1. RICE 评分法总览：Reach、Impact、Confidence
RICE 评分法是一个轻量级、可重复的优先级排序模型，用于在需求积压中快速筛选出“投入产出比最高”的任务。本课程将 RICE 与权限任务分解绑定，确保每个评分项直接对应开发排期的资源分配。
适用场景：需求提案评审会、Sprint 规划会、权限功能模块的早期排期权衡、跨团队协作评审。
1.1 前置条件
- 需求提案已通过原始验收，至少包含功能描述、目标用户群、预期收益陈述。
- 团队已定义“一个 Reach 用户单位”（如 DAU、MAU、注册用户数）。
- 已有可参考的类似需求历史数据（用于 Confidence 基线）。
1.2 核心三要素定义
| 维度 | 英文 | 定义 | 典型量化方式 |
|---|---|---|---|
| 覆盖范围 | Reach | 在指定时间窗口内（通常为季度），该功能影响到的独立用户数量。 | 预估 DAU × 功能渗透率 × 时间周期 |
| 影响程度 | Impact | 对用户行为或业务指标的改变幅度，通常用 0.25×、0.5×、1×、2×、3× 等乘数表示。 | 用户调研、A/B 测试参考、同类功能放大系数 |
| 信心指数 | Confidence | 评估者对 Reach 和 Impact 估算的把握程度。分值：20%（臆测）、50%（中等）、80%（高）、100%（确定）。 | 数据来源质量、实验证据、团队经验共识 |
避坑提示：Confidence 不是“这个需求好不好”，而是“你对前面两个数字的相信程度”。切勿因为情绪喜好而抬高 Confidence。
1.3 评分计算公式
RICE Score = (Reach × Impact × Confidence) / Effort （Effort 在本课程后续章节处理，本章仅聚焦前三项）
输入物：需求提案文档、用户数据面板、历史类似功能表现记录。
输出物：每个需求的 Reach、Impact、Confidence 三个数字，以及暂未除 Effort 的原始 RICE 分子值。
1.4 责任边界
- 产品经理：提供 Reach 预估及数据来源；给出 Impact 乘数建议。
- 数据分析师：核对 Reach 基数；提供 Confidence 客观依据（如样本量、统计显著性）。
- 技术负责人：不参与前三项评分，但需确认 Reach 估算中的技术约束（如并发上限）。
1.5 记录材料
- RICE 评分表（每行一个需求，列：需求 ID、Reach、Impact、Confidence、RICE分子）
- 会议纪要含每个维度的争议点与最终采纳值
1.6 异常处理
| 异常场景 | 处理方式 |
|---|---|
| Reach 无任何数据支撑 | 评为 0 或标记为低 Confidence（20%），不含糊填入中位数。 |
| Impact 存在明显分歧 | 取团队匿名投票中位数，并记录票数分布。 |
| Confidence 跨人差异 > 40% | 暂停评分，补充用户调研或原型测试后再评。 |
1.7 验收标准
- 每个需求的三项数值均已填写，无缺失。
- 所有数值来源记录在备注列（如“DAU 报表第3页”、“A/B 测试置信区间 95%”）。
- 团队对 Confidence 没有跨人超 40% 的未解决争议。
1.8 本章要点速查
- Reach：用具体数字说话，拒绝模糊“很多人”。
- Impact：用标准乘数（0.25× ~ 3×）统一量纲。
- Confidence：用四个档位压制盲目乐观。
- RICE 前三项是评分骨架，下一章加入 Effort 后形成完整排期排序。