Decision matrix

决策矩阵（Pugh + MCDA）

何时触发

• 多个候选方案中选一个（vendor / 技术 / 框架 / 设计方向）
• 团队意见不一致需要结构化收敛
• "感觉 X 比较好但说不上为什么"
• 二选一决策但有 ≥ 3 个评估维度
• vendor 选型 / 招聘候选人对比 / 技术选型

何时不触发

• 单一选项是否做的二元决策 → 用 pre-mortem 跑正反推演
• 多个候选项排序但只有单一价值维度 → 用 rice-prioritization
• 用户需求挖掘 → jtbd-framework

与 RICE 的区别

维度	RICE	Decision Matrix
用途	多个待办项排优先级	多个候选方案中选一个
评分维度	固定 4 维（Reach/Impact/Confidence/Effort）	自定义 N 维（场景决定）
输出	排序 list（top 30% do）	单一最优解（dominant option）
例子	"这 5 个 feature 哪几个先做"	"这 3 个 vendor 选哪个"

默认框架 1：Pugh Matrix（轻量版）

适合：候选方案 ≤ 5 个，标准 ≤ 7 个，相对评估足够。

流程

1. 确定 Baseline：选一个方案当基准（通常是当前方案 / 默认方案）
2. 列评估标准：3-7 条
3. 每个候选 vs Baseline 评分：
   • + 比 baseline 好
   • 0 和 baseline 差不多
   • - 比 baseline 差
4. 统计：每个候选数 + / - / 净分
5. 决策：净分最高 = 最佳候选

例子（vendor 选型）

标准	Baseline (现 vendor A)	Vendor B	Vendor C
价格	0	+	-
性能	0	+	+
客服响应	0	-	+
集成易用度	0	0	+
合规支持	0	+	0
净分	0	+2	+2

净分平 → 升级到 MCDA 加权重。

默认框架 2：MCDA（精确版）

适合：候选方案 ≥ 3 个 + 标准之间重要性差异大 + 决策影响重大。

流程

1. 列评估标准：3-10 条
2. 每个标准分配权重：百分比，总和 = 100%
3. 每个候选每个标准打分：1-10 分
4. 加权总分：每个候选总分 = Σ (权重 × 分数)
5. 决策：加权总分最高 = 最佳候选

例子（vendor 选型 MCDA）

标准	权重	Vendor A	Vendor B	Vendor C
价格	25%	6	8	4
性能	30%	7	9	9
客服响应	15%	8	5	9
集成易用度	15%	7	7	9
合规支持	15%	6	9	7
加权总分	100%	6.85	7.85	7.40

→ Vendor B 胜出（7.85）。

7 步标准流程（MCDA 完整版）

Step 1：列候选方案

至少 3 个（少于 3 个用 pre-mortem 而非 decision matrix）。

Step 2：列评估标准

5-10 条。覆盖：

• 价值层：业务价值 / 用户价值 / 战略契合
• 成本层：钱 / 时间 / 人力 / 学习曲线
• 风险层：技术风险 / 合规风险 / 退出成本 / vendor lock-in
• 质量层：可靠性 / 可维护性 / 扩展性 / 安全性

Step 3：分配权重

总和 100%。红线：

• 单一标准权重 > 50% → 这其实是单维决策，不需要矩阵
• 任何标准权重 < 5% → 没有意义（去掉）
• 常见错配：把"价格"权重打 50% → 通常是没把"长期成本 / 退出成本"也算进来

权重分配建议：团队先独立填一份 → 合并对比 → 差异大的项讨论 → 收敛。不允许"先讨论再填"——会从众。

Step 4：候选打分

1-10 分。每个候选每个标准独立评分。

Step 5：加权计算

候选 X 总分 = Σ (权重_i × 分数_i)

Step 6：敏感度分析（关键，常被跳过）

如果第一名和第二名差距 < 10%，做敏感度分析：

• 改权重：把权重 ±5% 调整，看第一名是否变
• 改分数：把分数 ±1 调整，看排名是否稳定
• 不稳定 = 当前数据不足以支持决策 → 需要补数据 / 缩小候选

Step 7：决策记录

## 决策记录

- **选择**：Vendor X
- **总分**：8.2 vs 第二名 7.5（差距 9%）
- **敏感度**：在 ±5% 权重 / ±1 分数范围内排名稳定
- **次优选项**：Vendor Y（7.5）—— 退出方案
- **关键 trade-off**：选 X 牺牲了 Z 维度，因为 Z 的权重只有 10%
- **复盘触发**：3 个月后 / Z 维度发生预期外问题时

完整模板

# <决策主题> Decision Matrix

## 候选方案
- A: ...
- B: ...
- C: ...

## 评估标准 + 权重

| 标准 | 权重 | 理由 |
|---|---|---|
| 价格 | 25% | ... |
| 性能 | 30% | ... |
| ... |

## MCDA 评分

| 标准 | 权重 | A | B | C |
|---|---|---|---|---|
| 价格 | 25% | 6 | 8 | 4 |
| 性能 | 30% | 7 | 9 | 9 |
| ... |
| **总分** | | 6.85 | 7.85 | 7.40 |

## 敏感度分析

权重 ±5% 范围：
- 排名变化：B 仍第一 / B 第二 / B 与 A 平 / ...

分数 ±1 范围：
- 排名变化：...

→ 排名稳定 / 不稳定（如不稳定补什么数据）

## 决策

- **选**：B
- **理由**：加权总分最高 + 敏感度稳定
- **接受 trade-off**：客服响应（B 仅 5 分），mitigation = 准备 backup vendor
- **退出方案**：6 个月后评估 / 客服响应导致重大问题时切到 C

Anti-Rationalization

逃逸路径	为什么不行
"已经知道选哪个了走流程多此一举"	"已经知道"通常基于隐性偏好。走完矩阵后如果还是同选项 → 决策可追溯。如果不同 → 隐性偏好暴露，反而是高价值发现
"权重难定"	权重难定 = 价值观没对齐。这正是要做的事。难也要做
"团队意见不一致就不写矩阵"	反过来——意见不一致时矩阵最有价值。矩阵不是为消除分歧，是为定位分歧在哪个维度（权重还是分数？）
"Pugh 加 + - 0 太粗"	Pugh 是快速版。Pugh 净分相同时升级到 MCDA。从 Pugh 起步 = 正确顺序，跳过 Pugh 直接 MCDA = 浪费时间
"评分主观无意义"	主观但可对账。三人独立评分 → 差异 > 3 时讨论 → 收敛。比"凭感觉决定"准 5 倍
"敏感度分析太复杂跳过"	跳过敏感度 = 用不可靠的细微差距决策。差距 < 10% 不做敏感度 = 60% 概率决策错
"标准列 3 条够了"	3 条标准 = 决策维度太少 = 容易被单维度操纵。建议 5-7 条覆盖价值 / 成本 / 风险 / 质量四象限
"权重相加不等于 100% 也行"	不等于 100% = 各候选总分不可比 = 矩阵结果错。强制归一化

关联

• 决策前评估失败模式 → pre-mortem
• 决策后拆任务 → story-splitting
• 多个待办（不是多方案选一）排优先级 → rice-prioritization
• 决策记录写入：你的决策记录文件（decisions-log）
• 决策回滚触发条件：3 月 / 6 月时点自动 review

Status

v1.0 — 2026-05-08 product-thinking plugin v0.1.0 首发。