第4章：Reach（触达）维度定义与打分标准
4.1 本章概述
Reach（触达）是RICE框架中第一个量化维度，用于衡量每个候选功能在单位时间内可覆盖的目标用户规模或使用频次。本章明确定义“触达”的两种口径，给出0–10分的评分标尺，并提供不同量级对应的分数示例与边界处理规则。
4.2 适用场景
- 功能上线前评估：需要量化该功能预期覆盖的用户规模或频率。
- 多功能优先级排序：当候选功能面向不同用户群或使用深度时，用统一标尺拉齐可比性。
- 资源投入决策：触达得分直接决定功能是否值得投入研发与运营资源。
4.3 前置条件
- 已明确功能的目标用户画像及可用数据源（MAU / DAU / 事件埋点）。
- 已完成用户分群或渠道触达能力的初步摸底。
- 团队对“触达”采用 用户数（People） 还是 使用频次（Occurrences） 口径达成一致。
口径选择规则：
• 提升型功能（如推荐优化）→ 优先按使用频次打分。
• 拉新/转化型功能（如注册流程）→ 优先按用户数打分。
• 若两种口径差异超过2分，取低分作为最终Reach得分。
• 提升型功能（如推荐优化）→ 优先按使用频次打分。
• 拉新/转化型功能（如注册流程）→ 优先按用户数打分。
• 若两种口径差异超过2分，取低分作为最终Reach得分。
4.4 操作步骤
- 确定触达口径：根据功能类型选择“月活跃用户数（MAU）”或“月使用次数（Monthly Events）”。
- 收集基础数据：从埋点系统、业务报表或灰度实验获取近3个月均值。
- 对照评分标尺：根据下表“用户数量级”或“事件量级”找到对应分数区间。
- 微调与共识：若数据落在两个分数段边界，取低分并记录原因；跨团队评审时提供数据截图。
4.5 输入输出物
| 类型 | 名称 | 格式 / 示例 |
|---|---|---|
| 输入 | 功能触达数据表 | CSV / 看板截图，包含目标用户数或事件频次 |
| 输出 | Reach 得分记录 | 记录在 RICE 打分卡中，格式：R=7 (MAU 50K) |
4.6 Reach 评分标尺（0–10分）
| 分数 | 用户数口径（MAU） | 使用频次口径（月事件数） | 典型场景示例 |
|---|---|---|---|
| 0 | 0 | 0 | 功能未上线或无人使用 |
| 1 | < 100 | < 1 K | 内部Demo、Alpha测试 |
| 2 | 100 – 500 | 1 K – 5 K | 小范围灰度（1%用户） |
| 3 | 500 – 1 K | 5 K – 10 K | 定向邀请体验 |
| 4 | 1 K – 5 K | 10 K – 50 K | 早期种子用户 |
| 5 | 5 K – 10 K | 50 K – 100 K | 中型B2B产品月活 |
| 6 | 10 K – 50 K | 100 K – 500 K | 垂直社区核心功能 |
| 7 | 50 K – 100 K | 500 K – 1 M | 主流SaaS模块 |
| 8 | 100 K – 500 K | 1 M – 5 M | 头部App二级功能 |
| 9 | 500 K – 1 M | 5 M – 10 M | 国民应用一级功能 |
| 10 | > 1 M | > 10 M | 微信/抖音体量核心路径 |
边界处理：当用户数或事件数恰好落在两个分数段的临界值时（例如MAU=100K），统一执行“就低不就高”原则，得7分而非8分，并在记录中备注“临界值取低”。此规则可有效避免因数据波动导致的评分虚高。
4.7 Reach 量级与分数映射关系（SVG）
下图展示从“触达量级”到“Reach 得分”的阶梯映射，帮助团队快速定位分数区间。
4.8 责任边界
| 角色 | 职责 | 产出物 |
|---|---|---|
| 产品经理（PM） | 定义触达口径、选定对标量级、给出最终得分 | Reach 得分及备注 |
| 数据分析师（DA） | 提供近3个月 MAU / 事件频次数据，校验异常值 | 数据看板或查询结果 |
| 技术负责人（TL） | 确认埋点准确性与数据管道延迟 | 数据可靠性声明 |
4.9 记录材料
每次 Reach 打分必须填写以下记录卡，作为 RICE 决策附件存档：
## Reach 打分记录卡
功能名称：__________________
口径选择：□ MAU（用户数） □ 月事件数（使用频次）
数据来源：__________________
近3个月均值：______________
对应分数：____（0–10）
边界处理：□ 正常 □ 临界取低（原因：________）
记录人：____ 日期：________
复审人：____ 日期：________4.10 异常处理
- 数据不可得：使用灰度测试数据或调研估算，并在记录卡中标注“估算”，置信区间超过±30%时降1分使用。
- 用户数波动剧烈（月环比>50%）：取近3个月中位数代替均值，避免单月异常值主导评分。
- 多用户群口径冲突：若功能同时面向C端与B端，取覆盖用户数最大的口径，但需在备注中说明双端比例。
- 季节性业务（如电商大促）：取非活动月均值作为基准，活动月数据仅作参考上限。
4.11 验收标准
- 可复现性：任意两位PM对照同一数据源，独立打分结果相差不超过1分。
- 数据可追溯：每项得分都能追溯到具体的看板截图或SQL查询结果。
- 边界一致：所有临界值场景均执行“就低不就高”规则，且有文字记录。
- 评审通过：Reach 得分需经过至少1位跨角色复审（DA或TL签字）方可进入RICE加权计算。
⚠️ 常见陷阱：
• 不要将“潜在可触达用户”等同于“实际触达用户”——Reach 只计已验证的基线数据。
• 不要混合两种口径取平均值——必须二选一，否则评分失去可比性。
• 不要在打分时引入“未来增长预期”——那是 Impact 或 Confidence 维度的考量。
• 不要将“潜在可触达用户”等同于“实际触达用户”——Reach 只计已验证的基线数据。
• 不要混合两种口径取平均值——必须二选一，否则评分失去可比性。
• 不要在打分时引入“未来增长预期”——那是 Impact 或 Confidence 维度的考量。