第2章 RICE模型回顾：Reach、Impact、Confidence、Effort 定义、典型评分标准、Confidence 主观偏差来源

适用场景

• 团队首次引入 RICE 模型：需要统一对四个维度的理解基准，避免评分口径不一致。
• 季度优先级复盘：重新校准团队对 Reach / Impact / Confidence / Effort 的感知，减少惯性偏差。
• 新成员 onboarding：让新产品经理、设计师或工程师快速掌握 RICE 评估语言。
• Confidence 评分出现系统偏移：当多轮评估中 Confidence 分数普遍偏高或偏低时，需要回溯维度定义与偏差来源。

前置条件

• 已完成产品需求池的初步收集与分类（Epic / Feature / Story 层级）。
• 团队至少完成过 1 轮非正式的需求优先级讨论。
• 产品经理已准备 RICE 评分模板（电子表格或协作文档）。

操作步骤

步骤 1：理解 RICE 四维定义

RICE 是四个维度的首字母缩写，用于量化需求的优先级得分。每个维度的核心定义如下：

步骤 2：对照典型评分标准

评分标准根据团队规模和产品阶段可微调，以下为常用参考刻度：

步骤 3：识别 Confidence 主观偏差来源

Confidence 是 RICE 中最易受主观影响的维度。以下 5 类偏差会直接扭曲评分：

1. 数据偏差 – 使用片面样本或过时数据估计 Reach / Impact，导致 Confidence 虚高。
2. 认知偏差 – 确认偏误（只找支持自己观点的证据）、乐观偏误（高估成功概率）。
3. 经验偏差 – 依赖个人过往经验而非当前数据，尤其当经验来自不同产品阶段时。
4. 群体偏差 – 团队讨论中从众或权威压力，使个体 Confidence 向领导者偏移。
5. 锚定效应 – 初始讨论中出现的数字（如“我觉得 Reach 有 5 分”）会锚定后续评分。

输入输出物

责任边界

• 产品经理：负责组织 RICE 评分会议，确保每个维度都有数据或逻辑支撑，记录偏差来源。
• 技术负责人：提供 Effort 估算依据，指出实现层面的不确定点，协助校准 Confidence。
• 数据分析师：提供 Reach / Impact 的量化数据基线，标注数据可信度。
• 全体评分参与者：在评分前独立填写初评分数，避免群体偏差提前介入。

记录材料

• RICE 评分模板（.xlsx / .gdoc）：包含维度说明、评分刻度、计算公式。
• 偏差追溯日志：每轮评分后记录 需求 ID → 偏差类型 → 置信度调整值，用于后续复盘。
• 评分会议纪要：记录分歧较大的需求及其讨论结论，作为 Confidence 校准的原始凭证。

异常处理

验收标准

• 每个需求的 RICE 四维分数均有简要的理由备注（非空值）。
• Confidence ≤ 50% 的需求已标注主要偏差来源（至少 1 类）。
• 全队对 Reach / Impact / Effort 的评分刻度理解一致（可通过随机抽查 3 个需求检验）。
• 偏差追溯日志已更新，记录本次评分中出现的偏差类型与频次。