RICE评分模型
产品管理中用于量化需求优先级的评分框架，通过四个维度（Reach影响范围/Impact影响程度/Confidence把握度/Effort开发成本）为每个需求算出一个可比较的优先分数
简介
RICE评分模型是Intercom团队推广开来的需求优先级量化工具。它与KANO模型（定性判断需求类型）和MoSCoW优先级管理（排定版本优先级）互补，解决的是”当多个需求放在面前时，如何用统一标准量化对比”的问题。核心公式简洁、维度可调整、产出可比较，是产品经理做”数据驱动决策”的基础工具。
关键信息
- 类型：方法论 / 量化评估框架
- 领域：产品管理、需求优先级排序、数据驱动决策
- 推广者：Intercom团队
- 核心公式：RICE Score = (Reach × Impact × Confidence) / Effort
- 四个维度：Reach（影响范围）、Impact（影响程度）、Confidence（把握度）、Effort（开发成本）
核心特性
四个评分维度
| 维度 | 含义 | 评分标准 |
|---|---|---|
| Reach（影响范围） | 在给定时间内，这个需求会影响多少用户 | 1=极少数, 2=部分, 3=大部分, 10=全部用户 |
| Impact（影响程度） | 对用户行为或关键指标的影响有多大 | 1=微弱, 2=中等, 3=显著, 10=颠覆性 |
| Confidence（把握度） | 对Reach和Impact估计的信心程度 | 0.2=纯猜测, 0.5=有用户反馈依据, 1=有数据支撑, 1.5=已有实验验证 |
| Effort（开发成本） | 需要的研发资源投入 | 1=几小时, 2=几天, 3=几周, 10=几个月 |
RICE的计算逻辑
RICE的本质是”单位开发成本的用户价值”：
- 分子（Reach × Impact × Confidence）= 预估用户价值
- 分母（Effort）= 实现用户价值需要的资源
- 分数越高 = 单位资源产出的用户价值越高 = 越应该先做
实际算例对比
需求A：增加分享功能
- Reach=3（大部分用户）
- Impact=2（有影响但不显著）
- Confidence=0.5（有用户反馈但无数据验证）
- Effort=2（2天开发）
- Score = (3×2×0.5)/2 = 1.5
需求B：优化登录流程
- Reach=10（所有用户）
- Impact=3（对转化率影响大）
- Confidence=1（有数据支撑）
- Effort=1（半天完成）
- Score = (10×3×1)/1 = 30
结论：需求B的优先级是需求A的20倍，应该优先安排。
根据产品阶段调整权重
RICE的四个维度权重不是固定的，应根据产品生命周期动态调整：
- 探索期（0-1）：放大Confidence权重——因为数据不足，验证假设比做”大”更重要
- 增长期：放大Reach权重——需要覆盖更多用户来驱动增长
- 成熟期：放大Impact权重——存量用户的深度体验优化比覆盖新用户更重要
- 防守期：降低Effort的敏感性——有些”不做会掉数据”的需求即使Effort高也必须做
不同素材中的观点
怕浪猫将RICE作为产品经理三层优先级框架的第三层（KANO判断类型→MoSCoW排优先级→RICE量化对比），强调：
- RICE把优先级量化为一个可比较的数字，让”这个需求要不要做”从主观判断变成可讨论的客观依据
- 四个维度的权重可以根据产品阶段调整，不存在绝对正确的评分
- 实际案例演示了分享功能（1.5分）vs优化登录流程（30分）的天壤之别——证明了低Effort+高Reach=最高ROI
实用信息
基本用法
- 列出待评估需求：从需求池中提取需要对比的需求
- 逐项打分：为每个需求在四个维度上打分（建议团队集体评估，避免个人偏差）
- 计算RICE分数：代入公式算出每个需求的分数
- 排序对比：按分数从高到低排列
- 结合产品阶段微调：根据当前阶段调整各维度的实际权重
适用场景
- 需求池中有多个候选需求，需要客观排序
- 向利益相关者（领导/投资人）展示需求优先级决策的依据
- 跨部门协调资源分配时提供数据支撑
- 产品路线图规划中评估功能ROI
注意事项
- Confidence维度容易被高估——“我直觉觉得对”这个不等于有依据，应保守打分
- Effort评估需要研发参与，PM单方面估算的成本往往不准
- RICE分数是决策参考而非绝对指令——仍需结合产品战略、竞争态势等定性因素
- 不要迷信分数——如果两个需求的分数差距在1倍以内，其实难分伯仲，需要更深入的定性讨论