策。
Q：ICE 模型有什麼已知的局限性？
A：ICE 模型無法量化財務回報，也不考慮實驗之間的相依性。對於需要精確 ROI 預測的決策，它不是最合適的工具。
結論：從今天開始，讓數據說話
別再盲目測試，成長團隊如何利用「ICE 模型」科學化排定實驗優先級，答案其實很直接：建立共同的評分語言，讓每個想法都在同樣的標準下競爭資源。
ICE 模型不是萬能的，但它解決了成長團隊最普遍的問題，也就是在沒有共識的情況下做決定。它讓討論從「我覺得這個比較重要」變成「根據我們的評分標準，這個在 Confidence 上只有 4 分，因為我們沒有任何數據支撐」。
三個可以立刻執行的行動：
- 本週：把目前待執行的實驗想法全部列出來，用 ICE 框架重新評分一次，看看排序是否和你原本的直覺一致。
- 下週：和團隊對齊每個維度的評分標準，確保每個人對「Impact 8 分」的定義是一樣的。
- 本月：建立一個公開的實驗看板，記錄每個實驗的 ICE 分數、假設、結果，讓決策過程透明可追蹤。
成長不是靠更多實驗，而是靠更聰明的實驗選擇。
參考資料
- Ellis, S. & Brown, M. (2017). Hacking Growth. Crown Business.
- Kohavi, R., Tang, D., & Xu, Y. (2020). Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press.
Tags: ICE 模型, 成長駭客, 實驗優先級, A/B 測試, 成長團隊, 產品實驗, 優先級框架, RICE 模型, PIE 模型, 轉換率優化, 實驗管理, 數據驅動決策
