第三章 Reach（触达）量化规则

本章围绕AI需求排布中Reach维度的量化方法，聚焦“触达用户量”的定义、活跃用户的认定口径、预估方法及可靠数据源，为RICE模型提供可复现的触达权重计算输入。

1. 适用场景

• 需要按“预计影响用户规模”排序的C端功能优化、新用户拉新、留存提升类需求。
• 面向特定用户群体（如付费用户、活跃30天以上用户）的精准运营或数据治理需求。
• 同一产品线内不同渠道、不同角色（普通用户/会员/管理员）的需求权重对比。
• 多产品组合决策时，需要统一用户触达口径的跨团队评审场景。

2. 前置条件

3. 操作步骤

1. 定义触达用户量：基于需求文档提取“影响谁”的明确描述，转换为可量化的用户集合概念（如“月活跃用户中每日打开消息中心的人”）。
2. 明确活跃用户口径：从团队已有活跃定义中选择最匹配的口径：
• DAU（日活） —— 需求涉及每日高频交互。
• WAU（周活） —— 需求有周级使用周期。
• MAU（月活） —— 需求为月中/月末生效的变更。
• 核心活跃用户（如近7天登录≥3次）—— 精确匹配目标群体。
3. 选择预估方法（按优先级使用）：
• 历史分布法：若已有该功能或类似功能数据，直接取近30天平均值。
• 抽样推断法：对总用户池按目标画像分层抽样（样本量≥1000），统计比例后外推。
• 同类对标法：新功能无历史数据时，参考行业报告或内部同类产品/功能的转化率。
• 最小预期法：保守估计，取总用户量的10%或50万中的较小值（用于高不确定性场景）。
4. 提取数据：从数据仓库/BI工具按选定口径查询对应用户量。
5. 计算最终估值：若预估方法给出范围，取中间值并记录置信区间（如±15%）。
6. 审核与确认：需求方、数据分析师、产品负责人签字确认。

4. 输入输出物

5. 责任边界

• 需求方（产品经理/运营）：提供清晰的用户画像、业务目标、以及可接受的最低触达量。
• 数据分析师：负责数据查询、口径选择、预估计算并填写评估表。
• 数据治理团队：确保所用用户ID符合隐私合规要求，且数据脱敏后使用。
• 技术负责人：若需求涉及新数据采集（新增埋点），需评估实现成本与周期。
• 决策委员会：最终审批Reach数值的合理性，对跨需求横向对比负责。

6. 记录材料

需填写并归档以下《Reach评估工作表》模板：

需求ID            : REQ-2025-03-101
需求名称          : 消息中心红点优化
触达用户定义      : 近7天登录≥3次且未屏蔽消息通知的活跃用户
活跃口径          : 核心活跃用户（自定义口径）
预估方法          : 历史分布法（取过去90天该用户群均值）
数据源            : 数据仓库 dw_user_core_active_day
估算数值          : 2,350,000（±12%置信区间）
置信区间          : [2,068,000, 2,632,000]
数据签名（分析）  : Zhang San
复核签字（PM）    : Li Si
日期              : 2025-03-21

7. 异常处理

8. 验收标准

• Reach估值有完整的计算路径（从定义→口径→数据→公式），支持任意需求间横向对比。
• 若为历史数据预估，与实际值偏差≤30%（以需求上线后数据验证）。
• 所有数据源可追溯至原始查询日志或抽样过程记录。
• 《Reach评估工作表》经数据分析师与产品负责人双签字归档。
• 活跃口径与公司级活跃定义一致；若采用自定义口径，需在评估表中注明并附团队审批记录。