第3章 Reach维度定义

Reach维度衡量一个需求所能触达的用户或客户数量,是RICE评分中量级最大的权重因子。本章围绕覆盖用户数的口径、数据来源、估算方法、常见陷阱,按流程SOP结构拆解操作规范,确保每次评分都有可追溯的量化依据。

Reach维度估算流程 Reach维度估算流程 需求列表 用户数据源 1. 定义用户口径 2. 确定数据来源 3. 选择估算方法 4. 规避常见陷阱 输出:每个需求的Reach评分 常见陷阱 重复计算 / 过度乐观 口径不一致 / 忽略重叠

适用场景

  • 需要量化需求潜在影响规模,用于与其他需求横向对比优先级。
  • 产品处于增长或平台期,用户基数和增长目标明确,Reach能直接关联OKR。
  • 功能上线后用户覆盖率可被追踪(如功能渗透率、开通率)。

前置条件

  1. 已完成需求所属目标用户群初步定义(例如:注册用户在7日内活跃的用户)。
  2. 已有至少一种可用的用户数据源:内部DAU/MAU报表、第三方行业报告、用户调研样本。
  3. 团队已统一用户/客户的基本计量单位,避免将“账号”与“自然人”混用。

操作步骤

步骤行动要点
1定义用户口径明确“被覆盖用户”的筛选条件,例如“过去30天至少登录1次的免费用户”或“年付费≥500元的客户”。
2确定数据来源选择最贴近实际用户的渠道:DAU/MAU取核心漏斗,调研样本需声明置信区间。
3选择估算方法直接统计、调研推算、分层估算三大方法(参见下表)。
4计算并记录按公式:Reach = 目标用户数 × 预期渗透率,保留计算过程。

三种估算方法对比

方法适用条件示例
直接统计已有可量化的用户行为数据(如日志、BI报表)“当前月活用户中,有搜索行为的用户数”
调研推算缺乏行为数据,但可通过问卷获得意向比例“基于NPS调研,60%受访者愿意使用新功能,乘以MAU”
分层估算用户群可按属性分层,各层获取难度不同“核心层(20%用户)渗透率80%,边缘层(80%用户)渗透率20%”

输入输出物

输入:

  • 需求列表(含初步目标用户描述)
  • 用户数据源(DAU/MAU报表、调研原始数据)

输出:

  • 每个需求对应的Reach评分(用户数/客户数,整数或精确到百/千位)
  • 估算说明书:口径、数据来源、计算过程、置信度说明

责任边界

角色职责
产品经理定义用户口径、选择估算方法、填写Reach评分
数据分析师提供权威用户数据、校验估算合理性
专家评审复核特殊需求(如B端客户数的估算)

记录材料

  • Reach估算表(模板示例字段:需求ID、目标用户描述、口径定义、数据来源、估算方法、计算结果、复核人)
  • 数据源快照(截图或导出时间戳,便于追溯)
  • 复核记录(如有复核意见需附在记录中)

异常处理

异常场景处理方式
数据源缺失或不可用采用保守估算(取同类功能历史最低覆盖值),并在记录中标注“数据不足,已保守下调”
口径存在业务争议优先选用与目标OKR最匹配的口径;无法统一时,同时记录高/低值,按最低值评分
调研样本偏差过大增加样本量或使用行业基准(如App Annie数据)作为补充

验收标准

  1. 每个需求的Reach评分来源明确,可追踪到具体数据源或调研报告。
  2. 至少一人独立复核过估算过程,并在记录材料中签字确认。
  3. 所有估算无重复计算(同一用户在不同需求中仅被计一次)。
  4. 若使用调研推算,需附置信区间说明(如95%置信度±3%)。
  5. 评分结果已被录入RICE评分主表,并可在后续章节中引用。

⚠️ 常见陷阱提醒:

  • 重复计算:同一个自然人在不同渠道被重复计入(如同时计算Web端和App端日活)。
  • 过度乐观:假设所有用户都会使用新功能,忽略功能渗透率曲线(通常第一天<30%)。
  • 口径不一致:同一业务线内,不同需求使用了不同的“活跃”定义。
  • 忽略用户重叠:多端产品(小程序+App)未去重,导致Reach虚高。