第3章:Reach评分标准——定义触及人数、数据来源、评分刻度表与校准规则

适用场景

Reach评分适用于以下场景:

  • 需要量化功能/项目在单位时间内能触达的独立用户数
  • 评估不同用户群规模下,需求所带来的覆盖范围差异
  • 识别高密度触达机会:高频入口、核心转化链、大促活动等
  • 跨产品线或跨团队需求排序时,统一口径对比触及量级

前置条件

  • 已完成【用户角色定义】和【核心指标选取】(见第2章)
  • 团队已接入至少一种用户行为采集系统(埋点/日志/BI)
  • 数据仓库已建立DAU/MAU/WAU基础看板
  • 产品、运营、数据三方已对齐“注册用户”“活跃用户”“唯一用户”定义

操作步骤

Step 1:定义触及人数(Reach)口径

Reach是指:该功能上线后,在一个标准时间窗口内可触达的独立用户数(Unique Users)。

口径类型 定义 适用特征
MAU(月活) 过去30天登录/访问≥1次的独立设备或账号 低频但用户基数大的功能;B端新模块
WAU(周活) 过去7天活跃用户 中等频次;运营活动类
DAU(日活) 当天活跃用户 高频入口型功能;AB实验
团队对齐检查: 必须在同一个季报周期内使用统一口径。MAU≥100万时,建议启用WAU次级口径交叉验证,避免“僵尸用户累积”导致Reach虚高。

Step 2:确定数据来源

按以下优先顺序选择数据源:

  1. 埋点系统(如:神策、Firebase、自研采集)—— 第一优先级,能精确追踪用户路径
  2. 后台业务数据库(用户行为表、订单表、活跃日志)—— 补充,适合交易行为交叉
  3. 产品内调研/问卷 —— 仅用于灰度测试阶段预估,必须标注置信区间
  4. 行业基准数据 —— 当上述均不可获取时,引用竞品研报,但需在记录中明确下调权重

数据来源格式示例(JSON):

{
  "source_type": "owned_analytics",
  "platform": "web",
  "time_window": "2025-04-01_2025-04-30",
  "unique_users_mae": 3420000,
  "confidence_90%": [3350000, 3490000]
}

Step 3:应用评分刻度表

下表为标准化Reach刻度表(统一时间窗口:MAU):

分数 触及规模(MAU/月) 典型场景描述
10 > 1,000,000 全量核心入口级功能;首页改版;极验优化
8 500,001 – 1,000,000 登录页/主搜索/商品详情页
6 100,001 – 500,000 二级导航、分类筛选、个人设置页
4 10,001 – 100,000 活动专属页、特定用户推送
2 1,001 – 10,000 灰度实验组、定向内测
1 ≤ 1,000 小范围白名单、管理员后台
刻度下边界规则: 当功能只影响单一人群(如仅影响已注销用户),即使MAU>100万,Reach评分上限也强制设为2。所有刻度在确定前需经过【产品负责人 + 数据工程师】双方确认。

Step 4:校准规则

  • 初次评分: 基于上述刻度表直接打分,小数点后最多1位(如3.5、7.0)
  • 异常值处理: 若数据源之间的Reach差异超过20%,须标注异常并回退到最低数据源打9折(×0.9)处理
  • 周期性校准: 每季度回顾一次刻度表基线,MAU数据随DAU上升应主动拉开分数梯度
  • 权重前置: 需求中包含“强制注册后才能使用”的场景,Reach评分需下修1分(因转化漏斗损失)
校准案例:
某功能预估MAU影响=20万,按刻度表得6分;但数据工程师确认种子用户的MAU口径包含老版本低频用户,校准后实际影响<10万,因此最终Reach调整为4分,并在记录中标注“口径偏差-2分”。
Reach评分校准流程图 用户行为/调研/后台日志 选择 MAU / WAU / DAU 刻度表映射 → 初分 校准检查:口径一致? 异常值差异>20%? Reach最终评分 异常校准规则 口径不一致 → 打9折 低频场景 → 降1分

输入输出物

类型 内容 责任人
输入 当期DAU/MAU看板、用户行为埋点表、调研报告 数据工程师 + 产品经理
输出 Reach评分结果(浮点数0-10)+ 口径说明 + 校准日志 产品经理
记录材料 《Reach评分校准记录表》含:数据源、时间窗口、初分、校准因子、最终分、签字确认 产品负责人

责任边界

  • 产品经理: 提供功能触达的UI/UX路径预估;填写Reach评分初稿
  • 数据工程师: 提供口径验证、异常值告警、基线数据查询
  • 产品负责人: 负责校准签批,并裁定口径冲突时的降分规则

异常处理

异常场景 处理预案
数据源间Reach差异>20% 以小时粒度的埋点数据为基准,其余源作为辅助;仍不可解时取低值×0.9
新功能无历史数据 先推演最近类似上线功能作为代理数据,并在校准日志中注明“*代理估算”
功能影响多角色(如:前台+后台) 取最大单角色MAU作为Reach计分基数,但需拆分标注双角色数据

验收标准

  1. 所有需求的Reach评分均附带明确的“时间窗口 + 数据来源 + 校准因子”
  2. 刻度表使用一致性 ≥95%(抽检10个需求,最多1个偏差)
  3. 校准日志完整,包括:初分、异常标记、最终分、签字人、日期
  4. 跨两周内的同一数据集Reach评分波动 ≤10%(排除基线变化)