Opportunity Scoring (Оценка возможностей, Д. Ульвик)

Производитель медицинского оборудования Cordis Corporation (сегодня подразделение Johnson & Johnson) в конце 1990-х интервьюировал кардиологов разного опыта, возраста и локации, а также медсестёр и администраторов больниц — не спрашивая напрямую «что вам нужно», а раскладывая процесс ангиопластики на четыре конкретных шага: ввести катетер в артерию, установить баллон в месте закупорки, раздуть баллон, извлечь катетер. Кардиологи говорили, что хотят «гладкий баллон» — но Энтони Ульвик и его команда перевели это решенческое пожелание в измеримый желаемый результат: «минимизировать риск повреждения стенки сосуда». Расставив приоритеты по формуле Opportunity = Importance + max(Importance − Satisfaction, 0), Cordis обнаружила, что снижение риска рестеноза на 20% было самой недообслуженной, важной и одновременно неудовлетворённой потребностью — и разработала на основе этой находки успешный коронарный стент. Результат: выручка компании удвоилась за два года, стоимость акций выросла впятеро, а доля на рынке ангиопластических баллонов выросла с 1% до более чем 20%. Ульвик впервые представил именно эту формулу — «алгоритм возможностей» — в статье Harvard Business Review «Turn Customer Input into Innovation» (январь 2002 года). В этой статье — точная механика алгоритма, детали кейса Cordis, где метод ограничен и как использовать фрейм OrgDevTools.

Что такое Opportunity Scoring и когда он нужен

Opportunity Scoring нужен, когда команда уже собрала список желаемых результатов клиента (desired outcomes) — обычно через интервью в рамках методики Jobs To Be Done, на которой построена вся методология Ульвика (Outcome-Driven Innovation), — но не может объективно решить, какие из десятков или сотен собранных потребностей приоритизировать в первую очередь. Метод даёт числовой, а не интуитивный ответ на вопрос «где лучшая возможность роста» — задача с высокой важностью, но уже хорошо решённая конкурентами, даёт низкий Opportunity Score, даже если пользователи в открытом опросе называют её «важной». Метод логически смежен с моделью Кано, которая также разделяет удовлетворённость и важность, но использует иную, категориальную, а не числовую логику классификации потребностей.

Происхождение и исследовательская база

Формула из HBR 2002: не интуиция, а математика

Ульвик представил алгоритм возможностей как простую математическую формулу: Opportunity = Importance + max(Importance − Satisfaction, 0). Идея, стоящая за формулой: возможность для инновации существует именно тогда, когда потребность важна и не хорошо удовлетворена — чем важнее потребность и чем ниже удовлетворённость ею, тем больше возможность для создания ценности. По данным официального описания методологии, за прошедшие с публикации годы алгоритм возможностей позволил точно приоритизировать неудовлетворённые потребности клиентов в сотнях компаний и оказался полезен также для сегментации рынка — обнаружения групп клиентов с разными неудовлетворёнными потребностями.

Кейс Cordis: от «гладкого баллона» до измеримого желаемого результата

Ключевая методологическая деталь кейса — то, КАК именно Cordis собирала входные данные. Вместо того чтобы принять пожелание кардиологов буквально («хотим гладкий баллон» — уже готовое решение, а не потребность), команда перевела его в формат измеримого желаемого результата: «минимизировать риск повреждения стенки сосуда при выполнении процедуры». Именно эта дисциплина — формулировать результаты в измеримых терминах, а не в терминах конкретных решений, — отличает Outcome-Driven Innovation от обычного сбора пожеланий пользователей и позволяет применить формулу количественно, а не оценивать идеи субъективно.

Определив методом опроса важность и удовлетворённость по каждому желаемому результату для всех четырёх этапов процедуры (введение катетера, установка баллона, раздувание, извлечение), Cordis обнаружила: снижение риска рестеноза (повторного сужения сосуда) на 20% было одновременно очень важным и очень слабо удовлетворённым результатом — то есть возможностью с максимальным Opportunity Score. На основе этой находки компания разработала успешный коронарный стент, а также ввела новые катетеры, удовлетворяющие другие обнаруженные желаемые результаты. Итог: выручка Cordis удвоилась за два года, акции выросли впятеро, а доля компании на рынке ангиопластических баллонов в США выросла с 1% до более чем 20% (по независимому изложению кейса в обзоре CBS News — «десятикратный» рост доли рынка).

Возможность для инновации существует тогда, когда потребность важна и недостаточно удовлетворена: чем важнее потребность и чем ниже удовлетворённость ею, тем больше возможность создания ценности (Э. Ульвик, официальное описание методологии Outcome-Driven Innovation; перевод формулировки).

Академическая теория: недообслуженные и переобслуженные результаты

Ландшафт возможностей: визуализация над- и недообслуженности рынка

Нанеся на карту «важность-удовлетворённость» (opportunity landscape) данные, собранные через интервью и опрос (см. голос клиента (Voice of the Customer) как общую дисциплину такого сбора), можно наглядно увидеть, недо- или переобслужен рынок в целом. Недообслуженные желаемые результаты (важные, но слабо удовлетворённые) указывают, что именно нужно улучшить в существующем job, чтобы выполнять его лучше — это возможности для роста в текущем и смежных рынках. Переобслуженные результаты (уже хорошо удовлетворённые, при этом не самые важные) сигнализируют, что инвестиции в них избыточны и могут быть безопасно сокращены в пользу более многообещающих направлений.

Недообслуженные job — не только результаты, а целые незакрытые задачи

Отдельная, более крупная категория возможностей — недообслуженные jobs (задачи) целиком: ситуации, когда клиенты в принципе не могут удовлетворительно выполнить работу, потому что подходящих продуктов или услуг ещё не существует или они неадекватны, хотя сама потребность в выполнении этой работы есть. Официальный пример методологии: если выясняется, что люди хотят просыпаться со свежим дыханием после сна всю ночь, — это указывает на совершенно новый рынок, а не на улучшение существующего продукта.

Осторожность с «продвинутыми пользователями» (lead users)

Ульвик отдельно предупреждает против избыточной опоры на «продвинутых пользователей» — клиентов с продвинутым, экспертным пониманием продукта. Такие пользователи могут предлагать новаторские идеи, но они не являются типичными представителями рынка, и продукты, созданные по их рекомендациям, рискуют иметь ограниченную привлекательность для основной массы клиентов. Оговорка для честности изложения: этот тезис не является общепринятым консенсусом — есть и контраргументы в пользу метода lead user (например, документированное применение этого подхода компанией 3M для создания прорывных медицинских продуктов), и разные исследователи расходятся в оценке его надёжности.

Заявленная эффективность метода: цифра поставщика, не независимое исследование

По собственным данным компании Strategyn (основанной самим Ульвиком), подход, основанный на потребностях (needs-first) и реализованный как ODI, имеет заявленный показатель успеха продуктов 86% — против типичного отраслевого показателя неудач разработки новых продуктов в 70-90%. Важная оговорка: эта цифра — собственная статистика поставщика методологии по собственным клиентским проектам, а не результат независимого академического исследования, и её точная методология расчёта (как определяется «успех», по какой выборке проектов) в открытых источниках не детализирована. Реальный, независимо задокументированный кейс Cordis, разобранный выше, — более надёжная опора для оценки метода, чем агрегированная цифра успеха.

Учебный расчёт: почему разрыв важнее абсолютной важности

Продуктовая команда опрашивает пользователей о важности разных задач. Задача A получает оценку важности 9 из 10 и удовлетворённости 8 из 10 — Opportunity Score = 9 + max(9−8, 0) = 10. Задача B получает такую же важность 9 из 10, но удовлетворённость всего 3 из 10 — Opportunity Score = 9 + max(9−3, 0) = 15. Если бы команда приоритизировала только по важности, обе задачи выглядели бы одинаково приоритетными (9 из 10 у обеих), но задача B — объективно лучшая возможность, потому что она настолько же важна, но гораздо хуже решена сейчас. Формула переводит эту интуицию в точное число, а не оставляет её на догадку менеджера.

Ключевые идеи и принципы

1. Приоритизация по разрыву, а не только по важности

   Метод явно вычисляет разрыв между важностью задачи для пользователя и удовлетворённостью текущим её решением — этот разрыв, а не абсолютная важность, является главным индикатором потенциальной возможности для инвестиций.

2. Формулировка задач как измеримых желаемых результатов, а не решений

   Метод требует формулировать оцениваемые пункты как конкретные функциональные результаты («минимизировать время на X», «снизить риск Y при выполнении Z»), а не как абстрактные пожелания или готовые решения («хотим гладкий баллон») — именно эта дисциплина позволяет применить формулу количественно, как показывает кейс Cordis.

3. Количественная приоритизация большого числа пунктов

   В отличие от качественных методов приоритизации, метод рассчитан на количественный опрос статистически значимой выборки пользователей по десяткам конкретных результатов, что позволяет объективно ранжировать возможности, а не спорить о приоритетах на основе мнений.

4. Недо- и переобслуженность — два разных сигнала для разных действий

   Высокий Opportunity Score (недообслужено) указывает, куда инвестировать; низкий или отрицательный разрыв (переобслужено) указывает, откуда можно безопасно забрать ресурсы — оба сигнала одинаково полезны для правильной перебалансировки бэклога.

Ограничения, слепые зоны и критика

Типовые ошибки

1. Ошибка 1: приоритизация проводится только по важности, без учёта удовлетворённости.

   Команда фокусируется на задачах с самой высокой оценкой важности, игнорируя, что часть из них уже хорошо решена существующим продуктом.

   Как избежать

   всегда рассчитывать Opportunity Score как функцию разрыва между важностью и удовлетворённостью, а не только важности.

2. Ошибка 2: задачи формулируются расплывчато, как общие пожелания, а не конкретные измеримые результаты.

   Вопросы в опросе звучат как «насколько для вас важно удобство» вместо конкретной, измеримой формулировки желаемого результата — как в исходном пожелании кардиологов Cordis «хотим гладкий баллон», не переведённом в измеримый результат.

   Как избежать

   формулировать каждый пункт опроса как конкретный, измеримый желаемый результат (job to be done), а не абстрактное пожелание или уже готовое решение.

3. Ошибка 3: переобслуженные задачи не идентифицируются, ресурсы продолжают инвестироваться в них.

   Команда видит только топ возможностей по недообслуженности, но не замечает задачи с отрицательным или нулевым Opportunity Score, куда продолжают идти инвестиции по инерции прошлых приоритетов.

   Как избежать

   явно строить полный ландшафт возможностей (важность × удовлетворённость по всем пунктам), а не только список лучших возможностей — переобслуженные задачи не менее ценная находка.

4. Ошибка 4: чрезмерно опираются на мнение «продвинутых пользователей» вместо репрезентативной выборки.

   Опрос проводится только среди экспертных, продвинутых клиентов продукта, чьи потребности и оценки не отражают типичного пользователя рынка — приоритизация оказывается смещена в пользу нишевых, а не массовых возможностей.

   Как избежать

   опрашивать статистически репрезентативную выборку целевого рынка, а не только самых опытных или вовлечённых пользователей.

5. Ошибка 5: заявленную статистику успеха метода (86%) принимают без критической проверки методологии.

   Собственная цифра эффективности поставщика методологии цитируется как независимо подтверждённый факт, без учёта того, что это самостоятельная статистика создателя метода по его же клиентским проектам.

   Как избежать

   относиться к заявленным цифрам эффективности поставщика методологии с той же осторожностью, что и к любой вендорской статистике, и опираться на независимо задокументированные кейсы (как Cordis) для оценки метода.

Как измерить эффект

• Opportunity Score по каждому желаемому результату: полный ранжированный список, а не только топ-3 «лучших возможности».

• Изменение удовлетворённости по приоритизированным результатам после релиза: повторный опрос той же выборки — снизился ли разрыв важность-удовлетворённость после того, как команда инвестировала в найденную возможность.

• Доля бэклога, обоснованная конкретным Opportunity Score, а не интуицией продакт-менеджера: индикатор того, что метод реально используется для приоритизации, а не существует параллельно с интуитивным процессом.

• Бизнес-метрика после реализации найденной возможности: в кейсе Cordis — рост доли рынка с 1% до более 20%, удвоение выручки за два года, рост капитализации в пять раз.

План внедрения

• 1. Неделя 1: сформулировать список конкретных, измеримых желаемых результатов пользователя (jobs to be done), избегая формулировок в виде готовых решений.

• 2. Неделя 2: провести количественный опрос представительной выборки пользователей по важности и удовлетворённости каждого результата.

• 3. Неделя 3: рассчитать Opportunity Score для каждого результата и построить полный ландшафт возможностей (не только топ-список).

• 4. Неделя 4: приоритизировать продуктовый бэклог на основе найденных недообслуженных возможностей и выявить переобслуженные направления для сокращения инвестиций.

• 5. Реализовать изменения по топ-возможностям, формулируя решения именно под найденный измеримый результат, а не абстрактно.

• 6. Периодически повторять опрос для отслеживания изменения удовлетворённости после релизов и пересчёта Opportunity Score.

Как работать с фреймом «Opportunity Scoring» в OrgDevTools

Фрейм «Opportunity Scoring» в OrgDevTools реализован как таблица задач пользователя с двумя числовыми оценками (важность и удовлетворённость, 1-10) и автоматическим расчётом Opportunity Score по формуле важность + max(важность − удовлетворённость, 0). На основе этого расчёта каждая задача автоматически попадает в одну из четырёх категорий: «Недообслужена — лучшая возможность», «Хорошо решена — поддерживать», «Низкий приоритет» и «Переобслужена — можно снизить инвестиции». Встроенная проверка (вердикт) находит и явно называет лучшую из недообслуженных возможностей.

Чего фрейм не делает. Фрейм не проверяет, действительно ли введённые задачи сформулированы как измеримые желаемые результаты, а не как решения или общие пожелания (типовая ошибка 2), — эта содержательная проверка формулировки остаётся за пользователем. Он не собирает сами данные важности/удовлетворённости через реальный опрос пользователей — числа вносятся вручную по итогам исследования, проведённого вне фрейма. Он не отслеживает изменение оценок во времени между релизами — каждый расчёт статичен на момент заполнения.

Инструмент: ❌ нет. Отдельного платного инструмента для проведения количественных ODI-опросов и расчёта Opportunity Score на реальных данных пользователей на платформе не предусмотрено — фрейм в OrgDevTools — учебный тренажёр-калькулятор для уже собранных вручную данных. Реальный сбор данных для количественного опроса выполняется через отдельные инструменты исследования пользователей.

Книги и источники

• Anthony W. Ulwick. Turn Customer Input into Innovation. Harvard Business Review, январь 2002 — первоисточник алгоритма возможностей, детали кейса Cordis Corporation.

• Anthony W. Ulwick. What Customers Want: Using Outcome-Driven Innovation to Create Breakthrough Products and Services (McGraw-Hill, 2005) — развёрнутая книжная версия методологии Outcome-Driven Innovation.

• Strategyn. What is Outcome-Driven Innovation? (официальный whitepaper) — точная формула, концепция недо-/переобслуженности, ландшафт возможностей. Прочитан почти целиком через extract-source.mjs.