对每个增长实验或功能想法，用三个维度打分后相乘：影响力（Impact）× 信心度（Confidence）× 易实现性（Ease）。30 分钟内把 15 个想法排出优先级，终结「我感觉这个更重要」的内耗。
增长团队每周都能产生大量实验想法。问题不是想法不够多，而是如何在有限的执行资源下，快速决定从哪里开始。
没有结构化框架时，优先级讨论会退化为政治博弈：声音最大的人赢，或者资历最深的人赢。高影响力但执行成本低的快速验证机会被忽略，而「重量级」功能（因为听起来更有价值）挤占了实验资源。
Sean Ellis 在构建 GrowthHackers 时需要一个工具，让增长团队在每周例会上快速排出下周要跑的 Top 3 实验。ICE 的核心洞察：只需要三个维度，相乘得出分数，讨论分歧而非讨论感受。数字不是最终答案，但它让对话变得具体。
注意第 5 行：「AI 推荐引擎重构」听起来影响力最大（10 分），但因为信心度低（4 分）、实现难度高（2 分），ICE 分数仅 80，排在最后。这正是 ICE 的价值——「听起来很重要」不等于「现在应该优先做」。
ICE 是快速决策工具，专为实验性思维设计。当你面对一个想法清单，需要在有限资源下快速排出执行顺序时，它最有效。
ICE 不是一个书桌上的理论框架，它是 Sean Ellis 为了解决 GrowthHackers 自身增长问题而创造的工具。从 2012 年创立到 2015 年，这个框架驱动了平台从 0 到 90,000+ 注册用户的全过程。
每周，增长团队会产生 10–15 个实验想法（任何人都可以提），所有人对每个想法打 ICE 分，取平均值排序，只执行本周 ICE 最高的 Top 3。这个机制的关键不是分数本身，而是分歧触发对话：当有人给某个想法的 Confidence 打 3，另一个人打 8，这个分歧就值得深入讨论——为什么信心度差这么多？谁掌握了对方不知道的信息？
ICE 的力量在于简单，但简单也带来了被误用的风险。以下是最常见的失效模式。
ICE评分模型由增长黑客先驱Sean Ellis于2010年代初提出，最初用于解决增长团队面临的实验优先级难题。模型以Impact（影响力）、Confidence（信心度）、Ease（易执行性）三个维度的均值为依据，将复杂的优先级判断转化为可量化的数字，极大提升了高速迭代团队的决策效率。