InnoLab
DC01决策L4adapted

场景价值矩阵

Scenario-Value Matrix

# P04 · 场景价值矩阵 - 领域：产品 | 动作：规划 | 来源：adapted - 原始出处：基于波士顿矩阵逻辑重构 - 首次发表：《AI转型》第五章

P04 · 场景价值矩阵

  • 领域：产品 | 动作：规划 | 来源：adapted
  • 原始出处：基于波士顿矩阵逻辑重构
  • 首次发表：《AI转型》第五章

一句话定义

"业务价值"ד实现可行性"四象限，帮助筛选AI落地的最佳切入场景。

操作步骤

  1. 列出所有候选场景
  2. 对每个场景评分：业务价值（1-10）和实现可行性（1-10）
  3. 放入四象限：高价值高可行=立即做、高价值低可行=规划做、低价值高可行=顺手做、低价值低可行=不做
  4. 选择1-2个"立即做"象限的场景作为首批突破口

Combinations（常见组合）

  • DC01 场景价值矩阵（初筛）→ DC06 三阶评估法（精细评估）→ DC05 J曲线（判断穿越难度）
  • ST02 行业第一性原理 → DC01 场景价值矩阵（底层分析后筛选场景）
  • DC01 场景价值矩阵 → PD06 MVP（选定场景后最小验证）

Deep Understanding（深度理解）

  • 与 DC06 三阶评估法的区别：场景矩阵是四象限粗筛（快速定位），三阶评估是13项精细打分（深度验证）。场景矩阵在前，三阶评估在后。
Cases

用过此方法的案例

3 个
case-048
制造企业 8 个 AI 场景、600 万预算——用场景价值矩阵选出真正值得做的 2 个

企业 AI 转型最大的浪费不是「选错工具」，而是「选错场景」——场景价值矩阵的核心是用「业务价值 × 实现可行性」把 8 个候选场景快速降维到 2 个，再用三阶评估法做深度验证

case-052
HR SaaS 15 个功能都想 AI 化，但预算只有 300 万——用智能密度评估决定先做哪个

智能密度不是 AI 功能的「重要性」排序，而是「AI 真正能发挥作用」的可能性评估——假勤异常检测智能密度最高（数据结构化、规则明确、高频高人力消耗），而用户最想要的「简历筛选 AI」反而因主观性强排名第五

case-066
房产中介平台的 AI 威胁：贝壳在用 AI 替代经纪人，我们 200 人的区域平台该怎么活？

当大平台用 AI 做到「标准化交易效率极致化」，区域中小平台的出路是做大平台做不了的事——稳家的护城河是 10 年本地隐性知识（学区、邻里、物业），聚焦 800 万以上置换客群，从传统佣金转向本地置换顾问模式

用「场景价值矩阵」推演你的问题

描述你正面临的难题，InnoLab 会用这套方法当场跑一次结构化推演。

免费推演一次