1. RICE 方法论总览：定义四个维度、适用场景、与传统排序方法的区别
RICE 是产品需求优先级排序的核心框架之一，由 Intercom 团队提出。它通过四个量化维度将需求从“感觉”转化为“可比较的分数”，帮助产品团队在资源有限时做出客观决策。本章将逐一拆解 R、I、C、E 的含义，明确适用边界，并对比传统排序方法的优劣。
1.1 四个维度定义与评分标准
| 维度 | 英文 | 定义 | 典型评分区间 | 数据来源示例 |
|---|---|---|---|---|
| 触达 | Reach | 每单位时间内（通常为季度/月）受该功能影响的独立用户数 | 10 ~ 10,000+ | DAU、MAU、功能入口曝光量 |
| 影响 | Impact | 该功能对用户行为或业务核心指标的提升程度，通常用等级评分（如 0.25/0.5/1/2/3） | 0.25（微小）~ 3（巨大） | 转化率、留存率、NPS 实验数据 |
| 信心 | Confidence | 团队对触达、影响、工作量估计的把握程度，以百分比或等级表示 | 20% ~ 100% | 用户访谈、原型测试、历史相似功能数据 |
| 努力 | Effort | 完成该需求所需的总人月或团队周，包含设计、开发、测试、上线 | 0.5 ~ 20+ 人月 | 技术方案评估、团队历史速率（Velocity） |
评分注意事项： Effort 是分母，单位要统一（建议用“人月”）。Confidence 建议团队在估算后基于数据成熟度打分，避免“拍脑袋”。
1.2 计算公式与排序规则
最终 RICE 分数 = (Reach × Impact × Confidence) / Effort。按分数从高到低对需求排序，分数越高的需求应优先投入资源。
# 示例计算（假设数据）
需求 A：Reach=500, Impact=2, Confidence=80%, Effort=3 人月
RICE_A = (500 × 2 × 0.8) / 3 = 266.67
需求 B：Reach=200, Impact=1, Confidence=50%, Effort=2 人月
RICE_B = (200 × 1 × 0.5) / 2 = 50.00
排序结果：A 优先于 B1.3 适用场景
- 日常需求排期： backlog 中大量需求需要筛选，RICE 能快速给出客观分数。
- 跨模块/跨部门资源争抢： 当多个团队需要同一开发资源时，RICE 提供统一衡量标准。
- 产品路线图制定： 季度或半年度规划中，用 RICE 分数给候选需求分层（P0/P1/P2）。
- 实验候选筛选： 对多个 A/B 测试候选方案，先通过 RICE 评估预期 ROI 再决定跑哪个。
不适用场景： 安全合规类、法律强制需求、战略级方向变更（这些通常是硬性必须做，无需排序）；当团队对 Confidence 严重不足时（<20%），优先做调研而非进入 RICE 排序。
1.4 与传统排序方法的区别
| 方法 | 核心逻辑 | 量化程度 | 典型缺陷 | 与 RICE 的差异 |
|---|---|---|---|---|
| MoSCoW | Must/Should/Could/Won't 分类 | 低（定性分类） | Everyone says “Must” | RICE 提供可计算分数，避免人为拉扯 |
| Kano 模型 | 基本型/期望型/兴奋型 | 中（混合定性+定量） | 调研周期长，无法处理同一类型内的优先级 | RICE 更侧重投入产出比，适合执行层面排期 |
| 成本效益分析 | ROI = 收益 / 成本 | 高 | 收益通常只能用金额衡量，忽略用户触达和信心 | RICE 用 Reach 代替“金额收益”，用 Confidence 修正风险 |
| ICE 评分法 | Impact × Confidence × Ease | 较高 | Impact 与 Confidence 定义模糊，Ease 易误导 | RICE 明确拆解 Reach，Effort 使用绝对单位避免歧义 |
实战建议： 在需求拆解阶段（课程第 4-6 章），你会通过用户访谈识别出用户真实场景，然后拆解成功能点。此时为每个功能点收集 R、I、C、E 数据，比整体需求打分更准确。
1.5 RICE 四维输入与输出流程
下图展示了从需求提出到 RICE 分数输出的核心链路，每个维度需要事先收集对应的数据源。
1.6 章节要点与验收标准
- 能够独立向团队解释 R、I、C、E 每个维度的定义和评分单位。
- 能根据当前业务场景判断 RICE 是否适用，若不适用的替代方法是什么。
- 能用手算验证两个需求示例的 RICE 分数，并依此排序。
- 能列出 RICE 与 MoSCoW、Kano、ICE 至少各一个关键差异点。