第4章 Reach维度量化方法：日活/月活、覆盖比例、时间窗口
Reach（覆盖度）是RICE模型中衡量功能或需求潜在影响广度的核心维，回答“这个需求能触及多少目标用户”。但“触及”不能仅凭估算，必须拆解为可量化的子指标：日活/月活（DAU/MAU）、覆盖比例、时间窗口。三者共同定义了一个功能在特定周期内能真实影响到的用户规模。
业务问题：运营团队计划为VIP用户增加专属客服入口，但技术资源有限。如何用Reach量化该功能是否值得优先投入？单纯看VIP人数（1万）可能低估，因为实际日活只有2000，覆盖比例仅20%，且功能上线后需要3周才能触达所有VIP。此时Reach分数远低于月活总量估算。
4.1 日活 / 月活（DAU / MAU）
最直接的活跃用户规模指标，反映功能预期可接触的日常或月度用户基数。适用于高频交互功能（如消息推送、首页改版）。
- DAU：单日去重活跃用户数。适合以“天”为周期的功能（如签到提醒、临时活动弹窗）。
- MAU：近30天去重活跃用户数。适合需要稳定持续触达的功能（如会员中心、设置页优化）。
- 计算公式：Reach_DAU = 目标用户池 × 日活跃率；Reach_MAU = 目标用户池 × 月活跃率。
示例：VIP用户池10,000人，日活跃率30% → Reach_DAU = 3,000
VIP用户池10,000人，月活跃率80% → Reach_MAU = 8,0004.2 覆盖比例
功能实际覆盖的目标用户密度，即“在已触达的用户中，有多少比例会真正使用该功能？”通常通过灰度测试或相似功能历史数据推导。
- 表达式：覆盖比例 = 功能预期日/月使用人数 ÷ 目标用户总群体。
- 场景：新功能仅对特定设备（如iOS 16+）开放，覆盖比例需扣除设备不兼容用户；或功能仅限企业版用户，覆盖比例取企业版用户占比。
- 避坑：覆盖比例 ≠ 活跃率。例如所有VIP用户都能看到入口（100%可见），但实际点击使用率可能只有20%。
💡 实战技巧：如果缺乏历史数据，可以用“最小可行覆盖比例”作为下限，并标注置信区间，避免过估。
4.3 时间窗口
功能从上线到完全覆盖目标用户所需的自然周期。同一功能在不同时间窗口下的Reach差异极大：
- 短窗口（1天）：适用于紧急通知、限时秒杀入口——Reach接近DAU。
- 中窗口（7天）：适用于周报推送、每周活动——Reach约等于周活跃用户（WAU）。
- 长窗口（30天）：适用于长期功能（如资料完善引导）——Reach趋近MAU。
- 量化公式：Reach_Δt = 目标用户池 × 覆盖比例 × (Δt / 30) [若整体风险为月级]；更精确的做法是直接使用对应周期的活跃用户数据。
| 量化方法 | 数据来源 | 适用功能类型 | 典型取值 |
|---|---|---|---|
| DAU/MAU | 后台用户日活/月活报表 | 高频、日常交互 | 3,000 ~ 80,000 |
| 覆盖比例 | 灰度实验 / 历史同类功能占比 | 特定条件触达（版本、设备、权限） | 15% ~ 60% |
| 时间窗口 | 产品上线节奏 + 自然传播曲线 | 分阶段上线、需用户主动更新的功能 | 1天 / 7天 / 30天 |
⚠️ 常见错误：直接使用总注册用户数计算Reach，忽略了活跃率与覆盖比例。最终导致RICE评分虚高，优先级失真。
4.4 综合量化流程
将三个子维度串联成一套量化步骤：
- 定义目标用户池（如VIP、iOS用户、新注册7天内用户）。
- 选择活跃基数（DAU/MAU/WAU），根据功能触达周期匹配。
- 乘以覆盖比例（0~1），扣除不可见或不会使用的用户。
- 应用时间窗口系数（如果窗口不足30天，按比例折算）。
- 输出Reach分数：最终覆盖人数 = 活跃基数 × 覆盖比例 × 时间窗口系数。
常用Excel公式示意：
=IF(功能周期="日", C2*D2, C2*D2*(E2/30))
C=活跃基数（MAU），D=覆盖比例，E=实际窗口天数小结：Reach不是单一数字，而是由活跃基数、覆盖比例、时间窗口三个调节因子构成的复合值。在实际PRD中，建议采用Reach = min(目标池活跃用户, 覆盖用户) × 时间窗口系数的保守估算，避免需求因Reach虚高导致优先级错误。