第3章 Reach（触达）评分详解
适用场景
Reach 评分适用于所有需要估算特定功能/活动在单位时间内可能影响到的独立用户数量的排序场景。典型场景包括：
- 新功能发布前的价值预判
- A/B测试实验组优先级比较
- 运营活动渠道选择与资源分配
- 产品路线图中功能依赖链的先后决策
当团队面临多个候选方案且用户基数差异较大时，Reach 评分是区分“高曝光低转化”与“低曝光高价值”的关键第一层过滤。
前置条件
- 用户基数数据就绪：能获取MAU/DAU、注册用户数、目标人群规模等至少一项口径。
- 行为埋点完备：页面曝光、点击、转化等事件至少覆盖80%的潜在触达路径。
- 定义好“一次触达”的最小单元：如“一次页面加载”、“一次功能点击”、“一次消息推送到达”。
- 排除重复统计逻辑：确定同设备/同账号在短时间内的多次触达是否合并为1人。
常见前置陷阱：若仅有“总PV”而无“独立UV”，则无法区分直接与间接触达，后续估算会严重偏离实际。
操作步骤
步骤一：定义触达人数口径
触达人数必须明确统计窗口（如7天、30天）和去重方式。不同口径直接影响评分量级。
| 口径类型 | 定义 | 典型场景 |
|---|---|---|
| MAU Reach | 单月内至少触达1次的独立用户 | 新功能上线，月度活跃评估 |
| DAU Reach | 单日内触达的独立用户 | A/B测试流量预估，容量规划 |
| Session Reach | 单个会话内触达的用户 | 操作路径分析，漏斗优化 |
推荐起始口径：使用
30天MAU × 预估触达占比 作为初始值，后续通过步骤三修正。
步骤二：区分直接触达 vs 间接触达
直接触达是用户主动发起的行为（如点击按钮、打开页面）；间接触达是用户被动接收（如推送通知、页面自动弹窗）。两者在后续 Impact 和 Confidence 评估中的权重不同。
| 维度 | 直接触达 | 间接触达 |
|---|---|---|
| 用户意图 | 强 | 弱/无关 |
| 转化率参考 | 历史点击率 (CTR) 10-30% | 历史曝光转化率 0.5-5% |
| 去重难度 | 低（用户主动访问） | 高（可能被多条推送重复触达） |
| 建议统计方式 | UID + 行为事件去重 | UID + 触达设备去重 |
实操技巧：若无法获取精准推送日志，可用“总推送量 × 到达率(80%) × 唯一用户占比”估算间接触达人数。
步骤三：选择估算方法并修正偏差
以下为三种常用估算方法，按精度从高到低排列：
- 直接埋点统计法：利用已有曝光/点击事件直接计算独立用户数。误差±5%以内，推荐优先使用。
- 类比推演法：寻找历史上类似功能（相同渠道、相似用户群）的触达率，按当前MAU缩放。误差±20%。
- 模型预估法：基于用户分层模型（如RFM、活跃度分层）结合到达概率公式。
偏差修正公式：
修正后Reach = 初始估算值 × (1 - 预估偏差率) × 可信度因子
其中：
- 预估偏差率 = (实际值 - 估算值) / 实际值 (取历史3次平均绝对误差)
- 可信度因子 = 数据源质量评分 / 10 (满分10)
常见偏差来源：
• 重复触达未去重（偏差可达+40%）
• 间接触达遗漏（偏差-30%）
• 统计窗口不统一（如按周估月，需乘以系数 4.3 而非4）
• 重复触达未去重（偏差可达+40%）
• 间接触达遗漏（偏差-30%）
• 统计窗口不统一（如按周估月，需乘以系数 4.3 而非4）
输入输出物
| 分类 | 物 | 描述 |
|---|---|---|
| 输入 | 用户基础数据 | MAU/DAU 数值，用户分层表 |
| 历史触达记录 | 至少3个同类功能的曝光/点击独立用户数 | |
| 输出 | Reach 评分值 | 修正后的独立用户数（数值型，用于后续乘Impact） |
| 偏差说明文档 | 记录估算方法、偏差率、可信度因子 |
责任边界
- 产品经理：定义触达口径、提供历史类比数据、确认用户池范围。
- 数据分析师：从埋点系统提取直接/间接触达独立用户数，计算偏差率。
- 开发工程师：确认推送到达率、设备去重逻辑的技术可行性。
- 项目评审人：审核修正后的Reach值是否在合理区间（±30%以内）。
记录材料
完成Reach评分后，需要归档以下材料以备复盘：
- 触达估算表格（模板字段：项目名、口径、直接触达、间接触达、去重后总和、偏差率、可信度）
- 历史类比项对照表（用于下次估算参考）
- 修正计算过程截图（公式或脚本输出）
推荐存档格式：使用Markdown表格嵌入在项目Wiki中，或归档至共享电子表格并标注“Reach_YYYYMMDD”。
异常处理
| 异常场景 | 处理措施 | 降级方案 |
|---|---|---|
| 无任何历史埋点数据 | 立即申请1周上线最小埋点（曝光+点击） | 采用保守预估：按MAU×0.1% 作为兜底Reach |
| 间接触达完全无日志 | 联系推送平台取到达日志，或使用离线归因 | 仅使用直接触达数值，并注明“低估”标记 |
| MAU数据与实际用户差异巨大（如未去重设备） | 修正MAU：使用“活跃设备数×平均用户/设备比” | 采用保守最小值，并在评分后加注“低可信度” |
验收标准
- 完整性：直接触达与间接触达均有对应的统计来源或合理估算依据。
- 可复现：任意第三方使用相同的口径和原始数据，能得到±10%以内的Reach值。
- 偏差可控：最终Reach值与上线后实际数据误差不超过35%（若无实际数据则依赖历史类比误差不超过20%）。
- 可审计：所有修正步骤、偏差率、可信度因子均记录在案。