3. Reach 评估标准：用户触达范围、活跃用户数、使用频次的数据拆解方法
在 RICE 框架中，Reach 量化的是「一次发布能让多少用户获得可测量收益」。与单纯的曝光量不同，产品需求语境下的 Reach 要求拆解为三层可追踪粒度：用户触达范围、活跃用户数、使用频次。只有完成这三层拆解，才能将模糊的「影响面」转化为可代入 RICE 公式的数值。
3.1 为什么需要三层拆解？
一个常见误区是直接用「总注册用户数」作为 Reach。实际业务中，功能仅对特定场景用户生效：
- 触达范围：功能入口被多少人看到（曝光层面的漏斗顶部）。
- 活跃用户数：在触达用户中，真正处于「可激活状态」的活跃占比。
- 使用频次：用户在多长时间内会重复使用该功能（影响累积收益）。
三层拆解帮助产品经理从「一次性影响」思维转向「持续性影响」思维，避免高估 MVP 功能的真实 Reach。
业务问题映射： 在一次用户访谈中，运营团队反馈「功能上线后周活跃用户只涨了 2%」，而产品经理预期是 15%。拆解后发现：触达范围覆盖了 80% 用户，但活跃用户数仅占触达用户的 25%，使用频次低于 1 次/周——问题出在「触达后激活」环节，而非功能本身。
3.2 用户触达范围：数据拆解方法
触达范围是 Reach 的第一层漏斗，回答「多少人有机会看到功能入口」。拆解时需区分渠道类型与用户状态：
| 拆解维度 | 数据来源 | 计算公式 / 估算方式 | 典型陷阱 |
|---|---|---|---|
| 渠道曝光覆盖 | 埋点系统、推送日志 | ∑(各渠道曝光去重用户数) | 跨渠道重复计算 |
| 功能入口可见用户 | 版本灰度配置+客户端上报 | 灰度比例 × 该版本总用户数 × 入口可见率 | 忽略低版本用户不可见 |
| 场景触发条件覆盖 | 用户画像 + 行为序列 | 满足触发条件的用户数 / 总用户数 | 条件定义过宽或过窄 |
3.3 活跃用户数：数据拆解方法
活跃用户数是在触达范围内，进一步筛选出「近期有活跃行为」的用户。拆解核心是定义「活跃」的阈值：
- 日活跃 (DAU)：适用于高频工具类功能（如扫码支付），阈值 = 1 次/天。
- 周活跃 (WAU)：适用于中等频次功能（如社区浏览），阈值 = 1 次/周。
- 月活跃 (MAU)：适用于低频决策功能（如账单分析），阈值 = 1 次/月。
在实际拆解中，建议使用「活跃度分层矩阵」：将触达用户按最近一次使用时间 & 使用次数分为核心活跃、一般活跃、沉默用户三层，只取前两层计入 Reach。
用户访谈发现： 某 B 端 MVP 功能上线后，后台显示「月活跃用户 5000」，但用户访谈中只有 20% 受访者记得使用过。拆解后发现：后台统计的是「登录即活跃」，而功能实际需要「完成 3 步配置」才算有效活跃。修正定义后，活跃用户数从 5000 降至 860，更接近真实 Reach。
3.4 使用频次：数据拆解方法
使用频次决定了一个功能在单位时间内的「累积 Reach」。同一个用户使用 5 次和 1 次，对业务目标的贡献差异巨大。拆解时关注三个指标：
| 指标 | 定义 | 数据拆解方式 | 对 Reach 的影响 |
|---|---|---|---|
| 人均使用次数 | 活跃用户平均使用次数 | 总使用次数 / 活跃用户数 | Reach 乘数效应 |
| 使用间隔 (中位数) | 两次使用之间的天数 | 用户级间隔计算后取 P50 | 判断黏性是否支撑迭代节奏 |
| 高频用户占比 | 使用次数 > P75 的用户比例 | 分位数切割 + 交叉分析 | 识别核心体验人群 |
避坑提示： 使用频次不要单纯看「平均值」。一次灰度发布后，人均使用次数从 3.2 降到 2.8，看起来变化不大，但查看分布后发现：高频用户（占比 15%）使用次数从 10 次暴跌至 4 次，新用户频次仅 0.5 次。平均值掩盖了「老用户体验退化」的严重问题。
3.5 Reach 三层拆解流程（SVG 框架图）
3.6 从拆解到指标验证：Reach 估算的验收标准
完成三层拆解后，需要建立可验证的 Reach 估算模板。以下为交付物级别的验收清单：
| 验收项 | 验收标准 | 通过条件 |
|---|---|---|
| 触达范围数据源 | 埋点上报去重后误差 < 5% | 与灰度服务端日志抽样比对通过 |
| 活跃用户数定义 | 活跃阈值与用户访谈中「真实使用」感知一致 | 访谈样本中 80% 以上匹配 |
| 使用频次分布 | P50 间隔 < 功能迭代周期的一半 | 满足则功能可进入下一轮 MVP 迭代 |
| 三层综合 Reach | 触达范围 × 活跃率 × 频次系数 ≤ 总用户数 | 逻辑自洽，不出现超估 |
3.7 需求拆解中的 Reach 模板（交付物）
在每轮 MVP 迭代的需求文档中，建议附带以下 Reach 估算模板，作为 RICE 计算的输入：
## Reach 估算模板（MVP 迭代用）
### 1. 用户触达范围
- 渠道曝光覆盖（去重）：______ 人
- 功能入口可见用户：______ 人
- 场景触发条件覆盖：______ 人
- 最终触达范围（取三者最小值）：______ 人
### 2. 活跃用户数
- 活跃定义：______（DAU/WAU/MAU）
- 活跃率：______%
- 活跃用户数 = 触达范围 × 活跃率：______ 人
### 3. 使用频次
- 人均使用次数（周/月）：______
- 使用间隔中位数（天）：______
- 高频用户占比：______%
- 频次系数（= 人均次数 / 基准值）：______
### 4. 修正 Reach 估值
- Reach = 活跃用户数 × 频次系数：______ 人
- 数据来源与置信度：______
课程关联提示： 上述模板可直接用于第 5 章「需求拆解」和第 7 章「指标验证」的交付物合并。在用户访谈阶段（第 4 章），请用访谈结果修正「活跃定义」和「频次系数」，避免 Reach 估算脱离真实用户行为。
通过三层拆解——用户触达范围、活跃用户数、使用频次——产品经理能将模糊的「影响面」转化为结构化的数据输入。每一层都有对应的数据源、计算方式和验收标准，确保 RICE 中的 Reach 不是凭感觉估算，而是可追溯、可验证、可迭代的量化指标。