第1章 什么是RICE评分：Reach、Impact、Confidence、Effort

RICE 评分是一种用于产品迭代优先级排序的量化决策框架，由 Intercom 团队提出。它通过四个维度（Reach、Impact、Confidence、Effort）对特性或优化请求进行综合打分，帮助团队在有限资源下选择回报最高的方案。本章作为课程的开篇，系统定义四个维度的含义、计算方式与典型应用场景，并建立后续埋点支撑迭代的认知基础。

1.1 适用场景

RICE 评分适用于以下产品与运营场景：

• 功能迭代排期：在 backlog 中区分高价值低投入特性与低价值高投入特性。
• A/B 测试优先级：对候选实验方案进行预判排序，聚焦高信心度的假设。
• 技术债与优化权衡：评估重构、性能优化等非功能需求对用户的影响。
• 需求评审会：统一团队语言，减少主观争论，用数据驱动决策。

1.2 前置条件

1.3 操作步骤（含计算方式）

1. 确定 Reach（触达人数）：衡量在特定时间周期（通常为 1 周或 1 月）内会受该迭代影响的独立用户数。直接从埋点系统获取 UV 或功能 DAU。
2. 评估 Impact（影响程度）：采用 1~5 分制，1 为几乎无影响，5 为核心功能或严重故障修复。参考用户反馈频率、转化率提升预期等。
3. 估计 Confidence（信心度）：以百分比表示（0~100%），反映你对 Reach 和 Impact 估算的把握程度。例如：基于埋点数据的信心度 ≥ 80%，仅凭直觉 ≤ 50%。
4. 估算 Effort（工作量）：用整数值表示所需开发者人天数，包含设计、开发、测试、上线全流程。
5. 计算 RICE 分数：

RICE = (Reach × Impact × Confidence) / Effort

示例计算：

reach = 5000        # 周活跃用户数
impact = 3          # 影响程度（1-5）
confidence = 0.8    # 信心度（0-1）
effort = 10         # 预计人天

rice_score = (reach * impact * confidence) / effort
print(f"RICE Score: {rice_score}")
# 输出：RICE Score: 1200.0

1.4 输入输出物

1.5 责任边界

• 产品经理：主导 Impact 和 Confidence 的定性赋值，协调团队对齐。
• 数据分析师：提供 Reach 数据，评估 Confidence 的数据支撑度。
• 开发团队（Tech Lead）：给出 Effort 估算，必要时拆分需求。
• 全体评审成员：对赋值结果进行质疑和校准，达成共识。

1.6 记录材料

建议使用统一的 RICE 评分记录表（支持导入埋点数据），模板示例如下：

| 需求ID | 描述                | Reach | Impact | Confidence | Effort | RICE分数 |
|--------|---------------------|-------|--------|------------|--------|----------|
| F-001  | 优化注册流程        | 15000 | 4      | 80%        | 8      | 6000     |
| F-002  | 添加历史记录搜索    | 3000  | 2      | 60%        | 5      | 720      |
| F-003  | 修复支付页白屏      | 20000 | 5      | 95%        | 3      | 31666    |

1.7 异常处理

1.8 验收标准