RICE评分里，Reach和Impact经常被混在一起用，结果是一个需求既说不清覆盖多少人，也说不清每个人被影响多深。两者的分工其实很明确：Reach衡量一个需求在给定周期内能触达多少用户或多大比例的目标对象，回答“影响面有多大”；Impact衡量需求对单个被触达对象的作用强度，回答“每个人被影响得有多深”。评分时先固定统计周期和目标人群口径，再分别按覆盖范围和单点强度取值，两者相乘才构成影响总量。
要点总览（TL;DR）
- Reach衡量给定周期内需求能触达多少用户或多大比例的目标对象，回答“影响面有多大”；Impact衡量对单个被触达对象的作用强度，回答“每个人被影响得有多深”。
- 两者相乘构成影响总量，评分前必须先固定统计周期与目标人群口径，否则两个因子会互相污染。
- 区分要点是：Reach只看覆盖范围，不评价作用深浅；Impact只看单点作用强度，不隐含覆盖人数。
- 常见误用是把“人多”当成“影响深”、把“改得深”当成“覆盖广”，评审时对两个因子分别复核可拦住这类连带调整。
- 评分结果用于需求排序，任务排期另按依赖、资源和交付节奏处理，避免为赶排期反向修改分数。
Reach和Impact分别衡量什么
Reach是覆盖面指标。它统计的是在明确的时间窗口内，某个需求上线后能够触达的用户数量，或者这些用户占目标人群的比例。比如“未来一个季度内，新注册用户中有多少人会看到新版引导页”，这里的“多少人”就是Reach要回答的问题。Reach的取值对象是用户或目标对象本身，计量单位是人次、人数或比例，与需求做得好不好、用户满不满意没有直接关系。
Impact是强度指标。它描述的是每一个被触达的对象，因为这个需求发生了多大程度的变化。同样是新版引导页，如果它只是把按钮颜色调深了一点，对单个用户的作用很轻微；如果它把原本五步的注册流程压缩成两步，对每个新用户的作用就很明显。Impact的取值对象是“单个被触达对象受到的作用”，通常用分级方式表达，例如无影响、轻微、中等、较大、极大，再赋予对应分值。
两个因子相乘，得到的是影响总量：覆盖的人数越多、单点作用越强，乘积越大。这也解释了两者为什么必须分开打分——一个需求可能覆盖全量用户但每人只感受到细微变化，另一个需求只服务少量用户但对他们至关重要，两者的影响总量可能接近，但背后的业务含义完全不同。RICE最终用影响总量除以投入成本并乘以信心系数，因此在进入除法之前，Reach和Impact必须各自独立、口径清晰地取好值。
| 维度 | Reach | Impact |
|---|---|---|
| 回答的问题 | 影响面有多大 | 每个人被影响得有多深 |
| 取值对象 | 周期内被触达的用户或目标对象 | 单个被触达对象受到的作用 |
| 常见计量方式 | 人数、人次、占目标人群比例 | 分级分值，如轻微、中等、较大 |
| 不包含的内容 | 作用强弱、用户满意度 | 覆盖人数、影响范围 |
两个因子的边界与常见混淆
Reach不包括影响深度。一个需求触达了一万名用户，不代表这一万名用户都被深刻影响；Reach只负责把“有多少人被碰到”数清楚。反过来，Impact不包括覆盖人数。Impact打高分，只说明对单个对象的作用强，至于这个对象是一个人还是一万人，由Reach单独承担。把这两件事混在一个分数里，就会出现“因为人多所以打高分”或“因为体验改得深所以认为覆盖广”的错误。
还要把这两个因子与RICE中的另外两项区分开。Confidence衡量的是团队对Reach、Impact、Effort三项估计的把握程度，它不描述覆盖面或影响强度本身，而是给这些估计打一个可信度折扣。Effort衡量的是投入成本，包括人力、时间和其他资源，它进入公式的分母位置。把Effort误当成Impact的反向指标，或者用Confidence去修正覆盖人数，都会让评分失去可比性。
Reach和Impact也不同于用户价值和业务价值。用户价值关注用户获得了什么，业务价值关注组织获得了什么，这两类判断往往需要结合收入、留存、合规等目标单独评估。Reach与Impact只描述影响的范围和强度，是影响总量的两个构成部分，不能替代价值判断。一个覆盖广、影响深的需求，如果与业务目标无关，仍然可能在排序中靠后；反过来，价值判断也不能直接换算成Reach或Impact的分数。
- Reach只数覆盖对象，不评价作用好坏和深浅。
- Impact只评单点作用强度，不隐含覆盖人数。
- Confidence是对估计把握程度的折扣，不改变覆盖面或强度本身。
- Effort是投入成本，与影响强度不是同一维度的正反关系。
- 用户价值、业务价值是独立判断，不能直接替代两个因子的取值。
评分时如何分步区分Reach与Impact
第一步，先定统计周期和目标人群口径。周期可以是下一个季度、下一个版本周期或某个明确的时间窗口；目标人群要写清楚是全部活跃用户、新注册用户，还是某个业务线下的特定角色。周期和人群不定，Reach就没有分母，Impact也失去作用对象。这一步的产物是一句可复核的口径说明，例如“统计周期为下一季度，目标人群为全部新注册用户”。
第二步，按覆盖人数或比例给Reach取值。可以用绝对人数，也可以用占目标人群的比例，团队内部保持统一即可。取值时只回答“有多少目标对象会被这个需求触达”，不掺入他们被影响得多深。如果需求分阶段上线，按周期内实际能覆盖的部分计算，不把未来周期的覆盖量提前计入。
第三步，按单点影响强度给Impact分级取值。分级刻度由团队自定，常见做法是设三到五档，例如无影响记0、轻微记1、中等记2、较大记3、极大记4，并对每一档写出判定描述。打分时只针对“一个被触达对象”判断作用强度，不因为覆盖人数多就上调档位。分级描述要具体到可观察的变化，例如使用频率、完成步骤数、是否解决阻断性问题。
第四步，用同一个需求做双因子试算校验。先按覆盖人数取Reach，再按单点强度取Impact，然后把两个数分别写出来，检查是否出现“因为人多所以Impact也高”或“因为改得深所以Reach也大”的连带调整。两个数各自独立成立，才进入后续的乘法和除法。试算的价值在于暴露口径污染，而不是追求分数精确。
| 步骤 | 动作 | 产物 | 完成标志 |
|---|---|---|---|
| 1 | 确定统计周期与目标人群 | 一句口径说明 | 周期和人群可被他人复核 |
| 2 | 按覆盖人数或比例取Reach | 一个覆盖数值 | 数值只反映触达范围 |
| 3 | 按单点强度分级取Impact | 一个强度档位及判定描述 | 档位只反映单个对象的作用 |
| 4 | 同一需求双因子试算 | 两个独立分数 | 未出现互相带动的调整 |
用具体例子看两个因子如何分开打分
以下示例均为演示情景，用于说明打分口径，不代表任何真实项目数据。
例一：覆盖广但单点影响弱。某协作工具计划在下一季度为全部活跃用户（假设十万人）增加一个消息已读状态的小图标。统计周期为下一季度，目标人群为全部活跃用户，Reach取十万人。对单个用户而言，这个改动只是多了一个视觉提示，不改变操作流程，Impact按五档制取“轻微”，记1分。影响总量为十万乘以一。常见误解是看到十万人覆盖就顺手把Impact提到“中等”甚至“较大”，理由是“这么多人都会用到”；修正后的做法是回到单点判断，确认每个用户只是多看到一个图标，Impact保持轻微档。
例二：覆盖窄但单点影响强。同一产品计划为财务审批角色（假设两百人）重做批量对账流程，把原来需要逐笔核对的步骤合并为一键批量处理。Reach取两百人。对每个财务审批人员来说，这个需求直接减少了大量重复操作，属于阻断性痛点的解决，Impact取“极大”，记4分。影响总量为两百乘以四。常见误解是觉得两百人太少、不值得排期，于是把Reach和Impact一起压低；修正后的做法是承认覆盖窄是事实，但单点强度高同样成立，两个分数各自如实记录，再由影响总量和投入成本共同决定排序位置。
把两个例子放在一起看，例一的覆盖是例一的五百倍，例二的单点强度是例一的四倍，影响总量却可能落在同一量级。这正是分开打分的意义：它让团队看到“广而浅”和“窄而深”是两种不同的价值形态，而不是用一个模糊的高分把差异抹平。评审时如果发现某个需求的Reach和Impact被同步调高或同步调低，通常说明打分人把两个因子当成了一个整体印象，需要回到口径说明重新核对。
把评分口径落到需求管理流程中
口径要稳定，先要把字段固定下来。在需求条目上设置Reach、Impact、Confidence、Effort四个评分字段，并在字段说明或模板中写清统计周期、目标人群和Impact分级描述。这样每个需求在创建时就带着可复核的口径，而不是等到评审会上临时解释。字段固定之后，不同人填出的分数才有比较基础，跨版本、跨业务线的需求也能放在同一把尺子上衡量。
评审环节要分别复核两个因子。可以安排两次独立确认：一次核对Reach的覆盖人数和人群口径是否与周期一致，一次核对Impact的档位是否只针对单个对象判断。两次复核分开进行，能有效拦住“人多所以分高”的连带调整。评审记录中保留每次调整的理由，便于后续回溯为什么某个需求被排在前面。
评分结果用于需求排序，不直接等同于任务排期。RICE分值回答的是“先做哪个需求”，任务排期还要考虑依赖关系、资源可用性和交付节奏，这些属于另外的管理动作。把评分和排期分开，可以避免为了赶排期而反向修改Reach或Impact，破坏评分的可比性。
在ONES中，可以把上述字段配置在需求工作项上，用自定义字段承载Reach、Impact、Confidence、Effort的取值，用字段说明记录统计周期和分级口径；评审结论和调整理由可以作为评论或评审记录附着在同一条需求上，排序时按评分字段筛选和比较。这样，口径说明、打分结果和复核记录都留在需求条目这一处，团队在排序会上打开需求即可看到完整依据。具体字段配置方式可结合团队现有工作项结构设计，涉及产品具体能力时以实际环境为准。
常见问题
Reach用绝对人数还是占目标人群的比例更合适？
两种都可以，关键是团队内部保持统一。用绝对人数直观，适合目标人群规模稳定的场景；用比例便于跨业务线比较，适合各条线用户体量差异较大的情况。需要注意的是，同一批需求排序时应使用同一种计量方式，混用人数和比例会让影响总量失去可比性。如果需求分阶段上线，按统计周期内实际能覆盖的部分取值，不把后续周期的覆盖量提前计入。
Impact的分级刻度应该设几档？
RICE方法本身没有规定统一档位数，常见做法是三到五档，例如无影响、轻微、中等、较大、极大，并给每档写出可观察的判定描述，比如是否改变操作步骤数、是否解决阻断性问题。档位过多会增加判断成本，档位过少又难以拉开差距。团队确定刻度后应写进字段说明或评分模板，跨版本沿用同一套描述，这样不同人打出的档位才有比较基础。
一个需求既覆盖广又影响深，是不是两个因子都要打高分？
可以都打高分，但前提是两个高分各自独立成立。先确认覆盖人数确实大，再单独判断单个被触达对象的作用强度，两次判断分别进行。评审时如果发现某个需求的Reach和Impact被同步调高或同步调低，通常说明打分人把两个因子当成了一个整体印象，需要回到口径说明重新核对。分开复核的目的不是压低分数，而是让每个分数都有可追溯的依据。
评分结果和任务排期是什么关系？
RICE分值回答的是需求之间的先后顺序，任务排期还要考虑依赖关系、资源可用性和交付节奏，属于另外的管理动作。把两者分开，可以避免为了赶排期而反向修改Reach或Impact，破坏评分的可比性。实际操作中，可以先按评分确定需求优先级，再在排期环节根据团队产能和依赖情况安排具体执行时间。
团队对同一个需求的Reach估计分歧很大怎么办？
分歧通常来自口径不一致，而不是数字本身。先核对统计周期和目标人群是否写清楚：是全部活跃用户还是新注册用户，是下一季度还是下一个版本周期。口径统一后，再核对覆盖人数的来源，比如是取自埋点数据、用户调研还是历史经验。把口径说明和取值依据记录在需求条目上，下次评审可以直接复用，减少重复争论。
