你是不是也曾在产品会议上，面对无数功能提议，感到像在赶跑一只大猫？今天，让我们用 RICE 评分模型和认知摩擦削减法，把这只大猫关进笼子，顺利通过门槛。

RICE 评分模型最早由 Google 研发，四个维度——Reach（触达）、Impact（影响）、Confidence（信心）与 Effort（成本）——帮助团队量化优先级。它的公式是：RICE = (Reach × Impact × Confidence) ÷ Effort。

谈到认知摩擦，心理学家说人脑有限，越多要素越容易产生决策疲劳。每位利益相关者都携带自己的认知模型，若信息混乱，最终决策往往偏离最佳路径。

RICE 的四个维度正好对应这些认知模型：Reach 把‘谁能受益’抽象成数字，Impact 把‘好处有多大’量化，Confidence 用概率说服团队对估算的信任，Effort 则把‘付出多少’直观化。把这些数值摆上桌子，所有人就能对同一套数据说话，认知摩擦自然减少。

举个栗子：一家 SaaS 初创公司想决定是升级报告模板还是添加仪表盘。用 RICE 先给每个功能打分：报告模板—Reach 3k，Impact 4，Confidence 70%，Effort 4 周；仪表盘—Reach 2k，Impact 5，Confidence 60%，Effort 8 周。计算得：报告模板 (3k×4×0.7)/4 = 2100；仪表盘 (2k×5×0.6)/8 = 750。数值说话后，团队一致认为报告模板更值得先做，避免了在评估成本与收益时的主观猜测。

当然，RICE 也不是万能的。估算 Reach 与 Impact 时常有误差，Confidence 可能被自信冲昏头脑，Effort 有时被忽略的技术债务隐藏其中。解决办法是：① 用历史数据校准 Impact；② 引入第三方验证 Confidence；③ 预留 20% 的缓冲时间作为技术余量。

现在，你可以把 RICE 评分模型和认知摩擦削减法一起套进自己的产品决策流程。试想一下，若所有人都能把决策基准对齐，团队能否更快推出真正有价值的功能？