第2章:Reach维度定义

适用场景

Reach(触达)维度用于评估一项功能、活动或内容在目标用户中的覆盖广度。在以下典型场景中必须明确定义 Reach:

  • 功能上线效果评估:衡量新功能或改版页面在目标用户中的曝光比例。
  • 渠道投放效率对比:比较不同推广渠道(推送、短信、广告位)的实际触达用户数。
  • 影响范围估算:在 RICE 优先级排序中,用 Reach 量化“该方案可能影响的用户规模”,为后续 Impact 和 Effort 提供基数。
  • 日常健康度监控:持续追踪核心路径的触达率,发现用户流失断层。
关键判断:当一个决策需要回答“多少人会受到影响”时,Reach 就是必须明确定义的维度。缺少 Reach 口径的 RICE 排序将失去可比较的基础。

前置条件

在定义 Reach 维度之前,团队必须已完成以下准备工作:

  • 目标用户群已明确:定义清晰的目标受众画像(如“注册 7 天内未付费的用户”),避免模糊泛化。
  • 数据采集能力就绪:客户端埋点、服务端日志或第三方 SDK 至少有一条可用数据通路。
  • 口径标准已对齐:产品、数据、开发三方对“用户数”“会话数”“曝光量”的基础定义达成一致,避免后续争议。
  • 标识体系可打通:设备 ID、登录账号、Cookie 等标识符能关联到同一真实用户,支持跨端去重。

操作步骤

定义 Reach 维度需按以下 4 个步骤依次执行:

  1. 确定衡量单位:根据业务目标选择“用户数(UV)”“会话数(PV)”或“曝光量(Impression)”。评估受众规模用 UV,评估互动频率用 PV,评估展示效率用 Impression。
  2. 选择数据来源:从客户端埋点、服务端日志或第三方平台中选择与衡量单位匹配的数据源。同一场景下优先使用唯一权威来源,避免多源混用导致口径漂移。
  3. 设定去重规则:明确“同一个用户跨设备/跨时段/跨页面是否重复计数”。例如:UV 按设备 ID+登录账号联合去重,PV 按会话 Session 划分,Impression 按展示事件逐条累计。
  4. 计算并输出 Reach:根据口径规则聚合数据,输出“触达用户数”或“触达次数”,并计算目标群体中的触达覆盖率(Reach ÷ 总目标用户数)。
最佳实践:步骤 1 和步骤 3 需要产品经理与数据分析师共同决策,并在文档中写明“为何选此单位”和“为何用此去重逻辑”,方便后续回溯。

输入输出物

方向 内容 格式 / 来源 负责人
输入 原始曝光 / 访问事件数据 埋点日志表、第三方报告 数据开发
输入 用户标识映射表(设备 ID ↔ 账号) 用户中心 / 数仓维度表 后端开发
输入 目标用户群名单 SQL 查询结果 / 运营圈选 业务方
输出 Reach 指标值(触达数 + 覆盖率) 看板 / 数据报告 数据分析师
输出 口径定义文档(含单位、来源、去重规则) 知识库 / 共享文档 产品经理

责任边界

角色 核心职责 关键产出物
产品经理 定义衡量单位与口径规则,协调三方对齐 口径说明文档、验收确认
数据分析师 数据提取、去重聚合、指标计算与异常排查 Reach 数据报表、异常标记
数据开发 埋点采集、数据清洗、数仓表建设 原始数据表、ETL 作业
业务方 提供目标用户群、确认指标合理性 用户名单、验收签字

记录材料

每次 Reach 口径定义完成后,必须归档以下材料:

  • 口径说明文档:写明本章适用的衡量单位、数据来源、去重规则、计算时间窗口。
  • 数据字典:列出所用事件名、字段名、枚举值及其业务含义。
  • 去重逻辑伪代码或规则描述:用自然语言写清楚“在什么条件下两条记录算同一个用户”。

Reach 维度定义检查清单:

  • ☐ 衡量单位已明确(UV / PV / Impression)并写入文档
  • ☐ 数据来源唯一且可回溯
  • ☐ 去重规则已定义并经过数据验证
  • ☐ 目标用户群规模已知
  • ☐ 口径文档已归档至共享知识库

异常处理

  • 数据缺失:部分渠道(如低版本客户端)未上报数据,需在报告中标注“仅统计 v3.2 以上版本”,并评估未覆盖占比。
  • 重复计数:同一用户跨设备访问导致 UV 虚高。处理方式:建立设备图谱或优先使用登录账号去重;若无法打通,需在口径中注明“按设备 ID 去重”。
  • 口径不一致:不同团队对“用户数”定义不同(如“启动用户”vs“注册用户”)。处理方式:统一使用口径文档中的定义,冲突时以产品经理签字确认为准。
  • 数据延迟:第三方平台数据 T+1 到达。处理方式:离线计算时标明数据截止时间,实时场景需切换至自研埋点。
常见误区:不要直接使用“总注册用户数”作为 Reach,除非功能确实触达了所有注册用户。Reach 必须是实际被触达的独立用户数,而非理论最大值。

验收标准

Reach 维度定义是否合格,需同时满足以下 4 条:

  • 数据可回溯:支持按天、周、月粒度回算 Reach 值,且与原始事件表可逐条对应。
  • 口径一致性:不同团队(产品、运营、数据)使用同一口径文档查到的 Reach 值偏差 < 1%。
  • 误差可控:自研埋点数据与第三方校验平台(如友盟、GrowingIO)的 Reach 差异 ≤ 5%,且差异原因可解释。
  • 文档完备性:口径说明、数据字典、去重规则三份材料齐全,且经过至少一次跨团队评审。
Reach 维度定义与度量流程 ① 数据采集(数据获取途径) 客户端埋点 服务端日志 第三方平台 ② 口径选择(典型衡量单位) UV 独立用户数 PV 会话 / 访问次数 Impression 曝光量 ③ 去重聚合(去重规则) 跨设备去重 时段归因 ④ 指标输出(Reach 值 + 覆盖率) 触达用户数 / 触达次数 / 触达占比 核心概念 Reach 指目标用户中 实际被触达的独立人 数或次数,是 RICE 模型中影响范围估算 的基础依据。
使用建议:上图展示了从“数据采集”到“指标输出”的完整链路。在实际项目中,请将每一步的口径选择、去重规则和输出格式填入对应阶段的文档中,确保上下游理解一致。