RICE 评分法是一种给需求排优先级的量化方法，用触达（Reach）、影响（Impact）、信心（Confidence）、投入（Effort）四个因子计算得分，得分越高越优先。它的价值在于把“感觉重要”转成可比较的数值，前提是口径统一、假设透明。本文讲清公式、四个因子的取值边界、从打分到排序的流程，以及常见的误用。
要点总览（TL;DR）
- RICE 评分法用触达、影响、信心、投入四个因子计算需求得分，公式为（触达 × 影响 × 信心）÷ 投入，得分越高代表单位投入的加权价值越大。
- 四个因子各有口径要求：触达要统一统计周期和对象，影响用分级量表，信心反映估计可靠性，投入统计范围要事先约定。
- RICE 不衡量战略必要性、合规强制项和需求依赖关系，得分是排序参考，最终顺序需要人工校准并记录理由。
- 与价值复杂度矩阵相比 RICE 排序更细，与加权评分法相比因子固定、团队间可比性更强，代价是覆盖维度有限。
- 落地时把四因子取值、得分、打分时间和调整理由记录在需求条目上，需求状态变化后重算得分。
RICE 评分法一句话说清
RICE 评分法用一个公式把需求的价值和成本放在一起比较，输出一个可以横向排序的分值。四个字母分别代表：
- R（Reach，触达）：一定周期内受这个需求影响的用户数量或事件数量。
- I（Impact，影响）：需求对单个受影响对象的作用强度。
- C（Confidence，信心）：对触达和影响两项估计的把握程度。
- E（Effort，投入）：完成这个需求所需的人力时间。
公式为：RICE =（触达 × 影响 × 信心）÷ 投入。分子是加权后的总价值，分母是成本，因此得分可以理解为“单位投入带来的加权价值”。两个需求放在一起，得分高的那个在同等条件下应排前面。这个分值的意义只在同一套口径、同一批需求之间成立，跨团队、跨周期直接比数字没有意义。
四个因子各自衡量什么、不包括什么
四个因子看起来简单，实际打分时最容易出问题的是口径。下面逐项说明每个因子衡量什么、常用什么取值方式，以及容易混淆的边界。
| 因子 | 衡量什么 | 常用取值口径 | 容易混淆的边界 |
|---|---|---|---|
| 触达 R | 一定周期内受影响的用户或事件数量 | 按固定周期统计，如每月活跃用户数、每季度受影响订单数 | 需要统一周期和统计对象，否则不同需求的触达数不可比 |
| 影响 I | 对单个对象的作用强度 | 分级量表，如 3=极大、2=高、1=中、0.5=低、0.25=极小 | 是强度而非人数，不要和触达混为一谈 |
| 信心 C | 对触达和影响估计的把握程度 | 百分比，如 100%、80%、50%；也可用高/中/低分级折算 | 反映的是估计可靠性，不是需求本身的确定性 |
| 投入 E | 完成需求所需的人力时间 | 人月或人周，包含设计、开发、测试等全部环节 | 只算直接投入，不要把长期维护成本随意折算进去 |
触达的周期口径必须全团队一致。有人按日活算、有人按月活算，算出来的分数就没有可比性。影响用分级量表而不是精确数值，是因为“对单个用户提升多少”很难精确测量，分级能降低虚假精度。信心用百分比表达，本质是给前两项估计打一个折扣：数据充分、验证过的估计可以给高分，凭经验推测的估计应给低分。投入用人月或人周，统计范围要事先约定，是否包含评审、上线、文档等环节需要统一。
RICE 不衡量的内容同样重要。它不衡量战略必要性，一个得分很低的需求可能因为公司战略必须做；不衡量合规强制项，监管要求的需求没有排序空间；也不衡量需求之间的依赖关系，A 需求是 B 需求的前置条件时，单看分数排序会得出错误顺序。这些内容需要在打分之后人工校准，不能指望公式自动处理。
打分到排序的完整机制
RICE 的落地是一套连续动作，不是填四个数字就结束。按下面的顺序推进，结果才可复现、可复核。
- 统一口径：在打分前约定触达的统计周期、用户范围、影响的量表档位、投入的单位和统计范围。把这些约定写下来，作为本批次打分的共同前提。
- 逐条打分：对需求池中的每条需求，分别填写四个因子的取值，再计算得分。打分时同步记录数据来源，比如触达数来自哪份报表、投入估算来自哪个团队的评估。
- 按分排序：把需求按得分从高到低排列，形成候选序列。这个序列是讨论的起点，不是最终结论。
- 人工校准：把强制项、合规项、依赖关系、战略方向单独拎出来调整顺序。调整时写明理由，比如“该需求为监管要求，优先级置顶”“B 需求依赖 A 需求先上线”。
- 记录与复核：保存每条需求的四因子取值、得分、打分时间和调整理由。下一轮评审时可以对照，判断分数变化是需求本身变了，还是口径或假设变了。
这套流程的关键在于“先统一、再打分、后校准”。跳过统一口径直接打分，得到的是无法比较的数字；跳过人工校准直接按分执行，会漏掉公式覆盖不到的因素。
RICE 与价值复杂度矩阵、加权评分法的区别
RICE 常和几种相邻方法一起出现，理解它们的差异有助于判断什么时候该用哪一种。
| 方法 | 计算方式 | 输出形式 | 适用与不适用 |
|---|---|---|---|
| RICE | 四因子相乘后除以投入，得到单一分值 | 可排序的数值 | 适合需求数量较多、需要横向比较单位投入价值的场景；不适合需要多维权衡的复杂决策 |
| 价值复杂度矩阵 | 用价值和复杂度两个维度定位 | 四象限分布 | 适合快速分类、团队讨论；不适合精细排序，同一象限内的需求仍需进一步比较 |
| 加权评分法 | 自定义多个维度和权重，加权求和 | 可排序的数值 | 适合维度多、权重需要按业务调整的场景；维度越多，打分成本和主观性越高 |
| 按业务方呼声排序 | 依据提出方的职级或声音大小 | 主观顺序 | 响应快，但缺少投入和信心的显式比较，容易偏向声音大的需求 |
价值复杂度矩阵用两个维度把需求分到四个象限，优点是直观、讨论成本低，缺点是象限内的需求无法进一步区分先后。RICE 用四个因子算出一个分值，排序更细，但对口径统一的要求更高。加权评分法允许自定义维度和权重，灵活度高，代价是每次调整维度都要重新对齐所有人的理解；RICE 固定四个因子，团队之间的可比性更强，但覆盖不到战略、合规等维度。与单纯按业务方呼声排序相比，RICE 显式纳入了投入和信心，能把“听起来重要但成本很高、把握不大”的需求排到合理位置。
一个具体例子与三类常见误解
用一个演示情景说明计算过程。某需求预计每月触达 2000 名用户，影响评级为 2（高），团队对这两项估计的信心为 80%，完成需求需要 4 人月。代入公式：
RICE =（2000 × 2 × 0.8）÷ 4 = 800
这个 800 分本身没有绝对含义，它的作用是和同批次其他需求的得分比较。如果另一个需求算出 400 分，在口径一致的前提下，前者的单位投入价值更高，应排在前面。若该需求属于合规强制项，即使得分较低也要单独处理。
实际使用中，有三类误解反复出现：
- 把得分当绝对结论：看到高分就直接排期，忽略强制项和依赖关系。得分是排序参考，最终顺序要经过人工校准，并把调整理由记录下来。
- 各需求口径不一致：有的需求按日活算触达，有的按月活算；有的投入只算开发，有的算上测试和上线。口径不一致时，分数之间不可比，排序结果失去意义。
- 信心因子被随意填高：为了让某个需求排前面，把没有数据支撑的估计标成 100% 信心。这会掩盖数据缺失，让分数虚高。信心应该如实反映估计依据，数据不足时给低分，并在记录中注明缺口。
在需求池中落地 RICE 的管理动作
RICE 要真正影响排序，需要把打分结果放进需求管理的日常动作里，而不是停留在一次性的表格中。
首先，在需求条目上固定记录四因子取值、计算得分和打分时间。每条需求的触达、影响、信心、投入以及数据来源放在同一处，评审时可以直接查看，避免翻找分散的文档。其次，评审时对照得分讨论分歧。得分接近的需求，讨论重点放在假设是否合理、数据是否可靠；得分差距大的需求，讨论重点放在是否有公式之外的因素需要调整，调整理由一并保留。最后，需求状态变化后重算得分。需求范围扩大、投入估算修正、触达数据更新，都会改变分值，用过时的分数排序会把资源引向错误的方向。
这些动作落到工具上，对应的是需求池中每条需求的结构化字段和状态流转。在 ONES 中，可以为需求工作项配置触达、影响、信心、投入等属性字段，把得分作为可排序字段展示，并在评审记录中保留调整理由；需求状态变更后，按新的取值重新计算，让排序结果与需求池的当前状态保持一致。打分口径、假设和调整理由随需求条目一起留存，下一轮评审时可以直接对照复核。
常见问题
RICE 得分可以直接决定需求排期吗？
不建议直接决定。RICE 得分反映的是单位投入的加权价值，适合作为需求间横向比较的起点。合规强制项、战略方向、需求之间的依赖关系不在公式覆盖范围内，需要人工校准。评审时把调整理由和得分一起记录，下一轮复核时才能判断顺序变化的原因。
触达的统计周期应该按日活还是月活？
两种都可以，关键是同一批次打分的所有需求使用同一个周期。按日活统计的需求和按月活统计的需求放在一起比较，分数没有可比性。团队可以在打分前约定统一周期，并把这个约定写进打分说明，后续新增需求沿用同一口径。
信心因子怎么填才不算随意？
信心反映的是对触达和影响两项估计的把握程度，填之前先问数据来源是什么。有报表或验证数据支撑的估计可以给高分，凭经验推测的估计应给低分，并在记录中注明缺口。为了让某个需求排前面而把信心填高，会让分数虚高，掩盖数据不足的问题。
需求范围变化后，原来的 RICE 得分还能用吗？
需要重算。需求范围扩大、投入估算修正、触达数据更新，都会改变四个因子的取值，旧得分反映的是旧假设。建议在需求状态变更时触发重算，并保留上一次的取值和得分，便于对照分数变化来自需求本身还是口径调整。
需求数量不多时，还值得用 RICE 吗？
需求数量少、团队对优先级判断比较一致时，RICE 的收益有限，打分和统一口径的成本可能超过排序带来的改善。需求数量增多、跨团队比较频繁、讨论中反复出现“感觉重要”的分歧时，RICE 的显式口径和可复核记录更能发挥作用。
