跳到正文
RadarAI· O'Reilly Radar(热点 RSS)·· 3 小时前AI 评分36

如何建模软件的业务价值:AI 时代评估软件影响的第 4 部分

AI 导读

James Shore 在系列第 4 部分提出,应通过建模预测软件的业务成果而非直接测量价值,并用 Dave McClure 的 AARRR(海盗指标)等代理指标加快反馈。他指出 AI 时代编码不再是瓶颈,瓶颈可能转向客户吸收新功能的能力,因此需把客户注意力当作稀缺资源。建模还需联合销售、客户成功、市场等部门共同参与。

正文 · AI 翻译

O'Reilly Radar· James Shore·2026-11-18 19:54· 2 小时前AI 评分48

建模软件的业务影响

AI 导读

James Shore 在系列第 4 部分中讨论如何建模和预测软件的业务成果,而非直接测量价值。他建议用 Dave McClure 的 AARRR(海盗指标)等代理指标加快反馈,并联合销售、客户成功、市场等部门共同建模。他指出 AI 时代编码不再是瓶颈,瓶颈可能转向客户吸收新功能的能力。

正文 · 原文

以下文章最初发表于 James Shore 的 Successful Software 博客,经作者许可在此重新发布。

你的团队在做正确的事吗?如果他们跑错了方向,跑得多快都无关紧要。

这是我关于评估 AI 对软件开发影响的系列文章的第 4 部分。与本系列的其他文章不同,这篇其实并不真正关于 AI。它讲的是构建正确的东西。或者更准确地说,是理解你所构建之物的价值。因为归根结底,你的 ROI 不在于你如何构建软件,而在于你交付了什么,以及由此带来了什么变化。

在第 1 部分中,我们探讨了为什么评估影响很重要,以及哪些事不该做。在第 2 部分中,我们探讨了如何衡量 AI 对交付速度的影响。在第 3 部分中,我们考虑了如何衡量使用 AI 带来的意外后果。现在,在这一部分,我们来研究如何建模和预测业务成果。最后,尾声将把所有内容整合起来,并附上你可以与 CFO 分享的要点。

衡量错误的东西

你可能会以为,为团队产出之物建模其价值是显而易见的事,但实际上这出奇地罕见。

这并不特别困难。只是……在组织层面很复杂。而且有一些不可避免的妥协。最重要的是,为价值建模根本不是人们在软件开发时会想到的事。他们会花几个月时间试图微调成本估算和预测,却几乎不花心思让软件更有价值。

但软件成本与价值之间并没有必然关系。你可以花 2000 万美元开发毫无价值的软件,也可以花 200 万美元开发改变企业命运的软件。成本改善通常是边际性的,而且困难。价值改善则是颠覆性的。

在 AI 时代,关注价值尤为重要。如果写代码不再是瓶颈,那么什么才是?早期迹象表明,瓶颈正在转向我们的客户。

我最近交谈过的一位工程负责人 Lee Eason 假设,客户吸收新功能的能力是有限的。当软件开发成本高昂时,我们用这种成本来强制排定优先级。私人项目被搁置,最有价值的工作浮到最上面。(好吧,有时候是这样。我希望它能那么干净利落。)

现在,我们可以产出多得多的工作,但这并不意味着客户能够吸收它。他们有自己的工作要做。最终,他们会不再关注。我们需要把客户注意力当作它本就稀缺的资源来对待,只交付真正有价值的东西。

与工程瓶颈不同,这个瓶颈是看不见的。过去,如果我们不排定优先级,我们就不会交付最有影响力的工作。在 AI 时代,我们最有影响力的工作可能只会被忽视。

我不会在本系列中讨论如何提升价值,但我会讨论如何规划和确定优先级。因为如果客户不在乎你的软件,其他一切都不重要。

归因问题

人们衡量成本的部分原因是它很容易。在大局层面上,衡量价值也很容易。它就是字面上的底线。挑战在于归因底线变化来自何处。

假设你发布了一个新功能,看到购买量提升了10%。太棒了!把它归功于新版本吧!

但你的销售副总裁也发起了一项配额退休促销,让销售团队陷入疯狂。营销部门还让一位重要的科技影响者将数万人吸引到你的主页。合作伙伴团队也加大了力度,说服合作伙伴在他们自己的产品中突出与你的新功能的集成。

谁该为成功获得功劳?显然,每个人都做出了贡献。但贡献了多少?你的新功能是否相关,还是成功归因于销售、营销和合作伙伴的推动?

一个相关的问题是这些数字有多延迟。新功能发布后,你几个月后才能得到收入数字,尤其是在B2B销售中,销售周期很长。

通过建模价值而不是直接衡量来解决这些问题。模型的每个部分都获得代理测量,帮助你随时间评估和改进模型。代理测量提供更快的反馈,并允许你减少其他部门活动的影响。

我喜欢Dave McClure的“海盗指标”用于此目的:1获取、激活、留存、推荐和收入。(简称AARRR。你可以看出为什么它们是“海盗”指标。)例如,你可以衡量有多少百分比用户在尝试你的新功能(激活),然后有多少百分比随时间继续使用它(留存)。

你不必局限于海盗指标。例如,如果一项可用性举措预计会减少客户流失,你可以衡量支持电话如何变化,或者可用性作为取消原因的提及频率是否降低。

组织挑战

要建立模型,你需要让组织中的其他人参与进来。具体细节取决于你的公司如何组织,但大致上:销售将帮助你理解你的举措对新销售的影响。客户成功将帮助你理解对追加销售和留存的影响。营销,潜在客户生成。合作伙伴,可能涉及以上所有。

当我担任工程副总裁时,我花了几年时间建立这个项目。大部分时间花在说服人们加入上,所以你不必花那么长时间。

我与产品副总裁密切合作解决这个问题。我们首先向首席产品官介绍,他将其带给了CEO。CEO喜欢严谨的方法,所以他支持了。这足以让我们将创建财务模型作为优先考虑重大举措的官方流程的一部分。我们称之为“产品赌注”。

起初,这些模型……并不理想。人们给出的预测很夸张,却没有真正想清楚。但后来公司来了一位新的 CFO,我向他介绍了我们的产品押注方法。他很支持(事实证明,CFO 也喜欢严谨,真是意外,意外)他还帮助我们改进和批判这些模型。这让我们更清楚该向各个业务伙伴提出什么要求,而 CFO 的支持也让我们更容易索取所需的信息。

人们对做预测感到不自在。他们不想被视为做出了无法兑现的承诺。CEO 和 CFO 的支持在这里起了作用,但主要还是靠我们与同僚建立起的个人关系。我们解释自己需要什么,并说服他们提供给我们。

我已不再担任那个角色,但我预计这个过程会随着时间的推移变得更快、更容易。挑战在于建立一套新流程。实际的建模并不那么困难——也许有点不自在,因为你永远真正不知道正确答案是什么。最终,它会成为“我们这里做事的方式”的一部分,然后成为一种习惯。模式和模板会逐渐形成。高层的参与会变成授权,授权会变成例行公事。

创建模型

模型是一个电子表格,用于预测一定时期内的净现值(NPV)。我们用了五年。如果你不熟悉 NPV,你的财务部门可以帮忙,但简而言之,就是预测你在接下来每一年会赚多少或花多少,然后根据距离现在的时间远近对这笔金额进行折现。把所有年份加总,就得到净现值。

你的模型不会完美反映现实。不要试图做到完美。专注于这些问题:我们期望从这项举措中获得什么财务收益,为什么?确立大方向比捕捉每一个细微差别或让每个细节都完全正确更重要。准备好做一些有根据的猜测和一些不太有根据的猜测。未知因素太多,不得不如此。你可能想制作多个版本:乐观、悲观和“最佳猜测”。

对于典型的销售导向型企业,你的模型将包括五个类别:新销售、增购、留存、成本节约和支出。对于每一项,都从该举措的业务理由开始。它应该实现什么,为什么?答案就写进模型里。

对于新销售,你可以包括这项新举措将为你赢得的客户数量、缺少它会失去的客户数量,以及每个客户的价值。

对于增购,考虑有多少人会升级,以及每次升级会带来多少收入。

对于留存,考虑每个客户的价值、你的流失率,以及该举措将挽救的高风险客户的百分比。

成本节约最适用于内部导向的举措,但即使是面向客户的举措,也可以通过降低支持成本或其他人工工作产生影响。不过,对这一点要谨慎。成本节约举措是常见的请求;人们总能想到让生活更轻松的办法。但通常,从销售和留存中获得的价值要比从优化成本中获得的价值大得多。低垂的果实已经被摘走了。

持续支出是指计划发布后你将产生的成本。例如,如果你构建了一个由 AI 驱动的服务,你将持续产生 token 成本。可以通过估算会话数量和每次会话的平均成本来建模。

最后,开发成本代表你为开发该计划将花费的资金。它主要由人力成本和 AI token 成本构成。

对于开发成本,我倾向于采用里程碑与上限相结合的方法。基于模型其余部分的净现值,你可以大致了解在仍能保持良好投资回报的前提下最多能花多少钱。2 选择一个支出上限,将其分解为多个支出里程碑,并采用迭代式的“构建-衡量-学习”方法,边做边学该构建什么,在每个里程碑与高管指导委员会沟通,并根据所学到的内容做出“继续/止损”的决策。

(你也可以采用更传统的预测与估算方法,但我认为迭代方法能让你引导出更多价值。)

让它变得有用

乔治·博克斯有句名言:“所有模型都是错的,但有些是有用的。”

你的财务模型肯定是错的。其中涉及太多猜测。问题在于,尽管它有缺陷,我们如何让它变得有用?

如果你将模型作为优先级排序的要求——不是针对缺陷和小改动,而是针对重大计划——那么它可以成为一种有用的方式,帮助你加深对计划背后战略的理解。很多时候,利益相关者提出一个解决方案,却没有说出他们试图解决的问题。模型会迫使一些隐藏的假设浮出水面,从而可以被剖析和讨论。

一旦这些假设浮出水面,我倾向于采用一种略带对抗性的优先级排序方法。不是对抗到失灵的程度,但我认为让各项计划的支持者互相批评对方的模型是有用的。没有这种批评,很容易得到未经深思熟虑的虚高估算。

我发现让财务部门参与非常有用,最初是我的 CFO。他们有动力对机会和成本进行清醒的评估。他们可以帮助推动批评的开展,并展示如何在不损害关系的情况下批评和改进模型。

另一方面,在计划交付、工作完成后,你可以用模型来展示产品开发的责任感和价值。人们总是把交付日期当作问责机制。模型不会完全阻止这一点,但能够指出你所交付价值的模型确实很有用。

最后,这也是判断 AI 如何影响生产力的机会。使用你测得的提速数据来建模:如果没有 AI,该计划会花费多少,并使用你的意外后果模型来预测维护成本。结果将为你判断 AI 的生产力效益提供依据。只需记住,这些模型基于猜测和假设,而非客观现实。

当然,在开发软件并迭代发布的过程中,要持续关注你的代理指标。与业务伙伴讨论实际销售结果和成本节约情况。用这些结果来修正你的预测,让模型更贴近现实。

优先级排序就是战略

我与许多公司合作过,优先级排序几乎从未被做好。但软件优先级正是公司战略的体现。公司所做的几乎一切都在某种程度上由软件支撑。软件优先级——无论是采购还是自建——实际上决定了公司下个月、下个季度、明年能做什么。

因此,当人们忽视价值而专注于成本估算和预测,当人们说“一切都是最高优先级”,当他们不思考某个东西为什么值得开发时,他们就在无意中破坏自己公司的战略。

这就是为什么这是本系列中最重要的文章。交付速度和意外后果对于找到使用 AI 的最佳方法很重要。价值建模对于理解如何利用它很重要。

当然,它并不完美。财务模型不能替代围绕产品和组织战略的良好判断,你也不应该仅仅因为某个举措有很高的净现值就盲目选择它。模型的作用是为你的投资组合优先级决策提供信息,而不是替代这些决策。

与本系列中我介绍的所有指标一样,建模也容易被钻空子。在这种情况下,隐瞒坏消息的诱惑会很大。如果某个代理指标表现不佳,或者轶事性的销售证据是负面的,人们可能会倾向于不更新模型以匹配现实。要留意那些隐瞒坏消息的人。一如既往,把它当作决策工具而不是评估人们绩效的方式,你会做得更好。

这种方法也相当繁重。它不适用于小型功能和缺陷修复。它是我提到的其他指标的补充,而不是替代。你可以相对快速地了解速度和意外后果。建模和评估价值则需要更长时间。但这些时间会带来回报:你能更好地理解自己整体上带来的价值,并且凭借运气、耐心和努力,更好地执行公司战略,取得更大的整体成功。

这就到了我关于如何最大化 AI 投资回报、以及总体上最大化软件投资回报的系列文章的结尾。接下来,我们会在一篇尾声中把所有内容汇总起来,你也可以与 CFO 和其他领导团队成员分享。

我的所有内容都是由我 100% 的人类肉脑创作的,除非另有明确说明。如果你喜欢这篇文章,请查看 我的最佳写作和演讲,并考虑 订阅更新 (通过电子邮件或 RSS)。如需咨询合作,请发邮件至 jshore@jamesshore.com。


脚注

  1. 非常感谢 Jeff Patton 向我介绍海盗指标。↩︎
  2. 如果你选择的折现率代表你希望看到的最低回报率,那么净现值代表你可以支出的最大金额。↩︎

来源:O'Reilly Radar · oreilly.com

来源:RadarAI · aihot.news