第3章:Reach 评分标准制定

3.1 适用场景

本章方法适用于以下场景:

  • 首次在团队或产品线上引入 RICE 模型,需要定义统一的 Reach 分档规则。
  • 现有 Reach 评分标准已使用超过一个季度,因业务变化需要重新校准。
  • 跨职能团队对某类用户触达量的估算存在长期分歧,需要建立共识锚点。
  • 产品经理、数据分析师、业务负责人共同参与需求优先级排序前,必须先对齐 Reach 的取值范围。

3.2 前置条件

#条件验收标准
1产品/功能已定义明确的目标用户群(Target User)有用户分层文档或 Persona
2至少最近3个月的产品埋点或用户行为日志可用可提取月活跃用户数(MAU)、周活跃用户数(WAU)
3已有 RICE 评分模型 0.1 版本(至少包含 Impact/Confidence/Effort 定义)已有前两章产出的 Impact 和 Confidence 评分标准
4评审会议已预约(建议1小时,需包含PM、数据、开发各1人)日历已发会议邀请

3.3 操作步骤

  1. 确定计量单位:统一使用“自然月内触达的用户数”作为 Reach 的原始分母。如产品是周活主导(如工具类),可折合为月活跃用户数(MAU)。
  2. 拉取基线数据:从 BI 系统提取过去3个月的 MAU 中位数、最小值、最大值,以及典型用户分层(新用户、活跃用户、沉睡用户)的分布。
  3. 建立分档规则:基于基线数据,将 Reach 分为5档(0–2, 3–4, 5–6, 7–8, 9–10)。每档对应一个实际用户区间(例如:0–2分 = 每月 < 1千人;3–4分 = 1千–1万;以此类推)。
  4. 设定锚定案例:针对每档选取一个已上线或高置信度的功能作为锚点,帮助团队快速映射。
  5. 团队共识校准:组织评审会,逐条讨论锚点案例,使用“独立打分→公开讨论→重评分”方式达成一致。
  6. 制定校准规则:若有争议(2档之间偏差),取中值或取高值须有数据支撑;若数据缺失,取低分并标记为待验证。
  7. 验收检查表核实:对照验收检查表逐条确认分档结果可操作、可复盘。

3.4 输入 / 输出物

分类输入物输出物
数据近3个月MAU统计报表、用户分层表Reach 分档数值-用户量映射表
工具RICE 模型 0.1 版评分标准Reach 分档规则文档(v1.0)
案例已有功能上线后触达数据(至少5个)锚定案例清单(含截图/数据截图)
会议评审会录音/纪要共识签字记录(或 Slack 确认截图)

3.5 责任边界

  • 产品经理(Owner):主导分档规则设计、组织评审会、输出最终文档。
  • 数据分析师(Co-Owner):提供基线数据、校准锚点案例、保证数字真实性。
  • 开发负责人(Reviewer):从技术可行性角度验证分档是否合理,尤其对“零用户”场景的界定。
  • 业务方(Info):仅参与讨论并提供业务侧预期,不强制签署。

3.6 记录材料

  • Reach分档规则_v1.0.xlsx – 包含分档表格、锚点案例、数据来源说明。
  • Reach评分共识会议纪要_MDYYYY.md – 会议日期、参会人、争议点、决议。
  • 锚定案例数据截图.zip – 每个锚点功能的触达用户数截图(脱敏后)。

3.7 异常处理

异常场景处理方式
基线数据缺失(新功能无历史数据)使用最小档(0–2分),并在备注标记“估算,待上线后校准”
锚点案例贡献度与 Reach 得分明显矛盾回查锚点案例实际用户量,若数据错误则替换;若锚点特例则加备注说明
团队对某档区间持续争议(>2轮)将该功能暂时划入模糊区间(暂不评分),由 PM 发起小型 A/B 测试获取实际数据后再决定
多个功能同属一档但用户量差异超 3 倍拆分为子档(如 7分 vs 8分),并提供细分锚点案例

3.8 验收标准

完成本章后,需逐项检查以下清单,全部通过视为达标:

  • ☐ Reach 分档规则文档已输出,包含 0–10 分对应实际用户量区间。
  • ☐ 至少每档有 1 个锚点案例,锚点案例的真实用户量数据可溯源。
  • ☐ 团队评审会已召开,且共识签字记录存档。
  • ☐ 校准规则已写明(争议时取中值/取高值的条件)。
  • ☐ 验收检查表已在文档末尾附上,并留空供后续使用。
Reach 评分标准制定流程 ① 确定计量单位 ② 拉取基线数据 ③ 建立分档规则 ④ 设定锚定案例 ⑤ 团队共识校准 ⑥ 制定校准规则 ⑦ 验收检查表核实 关键:所有分档必须可回溯至实际用户数据,锚点案例应实时更新 校准规则中“数据缺失取低分”原则可有效避免过度乐观估算

3.9 典型分档规则模板(仅供参考)

分数用户量区间(月活)锚定案例示例适用产品阶段
0–2< 1,000管理员后台日志查询页工具类/试点功能
3–41,000 – 10,000新用户引导弹窗早期增长功能
5–610,000 – 100,000搜索结果排序优化核心功能增强
7–8100,000 – 1,000,000首页推荐算法改版成熟期高影响功能
9–10> 1,000,000登录/注册流程简化全量用户触及
提示:锚定案例应优先使用已上线 AB 实验或全量功能的数据;如果某个档位暂无可参考功能,可暂时留空,在后续迭代中补充。
切勿:直接套用其他产品的分档阈值(如日活 vs 月活),必须基于自身产品 MAU/WAU 的实际分布来设置区间边界。

3.10 团队共识方法:三步校准法

  1. 个人独立打分:每位参与者(PM、数据、开发)独立对5个随机功能使用新分档规则打分,不透露他人分数。
  2. 公开核对+讨论:汇总分数到白板/共享文档,找出偏差 >2 分的案例,由当事人解释判断依据,其他人质疑或支持。
  3. 重评分+锁定:讨论后每人重新打分,若仍有 >2 分偏差则进入“模糊区间”处理流程,否则取中值锁定为最终分数。
校准记录示例:某功能在 Step1 中有 PM 打7分,数据打4分(偏差3分)。讨论发现 PM 认为该功能会影响“搜索用户”而数据认为“仅影响点击用户”。最终达成共识按“点击用户”口径重新估算,得分为5分。