第1章 RICE框架速览：覆盖率、影响力、信心、努力
RICE 是产品经理在需求优先级排序中使用最广泛的量化决策模型之一。它通过四个维度将主观判断转化为可比较的分数，帮助团队在资源有限时做出“做什么、先做什么”的共识决策。本章从面试高频场景切入，建立你对 RICE 的全局认知。
1.1 四个核心维度
| 维度 | 英文 | 含义 | 典型单位 |
|---|---|---|---|
| 覆盖率 | Reach | 一个周期内有多少用户会触达该功能 | 人数 / 会话数 |
| 影响力 | Impact | 每次触达对用户行为或业务指标的改变程度 | 多选量表（1× / 2× / 3×） |
| 信心 | Confidence | 你对 Reach 和 Impact 预估的把握程度 | 百分比（20% / 50% / 80% / 100%） |
| 努力 | Effort | 研发、设计、测试等所有团队所需的总人月 | 人月 |
面试高频指向：面试官不会只问“RICE 是什么”，而是给一个模糊的业务场景，要求你现场用 RICE 打分并说明理由。核心考察你能否把业务语言转化为可量化的 RICE 分数。
1.2 RICE 分数计算逻辑
最终优先级分数 = ( Reach × Impact × Confidence ) / Effort。分数越高，需求越应优先推进。三个要点需要牢记：
- 覆盖率与影响力相乘 —— 反映功能带来的“总价值总量”；
- 信心作为折扣因子 —— 数据不足时主动降权，避免“拍脑袋”需求占坑；
- 努力放在分母 —— 同等价值下，选更轻量的方案。
常见误区：把 Confidence 当成独立奖励分，而非折扣系数。信心低时不应直接给低分，而应主动提议“先做用户访谈或 A/B 测试来提升信心”，这在面试中是非常加分的回答路径。
1.3 面试高频场景分类
根据近三年大厂产品面试真题统计，RICE 相关题目集中在以下三类场景：
- 需求排序题 —— 给出 3–5 个需求描述，要求用 RICE 打分并排出优先级；
- 数据不完整题 —— 故意缺失某个维度的数据，考察你如何设定 Confidence 并设计验证动作；
- 跨团队资源博弈题 —— 两个需求分数接近，但 Effort 估算有争议，要求你给出决策建议。
避坑提醒：不要在面试中机械套用 RICE 公式。面试官更希望看到你根据场景调整维度权重，比如“这个需求虽然 Reach 大，但 Impact 只有轻微提升，我会把 Confidence 调低，先做一个小流量验证”。
1.4 RICE 决策流程全景
下面的流程图展示了从原始需求输入到最终优先级输出的完整链路。面试中描述 RICE 时，按照这个顺序阐述会显得逻辑严密且结构化。
1.5 面试答题框架（STAR + RICE）
将 RICE 嵌入 STAR 结构，可以让你的回答既有数据支撑又有场景感：
| STAR 环节 | RICE 结合点 | 典型表述 |
|---|---|---|
| Situation | 描述业务背景和当前指标 | “当前 DAU 增长放缓，我们计划通过新人激励提升次日留存” |
| Task | 明确要排序的需求集合 | “三个候选需求分别是：新手红包、任务引导、签到提醒” |
| Action | 用 RICE 给每个需求打分 | “新手红包 Reach=5万，Impact=3×，Confidence=80%，Effort=2人月，分数=6万” |
| Result | 排出优先级并说明下一步 | “优先做新手红包，同时建议用 7 天 A/B 测试验证 Impact 假设” |
本章小结：RICE 的精髓不在于公式本身，而在于“量化不确定性”的思维方式。面试中展示出你愿意为 Confidence 不足的需求设计验证实验，往往比给出一个精确分数更能打动面试官。第 2 章我们将深入 覆盖率（Reach） 的估算方法与面试陷阱。