1. RICE 模型概述：模型来源、适用场景、与 ICE 模型的区别
RICE 评分模型由 Intercom 产品团队首次提出，用于在产品需求与功能列表中做量化优先级排序。它通过四个可度量维度将定性判断转化为统一分数，帮助团队在资源有限时做出可追溯的决策。本章围绕模型来源、前置认知、操作步骤与边界条件展开，为后续章节的量化评分与原型筛选建立公共语言。
核心认知：RICE 是 ICE 模型的演进版本。ICE 只关注 Impact、Confidence、Ease，缺少对用户触达规模的衡量；RICE 用 Reach 替代 Ease 视角，并将 Ease 重构为 Effort，使评分更适用于规模化产品决策。
1.1 适用场景
RICE 模型适用于以下四类典型场景，团队可根据当前阶段选择启用全部或部分维度：
| 场景 | 说明 | 示例 |
|---|---|---|
| 功能需求排序 | 多个需求争抢同一迭代窗口，需按综合分数排优先级 | 登录优化 vs 搜索功能改进 |
| 原型方案筛选 | 同一需求有多个设计方案，用 RICE 分数选择投入产出比最高的原型 | A/B 两种注册流程原型 |
| 路线图规划 | 季度或年度路线图中确定功能落地顺序 | Q2 待办项排序 |
| 资源争议裁决 | 跨团队争夺研发资源时，用统一分数作为裁决依据 | 数据平台 vs 用户增长团队 |
适用范围提示：RICE 最适用于用户基数明确、数据可采集的 B2C 或 B2B 产品；对全新 0→1 项目或数据稀疏场景，Confidence 维度可降权或使用区间估算法。
1.2 前置条件
在团队正式启用 RICE 模型前，必须完成以下四项前置准备：
- 维度校准：产品经理与核心团队就 Reach、Impact、Confidence、Effort 的操作化定义达成书面共识，避免后续评分时出现口径不一致。
- 数据基线：至少具备月活跃用户（MAU）或日活跃用户（DAU）数据，并能按功能模块拆分触达人群。
- 评分标尺：预先制定各维度的 1–5 分或 0.25–10 分标尺，每个分数档需附带具体的行为锚定示例。
- 角色确认：明确谁负责出数、谁负责评分、谁负责审核，形成责任闭环。
1.3 操作步骤
本章为概述层，操作步骤聚焦于理解模型结构与建立对比认知，共 4 步：
- 识别四维度：分别记忆 Reach、Impact、Confidence、Effort 的英文全称与中文释义，并理解每个维度在评分中的权重逻辑。
- 对比 ICE 差异：用表格逐一比对 RICE 与 ICE 在维度组成、计算倾向、适用阶段上的不同（见 1.5 节）。
- 映射自身业务：将“触达范围”“影响程度”“置信度”“投入 effort”翻译为团队可落地的具体指标术语。
- 共识确认：通过一次 30 分钟的 walkthrough 会议，确保所有评分参与者对上述内容理解一致。
1.4 输入输出物
| 类型 | 名称 | 说明 |
|---|---|---|
| 输入 | Intercom 原版 RICE 文章 / Sean McBride 博客 | 模型定义的第一手来源，用于校准维度定义 |
| 输入 | ICE 模型参考资料 | 用于对比分析，帮助团队理解演进动机 |
| 输出 | RICE 维度定义共识表 | 团队内书面确认的四维度定义与评分标尺 |
| 输出 | RICE vs ICE 对比分析表 | 含差异点、适用场景迁移说明的对比文档 |
1.5 责任边界
- 产品经理：负责引入模型、组织校准会议、输出维度定义共识表，并对模型理解的一致性负首要责任。
- 数据分析师：提供 Reach 与 Impact 所需的用户基数、行为数据，确保数据口径与维度定义匹配。
- 技术负责人：参与 Effort 维度评估，给出人天/资源成本估算的参考区间。
- 团队负责人：监督模型导入过程，裁决维度定义争议，并确认共识表最终版本。
1.6 记录材料
本章涉及的记录材料包括：
- RICE 维度定义共识表（含四维度名称、释义、评分标尺示例）
- RICE vs ICE 对比分析表（含差异点、演进理由、适用场景对照）
- 前置条件检查清单（数据基线、角色确认、标尺制定三项完成状态）
所有记录材料应存放至团队共享知识库，并标注版本号与校准日期。
1.7 异常处理
| 异常情况 | 处理措施 | 负责角色 |
|---|---|---|
| Reach 与 Impact 定义混淆 | Reach 强调“触达人数”，Impact 强调“对核心指标的改变程度”；用具体案例（如登录页改版）现场演练区分 | 产品经理 |
| Effort 与 Ease 概念混用 | Effort 是绝对投入（人天/成本），Ease 是相对容易度；RICE 使用 Effort 更利于资源对账 | 技术负责人 |
| 团队认为 RICE 可通用于所有场景 | 明确 RICE 适用于数据可采集、用户基数明确的场景，对 0→1 创新项目建议改用其他模型 | 团队负责人 |
常见误解：RICE 不是“分数越高越好”的简单排序工具。如果 Confidence 极低（如 <2 分），即使总分很高，也应当先做验证再进入开发排期。忽略置信度直接按总分排期是 RICE 使用中最常见的误操作。
1.8 验收标准
本章完成后，团队应通过以下四项验收检查：
- 维度记忆：每位评分参与者能无提醒背诵 RICE 四个维度的英文全称与中文释义。
- 差异辨析：能口头或书面列出 RICE 与 ICE 至少 3 项关键差异（含维度组成、计算倾向、适用阶段）。
- 场景判断：给出一组需求清单，能独立判断哪些适合用 RICE 排序、哪些不适合。
- 共识产出：团队已签署维度定义共识表并存档至知识库，版本号与日期可追溯。
视觉指引：上图中左侧为 RICE 的四维结构，右侧为 ICE 的三维结构。实线边框组表示独立模型，虚线连接线表示维度对应关系，底部黄色说明框标注了从 ICE 到 RICE 的演进逻辑。