1. RICE 定义与适用场景

1.1 RICE 框架概述

RICE 是一种用于需求/功能优先级排序的量化加权模型。它帮助产品团队将主观判断转化为可横向对比的客观分数,从而在资源有限时做出“什么先做、什么后做”的高效决策。该模型由 Intercom 提出,是对传统 ICE 框架的演进,特别强调“触达用户规模”对决策价值的影响。

课程定位提示:RICE 不是万能药。本章将明确它的生效边界,以及它如何与后置的“验收标准”产生联动——优先级高的功能点,其验收标准必须更早、更精细地敲定,否则分数再高也无法交付。

1.2 RICE 四要素定义与度量单位

要素 英文全称 量化维度 典型参考单位
R (Reach) 触达范围 在特定时间内有多少用户会因为这个功能而产生交互或受到影响 用户数 / 会话数 / 交易笔数(按月或按季)
I (Impact) 影响程度 该功能对关键业务目标(转化、留存、收入)的驱动力 量表:3=极大, 2=高, 1=中, 0.5=低, 0.25=极低
C (Confidence) 信心指数 你有多大把握上述 Reach 和 Impact 的估算是可靠的 百分比:100%=大数据或试验验证, 80%=中等数据, 50%=经验判断, 20%=猜测
E (Effort) 投入成本 实现该功能所需的时间/人力/资源总量 人月 或 人周(包含前后端、设计、测试、运维)

最终 RICE 分数计算公式为:

RICE 分数 = ( Reach × Impact × Confidence ) / Effort

1.3 适用场景与前置条件

  • 适用场景:多业务方/多条产品线的需求积压排期;创业公司或中台部门在资源受限时做价值评估;需要与高层或业务方就“为什么 A 需求优先于 B 需求”产生量化对焦。
  • 前置条件:团队已建立统一的用户定义口径(MAU、DAU、交易用户等);产品经理或 PO 能够给出相对合理且可被挑战的 Impact 和 Confidence 值;至少完成一轮需求澄清,确保 Effort 估算精度不低于 ±30%。
常见踩坑:在 Reach 数据缺失的情况下强行打分会导致 C 值崩塌,最终分数失真。本课程第 5 章会专门讲解“如何用最小数据量校准 RICE”。

1.4 RICE 与验收标准联动的核心价值

传统做法中,RICE 分数仅用于“卡点排期”,验收标准(Acceptance Criteria,AC)则在进入开发时才仓促编写。这种割裂会导致以下三种低效:

  1. 高分低验收:R 和 I 都很高,但 AC 未对齐技术可行性,开发中途发现实现成本远高于估算。
  2. 低分高消耗:Effort 极低的小需求,因未提前书写 AC,在验证阶段反复返工,反而消耗了不成比例的资源。
  3. 信心指数虚高:产品经理对功能价值的 Confidence 很高,却因缺乏可测试的 AC,导致实际上线后与预期偏差巨大。

联动的解决方案:在 RICE 打分阶段就为 Top 20% 的高分项预先撰写“1.0 版验收标准草案”,并让技术负责人参与 AC 的 Effort 反推复核。这一机制能将需求评估误差从行业常见的 40%~60% 压缩到 20% 以内。

RICE 框架与验收标准联动拓扑 Reach (触达) Impact (影响) Confidence (信心) Effort (成本) RICE 分数 = (R × I × C) / E 输出:需求优先级排序 标记 Top 20% 为强联动候选 验收标准草案 (1.0 版) AC 反推 Effort 核验 联动机制:Top 20% 需求先写验收草案,再经技术复核修正 Effort,形成闭环 未通过复核的需求降级或退回重新估算 C 值

1.5 输入输出物

类别 物品 说明
输入 需求池(含描述、用户故事、预期效果) 经过 1.0 轮澄清的需求条目,且每项至少标注了 R 的估算来源
输入 产品/业务核心指标定义卡 说明 MAU、转化率、GMV 等指标的口径,供 Impact 打分参考
输出 RICE 评分表(含分维度分数与最终排序) 参见本章附件模板(课程配套材料包提供 Excel/飞书模板)
输出 Top 20% 需求对应的验收标准草案列表 每项含 2~5 条可测试的验收条件,用于后续联动流程

1.6 责任边界与记录材料

  • 产品经理:负责 Reach & Impact 评估,对该两项数据的合理性负责。
  • 技术负责人/架构师:提供 Effort 估算初版,并在联动复核时对 AC 草案做可行性评估。
  • 数据分析师(如有):辅助校准 Reach 数据来源,并为 Confidence 提供客观依据。
  • 唯一的记录材料:本章对应的《RICE 打分与 AC 联动记录表》(.xlsx 或在线文档),该表将在后续 29 章中持续迭代。

1.7 异常处理

异常场景 A:Reach 数据空缺超过 50%
处理方式:暂时将该需求标记为“N/R(Not Ready)”,不纳入当期打分排序。待收集至少两周数据后重新激活。禁止使用凭空猜测的 Reach 值进行打分。
异常场景 B:Confidence < 40% 的需求进入 Top 20%
处理方式:自动降级至观察区,由产品经理提交“置信度补充论证材料”(如竞品数据、小型问卷结果)后,才可重新进入联动流程。

1.8 本章验收标准

完成本章学习后,学员/团队应能通过以下检查:

  1. 能够独立完成一个需求条目的 RICE 四维度打分,并将分数代入公式计算出结果。
  2. 能够从打分表中识别出 Top 20% 需求,并判断哪些算分结果可能需要联动验收标准草案。
  3. 能够区分 Reach 缺失与 Confidence 偏低两种异常,并执行对应的兜底操作。