第3章 Reach(触达范围)定义与度量:用户量级、时间窗口、数据获取方法

核心定义:Reach 衡量的是「在指定时间窗口内,该功能或改进预计能触达多少独立用户」。它是 RICE 评分中直接影响分数量级的关键维度,错误的 Reach 估算会导致优先级排序失真。

3.1 适用场景

  • 进入 RICE 评分流程,需要为需求条目填写 Reach 得分时。
  • 评审已有需求的 Reach 估算是否合理,需要统一度量标准时。
  • 跨团队(产品、运营、数据)对齐同一个需求的触达范围口径时。
  • 需求预期收益与用户规模强相关(如用户增长、留存提升、付费转化)的场景。

3.2 前置条件

前置条件 说明 验收标准
需求描述已冻结 需求的目标用户群体、触发条件、上线形态已明确 产品 PRD 或需求卡片中已写明目标用户画像
数据源可用 至少有一种数据获取方法能产出用户量级估算值 已确认后台埋点、运营后台或第三方分析工具可提供数据
时间窗口已约定 团队已统一使用的时间窗口单位(周/月/季度) 在需求评审会中已明确本次评分的默认时间窗口
用户去重机制 具备按 device_id / user_id 去重的技术能力 数据仓库中已有用户唯一标识字段

3.3 操作步骤

  1. 明确需求的目标用户边界

    识别需求上线后「实际会使用或受到影响」的用户群体,排除无关流量。例如:一个「仅面向已登录用户的会员中心改版」,目标用户就是「月活已登录用户」,而非全部注册用户。

  2. 确定时间窗口

    根据需求类型选择统一窗口:

    • 功能型需求:推荐使用 月活跃用户(MAU) 或 周活跃用户(WAU) 作为窗口。
    • 运营活动型需求:按活动周期(如 7 天、14 天)设定窗口。
    • 底层架构/非功能性需求:按季度或年度估算受影响的独立用户数。
    团队约定:建议所有需求统一使用「月」为默认时间窗口,特殊需求在备注中说明原因并附审批记录。
  3. 选择数据获取方法并估算用户量级

    按优先级依次使用以下三类方法:

    方法 适用条件 估算示例
    方法A:直接后台查询 已有对应埋点或统计报表 「搜索功能改版」→ 取 SQL 查询过去 30 天使用过搜索的用户数
    方法B:漏斗推算 只有上游数据,需结合转化率估算 「首页推荐位优化」→ 首页 UV × 推荐位点击率 × 历史留存率
    方法C:业务经验+抽样验证 全新功能无历史数据 「积分商城上线」→ 参考同类产品渗透率(15%~25%)× 当前活跃用户数
    -- 方法A 示例 SQL:查询过去30天使用过“智能识图”的用户数(去重)
    SELECT COUNT(DISTINCT user_id) AS reach_users
    FROM event_log
    WHERE event_name = 'smart_recognition_used'
      AND event_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY);
  4. 记录估算值及置信度

    填写 Reach 估算表单,同时标注数据来源和估算置信度(高/中/低)。置信度判断标准:

    • 高:直接后台查询,数据准确率 > 95%
    • 中:漏斗推算,关键转化率来自近 3 个月数据
    • 低:业务经验估算,无直接数据支撑
  5. 代入 RICE 公式计算 Reach 子得分

    Reach 得分 = 估算用户数 / 1000(按 RICE 标准归一化),保留两位小数。

常见陷阱:不要将「页面 PV」或「曝光次数」当作 Reach。Reach 必须是「独立用户数」,同一用户多次访问只计一次。如果数据源只能提供 PV,必须先用去重逻辑转换为 UV。

3.4 输入输出物

类型 内容 格式/载体 负责人
输入 需求描述文档、用户画像定义、历史数据报表 PRD / 需求卡片 / 数据分析后台 产品经理
输入 埋点事件定义、数据字典 数据仓库文档 / 埋点管理平台 数据工程师
输出 Reach 估算值(整数) + 置信度等级 RICE 评分卡片 / 需求管理工具(如 Jira 自定义字段) 产品经理
输出 数据获取方法说明及 SQL/推算过程 备注栏 / 附件文档 产品经理

3.5 责任边界

角色 职责 不负责
产品经理 定义目标用户边界、选择时间窗口、执行估算并记录过程 不负责埋点开发与数据清洗
数据分析师 提供可信的数据查询结果、验证估算逻辑、标注数据口径 不负责需求优先级决策
数据工程师 确保埋点数据准确入库、提供去重查询的底层支持 不负责业务口径定义
开发工程师 确认技术实现上是否会影响用户触达范围(如权限限制、灰度策略) 不负责用户量级数值的最终确认

3.6 记录材料

每次 Reach 估算完成后,必须在需求管理系统中留存以下记录:

  1. 估算表格(建议使用统一模板):
需求ID:REQ-2025-0042
需求标题:会员中心改版
估算人:张三
估算日期:2025-03-10

【目标用户边界】
- 限已登录会员
- 排除注销账号 & 封禁账号
- 排除内部测试白名单用户

【时间窗口】
- 月活跃用户(MAU),取近30天去重数据

【数据获取方法】
- 方法A:直接后台查询
- 来源表:dwd_user_active_d
- 查询条件:is_member = 1 AND last_active_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)

【估算结果】
- Reach 用户数:128,643
- 置信度:高

【备注】
- 估算不包含灰度期增量,灰度计划单独评估。
  1. SQL 脚本或推算草稿(如有方法A/B,附完整可复现的查询语句)。
  2. 评审签字记录:当置信度为「低」时,需产品负责人 + 数据分析师双签确认后方可进入 RICE 评分。

3.7 异常处理

异常情形 判定标准 处理措施
数据源缺失或埋点未上线 查询返回 NULL 或报错 降级为方法B(漏斗推算)或方法C(业务经验),标注置信度为「低」,并创建埋点补全需求
目标用户边界模糊 两个以上 PM 对用户定义有分歧 召开 15 分钟快评会,由产品负责人拍板,记录决策原因
时间窗口与需求周期不匹配 需求是短期活动但用了月窗口 按活动实际天数调整窗口,并在备注中写明换算系数(如 7 天活跃 / 30 天活跃 × 系数)
去重后数据为 0 或异常小 Reach < 100 且不符合认知 检查查询条件是否误加了过滤(如多表 join 导致数据丢失),重新执行方法B
跨团队数据口径冲突 运营口径 vs 产品口径差异 > 20% 以「产品后端埋点 + 去重」为准,统一口径后重新估算
最佳实践:每月初由数据分析师维护一份「常用需求 Reach 参考值速查表」,包含各核心模块的 MAU、WAU、DAU 及常见功能渗透率,供产品经理快速引用,减少重复查询。

3.8 验收标准

完成本章学习与实践后,学员应能在实际需求上独立完成 Reach 估算,并满足以下验收条件:

验收项编号 验收内容 通过标准
R-01 能清晰区分「用户量级」「时间窗口」「数据获取方法」三者的关系 口头或书面阐述时无概念混淆
R-02 能根据需求描述选择合适的数据获取方法(A/B/C) 随机抽取 3 个需求,选择正确率 ≥ 100%
R-03 能用 SQL 或公式正确估算 Reach 用户数 对照数据组给出的基准值,误差 ≤ 10%
R-04 能在需求管理系统中完整填写 Reach 估算记录 检查记录包含目标用户边界、时间窗口、数据来源、置信度、估算值 5 项
R-05 能识别并处理常见的异常情形(数据缺失、口径冲突等) 场景模拟测试中,应对措施符合异常处理表

3.9 Reach 评估流程总览

下图汇总了从需求输入到 Reach 得分输出的完整评估链路,帮助你在实操中快速定位当前步骤:

Reach 评估流程图 1. 需求描述 & 用户画像 2. 确定时间窗口(周/月/季度) 3. 选择数据获取方法(A/B/C) A. 直接后台查询 B. 漏斗推算 C. 业务经验 + 抽样 4. 记录估算值 & 置信度 5. 输出 Reach 得分(用户数/1000) 📍 全流程记录保留在需求管理工具 置信度“低”时需双签确认

图3-1 Reach 评估五步流程图:从需求输入到得分输出,数据方法三选一,全程留痕可追溯