第1章 RICE模型概述与决策场景
1.1 核心概念
RICE模型是产品管理与项目管理领域用于功能优先级排序的量化决策框架,由Intercom团队提出。它将每个待评估功能或项目抽象为四个可度量维度,通过组合得分实现跨类型任务的公平比较,避免“凭感觉排序”或“最强声音决策”的常见陷阱。
为什么需要 RICE? 在资源有限的环境中,团队每天面临“先做哪个功能”的选择。RICE 提供一个统一的“打分货币”,让不同背景的参与者(产品、设计、工程)在同一个量化平台上对话。
1.2 四个维度定义
| 维度 | 英文 | 定义 | 典型计量单位/方法 |
|---|---|---|---|
| 触达人数 | Reach | 在一定时间周期内、该功能预计能影响到的独立用户数 | 每月活跃用户数(MAU)、客户数、会话数 |
| 影响程度 | Impact | 该功能对单个用户的转化、留存或满意度带来的变化幅度 | 量表(0.25/0.5/1.0/2.0 倍)、转化率提升百分比 |
| 置信度 | Confidence | 团队对 Reach 和 Impact 估算的把握程度 | 百分比(20%/50%/80%/100%)或字母等级(A/B/C/D) |
| 开发投入 | Effort | 实现该功能所需的总工程人月/人周 | 人周、故事点、工程周期 |
1.3 适用场景列表
RICE 并非万能,它在以下场景中表现最佳:
- 功能 backlog 排序:从数十个需求中选出下一迭代要做的 3–5 个功能。
- 跨团队资源分配:A 团队与 B 团队的功能在同一季度争夺同一个工程师 pool。
- MVP 范围定义:在启动新项目时,用 RICE 筛选出触达/影响高、投入小的功能作为第一版核心。
- 阶段性复盘:上线后对比估算得分与实际数据,校准未来打分。
- 利益相关者对齐:将 RICE 评分卡作为沟通工具,让非产品角色理解为什么某功能被排后。
1.4 原理图解:RICE 决策流程
1.5 类比解释
“产品需求超市”类比:假设你有一个购物车(迭代容量),超市货架上摆满了功能盒子。每个盒子都贴着四个标签:
- Reach = 这个零食能让多少人尝到(人数)
- Impact = 每个人尝到后有多开心(影响倍数)
- Confidence = 你对“多少人会买”的把握(置信度)
- Effort = 这个盒子有多重、多大(投入)
RICE 就是帮你算出:“单位力气带来的总快乐”,从而决定先往车里放哪个盒子。
1.6 常见误区
- 误区一:把所有维度都精确到小数。 实际上 Reach 和 Effort 用整数估计即可,过度精确反而虚假自信。
- 误区二:忽略 Confidence 直接乘。 如果某个功能 Reach 估计为 100 万但 Confidence 只有 20%,最终得分会急剧下降——这正是应有效果。
- 误区三:一次性多维度打分完全不校准。 建议团队先统一“1 人周”是什么规模,避免 A 成员用“天”、B 成员用“月”。
- 误区四:把 RICE 得分当作绝对真理。 RICE 是决策参考,战略对齐、技术依赖、法律合规等因素仍需人工判断。
⚠️ 黄金规则:RICE 得分只用于相对排序,不用于绝对值评估。得分为 50 的功能 ≠ 得分为 25 的功能的 2 倍价值,但它确实比 25 更值得先做。
1.7 练习题(第一章节)
练习 1:识别维度
请将以下描述归类到 Reach / Impact / Confidence / Effort:
- “这个新搜索功能预计影响 80% 的日活用户。” → Reach
- “我们 80% 确定用户会因此多停留 15 秒。” → Confidence
- “需要后端 2 个开发冲刺 + 前端 1 个冲刺。” → Effort
- “预计每个受影响客户年收入增加 300 元。” → Impact
练习 2:计算 RICE
已知:Reach=10,000 用户/月,Impact=1.5 倍(预设量表高倍),Confidence=70%(预设 B 级),Effort=4 人周。请计算 RICE 得分。
RICE = (10,000 × 1.5 × 0.7) / 4 = 10,500 / 4 = 2,625
(注:实际项目中无需纠结小数,相对排序足够)
1.8 应用边界
RICE 不适合以下场景:
- 纯 Bug 修复或合规强制需求:这些通常具有法律或安全优先级,不应与其他功能混排。
- 创新探索型项目:当 Reach 和 Confidence 极度未知时,RICE 得分趋近于 0,覆盖了战略价值。
- 非用户导向的底层基础设施:如数据库迁移、重构等,其“触达”难以用独立用户数衡量,建议使用成本/收益分析替代。
- 多维度存在强依赖时:如果功能 B 必须基于功能 A 才能上线,RICE 需整体评估组合得分,不能单独打分。