iantype.com
视图

DesignInputs设计前置

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

Value & outcomes

价值与结果

1.1Design Value Framework

设计价值框架

  1. 1.1.1Opportunity Discovery发现新机会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. 1.1.2Support Cost Reduction降低客服成本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. 1.1.3Sense of Control可控感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. 1.1.4Clarity清晰度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. 1.1.5Efficiency使用效率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. 1.1.6Retention提高留存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. 1.1.7Conversion提高转化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. 1.1.8Accessibility提升可访问性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. 1.1.9Consistency提升一致性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. 1.1.10Trust信任感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。

1.2Value Criterion

价值标准

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

1.3Value Outcome

价值结果

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

02

Cognitive Load & Complexity

复杂度与认知负担

2.1Overview

概览

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

2.2Working Memory & Information Capacity

工作记忆与信息容量

  1. 2.2.1Working Memory & Information Capacity工作记忆与信息容量聚焦工作记忆容量、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. 2.2.2Miller’s Law米勒定律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。

2.3Complexity Allocation & System Burden

复杂性分配与系统负担

  1. 2.3.1Complexity Allocation & System Burden复杂性分配与系统负担聚焦任务复杂性、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. 2.3.2Tesler’s Law (Law of Conservation of Complexity)特斯勒定律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。

2.4Cognitive Load & Information Processing

认知负荷与信息加工

  1. 2.4.1Cognitive Load & Information Processing认知负荷与信息加工聚焦内在负荷、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. 2.4.2Cognitive Load Theory认知负荷理论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。

2.5Simplification & Complexity Control

简化与复杂度控制

  1. 2.5.1Simplification & Complexity Control简化与复杂度控制聚焦假设数量、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. 2.5.2Occam’s Razor奥卡姆剃刀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

Perception & Visual Organization

感知与视觉组织

3.1Overview

概览

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

04

Choice & Decision Making

选择与决策

4.1Overview

概览

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

4.2Choice Cost & Decision Burden

选择成本与决策负担

  1. 4.2.1Choice Cost & Decision Burden选择成本与决策负担聚焦选择数量、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. 4.2.2Hick’s Law (Hick–Hyman Law)希克定律当选择的数量增加、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。

4.3Defaults & Choice Architecture

默认与选择架构

  1. 4.3.1Defaults & Choice Architecture默认与选择架构聚焦默认值、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. 4.3.2Default Effect默认效应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。

4.4Choice Overload & Comparison Cost

选择过载与比较成本

  1. 4.4.1Choice Overload & Comparison Cost选择过载与比较成本聚焦选项数量、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. 4.4.2Choice Overload (Overchoice)选择过载效应当选项数量过多、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。

4.5Loss & Risk Perception

损失与风险感知

  1. 4.5.1Loss & Risk Perception损失与风险感知聚焦损失、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. 4.5.2Loss Aversion损失厌恶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。

4.6Reference Points & Judgment Bias

参考点与判断偏移

  1. 4.6.1Reference Points & Judgment Bias参考点与判断偏移聚焦价格、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. 4.6.2Anchoring Effect锚定效应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

Action & Target Acquisition

操作与目标获取

5.1Overview

概览

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

5.2Target Acquisition & Path Control

目标获取与路径控制

  1. 5.2.1Target Acquisition & Path Control目标获取与路径控制聚焦目标大小、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. 5.2.2Steering Law (Accot–Zhai Steering Law)操纵定律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. 5.2.3Fitts’s Law费茨定律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

Attention & Memory

注意力与记忆

6.1Overview

概览

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

6.2Salience & Isolation

注意显著性与隔离

  1. 6.2.1Salience & Isolation注意显著性与隔离聚焦视觉、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. 6.2.2Von Restorff Effect (Isolation Effect)冯·雷斯托夫效应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。

6.3Recognition, Recall & Information Visibility

识别、回忆与信息可见性

  1. 6.3.1Recognition, Recall & Information Visibility识别、回忆与信息可见性聚焦可见选项、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. 6.3.2Recognition Rather Than Recall识别而非回忆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。

6.4Serial Position & Information Ordering

序列位置与信息排序

  1. 6.4.1Serial Position & Information Ordering序列位置与信息排序聚焦首因、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. 6.4.2Serial Position Effect系列位置效应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。

6.5Unfinished Tasks & Attention Persistence

未完成任务与注意保持

  1. 6.5.1Unfinished Tasks & Attention Persistence未完成任务与注意保持聚焦未闭合状态、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. 6.5.2Zeigarnik Effect蔡格尼克效应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

Familiarity & Learning

熟悉度与学习

7.1Overview

概览

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

7.2Conventions & Mental Models

惯例与心智模型

  1. 7.2.1Conventions & Mental Models惯例与心智模型聚焦既有惯例、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. 7.2.2Jakob’s Law雅各布定律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

Time & System Feedback

时间与系统反馈

8.1Overview

概览

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

8.2Task Boundaries & Time Expectations

任务边界与时间预期

  1. 8.2.1Task Boundaries & Time Expectations任务边界与时间预期聚焦任务范围、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. 8.2.2Parkinson’s Law帕金森定律任务往往会膨胀，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。

8.3Response Speed & Immediate Feedback

响应速度与即时反馈

  1. 8.3.1Response Speed & Immediate Feedback响应速度与即时反馈聚焦即时响应、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. 8.3.2Doherty Threshold多尔蒂阈值当系统能在大约 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. 8.3.3Response Time Limits: 0.1, 1, and 10 Seconds响应时间三大界限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

Emotion & Behavioral Motivation

情绪与行为动机

9.1Overview

概览

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

9.2Experience Memory & Evaluation

体验记忆与评价形成

  1. 9.2.1Experience Memory & Evaluation体验记忆与评价形成聚焦峰值体验、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. 9.2.2Peak-End Rule峰终定律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。

9.3Goal Proximity & Persistence

目标接近与行为坚持

  1. 9.3.1Goal Proximity & Persistence目标接近与行为坚持聚焦进度可见性、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. 9.3.2Goal-Gradient Effect目标梯度效应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。

9.4Aesthetic Evaluation & Perceived Usability

审美评价与主观可用性

  1. 9.4.1Aesthetic Evaluation & Perceived Usability审美评价与主观可用性聚焦第一印象、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. 9.4.2Aesthetic-Usability Effect美即好用效应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

Database Design Foundations

数据库设计入门

10.1Learning guide

学习导览

  1. 10.1.1Database Design数据库设计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。

10.2Foundations

基础概念

  1. 10.2.1Database and DBMS数据库与数据库管理系统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. 10.2.2Relational Model关系模型关系模型用关系（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. 10.2.3Tables, Rows, Columns and Records表、行、列与记录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. 10.2.4Primary and Candidate Keys主键与候选键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. 10.2.5Foreign Keys and Referential Integrity外键与引用完整性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。

10.3Relational modeling

关系建模

  1. 10.3.1Entities, Attributes and Relationships实体、属性与关系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. 10.3.2Cardinality and Relationship Types一对一、一对多与多对多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. 10.3.3Entity–Relationship DiagramER 图ER 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. 10.3.4Junction Tables多对多关系如何拆成中间表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。

10.4Design implementation

设计落地

  1. 10.4.1Database Design Process数据库设计流程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. 10.4.2Normalization and Denormalization规范化与反规范化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. 10.4.3Constraints and Data Integrity约束与数据完整性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. 10.4.4Basic SQL and CRUD基础 SQL 与 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。

10.5Graphs & graph databases

图谱与图数据库

  1. 10.5.1ER Diagrams, Knowledge Graphs and Graph DatabasesER 图、知识图谱和图数据库的区别ER 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. 10.5.2Knowledge Graph知识图谱知识图谱以实体、关系、属性和来源等结构表达可连接、可追溯的知识事实。
  3. 10.5.3Graph Database图数据库图数据库是以节点、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. 10.5.4Choosing Relational or Graph Databases关系型数据库与图数据库如何选择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。

10.6Capstone case

综合案例

  1. 10.6.1Library Database Design Case图书馆数据库设计案例通过图书、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

Design principles

设计原则

11.1Design Principle

设计原则

  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

Cognitive & system mechanisms

认知与系统机制

12.1Cognitive & Behavioral Mechanism

认知与行为机制

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

12.2System Mechanism L1 · Category

系统机制 L1 分类

  1. 12.2.1Progression & Retention成长与留存为什么用户使用越久越愿意继续？
  2. 12.2.2Reward奖励机制用户完成行为后为什么觉得值得？
  3. 12.2.3Loop Structure循环结构产品通过哪些循环让用户持续使用？
  4. 12.2.4Loop Timescale循环时间尺度不同时间尺度下用户为什么继续？
  5. 12.2.5Loop Components循环组件一个完整的行为循环由什么组成？
  6. 12.2.6Motivation用户动机用户为什么愿意采取行动？

12.3System Mechanism L2 · Concept

系统机制 L2 概念

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

13

Adjacent disciplines

邻接学科

13.1Adjacent Discipline

邻接学科

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