RICE是一种需求优先级评分方法，用触达范围（Reach）、影响程度（Impact）、信心水平（Confidence）和投入成本（Effort）四个因子计算得分，得分越高越优先。它把“这个需求值不值得先做”从主观争论变成可比较、可复算的数值，适用于需求对象之间的排序，不负责产品功能布局取舍，也不等同于任务执行顺序安排。
要点总览（TL;DR）
- RICE是需求优先级评分方法，公式为（Reach × Impact × Confidence）÷ Effort，得分越高越优先。
- 四个因子分别衡量触达范围、影响强度、信心水平和投入成本，同一团队统一口径才能横向比较。
- RICE只负责需求之间的相对排序，产品功能布局取舍和任务执行顺序由其他机制处理。
- 得分高不等于必须立刻启动，资源、依赖和合规条件仍会影响实际排期。
- 把公式、口径和取值理由记录下来，排序结论才能被复算和评审。
RICE是什么：四个因子与一个得分
RICE的中文常直接称为“RICE评分法”，英文全称为Reach、Impact、Confidence、Effort，取四个单词首字母组成。它由四个因子相乘再除以投入成本，得到一个可比较的分值，用于在多个需求之间排出先后顺序。
计算公式为：
RICE得分 =（Reach × Impact × Confidence）÷ Effort
四个因子各自的含义如下：
| 因子 | 英文 | 含义 | 常见取值口径 |
|---|---|---|---|
| 触达范围 | Reach | 一个周期内该需求能影响到的对象数量 | 按周期内受影响的用户数、订单数、工单数等计量，取估算值 |
| 影响程度 | Impact | 对单个受影响对象的作用强度 | 按分级取值，如3=极大、2=高、1=中、0.5=低、0.25=极小 |
| 信心水平 | Confidence | 对上述估算的把握程度 | 折算为百分比，如100%=高、80%=中、50%=低 |
| 投入成本 | Effort | 完成该需求所需的人力或时间投入 | 按人天、人月或故事点估算，作为分母 |
得分高低直接对应优先顺序：得分越高，说明在相同投入下覆盖的对象更多、影响更强、判断更有把握，因此排在前面。得分本身是相对值，用于需求之间的横向比较，脱离同一批需求单独看一个分数意义有限。
RICE的适用范围与不适用边界
RICE管的是“多个需求之间先做哪个”的相对排序。它把每个需求折算成一个分值，让排序过程有统一依据、可以复算、可以解释。理解它的边界，比记住公式更能避免误用。
适用与不适用的范围可以对照如下：
| 场景 | 是否属于RICE范围 | 说明 |
|---|---|---|
| 多个需求之间的先后排序 | 适用 | RICE的核心用途，对象是需求 |
| 产品功能布局与取舍 | 不适用 | 属于产品规划范畴，涉及功能组合与方向判断，需另行讨论 |
| 任务执行顺序安排 | 不适用 | 属于任务优先级管理，对象是任务，关注截止时间与依赖 |
| 资源排期与依赖关系处理 | 不适用 | RICE给出排序建议，不解决谁来做、何时做、前后依赖如何安排 |
需要特别说明的是，RICE得分高只表示在需求池中相对更值得优先考虑，它不自动解决资源冲突。一个高分需求如果依赖另一个未完成的工作，实际启动时间仍受依赖约束；团队人力有限时，也需要结合排期另行安排。把RICE当作排序输入，而不是排期结论，是使用它的基本前提。
四个因子怎么取值：口径与打分机制
RICE的可靠性来自口径统一，而不是数值精确。四个因子都带有估算成分，只要同一团队在同一批需求上使用同一套口径，比较结果就有意义；口径频繁变动，分数之间就失去可比性。
Reach：按周期内受影响对象数量估算
先确定一个统计周期，例如一个季度或一个版本周期，再估算该周期内会被这个需求影响到的对象数量。对象可以是用户、客户、订单、工单等，选择与业务最贴近的一种并保持全团队一致。取值用估算数字，不需要精确到个位，但周期和对象类型必须写清楚。
Impact：按影响强度分级取值
影响程度描述的是对单个受影响对象的作用有多强，通常用固定分级。常见做法是极大取3、高取2、中取1、低取0.5、极小取0.25。分级表一旦确定就固定下来，打分时对照分级表选择，避免同一个人在不同需求上使用不同标准。
Confidence：按证据强度折算百分比
信心水平反映前两个因子估算的可靠程度。有数据支撑、有用户访谈或历史记录佐证的，取高值如100%；有部分依据但不够充分的，取80%左右；主要靠推测的，取50%左右。信心水平的作用是给不确定的估算打折，防止凭感觉打出的高触达、高影响直接推高排序。
Effort：按人力或时间投入估算
投入成本作为分母，通常用人天、人月或故事点估算，覆盖设计、开发、测试等环节的合计投入。估算口径同样需要统一：如果有的需求只算开发工时、有的算全流程投入，分母就不可比。团队可以约定统一按全流程人天估算。
打分步骤
- 确定本批参与排序的需求清单，明确统计周期。
- 对每个需求依次填写Reach、Impact、Confidence、Effort四个值。
- 按公式计算得分，保留统一的小数位。
- 按得分从高到低排列，形成排序建议。
- 记录每个因子的取值理由，便于后续复算和评审时解释。
口径统一比数值精确更重要：一组口径一致、略带估算误差的分数，比一组各自精确但标准不一的分数更能支撑排序决策。
RICE与价值评估、任务优先级的区别
RICE经常与价值评估、任务优先级混用，三者回答的问题并不相同。分清它们，才能把RICE放在正确的位置上。
| 概念 | 回答的问题 | 对象 | 与RICE的关系 |
|---|---|---|---|
| RICE | 这批需求里先做哪个 | 需求 | 排序方法，输出可比较的分值 |
| 价值评估 | 这个需求值多少、带来什么收益 | 需求或机会 | 提供判断依据，RICE把依据折算进得分 |
| 任务优先级 | 手上的任务先做哪件 | 任务 | 对象和时点不同，属于执行层面的安排 |
RICE与价值评估的关系是：价值评估回答“值不值”，RICE回答“先做哪个”。价值评估的结论可以作为Impact和Reach取值的依据，但RICE本身不替代价值判断，它只是把判断结果放进一个可比较的结构里。
RICE与任务优先级的区别在于对象和时点。RICE作用于需求进入开发之前的排序阶段，对象是尚未开始的需求；任务优先级作用于需求拆解为任务之后，关注截止时间、依赖关系和执行顺序。一个需求RICE得分高，拆解出的任务仍需要按任务优先级另行安排。
RICE与简单投票或负责人拍板的区别在于可复算、可解释。投票和拍板给出的是结论，RICE给出的是结论加过程：四个因子的取值和理由都记录在案，换一个人按同样口径可以算出接近的结果，评审时也能指出分歧出在哪个因子上，而不是停留在“我觉得这个更重要”。
在实际协作中，RICE排序完成后，需求需要进入记录、评审和状态流转环节。以ONES为例，需求可以在系统中登记、附上评分依据，经过评审确认后按状态推进，让排序结论和后续执行保持在同一处可追溯的记录里，减少评分表与需求清单脱节的情况。
一个具体例子与常见误解
下面用一组示例数据完整算一遍，示例仅用于演示计算过程，不代表任何真实项目。
假设有两个候选需求A和B，统计周期为一个季度，团队约定的分级口径为：Impact取3、2、1、0.5、0.25，Confidence取100%、80%、50%。
| 因子 | 需求A | 需求B |
|---|---|---|
| Reach（季度受影响用户数） | 2000 | 500 |
| Impact（影响强度） | 1（中） | 3（极大） |
| Confidence（信心水平） | 80% | 100% |
| Effort（人天） | 20 | 10 |
按公式计算：
- 需求A得分 =（2000 × 1 × 0.8）÷ 20 = 1600 ÷ 20 = 80
- 需求B得分 =（500 × 3 × 1.0）÷ 10 = 1500 ÷ 10 = 150
排序结果为需求B优先于需求A。这个例子说明RICE的一个典型特征：触达人数多不等于得分高，投入成本和影响强度会显著改变结果。需求A覆盖人数是B的四倍，但影响强度低、投入大，最终得分反而更低。
常见误解
- 误解一：得分高就一定先做。得分高只表示在需求池中相对更值得优先考虑。资源可用性、依赖关系、合规要求等条件仍会影响实际启动顺序，RICE是排序输入，不是排期结论。
- 误解二：因子可以随意调。四个因子的分级和统计周期应在团队内事先约定并保持稳定。为了让自己支持的需求排名靠前而临时调整口径，会让分数失去可比性，也破坏评审时的信任基础。
- 误解三：RICE能替代决策。RICE提供的是结构化的比较依据，最终取舍仍需要人来做。它把争论从“谁声音大”转到“哪个因子取值有分歧”，让讨论更聚焦，但决策责任仍在团队。
把RICE用好的关键，是把它当作一套公开、稳定、可复算的排序语言：公式固定、口径统一、取值留痕，排序结论就能被理解和复核，需求评审也更容易达成一致。
常见问题
RICE的得分可以直接跨团队比较吗？
不建议直接跨团队比较。RICE得分是相对值，它的可比性建立在同一套口径之上：统计周期、Reach的对象类型、Impact的分级表、Confidence的折算标准和Effort的估算范围都要一致。两个团队如果对Impact的分级理解不同，或者一个只算开发工时、另一个算全流程投入，分数放在一起就失去了意义。跨团队交流时，比较各自需求池内部的排序结果和取值理由，比比较绝对分值更可靠。
需求数量很少时，还有必要用RICE吗？
需求只有两三个、且团队对先后顺序已有共识时，完整走一遍四因子打分可能收益有限。RICE更适合需求数量多、意见分歧明显、需要留下排序依据的场景。需求少的时候，可以只对争议最大的那一两个需求做简化打分，重点记录Impact和Effort的取值理由，把讨论聚焦到分歧点上。方法的价值在于让排序可解释，不在于每次都走完整流程。
Confidence取值偏低时，应该先补证据还是先排序？
取决于这个需求在排序中的位置是否敏感。如果某个需求因为Confidence取50%而排在临界位置，补一轮用户访谈、数据查询或历史记录核对，往往比直接接受低信心分数更有价值，因为信心提升会直接改变得分。如果该需求即使按低信心计算也明显领先或明显落后，可以先完成排序，把补证据安排在后续评审环节。关键是把Confidence的取值理由写清楚，让评审者知道这个分数建立在什么依据上。
RICE排序结果和负责人的判断冲突时怎么处理？
先定位分歧出在哪个因子。RICE的好处是争论可以落到具体取值上：是Reach的统计周期选得不一样，还是Impact的分级判断不同，或者Effort漏算了某些环节。把双方的理由摆出来，按团队事先约定的口径重新核对，多数分歧能在这一步收敛。如果核对后分数仍然接近，说明两个需求在数据上本就难分先后，此时可以结合依赖关系、资源可用性或战略要求做补充判断，并把补充理由记录在排序结论旁边，供后续复盘参考。
RICE和KANO、MoSCoW这类方法能一起用吗？
可以组合使用，但要分清各自回答的问题。KANO侧重识别需求类型和用户满意度的关系，MoSCoW侧重把需求划入必须有、应该有、可以有、本次不做等类别，RICE侧重在同一批需求内排出先后。常见做法是先用分类方法筛掉明显不该做的需求，再对留下的候选需求用RICE排序。组合使用时注意不要让两套标准互相打架，比如分类结论已经确定的需求，不必再用RICE分数推翻。
