Confidence 在 RICE 中的角色：定义、权重影响、常见评分误区
适用场景
本流程适用于使用 RICE（Reach × Impact × Confidence ÷ Effort）模型进行需求或功能优先级评分的所有项目决策场景。当团队已具备 Reach、Impact、Effort 的初步估算，需要对估算的可信度进行量化修正时，必须对 Confidence 进行规范化赋值。
前置条件
- 团队已明确定义 Reach（触达用户数/周期）、Impact（影响程度量化，如价值分数 1~5）、Effort（工作人天或故事点）。
- 参与评分的产品经理、技术负责人已接受 RICE 基础培训，理解 Confidence 不是“信心指数”，而是 估算质量系数。
- 已准备统一的 RICE 评分模板或工具（如 Airtable、Excel）。
操作步骤
- 理解 Confidence 定义
Confidence 表示对 Reach、Impact、Effort 三项估算值 整体可信度 的十进制系数，取值范围[0.1, 1.0]，通常使用离散分级：0.2（猜测）、0.5（低置信）、0.8（中等）、1.0（高置信）。 - 评估权重影响
Confidence 作为 乘法因子 直接缩放 RICE 总分。高 Confidence（0.8~1.0）放大估算带来的分数，低 Confidence（0.2~0.5）抑制分数，防止不可信估算主导决策。 - 识别常见评分误区
对照下表中的典型错误，避免系统性偏差：
输入输出物
| 输入 | 输出 |
|---|---|
| Reach / Impact / Effort 初步估算值 | 经过 Confidence 加权的 RICE 分数 |
| 决策背景：数据来源、假设条件、论证文档 | Confidence 赋值理由记录 |
责任边界
- 产品经理（PM）：主导 Confidence 赋值，对赋值依据负责。
- 技术负责人：提供 Effort 估算的可信度评价（如原型验证、类似实现经验）。
- 数据/用研：为 Reach 和 Impact 提供定量或访谈证据，帮助 PM 判断置信等级。
记录材料
- RICE 评分电子表（含 Confidence 列及备注列）。
- 每个需求对应的 Confidence 赋值理由（如：“用户访谈 50 人 → Impact 0.8”、“技术方案未定 → Effort 估算置信度 0.4”）。
异常处理
⚠ 低置信度（Confidence < 0.3）
- 标记为 “调研中”，暂不参与最终排序。
- 需启动快速验证（如原型、A/B test 雪球、专家评估）以补充数据，再重新赋值。
- 若该需求对路线图至关重要，可在 1 周内完成调研后进入下一次 RICE 评审。
💡 异常场景：团队习惯使用 0.5 作为“不确定”默认值
这是最常见的误区。应强制要求每个 Confidence 赋值必须附带定量或定性依据，否则默认值应设为 0.3 并触发调研流程。
验收标准
- 每项需求的 Confidence 有 具体数值 和 对应的理由备注（不允许空白或只有“高/中/低”）。
- 团队内部 Confidence 赋值差异（相同需求）经 2 人以上交叉验证后一致。
- 未出现任何使用默认
0.5代替思考、或混淆 Confidence 与 Impact 的现象。
Confidence 常见误区速查表
| 误区 | 错误表现 | 正确做法 |
|---|---|---|
| 过度自信 | 对没有数据支持的需求给 0.9~1.0 | 至少需要用户样本（N≥30）或历史类比数据 |
| 默认 0.5 | 所有需求一律 0.5，认为“中立” | 区分已知假设和未知因素，依据证据密度赋值 |
| 混淆 Confidence 与 Impact | “功能很重要 → Confidence 给 1.0” | Confidence 只衡量估算可信度，与功能价值无关 |
| 单一维度赋值 | 只根据 Effort 估算质量定 Confidence | 综合 Reach、Impact、Effort 三方面的数据完备性 |
关键原则： Confidence 是对 估算过程 的评分，不是对 功能价值 的评分。低 Confidence 不代表需求不值得做，而是提醒团队在决策前补充数据。