iantype.com
View

DesignInputsDesign Inputs

从价值、问题、规律、原则和机制建立设计判断依据；设计模式单独作为可复用策略层展示。 当前分区收录 205 条内容。

设计规律领域　→　主题　→　定律　／　机制　／　原则

先拆开规律、机制与模式

设计规律与原则回答“应该如何判断”，系统机制解释“为什么会这样运作”，设计模式则在独立入口中承接可复用策略。

01

价值与结果

Value & outcomes

1.1设计价值框架

Design Value Framework

  1. 1.1.1发现新机会Opportunity Discovery发现新机会是通过理解未满足需求，形成新的产品、服务或商业方向。
  2. 1.1.2降低客服成本Support Cost Reduction降低客服成本是通过更清晰的产品和自助服务，减少可以被设计预防或解决的人工咨询。
  3. 1.1.3可控感Sense of Control可控感是指用户能够理解、预测并控制自己的操作及其结果。
  4. 1.1.4清晰度Clarity清晰度是指用户能够快速理解： 这里是什么 当前发生了什么 自己可以做什么 下一步应该做什么
  5. 1.1.5使用效率Efficiency使用效率是指用户能够用更少的时间、步骤和认知投入完成核心任务。
  6. 1.1.6提高留存Retention提高留存是帮助用户持续获得产品核心价值，并形成再次使用的理由。
  7. 1.1.7提高转化Conversion提高转化是帮助更多目标用户完成注册、试用、购买或订阅等关键行为。
  8. 1.1.8提升可访问性Accessibility可访问性是让不同能力、设备和使用条件的人都能理解并完成产品中的核心任务。
  9. 1.1.9提升一致性Consistency提升一致性是让产品在不同页面、平台和团队中使用统一的语言、模式与组件。
  10. 1.1.10信任感Trust信任感是用户相信产品会可靠、透明并负责任地处理交易、数据和服务承诺。

1.2价值标准

Value Criterion

  1. 1.2.1清晰Clarity
  2. 1.2.2可用Usability
  3. 1.2.3可访问Accessibility
  4. 1.2.4可信Credibility
  5. 1.2.5一致Consistency
  6. 1.2.6可学习Learnability

1.3价值结果

Value Outcome

  1. 1.3.1理解Understanding
  2. 1.3.2效率Efficiency
  3. 1.3.3错误减少Error Reduction
  4. 1.3.4信任Trust
  5. 1.3.5转化Conversion
  6. 1.3.6留存Retention
  7. 1.3.7满意度Satisfaction
  8. 1.3.8可访问性Accessibility

02

复杂度与认知负担

Cognitive Load & Complexity

2.1概览

Overview

  1. 2.1.1复杂度与认知负担Cognitive Load & Complexity处理信息数量、认知负担、系统与用户之间的复杂性分配。

2.2工作记忆与信息容量

Working Memory & Information Capacity

  1. 2.2.1工作记忆与信息容量Working Memory & Information Capacity聚焦工作记忆容量、信息分块和认知负荷，帮助判断信息应如何拆分、分组与逐步呈现。
  2. 2.2.2米勒定律Miller’s Law人的工作记忆容量有限，经典研究常以“7±2 个信息单元”描述这一限制。 设计上的重点不是把界面强行限制为七项，而是通过分组和组块化减少用户同时需要处理的信息。

2.3复杂性分配与系统负担

Complexity Allocation & System Burden

  1. 2.3.1复杂性分配与系统负担Complexity Allocation & System Burden聚焦任务复杂性、系统设计复杂性与用户可感知复杂性的分配，判断何时应通过自动化、默认值或分步流程降低用户负担。
  2. 2.3.2特斯勒定律Tesler’s Law (Law of Conservation of Complexity)每个系统都存在一定程度的、无法彻底消除的复杂性。 设计者真正能决定的，不是“是否存在复杂性”，而是这部分复杂性应该由用户还是由系统承担。 优秀的设计通常会让系统处理重复、可预测和可自动化的复杂性，同时把真正需要判断的部分留给用户。 这里的复杂性包括业务规则、信息要求、异常处理、权限约束和风险判断；它可以在用户、界面、应用程序、开发团队和平台之间转移。

2.4认知负荷与信息加工

Cognitive Load & Information Processing

  1. 2.4.1认知负荷与信息加工Cognitive Load & Information Processing聚焦内在负荷、外在负荷与促进学习的加工，帮助判断哪些复杂度必须保留、哪些复杂度可以通过设计减少。
  2. 2.4.2认知负荷理论Cognitive Load Theory人的工作记忆资源有限。理解内容和完成任务所需的心理加工一旦超过可用资源，表现、学习和决策质量就会下降。 设计应减少与目标无关的额外负荷，同时为任务本身不可避免的复杂度提供支持。

2.5简化与复杂度控制

Simplification & Complexity Control

  1. 2.5.1简化与复杂度控制Simplification & Complexity Control聚焦假设数量、规则数量和流程结构，帮助在不牺牲必要能力的前提下减少系统与理解成本。
  2. 2.5.2奥卡姆剃刀Occam’s Razor当多个方案能够同样充分地解释问题或达到目标时，应优先选择假设更少、结构更简单的方案。 它鼓励减少没有明确价值的规则、状态和步骤，但不意味着牺牲必要能力。

03

感知与视觉组织

Perception & Visual Organization

3.1概览

Overview

  1. 3.1.1感知与视觉组织Perception & Visual Organization处理接近、相似、闭合、共同区域、视觉层级与信息组织。

04

选择与决策

Choice & Decision Making

4.1概览

Overview

  1. 4.1.1选择与决策Choice & Decision Making处理选择数量、比较成本、默认值、风险和决策负担。

4.2选择成本与决策负担

Choice Cost & Decision Burden

  1. 4.2.1选择成本与决策负担Choice Cost & Decision Burden聚焦选择数量、决策时间、默认选项和信息排序，帮助判断何时应减少选择、分层呈现或提供推荐路径。
  2. 4.2.2希克定律Hick’s Law (Hick–Hyman Law)当选择的数量增加、差异变得更难判断时，用户做出决定所需的时间通常会增加。 在条件受控的选择反应任务中，这种增长大致与选择所包含的信息量呈对数关系。

4.3默认与选择架构

Defaults & Choice Architecture

  1. 4.3.1默认与选择架构Defaults & Choice Architecture聚焦默认值、预填充、推荐项和可修改性，帮助判断如何降低重复决策，同时保护用户知情和控制权。
  2. 4.3.2默认效应Default Effect当系统预先选定一个选项时，许多人倾向于保留该默认值，而不是主动修改。 默认项既能降低重复决策成本，也会显著影响行为，因此必须符合用户利益、容易理解且可修改。

4.4选择过载与比较成本

Choice Overload & Comparison Cost

  1. 4.4.1选择过载与比较成本Choice Overload & Comparison Cost聚焦选项数量、差异清晰度、比较成本和决策风险，帮助判断何时应分层、筛选、推荐或延后展示选项。
  2. 4.4.2选择过载效应Choice Overload (Overchoice)当选项数量过多、差异难以比较或决定风险较高时，人们可能感到压力、推迟决定，甚至放弃选择。 问题不只在数量，还在比较成本、用户知识、偏好清晰度和结果责任。

4.5损失与风险感知

Loss & Risk Perception

  1. 4.5.1损失与风险感知Loss & Risk Perception聚焦损失、风险、进度、权益和投入成本对选择的影响，帮助设计撤销、保护、预警和风险沟通。
  2. 4.5.2损失厌恶Loss Aversion相对于获得同等价值的收益，人们通常对损失感受得更强烈。 已有数据、进度、权益和时间投入一旦面临失去，往往会显著影响用户决策。

4.6参考点与判断偏移

Reference Points & Judgment Bias

  1. 4.6.1参考点与判断偏移Reference Points & Judgment Bias聚焦价格、数字、排序、对比方案和初始信息对后续估计的影响，帮助识别界面中的隐性锚点。
  2. 4.6.2锚定效应Anchoring Effect人们进行估计或判断时，容易受到最先出现或最显眼参考值的影响，随后调整往往不足。 价格、默认数字、排序和对比方案都可能成为锚点。

05

操作与目标获取

Action & Target Acquisition

5.1概览

Overview

  1. 5.1.1操作与目标获取Action & Target Acquisition处理目标大小、距离、路径宽度、映射和连续操作成本。

5.2目标获取与路径控制

Target Acquisition & Path Control

  1. 5.2.1目标获取与路径控制Target Acquisition & Path Control聚焦目标大小、距离、路径宽度和连续移动过程，帮助评估控件布局、触达成本与复杂路径中的操作难度。
  2. 5.2.2操纵定律Steering Law (Accot–Zhai Steering Law)用户沿受约束路径移动指针或手势时，完成时间取决于路径长度以及沿途宽度。 路径越长、越窄或宽度变化越剧烈，操作越慢，也越容易偏离。
  3. 5.2.3费茨定律Fitts’s Law指向一个目标所需的时间，取决于目标的距离和有效尺寸。 通常来说，目标越近、可点击或可触摸区域越大，用户越容易快速、准确地命中。

06

注意力与记忆

Attention & Memory

6.1概览

Overview

  1. 6.1.1注意力与记忆Attention & Memory处理显著性、序列位置、识别、回忆和信息保留。

6.2注意显著性与隔离

Salience & Isolation

  1. 6.2.1注意显著性与隔离Salience & Isolation聚焦视觉、位置、语义和动效差异造成的显著性，帮助使用有限的强调手段突出真正重要的信息。
  2. 6.2.2冯·雷斯托夫效应Von Restorff Effect (Isolation Effect)当一组元素大体相似时，其中与众不同的元素更容易被注意并被记住。 差异可以来自颜色、形状、尺寸、位置、动效或语义，但必须建立在清晰的共同基线上。

6.3识别、回忆与信息可见性

Recognition, Recall & Information Visibility

  1. 6.3.1识别、回忆与信息可见性Recognition, Recall & Information Visibility聚焦可见选项、上下文提示、历史记录和跨页面记忆成本，帮助减少用户需要保持和调用的信息。
  2. 6.3.2识别而非回忆Recognition Rather Than Recall让用户直接看见或容易找回信息，通常比要求他们从记忆中主动回想更可靠。 界面应让对象、操作、选项和必要说明保持可见，减少跨页面记忆。

6.4序列位置与信息排序

Serial Position & Information Ordering

  1. 6.4.1序列位置与信息排序Serial Position & Information Ordering聚焦首因、近因和中间位置的记忆差异，帮助安排列表、导航、步骤和信息摘要中的优先级。
  2. 6.4.2系列位置效应Serial Position Effect人们通常更容易记住一个序列开头和结尾的项目，而位于中间的项目更容易被忽略。 开头优势称为首因效应，结尾优势称为近因效应。

6.5未完成任务与注意保持

Unfinished Tasks & Attention Persistence

  1. 6.5.1未完成任务与注意保持Unfinished Tasks & Attention Persistence聚焦未闭合状态、任务中断、恢复入口和明确结论，帮助设计草稿、进度保存、提醒和完成反馈。
  2. 6.5.2蔡格尼克效应Zeigarnik Effect未完成或被中断的任务，往往比已经完成的任务更容易被记住。 未闭合状态会形成心理张力，使任务继续占用注意力，直到完成、放弃或获得明确结论。

07

熟悉度与学习

Familiarity & Learning

7.1概览

Overview

  1. 7.1.1熟悉度与学习Familiarity & Learning处理惯例、心智模型、一致性、可学习性和迁移成本。

7.2惯例与心智模型

Conventions & Mental Models

  1. 7.2.1惯例与心智模型Conventions & Mental Models聚焦既有惯例、跨产品一致性、心智模型和学习迁移，帮助判断何时应遵循熟悉模式、何时才值得引入新交互。
  2. 7.2.2雅各布定律Jakob’s Law用户把大部分时间花在其他产品上，因此会把已经形成的习惯和心理模型带到你的产品中。 遵循成熟惯例能降低学习成本；偏离惯例时，需要有足够清楚的价值和引导。

08

时间与系统反馈

Time & System Feedback

8.1概览

Overview

  1. 8.1.1时间与系统反馈Time & System Feedback处理响应时间、等待、反馈、任务边界和时间预期。

8.2任务边界与时间预期

Task Boundaries & Time Expectations

  1. 8.2.1任务边界与时间预期Task Boundaries & Time Expectations聚焦任务范围、时间预期、进度反馈和结束条件，帮助识别无边界任务、反馈缺失与时间预算失控的问题。
  2. 8.2.2帕金森定律Parkinson’s Law任务往往会膨胀，直到占满所有可用时间。 在产品设计中，流程长度、等待方式和开放式任务会影响用户实际投入；明确边界与自动化可以减少无意义的时间扩张。

8.3响应速度与即时反馈

Response Speed & Immediate Feedback

  1. 8.3.1响应速度与即时反馈Response Speed & Immediate Feedback聚焦即时响应、等待阈值、进度反馈和后台处理，帮助将性能目标转化为用户可感知的反馈策略。
  2. 8.3.2多尔蒂阈值Doherty Threshold当系统能在大约 400 毫秒内提供响应或明确反馈时，人机交互更容易保持节奏，用户也更愿意继续操作。 重点不是每个任务都必须在 400 毫秒内完成，而是尽快让用户确认系统已收到操作并正在推进。
  3. 8.3.3响应时间三大界限Response Time Limits: 0.1, 1, and 10 Seconds人机交互存在三个常用响应时间参照：约 0.1 秒让操作感觉即时，约 1 秒通常还能维持思路连续，约 10 秒后注意力更容易转移。 这些数字是设计指导，不是所有产品和场景的绝对性能标准。

09

情绪与行为动机

Emotion & Behavioral Motivation

9.1概览

Overview

  1. 9.1.1情绪与行为动机Emotion & Behavioral Motivation处理峰值体验、目标接近感、情绪显著性和行为驱动。

9.2体验记忆与评价形成

Experience Memory & Evaluation

  1. 9.2.1体验记忆与评价形成Experience Memory & Evaluation聚焦峰值体验、负面事件、结束状态与回忆偏差，帮助确定体验设计中最值得优先优化的关键节点。
  2. 9.2.2峰终定律Peak-End Rule人们回忆一段体验时，往往更受其中情绪最强烈的时刻和结束时刻影响，而不是对全过程进行平均。 关键失败、惊喜、等待结束和完成反馈都可能塑造整体记忆。

9.3目标接近与行为坚持

Goal Proximity & Persistence

  1. 9.3.1目标接近与行为坚持Goal Proximity & Persistence聚焦进度可见性、剩余距离、阶段奖励和下一步可完成性，帮助设计持续行动的反馈和激励。
  2. 9.3.2目标梯度效应Goal-Gradient Effect当人们感知自己越来越接近目标时，投入的努力和继续完成任务的动机通常会增强。 关键在于“可感知的距离”：用户需要知道自己已经走了多远、还剩什么，以及下一步是否可完成。

9.4审美评价与主观可用性

Aesthetic Evaluation & Perceived Usability

  1. 9.4.1审美评价与主观可用性Aesthetic Evaluation & Perceived Usability聚焦第一印象、视觉品质和主观容忍度，帮助区分感知层面的易用评价与真实可用性、性能和无障碍。
  2. 9.4.2美即好用效应Aesthetic-Usability Effect用户往往会把视觉上更美观的设计感知为更易用，并对轻微可用性问题表现出更高容忍度。 美感会影响第一印象和主观评价，但不能替代真实的可用性、性能与无障碍。

10

数据库设计入门

Database Design Foundations

10.1学习导览

Learning guide

  1. 10.1.1数据库设计Database Design研究如何把真实问题中的对象、属性和关系组织成可靠、可查询、可维护的数据结构。

10.2基础概念

Foundations

  1. 10.2.1数据库与数据库管理系统Database and DBMS数据库是有组织的数据集合；数据库管理系统（DBMS）是负责定义、存储、查询、更新、授权和保护这些数据的软件。
  2. 10.2.2关系模型Relational Model关系模型用关系（通常呈现为表）组织数据，用行表示元组，用列表示属性，并通过键和约束表达关联与规则。
  3. 10.2.3表、行、列与记录Tables, Rows, Columns and Records表是同类事实的集合，行或记录是一条事实，列是这类事实的属性，单元格是某条事实在某个属性上的值。
  4. 10.2.4主键与候选键Primary and Candidate Keys候选键是能唯一识别一行且不可再缩减的属性组合；从候选键中选作主要标识的称为主键。
  5. 10.2.5外键与引用完整性Foreign Keys and Referential Integrity外键是引用另一张表候选键或主键的字段；引用完整性要求这个引用指向一个存在且允许被引用的目标。

10.3关系建模

Relational modeling

  1. 10.3.1实体、属性与关系Entities, Attributes and Relationships实体是需要被识别的对象或概念，属性描述实体，关系描述实体之间发生的联系或事实。
  2. 10.3.2一对一、一对多与多对多Cardinality and Relationship Types关系基数描述一侧实体与另一侧实体可以关联多少个实例，常见类型是一对一、一对多和多对多。
  3. 10.3.3ER 图Entity–Relationship DiagramER 图是描述实体、属性、关系及其基数的建模图示，用于在实现数据库前检查结构和含义。
  4. 10.3.4多对多关系如何拆成中间表Junction Tables中间表是把多对多关系拆成两条一对多关系的表，每一行表示一对实体之间的一次关联。

10.4设计落地

Design implementation

  1. 10.4.1数据库设计流程Database Design Process数据库设计流程是把业务需求逐步转成概念模型、关系表、约束和可验证查询的过程。
  2. 10.4.2规范化与反规范化Normalization and Denormalization规范化是通过拆分表和明确依赖来减少不必要重复与更新异常；反规范化是在有明确读写权衡时主动保留部分重复。
  3. 10.4.3约束与数据完整性Constraints and Data Integrity约束是数据库强制执行的数据规则；数据完整性是数据在结构、引用、取值和业务事实上的正确性与一致性。
  4. 10.4.4基础 SQL 与 CRUDBasic SQL and CRUDSQL 是操作关系型数据的声明式语言；CRUD 分别指创建、读取、更新和删除数据。

10.5图谱与图数据库

Graphs & graph databases

  1. 10.5.1ER 图、知识图谱和图数据库的区别ER Diagrams, Knowledge Graphs and Graph DatabasesER 图是关系数据库的设计图示，知识图谱是以实体和关系表达知识的表示方式，图数据库是存储和查询图结构数据的数据库系统。
  2. 10.5.2知识图谱Knowledge Graph知识图谱以实体、关系、属性和来源等结构表达可连接、可追溯的知识事实。
  3. 10.5.3图数据库Graph Database图数据库是以节点、边和属性为核心数据结构，并针对关系遍历和图查询进行存储与执行优化的数据库系统。
  4. 10.5.4关系型数据库与图数据库如何选择Choosing Relational or Graph Databases数据库选择应根据数据结构、主要查询、完整性要求、事务边界、团队生态和运维成本做权衡，而不是根据流行程度决定。

10.6综合案例

Capstone case

  1. 10.6.1图书馆数据库设计案例Library Database Design Case通过图书、作者、会员和借阅需求，完整演示从粒度、实体、关系和 ER 图到 SQLite DDL 与典型查询的数据库设计过程。

11

设计原则

Design principles

11.1设计原则

Design Principle

  1. 11.1.1ConstraintsConstraints通过限制不可用、危险或不合逻辑的操作，缩小可能动作范围。
  2. 11.1.2FeedbackFeedback系统应及时、明确地回应用户操作，并说明结果、状态或下一步。
  3. 11.1.3Law of ProximityLaw of Proximity在其他条件相近时，空间上彼此接近的元素更容易被感知为同一组。
  4. 11.1.4Unity & VarietyUnity & Variety在共同设计语言中保留必要变化，使整体既连贯又能表达差异。
  5. 11.1.5ConsistencyConsistency相同含义、对象和操作在产品内外采用稳定的表达与行为。
  6. 11.1.6Error ToleranceError Tolerance系统应预防可预见错误，并允许用户发现、理解、撤销或恢复。
  7. 11.1.7Law of SimilarityLaw of Similarity外观相似的元素更容易被感知为彼此相关、属于同一组或具有相同功能。
  8. 11.1.8Law of Uniform ConnectednessLaw of Uniform Connectedness被视觉连接的元素，比没有连接的元素更容易被感知为同一组。
  9. 11.1.9MappingMapping控件的布局、方向和变化方式应与它所控制的对象或结果形成自然对应。
  10. 11.1.10RepetitionRepetition重复使用视觉形式、间距、组件和行为规则，建立可识别的系统。
  11. 11.1.11Law of Common RegionLaw of Common Region位于同一清晰边界或背景区域内的元素，倾向于被感知为同一组。
  12. 11.1.12VisibilityVisibility重要对象、操作、系统状态和可用路径应在需要时可见或容易发现。
  13. 11.1.13AffordanceAffordance对象的形态和呈现应支持并暗示用户可以采取的操作。
  14. 11.1.14Law of ContinuityLaw of Continuity人们倾向于把沿平滑路径或共同方向排列的元素感知为连续关系。
  15. 11.1.15RhythmRhythm通过元素和间隔有规律的重复与变化，形成视觉流动和阅读节拍。
  16. 11.1.16EmphasisEmphasis通过受控差异让特定内容或操作成为视觉焦点。
  17. 11.1.17AlignmentAlignment让元素沿共同的边缘、中心线、基线或网格建立可感知的视觉关系。
  18. 11.1.18ContrastContrast通过颜色、明度、尺寸、字重、形状、空间或运动差异，使元素之间产生清楚区分。
  19. 11.1.19Visual HierarchyVisual Hierarchy通过位置、尺寸、字重、间距和视觉显著性，表达信息的重要程度与阅读顺序。
  20. 11.1.20Law of ClosureLaw of Closure当视觉信息不完整时，人们会倾向于补全缺失部分，形成完整而稳定的形状。
  21. 11.1.21White SpaceWhite Space利用元素之间未被占用的空间建立分组、层级、呼吸感和焦点。
  22. 11.1.22BalanceBalance让视觉重量在构图中形成稳定关系，可表现为对称、不对称或放射式平衡。
  23. 11.1.23Figure–GroundFigure–Ground视觉系统会把场景区分为关注对象与承载它的背景，并在两者之间分配注意。
  24. 11.1.24Scale & ProportionScale & Proportion利用元素相对尺寸和整体比例表达重要性、关系、节奏与使用条件。
  25. 11.1.25Primitive values only at L1Primitive values only at L1只有 L1 Global / Primitive 层允许保存原始颜色、尺寸、字号、时长和缓动值；上层只能引用或组合这些基础值。
  26. 11.1.26Semantic indirectionSemantic indirection组件不直接消费基础值，而是消费表达设计意图的 Semantic Token。
  27. 11.1.27Component contract stabilityComponent contract stabilityL3 Component Token 表达组件稳定的槽位契约，而不是某个页面的临时样式。
  28. 11.1.28State completenessState completeness每个可交互组件必须明确记录 Default、Hover、Active、Focus、Disabled、Invalid 等适用状态。
  29. 11.1.29One-way inheritanceOne-way inheritanceToken 只能从更具体层指向更通用层，继承链默认遵循 L4 → L3 → L2 → L1，不形成循环。
  30. 11.1.30No direct component-to-global referenceNo direct component-to-global reference组件只能通过 L3/L4 契约消费 Token，不直接绑定 L1 Global Token。
  31. 11.1.31No duplicated semantic meaningNo duplicated semantic meaning同一设计意图只保留一个主 Semantic Role，组件和状态通过引用复用，不以不同名字复制相同含义。

12

认知与系统机制

Cognitive & system mechanisms

12.1认知与行为机制

Cognitive & Behavioral Mechanism

  1. 12.1.1注意Attention
  2. 12.1.2感知Perception
  3. 12.1.3理解Understanding
  4. 12.1.4记忆Memory
  5. 12.1.5判断Judgment
  6. 12.1.6情绪Emotion
  7. 12.1.7动机Motivation
  8. 12.1.8行为Behavior
  9. 12.1.9反馈Feedback

12.2系统机制 L1 分类

System Mechanism L1 · Category

  1. 12.2.1成长与留存Progression & Retention为什么用户使用越久越愿意继续？
  2. 12.2.2奖励机制Reward用户完成行为后为什么觉得值得？
  3. 12.2.3循环结构Loop Structure产品通过哪些循环让用户持续使用？
  4. 12.2.4循环时间尺度Loop Timescale不同时间尺度下用户为什么继续？
  5. 12.2.5循环组件Loop Components一个完整的行为循环由什么组成？
  6. 12.2.6用户动机Motivation用户为什么愿意采取行动？

12.3系统机制 L2 概念

System Mechanism L2 · Concept

  1. 12.3.1表达型动机Expression驱动创作与个性化
  2. 12.3.2不确定奖励Variable Reward增强期待和探索欲
  3. 12.3.3成就系统Achievement System强化特殊行为
  4. 12.3.4成就型动机Achievement驱动目标型行为
  5. 12.3.5成长奖励Progress Reward强化长期行为
  6. 12.3.6触发器Trigger启动一次行为循环
  7. 12.3.7传播循环Viral Loop用户驱动拉新
  8. 12.3.8创作循环Creation Loop提高内容生产频率
  9. 12.3.9单次会话循环Session Loop设计完整单次体验
  10. 12.3.10动机Motivation提供行动动力
  11. 12.3.11功利型动机Utility驱动工具类产品使用
  12. 12.3.12功能奖励Functional Reward提供实际功能价值
  13. 12.3.13核心使用循环Core Usage Loop定义产品核心价值与核心行为
  14. 12.3.14回流机制Return System提高回访率
  15. 12.3.15即时反馈Feedback建立行为与结果的联系
  16. 12.3.16即时循环Micro Loop优化秒级交互体验
  17. 12.3.17奖励Reward强化行为
  18. 12.3.18解锁系统Unlock System制造长期期待
  19. 12.3.19进度Progress提供持续动力
  20. 12.3.20进度系统Progress System可视化成长
  21. 12.3.21经济奖励Economic Reward商业与平台激励
  22. 12.3.22经济循环Economy Loop设计虚拟经济与资源系统
  23. 12.3.23竞争型动机Competition驱动竞争行为
  24. 12.3.24里程碑系统Milestone System制造阶段性成就感
  25. 12.3.25连续机制Streak System建立连续使用
  26. 12.3.26留存循环Retention Loop提升持续使用与留存
  27. 12.3.27每日循环Daily Loop建立日常使用习惯
  28. 12.3.28每月循环Monthly Loop构建月度成长节奏
  29. 12.3.29每周循环Weekly Loop构建周节奏
  30. 12.3.30目标系统Goal System给行为提供方向
  31. 12.3.31内容奖励Content Reward驱动内容消费
  32. 12.3.32内容循环Content Loop构建持续运转的内容生态
  33. 12.3.33期待Anticipation制造下一轮动力
  34. 12.3.34情绪奖励Emotional Reward提供愉悦、安心、放松等价值
  35. 12.3.35确定奖励Certain Reward建立稳定预期
  36. 12.3.36认可型动机Recognition驱动展示与参与
  37. 12.3.37社交奖励Social Reward强化社交行为
  38. 12.3.38社交型动机Social驱动社交行为
  39. 12.3.39社交循环Social Loop增加关系与互动密度
  40. 12.3.40身份型动机Identity建立长期忠诚
  41. 12.3.41声誉系统Reputation System建立身份与地位
  42. 12.3.42收藏机制Collection System增加长期目标
  43. 12.3.43收集型动机Collection驱动持续收集
  44. 12.3.44收集循环Collection Loop驱动探索与长期目标
  45. 12.3.45数据循环Data Loop驱动 AI、推荐与个性化
  46. 12.3.46探索型动机Exploration驱动探索与发现
  47. 12.3.47投入机制Investment System提高沉没价值和留存
  48. 12.3.48习惯循环Habit Loop培养稳定使用习惯
  49. 12.3.49行动前阶段Pre-action分析行为发生前的条件
  50. 12.3.50行为Action定义并优化核心行为
  51. 12.3.51行为阻力Friction降低行动门槛
  52. 12.3.52学习循环Learning Loop教育、训练与技能型产品
  53. 12.3.53用户投入Investment提高未来价值与长期留存
  54. 12.3.54娱乐型动机Entertainment娱乐和内容消费
  55. 12.3.55元循环Meta Loop连接短期体验和长期目标
  56. 12.3.56再进入Re-entry把单次行为连接成长期循环
  57. 12.3.57增长循环Growth Loop构建可持续增长机制
  58. 12.3.58长期循环Long-term Loop建立长期生命周期
  59. 12.3.59掌握型动机Mastery驱动长期学习和练习
  60. 12.3.60自主型动机Autonomy提高自主感

13

邻接学科

Adjacent disciplines

13.1邻接学科

Adjacent Discipline

  1. 13.1.1心理学Psychology
  2. 13.1.2认知科学Cognitive Science
  3. 13.1.3人因Human Factors
  4. 13.1.4符号学Semiotics
  5. 13.1.5系统论Systems Thinking
  6. 13.1.6行为经济学Behavioral Economics