从PRD提取Reach数据：目标用户量、触达渠道、活跃频次

1. 用户场景

某B2C电商平台计划在下个季度上线“会员日专享券”功能。产品经理在PRD中写道：“该功能面向平台所有注册会员，通过App首页弹窗+短信推送触达，预计月活跃用户为1200万。”团队需要对Reach指标进行评分，却无法直接复用这句话——因为“所有注册会员”过于笼统，“月活跃用户”也没有区分渠道。

2. 业务问题

PRD中的Reach描述常存在三个典型缺陷：

• 目标用户范围模糊：未区分新/老用户、付费/免费用户、高活跃/低活跃用户。
• 触达渠道未量化：只说“通过短信”而没给出可触达名单量级。
• 活跃频次缺失：用“日活”还是“月活”度量？同一用户在不同渠道的重叠如何剔除？

这些问题直接导致后续RICE评分中Reach数值虚高或偏低，影响功能优先级排序的准确性。

3. 需求拆解

从PRD中提取Reach数据需要拆解为三个独立维度，并建立计算公式：

最终Reach（月覆盖人数）= 目标用户量 × 触达渠道覆盖率 × 月活跃频次系数。

4. 方案表达

根据拆解结果，将PRD中的描述转化为结构化数据：

{
  "total_target_users": 25000000,       // 注册会员总数
  "channel_reach": {
    "app_banner": 18000000,             // App首页弹窗可触达
    "sms": 12000000,                    // 短信可触达（需运营商白名单）
    "wechat_mini_program": 8000000      // 小程序模板消息
  },
  "channel_reach_deduped": 22000000,    // 三个渠道去重后总覆盖
  "active_frequency": {
    "dau": 5000000,
    "mau": 18000000,
    "avg_sessions_per_month": 6.5       // 月均活跃天数
  }
}

将此JSON结构作为Reach模块的输入，后续RICE计算可直接引用“channel_reach_deduped”作为基础用户数。

5. 指标验证

提取的数据必须经过三重校验才可进入评分：

• 一致性校验：渠道去重后总数 ≤ 目标用户总量（若超出则说明渠道预估错误）。
• 覆盖率校验：月活跃用户数 ÷ 渠道去重数 应在70%~130%之间（低于70%说明渠道扩得不够广；高于130%说明频次膨胀）。
• 频次合理性校验：avg_sessions_per_month ≤ 30，且与业务类型匹配（如工具类App平均8～10次/月，社交类15～25次/月）。

6. 验收标准

• PRD中关于Reach的所有数字（目标量、渠道列表、日活/月活）已按上述三个维度拆解为具体数值。
• 生成了包含total_target_users、channel_reach_deduped、mau、avg_sessions_per_month的结构化数据表。
• 通过一致性校验和覆盖率校验，偏差值均在±15%以内。
• 有明确说明重叠用户去重逻辑（如取各渠道的并集还是交集）。

7. 内联SVG：Reach数据提取流程

8. 常见问题与应对

• PRD未写活跃频次：查阅同类型功能历史数据或行业基准，如电商会员中心月均活跃天数一般在5～8天。
• 渠道存在重复用户：优先取并集，若两者逻辑互斥（如仅短信触达且App弹窗不可同时使用）则取交集，需在注释中明确。
• 目标用户量说“全部用户”：必须询问运营是否包含未激活、已流失用户，通常只取“过去90天有登录”的用户。