📚 课程目录第1章 RICE模型概述与适用场景

RICE 模型概述与适用场景

RICE 模型由四个核心要素构成，用于量化评估每个产品/功能需求的优先级分数：

要素	缩写	定义	典型单位
Reach（触达用户数）	R	在特定时间周期内，该功能预计能够触达或影响的独立用户数量。	人数/周期
Impact（影响力）	I	该功能对核心业务指标的预期贡献程度，通常使用 0.25(极低) / 0.5(低) / 1(中) / 2(高) / 3(极高) 的多级评分。	量级分数
Confidence（信心度）	C	团队对 Reach 和 Impact 估算的把握程度，常用 20%(猜测) / 50%(有部分证据) / 80%(有较强数据) / 100%(有确凿历史数据)。	百分比
Effort（开发工作量）	E	实现该功能所需的全部人力/时间投入，通常以“人·周”或“人·月”为计量单位。	人·周期

  公式： RICE Score = (Reach × Impact × Confidence) / Effort

  分数越高，优先级越高。注意 Confidence 本身是百分比（如 0.8），Reach 和 Impact 相乘后除 Effort，最终值反映每单位工作量带来的预期业务价值。

RICE 模型最适合以下场景：

前置条件：
· 已有明确的用户群体定义或渠道数据（Reach 可估算）；
· 业务指标（如 DAU、转化率、留存）能够与 Impact 评分对齐；
· 开发团队能提供相对准确的 Effort 估算（± 20% 以内）；
· 产品经理或评审团队对 Confidence 有共识评分机制。

维度	RICE	ICE	Value（简单加权）
要素	Reach · Impact · Confidence · Effort	Impact · Confidence · Ease	Business Value · Effort
Effort 处理	作为分母，直接除	使用反向的“Ease”（1/E），趋势相近但不等价	单独打分后加权，无除法关系
Confidence 角色	作为乘数，降低低可信项目分数	同样作为乘数	通常不单独考虑，隐含在 Value 评分中
数据可量化性	强：Reach 与 Effort 有具体数字	中：Ease 为主观评分	弱：Value 高度依赖个人判断
典型适用	功能优先级、实验排序	快速筛选实验想法	小团队粗略决策

关键差异： RICE 通过明确的物理单位（用户数、人周）和百分比信心度，比 ICE 更精确；Value 模型因缺少 Confidence，容易导致高估低确定性项目。RICE 在 > 10 个需求的排序中优势尤为明显。

常见误区： 不要将 RICE 分数直接当作“绝对价值”使用，它只是相对排序工具。当需求间的 RICE 分数相差小于 20% 时，建议结合战略对齐和风险评估最终决策。

  输入物： 需求列表、渠道/用户数据、业务目标文档、开发排期估算表。

  输出物： 按 RICE 分数降序排列的优先级排序矩阵（包含每项的四要素原始值）。

材料/场景	说明
RICE 评分表	包含需求 ID、R/I/C/E 原始值、RICE 分数、备注（数据来源、假设条件）。
Confidence 解释文档	记录每个需求 Confidence 等级的理由，方便后续复盘修正。
异常处理：数据不全	使用保守估计（如 Confidence 设为 20%）并标记为“待验证”，分数不会被过度高估。
异常处理：Effort 波动大	取中位数或最大可能值，在备注中注明上下界，排序后增加敏感性分析。
异常处理：多团队冲突	将 RICE 排序作为建议，结合资源依赖图做最终调整。