第3章 Reach（触达用户数）精准估算
3.1 Reach指标的业务含义
Reach 是 RICE 评分模型中衡量功能上线后预期能触达多少真实用户的维度。它回答一个核心业务问题："如果我们做了这个功能，多少用户会实际用到它？"Reach 不是简单的"注册用户数"，而是从行为粒度上对用户基数的分层拆解。错误估算 Reach 会导致版本规划偏离真实需求——高估则过度投入资源，低估则错过关键用户场景。
🔍 业务问题聚焦：某社交电商 App 计划在「个人主页」新增"访客记录"功能。产品经理直接使用 DAU 1200 万作为 Reach 值，但上线后发现实际周使用用户仅 230 万，导致优先级评分失真。问题根源在于：没有区分"活跃用户"与"真正会使用该功能的用户"之间的差距。
3.2 三类用户定义与边界
精准估算 Reach 的第一步是将用户基数为三个层次，每一层对应不同的数据源和估算逻辑。
| 用户分类 | 定义 | 典型数据源 | 估算逻辑 |
|---|---|---|---|
| 活跃用户 | 在指定时间窗口内（通常为周/月）使用过产品的用户 | DAU/WAU/MAU 报表、埋点事件表、用户活跃日志 | 直接取平台级活跃用户数，再按功能入口曝光率折算 |
| 潜在用户 | 具有明确行为意图或场景匹配，但尚未使用该功能的用户 | 搜索词日志、页面访问路径、用户画像标签、竞品调研 | 基于场景关键词匹配 + 行为序列过滤，取交集人数 |
| 增量用户 | 因功能上线而新增使用产品或功能模块的用户 | 新注册用户画像、渠道来源分析、功能冷启动实验数据 | 参考类似功能上线后首月新增转化率 × 当前自然新增基数 |
💡 产品策略要点：Reach 取数时，增量用户通常只占活跃用户的 5%–15%，但却是衡量功能"拉新能力"的关键指标。在版本优先级排序中，如果两个功能 Reach 相近，增量用户占比更高的功能应获得更高优先级。
3.3 数据源选择与可靠性矩阵
数据源的可靠性直接影响 Reach 估算的置信度。按可信度从高到低，数据源可分为三个层级。选择数据源时应优先使用层级 1，层级 3 仅用于早期探索性估算。
| 层级 | 数据源 | 可靠性 | 适用场景 |
|---|---|---|---|
| 层级 1 | 埋点事件表、用户行为日志、A/B 测试实验数据 | ⭐⭐⭐ 高 | 活跃用户、已有功能的潜在用户估算 |
| 层级 2 | 用户画像标签系统、搜索词分析、页面路径漏斗 | ⭐⭐ 中 | 潜在用户行为意图识别、场景匹配 |
| 层级 3 | 竞品公开数据、行业报告、用户访谈/问卷 | ⭐ 低 | 增量用户预估、全新功能方向探索 |
⚠️ 常见避坑：不要将"注册用户总数"或"累计下载量"直接当作 Reach 值。这些是虚荣指标，与功能实际触达无关。正确做法：以"周活跃用户数"为基数，再乘以"功能入口曝光率 × 点击率 × 完成率"三层折算。
3.4 案例拆解：社交电商「访客记录」功能 Reach 估算
| 用户分类 | 数据源 | 计算过程 | 结果（周） |
|---|---|---|---|
| 活跃用户 | DAU 报表 + 主页曝光埋点 | WAU 1200 万 × 个人主页曝光率 68% × 访客记录点击率 12% | ≈ 98 万 |
| 潜在用户 | 搜索词日志 "谁看过我" + 竞品调研 | 周搜索 "访客/谁看过我" 用户 15 万 + 竞品同功能渗透率 22% | ≈ 18 万 |
| 增量用户 | 新注册用户画像 + 类似功能上线首月数据 | 周新增用户 8 万 × 同类功能转化率 6%（参考"访客记录"对标产品） | ≈ 0.48 万 |
| 综合 Reach | — | 活跃 + 潜在 + 增量（去重，假设重叠率 5%） | ≈ 110 万 / 周 |
📊 需求拆解结论："访客记录"功能的 Reach 估算值为 110 万周活跃用户，而非最初的 1200 万。这一修正使该功能的 RICE 评分从 9.2 分降至 2.3 分，优先级从 P0 调整为 P2，避免了版本资源的错误投入。
3.5 Reach 估算决策流程
下图展示了从功能需求定义到 Reach 综合评分的完整估算路径，包含三个用户分支的并行计算与最终汇聚。
3.6 版本规划中的 Reach 应用原则
- 活跃用户占比 > 60%：功能属于"存量优化型"，版本优先级取决于用户使用频次，建议放在维护型版本中。
- 潜在用户占比 > 30%：功能属于"场景拓展型"，说明有大量用户需求未被满足，应给予 P0–P1 优先级。
- 增量用户占比 > 15%：功能属于"拉新增长型"，适合放在季度大版本中，配合运营推广计划。
- 数据源层级：估算 Reach 时优先使用层级 1 数据源，若层级 3 数据源占比超过 40%，需在评分中标注"低置信度"，并规划验证实验。
📌 验收标准：Reach 估算完成后，需输出一份「Reach 估算表」，包含三类用户的分层数据、数据源及置信度标记、去重逻辑说明。该表是后续 RICE 综合评分和 Roadmap 排期的必附交付物。
3.7 交付物模板：Reach 估算表
| 功能需求 | 活跃用户 | 潜在用户 | 增量用户 | 综合 Reach | 数据源层级 | 置信度 |
|---|---|---|---|---|---|---|
| 访客记录 | 98 万 | 18 万 | 0.48 万 | 110 万/周 | 层级 1+2 | ⭐⭐⭐ |
| 商品对比工具 | 240 万 | 65 万 | 2.1 万 | 295 万/周 | 层级 1 | ⭐⭐⭐ |
| 直播间红包雨 | 85 万 | 42 万 | 6.3 万 | 127 万/周 | 层级 2+3 | ⭐⭐ |
✅ 本章核心交付：产品经理完成本章学习后，应能独立输出「功能 Reach 估算表」，并基于三类用户分层逻辑修正 RICE 评分中的 Reach 维度，避免因基数误判导致的版本规划偏差。