Skip to content

RICE 与 Value/Effort 排序 ​

RICE 与 Value/Effort 是在候选事项之间建立一致比较口径的方法。它们压缩证据以支持讨论,不会自动证明某项值得做,也不能取代安全、合规、战略边界和产品判断。

前置知识 ​

  • 候选事项指向清楚的用户问题与产品目标。
  • 成功指标有分析单位、分母、时间窗和质量门槛。
  • 能估算端到端工作,而非只估开发编码。
  • 能区分事实、假设和主观尺度。
  • 已识别不可用收益交换的硬约束。

一、先决定哪些事项可以被排序 ​

不是所有工作都应进入同一张分数表。

先走门槛的事项 ​

  • 已确认的安全漏洞。
  • 法规与合同固定期限。
  • 账务、授权和数据一致性缺陷。
  • 可靠性目标已经越界的修复。
  • 产品明确承诺且取消成本不可接受的迁移。

这些事项先判断必须做、截止日期和最小安全范围。把它们与增长实验比较 RICE,可能得出“漏洞触达人数少所以延后”的错误结论。

可以相对排序的事项 ​

候选项需要:

  • 处于同一产品目标或资金池。
  • 使用相近的时间窗。
  • Reach 使用同一种受益单位。
  • Impact 使用同一尺度。
  • Effort 覆盖相同角色与生命周期。
  • 没有尚未通过的硬门槛。

一个面向季度激活的功能和一个面向三年基础设施迁移的项目,通常不应直接用同一分数排成线性列表。

二、RICE 的四个输入 ​

常见形式:

text
RICE = Reach × Impact × Confidence / Effort

分数没有天然单位。只有在同一批候选中使用一致口径时,大小才有比较意义。

Reach:触达 ​

Reach 表示固定时间窗内可能从事项中受益的唯一分析单位。

定义必须包含:

  • 对象:用户、账户、订单、工作区还是任务。
  • 资格:哪些对象有机会遇到问题。
  • 窗口:月、季度或发布后 90 天。
  • 去重:同一对象多次行为如何处理。
  • 来源:事件、日志、订单或可追踪证据。

错误示例:

text
Reach = 页面浏览量 50,000

页面浏览量包含重复访问,也可能包含不会使用目标能力的人。

更合格的定义:

text
Reach = 未来一个季度中,
至少一次提交英文以外搜索词、
且有文档访问权限的唯一工作区数。

Reach 不是总用户规模。如果能力只对管理员生效,分母应先筛选有资格的管理员或工作区。

Impact:影响 ​

Impact 表示每个被触达单位对目标结果的预期变化。没有可直接估算的数据时,可以使用事先固定的离散尺度。

示例尺度:

分值语义
3可能直接改变核心结果
2对核心结果有明显作用
1有可观察但有限的作用
0.5辅助作用
0.25很弱或间接作用

数字只是标签。不能说 2 分必然是 1 分的两倍,除非团队用真实结果单位定义了比例。

Impact 应连接目标。例如“减少导入失败”不能使用“视觉更统一”的影响判断,除非能说明视觉变化怎样影响任务完成。

Confidence:置信度 ​

Confidence 表示输入与机制证据的可信程度,不是团队支持率。

可按证据层级设置规则:

置信度证据条件示例
90%目标群体的行为数据和小规模验证方向一致
70%多来源问题证据充分,但方案效果尚未验证
50%有重复信号,口径或因果机制仍不清
30%主要来自单一请求、竞品模仿或内部观点

同为 70% 的两项不表示概率经过统计估计,而表示按照团队规则处于同一证据等级。

不要用 Confidence 掩盖完全未知的关键假设。若价值假设失败会推翻方案,先验证可能比给低分更合理。

Effort:工作量 ​

Effort 是实现、验证、发布和维持候选项所需的总投入,通常以人周或人月表示。

应包含:

  • 产品定义与规则梳理。
  • 交互与内容设计。
  • 前端、后端、客户端和数据工作。
  • 安全、隐私和合规评审。
  • 测试、迁移、灰度和回滚。
  • 埋点、看板和告警。
  • 运营培训与支持准备。
  • 功能标记清理和长期维护。

不同角色并行不等于成本消失。例如产品 1 周、设计 1 周、开发 3 周、测试 1 周,总 Effort 可以是 6 人周,即使日历时间只有 3 周。

三、Value/Effort ​

Value/Effort 用更少输入做粗粒度比较:

text
优先级倾向 = Value / Effort

Value 可以包含用户价值、业务价值、风险降低和战略能力,但必须分别定义。若把四种价值直接合成一个“高、中、低”,会隐藏分歧。

二维矩阵 ​

低 Effort高 Effort
高 Value优先验证或交付拆分、验证最大假设
低 Value仅在机会成本很低时做通常拒绝或延后

矩阵适合候选多、证据粗的早期筛选。它不适合对得分接近的重大投资作最终决定。

Value 的拆分 ​

yaml
value:
  user: "减少目标任务失败"
  business: "降低试用流失"
  risk_reduction: "减少错误授权"
  strategic: "形成后续企业能力"

四项不能任意相加。错误授权属于硬门槛时,应先处理,而不是只作为一项加权价值。

四、完整排序流程 ​

mermaid
flowchart TD
    A["候选事项"] --> B["按目标与资金池分组"]
    B --> C["硬门槛筛选"]
    C --> D["统一单位和窗口"]
    D --> E["记录原始输入与来源"]
    E --> F["计算基准分"]
    F --> G["区间与敏感性分析"]
    G --> H["检查依赖和组合效应"]
    H --> I["形成顺序与验证计划"]

1. 分组 ​

先按产品目标、用户群和决策期限分组。不同目标的预算分配是上层策略决定,不能靠单项分数偷偷完成。

2. 门槛 ​

未通过安全、合规、可访问、数据可得和可恢复门槛的候选,不进入效用比较。

3. 冻结尺度 ​

在看具体候选分布前定义 Impact 与 Confidence 尺度,防止为了喜欢的方案调整标签。

4. 保存来源 ​

每个输入旁记录查询、样本窗口、估算参与者和限制。只保留最终分数无法复查。

5. 使用区间 ​

Reach、Impact 和 Effort 都可能不确定。至少计算悲观、基准、乐观三种情景。

6. 做敏感性分析 ​

逐项改变关键输入,观察排名是否稳定。若小幅变化就逆转,应先验证或把两项视为同一优先级区间。

7. 检查依赖 ​

高分事项可能依赖低分基础能力;两个候选也可能共享开发成本。单项分数不能表达组合效应,需要单独记录。

8. 输出决定 ​

输出不只是一列序号,还应包含:

  • 立即交付。
  • 先验证关键假设。
  • 等待依赖。
  • 延后并设置复查条件。
  • 拒绝及理由。

五、完整案例一:知识库搜索改进 ​

目标:提高工作区成员从搜索到打开有效文档的比例。季度候选:

  1. A:查询拼写纠正。
  2. B:结果中显示命中段落。
  3. C:语义检索。
  4. D:保存最近搜索。

统一输入 ​

Reach 以“季度内至少一次出现零结果或立即改写查询的唯一工作区”为单位。Impact 使用固定 0.25、0.5、1、2、3 尺度。Effort 以总人月估算。

候选ReachImpactConfidenceEffortRICE
A 拼写纠正1,200180%2480
B 命中段落2,0000.590%1.5600
C 语义检索1,600250%6266.7
D 最近搜索9000.2570%1157.5

计算 A:

text
1200 × 1 × 0.8 / 2 = 480

初步结论 ​

B 得分最高,但这不表示直接全量上线。命中段落需要先通过权限片段不泄露和页面加载性能门槛。

C 的潜在影响高,但 Confidence 低且 Effort 大。它更适合先做离线评估和受控原型,而不是因总分低永久拒绝。

敏感性分析 ​

B 的 Impact 若只有 0.25,则得分降至 300;A 仍为 480,排名逆转。B 的关键不确定性是片段是否真的提高有效文档打开,而不是实现能否完成。

于是形成的决定:

  • A 进入开发。
  • B 先对 10% 稳定工作区验证片段价值。
  • C 先建立查询集与权限过滤评估。
  • D 延后,复查条件为重复查询工作区比例超过 30%。

失败分支 ​

若片段提高点击率但有效停留和后续任务完成下降,不能按点击率宣告成功。若权限过滤无法在片段级保持一致,B 直接阻塞,不用更高 RICE 抵消。

六、完整案例二:结算可靠性 ​

目标:降低支付发起后订单结果未知的比例。候选:

  • E:前端增加重试按钮。
  • F:服务端支付幂等与主动查询。
  • G:运营提供人工查询面板。
  • H:增加第二支付渠道。

为什么不能直接计算 ​

当前服务端允许重复支付的风险属于账务硬门槛。F 中的幂等和状态收敛不是普通增长候选,必须先进入可靠性工作。

剩余增量能力再做 Value/Effort:

候选用户价值风险降低Effort判断
E 重试按钮低;可能放大重复负向0.5 人月拒绝
F 主动查询高高2 人月与幂等一起优先
G 查询面板中中1 人月 + 持续人工作为低量恢复
H 第二渠道高中5 人月 + 运维等基线与量级

生产成本 ​

G 的开发 Effort 低,但每周 100 笔、每笔 8 分钟会产生 13.3 小时持续人工成本。若只计算开发人月,G 会被错误排得过高。

决定 ​

先完成 F,G 用作结果未知的限量恢复。H 的 Reach 只应计算主渠道不可用时受影响订单,而不是全部订单。E 因可能破坏幂等,不进入排序。

七、区间估算 ​

假设候选 X:

  • Reach:800–1,200。
  • Impact:1–2。
  • Confidence:50%–80%。
  • Effort:2–4 人月。

悲观:

text
800 × 1 × 0.5 / 4 = 100

乐观:

text
1200 × 2 × 0.8 / 2 = 960

100 到 960 的区间说明当前输入不足。给出基准 400 并不会让结论可靠。应找出贡献最大的不确定项:通常先验证 Impact 或缩小 Effort 估算范围。

蒙特卡洛是否必要 ​

当项目重大且已有可描述的输入分布时,可以模拟分数分布;但模拟不会改善错误口径。若 Reach 分母就选错,生成更多随机数只会更精确地重复错误。

八、依赖、组合与时间 ​

依赖 ​

候选 C 依赖统一权限过滤 P。单独给 P 的用户 Impact 可能很低,但没有 P,C、推荐和摘要都不能安全上线。应把 P 作为平台门槛或组合投资评估。

共享成本 ​

若 A 与 B 共享查询日志改造,分别估算会重复计算。可以比较组合:

text
A 单独:2 人月
B 单独:1.5 人月
A+B:2.7 人月

成本延迟 ​

有截止窗口的价值会随时间衰减。例如税务规则必须在生效日前完成。RICE 不直接表示延迟成本,应在时间约束中单独处理。

可逆性 ​

证据弱时,可灰度、可关闭、无数据迁移的候选比不可逆架构改造更适合先行。可逆性可以作为门槛或单独决策字段,不建议随意塞入 Impact。

九、常见操纵与修正 ​

操纵表现修正
放大 Reach用总注册或浏览量使用有资格唯一单位
放大 Impact把愿景当单项效果固定尺度并连接目标
放大 Confidence用支持者人数按证据等级赋值
缩小 Effort只估编码包含发布、运营和退役
改变窗口不同候选用月与年统一决策窗口
忽略守护高增长掩盖风险硬门槛先于评分
小数制造精确输入粗糙却报 266.67保留合理有效位和区间
分数永久有效使用过期 Reach设置数据日期和复查

十、调试排序争议 ​

先定位分歧字段 ​

不要争论“谁更重要”,逐项比较 Reach 定义、Impact 机制、Confidence 证据和 Effort 范围。分歧往往集中在一个输入。

回到原始证据 ​

抽查事件资格集合、去重和时间窗;检查 Impact 证据是否来自同类用户;检查 Effort 是否遗漏迁移、第三方和人工成本。

运行尺度校准 ​

挑选三个已完成事项,用当时可得证据重新打分,再与实际结果比较。若团队持续高估某类 Impact 或低估运营成本,调整尺度规则。

记录反对意见 ​

排序决定应保留未选方案、主要分歧和复查触发器。新证据出现时重新计算,而不是把旧分数当承诺。

十一、综合练习 ​

选择同一目标下至少六个候选事项:

  1. 定义可比较集合和被排除的硬门槛事项。
  2. 写 Reach 对象、资格、窗口、去重和查询来源。
  3. 建立 Impact 与 Confidence 的固定尺度。
  4. 估算包含全生命周期的 Effort。
  5. 计算 RICE 基准值。
  6. 为三个关键输入给出区间。
  7. 做敏感性分析并标记排名不稳定项。
  8. 识别依赖、共享成本与组合。
  9. 输出交付、先验证、等待、延后、拒绝五类决定。
  10. 为每项决定设置复查触发器。

验收标准 ​

  • 所有 Reach 使用同一分析单位与窗口。
  • Impact 分值能追踪到明确尺度和目标机制。
  • Confidence 来自证据规则,而非投票。
  • Effort 包含设计、数据、测试、发布、运营和退役。
  • 安全、合规与业务不变量没有进入收益交换。
  • 分数接近时展示区间,不伪造精确顺序。
  • 依赖和组合效应没有被单项分数隐藏。
  • 另一名学习者可用原始输入复算并得到相同结果。

来源 ​

从前端走向软件产品工程的长期路线图。