RICEは、複数の施策や要件をReach(到達範囲)、Impact(効果)、Confidence(確信度)、Effort(工数)の4要素で評価し、優先順位を考える方法です。
RICEスコアは一般に、
Reach × Impact × Confidence ÷ Effort
で計算します。
数値で比較できるため便利ですが、実務では「計算結果だけ見ても自分の仕事にどう当てはめるか分からない」ということがあります。具体例を見るときは、スコアだけではなく、何をReachと数えたか、Impactの尺度をどう置いたか、Confidenceにどんな根拠があるか、Effortにどこまで含めたか、そして最終判断で何を加味したかまで確認することが重要です。
この記事では、RICEの具体例を3つ紹介します。Webサービス改善、BtoB SaaSの業務改善機能、社内業務改善の3ケースを題材に、背景→課題→なぜRICEか→実際のRICE評価→判断→結果→学びまで通して解説します。基本的な意味から確認したい場合は、RICEとは?意味・使い方・具体例を参照してください。
ケース1:Webサービスの改善施策5案を比較する
背景
あるWebサービスでは、今四半期に改善したい候補が5つありました。
- A:フォーム入力項目を10個から5個へ削減
- B:サイト内検索機能を追加
- C:管理画面の一括登録機能を追加
- D:ダークモードを追加
- E:オンボーディングを改善
開発チームの工数には限りがあり、すべてを同時に実施できません。
課題
関係者ごとに「重要」の意味が違いました。
Web担当はフォーム改善を重視し、営業は管理画面一括登録を大口顧客向けに必要と考え、CSはオンボーディング改善を優先したいと考えていました。
単なる投票では、利用者数の大きい施策や声の大きい部門に引っ張られる可能性があります。
なぜRICEを使ったのか
このケースでは、施策ごとに届く人数、1人あたりの効果、根拠の強さ、工数が大きく違っていました。
そのため、Reach・Impact・Confidence・Effortを分けて比較できるRICEが向いていました。
評価条件をそろえる
評価期間:今四半期。
Reach:今四半期に影響を受ける利用者数。
Impact:主要KPIへの1人あたり影響。
Confidence:見積もり根拠の確からしさ。
Effort:企画・開発・テストまで含む人週。
Impactは次の尺度で統一しました。
- 3.0:非常に大きい
- 2.0:大きい
- 1.0:中程度
- 0.5:小さい
- 0.25:ごく小さい
Confidenceは、
- 100%:実測データや再現性の高い実績がある
- 80%:利用データやユーザー調査など一定の根拠がある
- 50%:仮説中心で未検証
としました。
実際のRICE評価
A フォーム入力項目削減:
- Reach:4,000
- Impact:2.0
- Confidence:80% = 0.8
- Effort:4人週
- RICEスコア:
4,000 × 2.0 × 0.8 ÷ 4 = 1,600
B 検索機能追加:
- Reach:1,500
- Impact:1.0
- Confidence:80% = 0.8
- Effort:5人週
- RICEスコア:
1,500 × 1.0 × 0.8 ÷ 5 = 240
C 管理画面一括登録:
- Reach:600
- Impact:3.0
- Confidence:100% = 1.0
- Effort:2人週
- RICEスコア:
600 × 3.0 × 1.0 ÷ 2 = 900
D ダークモード:
- Reach:5,000
- Impact:0.5
- Confidence:50% = 0.5
- Effort:3人週
- RICEスコア:
5,000 × 0.5 × 0.5 ÷ 3 ≒ 417
E オンボーディング改善:
- Reach:2,500
- Impact:2.0
- Confidence:80% = 0.8
- Effort:6人週
- RICEスコア:
2,500 × 2.0 × 0.8 ÷ 6 ≒ 667
スコア順は、A→C→E→D→Bです。
判断
ここで、スコア順をそのまま実行順にはしませんでした。
Cの管理画面一括登録は、大口顧客の運用開始前に必要という期限条件がありました。
Eのオンボーディング改善も、新規登録が増える来月までに着手する価値が高いと判断されました。
そのため最終順序は、
- C 管理画面一括登録
- A フォーム入力項目削減
- E オンボーディング改善
- D ダークモードは継続検証
- B 検索機能追加は後回し
としました。
結果
Cは期限前に完了し、大口顧客の運用開始に間に合いました。Aも続けて実施し、フォーム完了率を改善できました。
一方、DはReachこそ大きいものの、主要KPIへのImpactとConfidenceが低かったため、追加調査を行ってから再評価することにしました。
学び
このケースのポイントは、「高スコア=最優先」ではないことです。
RICEは複数案の前提をそろえて比較する道具であり、期限や契約上の必須条件は別途確認する必要があります。
具体的な進め方は、RICEのやり方で確認できます。記入用には、RICEテンプレートも使えます。
ケース2:BtoB SaaSの改善要望を「顧客数」だけで決めない
背景
あるBtoB SaaSでは、次の4つの改善要望がありました。
- A:CSV一括登録の高速化
- B:監査ログの検索性改善
- C:通知メールのカスタマイズ
- D:ダッシュボードのグラフ追加
課題
Aは利用企業数こそ少ないものの、1社あたりの作業時間削減効果が大きい施策でした。
Dはほぼ全ユーザーに見えるためReachは大きい一方、業務成果へのImpactは小さい可能性がありました。
「利用者が多いから優先」とすると、Aのような高Impact施策が後回しになる懸念がありました。
なぜRICEを使ったのか
Reachだけでなく、ImpactとConfidence、Effortまで分けて比較したかったためです。
評価条件
評価期間:次の6か月。
Reach:6か月以内に実際に利用する見込みユーザー数。
Impact:ユーザー1人あたりの業務時間削減・主要業務への影響。
Confidence:利用ログ、顧客ヒアリング、過去施策の実績に基づく確信度。
Effort:設計・開発・テストまで含む人週。
実際の評価
A CSV一括登録高速化:
- Reach:700
- Impact:3.0
- Confidence:100% = 1.0
- Effort:3
- スコア:
700 × 3.0 × 1.0 ÷ 3 = 700
B 監査ログ検索性改善:
- Reach:900
- Impact:2.0
- Confidence:80% = 0.8
- Effort:4
- スコア:
900 × 2.0 × 0.8 ÷ 4 = 360
C 通知メールカスタマイズ:
- Reach:2,000
- Impact:1.0
- Confidence:80% = 0.8
- Effort:4
- スコア:
2,000 × 1.0 × 0.8 ÷ 4 = 400
D ダッシュボードグラフ追加:
- Reach:4,000
- Impact:0.5
- Confidence:50% = 0.5
- Effort:3
- スコア:
4,000 × 0.5 × 0.5 ÷ 3 ≒ 333
判断
スコアではAが1位になりました。
AはReachが他より小さくても、1ユーザーあたりの作業時間削減が大きく、実測データがあるためConfidenceも高かったからです。
CはReachが大きいため2位ですが、Impactは中程度でした。
DはReachだけなら最大でしたが、ImpactとConfidenceが低いためスコアは伸びませんでした。
結果
Aを先に実施し、対象顧客の一括登録作業時間を大きく減らせました。
その後、CとBを順に進め、Dは顧客インタビューと利用ログを追加で確認してから再評価しました。
学び
このケースでは、「Reachが大きい施策が必ず高優先度ではない」というRICEの特徴が分かります。
一方で、Impactを大きく付ければ簡単に順位が上がるため、Impact尺度とConfidenceの根拠を先にそろえることが重要です。
ケース3:社内業務改善で「根拠の弱いアイデア」を見分ける
背景
ある管理部門では、毎月の定型業務を効率化するため、次の4案が出ていました。
- A:経費精算の入力補助
- B:月次報告書の自動集計
- C:会議予約の自動化
- D:社内FAQ検索の改善
課題
担当者の感覚では、Cの会議予約自動化が「便利そう」で人気でした。
しかし、実際にどれだけ時間が減るかのデータはありませんでした。
一方、Bの月次報告書自動集計は、対象者数は多くないものの、毎月の作業時間が記録されており、効果を見積もりやすい状態でした。
なぜRICEを使ったのか
候補の人気ではなく、効果の大きさと根拠の強さを分けて比較したかったためです。
特にConfidenceを使うことで、「魅力的だが未検証の案」と「対象は狭いが根拠が強い案」を区別できます。
実際の評価
A 経費精算入力補助:
- Reach:500
- Impact:1.0
- Confidence:80% = 0.8
- Effort:2
- スコア:
500 × 1.0 × 0.8 ÷ 2 = 200
B 月次報告書自動集計:
- Reach:120
- Impact:3.0
- Confidence:100% = 1.0
- Effort:1.5
- スコア:
120 × 3.0 × 1.0 ÷ 1.5 = 240
C 会議予約自動化:
- Reach:800
- Impact:1.0
- Confidence:50% = 0.5
- Effort:3
- スコア:
800 × 1.0 × 0.5 ÷ 3 ≒ 133
D 社内FAQ検索改善:
- Reach:600
- Impact:1.5
- Confidence:80% = 0.8
- Effort:3
- スコア:
600 × 1.5 × 0.8 ÷ 3 = 240
判断
BとDが同じ240でした。
そこで、RICEスコアだけでなく、実行条件を確認しました。
Bは既存データが整っており、1.5人週で実装可能でした。Dは効果が期待できるものの、FAQの重複整理を先に行う必要がありました。
そのため、Bを先に実施し、Dは前提作業を進めてから着手することにしました。
Cは人気が高かったもののConfidenceが50%だったため、いきなり開発せず、2週間の業務観察で実際の予約作業時間を測ることにしました。
結果
Bの自動集計は短期間で導入でき、月次作業時間を削減できました。
Cは測定の結果、想定より会議予約に使う時間が少ないことが分かり、Impactを0.5へ下げて再計算しました。
学び
このケースでは、Confidenceが「未検証のアイデアを罰する項目」ではなく、「追加調査が必要な候補を見つける項目」として機能しました。
低Confidenceの案は、すぐに捨てるのではなく、安価な検証で根拠を増やしてから再評価できます。
3つのケースから分かるRICEの共通パターン
3ケースには共通する流れがあります。
- 比較候補と評価期間をそろえる
- Reachの単位を統一する
- Impact尺度を先に決める
- Confidenceに根拠を書く
- Effortの見積もり範囲をそろえる
- スコアを計算する
- スコア上位の前提を確認する
- 必須条件・期限・依存関係を加味して最終判断する
- 実施後の実績で見積もりを更新する
違うのは、何をReachやImpactとして見るかです。
- Webサービス:影響利用者数と主要KPIへの効果
- BtoB SaaS:利用ユーザー数と業務時間削減
- 社内業務改善:対象社員数と定型作業削減
自分の業務で使うときは、この部分を最初に定義します。
自分の業務へ当てはめる手順
具体例をそのまま真似するのではなく、次の順で考えると使いやすくなります。
- 比較したい候補を同じ粒度でそろえる
- 評価期間を決める
- Reachの単位を1つに決める
- Impact尺度を先に決める
- Confidenceの根拠基準を決める
- Effortの見積もり範囲を統一する
- RICEスコアを計算する
- スコア上位の入力根拠を点検する
- 必須条件・期限・依存関係を確認する
- 最終実行順を決める
- 実行後の実績を次回見積もりへ反映する
RICEの具体例を見るときの注意点
スコアだけを真似しない
ReachやImpactの定義が違えば、同じ数値を使っても意味が変わります。
Reachの大きさだけで判断しない
対象人数が多くても、ImpactやConfidenceが低ければ優先度は下がることがあります。
Impactを都合よく上げない
候補を見てから尺度を変えると、スコアが恣意的になります。
Confidenceを全部100%にしない
根拠の弱さを見える化できなくなります。
Effortを開発工数だけにしない
企画、デザイン、テスト、導入準備など、比較範囲をそろえます。
スコア順をそのまま最終順にしない
法令・契約・期限・依存関係・リスクを確認します。
よくある失敗と改善策は、RICEで失敗しやすいポイントで詳しく解説しています。
他の優先順位付け手法と使い分ける場合
RICEは、Reach・Impact・Confidence・Effortを使って、複数案を数値で相対比較したいときに向いています。
複数の独自評価軸を柔軟に設定したい場合は、意思決定マトリクスとRICEの違いを参考にしてください。
効果と工数の2軸で素早く整理したい場合は、Impact-Effort MatrixとRICEの違いが役立ちます。
3つの方法から選びたい場合は、意思決定マトリクス・Impact-Effort Matrix・RICEの使い分けも確認できます。
生成AIを使う場合
生成AIは、候補の粒度をそろえる、R/I/C/Eの入力漏れを指摘する、計算を補助する、Confidenceの根拠不足を問い直す、スコア順と最終判断の差を説明する、といった補助に使えます。
ただし、AIは実際のReach、Impact、工数、顧客影響を自動で確定できません。具体的な使い方は、生成AIでRICEを使う方法で解説します。
まとめ|RICEの具体例では「数値の前提」と「最終判断」を見る
RICEの具体例を見るときは、最終スコアだけでなく、Reach・Impact・Confidence・Effortをどの基準で付けたかを見ることが重要です。
Webサービス改善ではスコア1位のAより、期限条件のあるCを先に実施しました。BtoB SaaSではReachの大きい施策より、ImpactとConfidenceが高い一括登録高速化を優先しました。社内業務改善では、人気のある案でもConfidenceが低ければ先に検証する判断をしました。
自分の業務へ応用するときも、「どれが一番高得点か」だけではなく、「その数値は何に基づくか」「スコア以外の必須条件や依存関係は何か」まで確認すると、RICEを実務の優先順位付けに使いやすくなります。