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
-
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。
-
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。 -
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); -
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
-
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:
- 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。
- 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)。
- 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:
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