第 6 章 · 第 42 讲 · 15:56
很多 AI 功能的低使用率，复盘时被归因成「用户教育不够」，于是再做一轮引导弹窗，结果还是没人用。
真正的原因常常是用户在防御——他看懂了你的功能，然后决定不碰。
教育解决「看不懂」，解决不了「不敢碰」。
本集覆盖三件不写在需求文档里、也不出现在埋点里、却决定用户会不会来第二次的事：
它们的共同难点：用户不会告诉你他在防，只会说「不太好用」，然后再也不打开。
| 层级 | 能力 | 具体表现 | 验证方式 |
|---|---|---|---|
| L1 诊断防御 | 三轴排查 | 低使用率时先查数据 / 能力 / 责任三轴 | 能说出每轴的潜台词与出处 |
| L2 化解防御 | 三板斧 | 控制感、可逆性、透明落成界面改动 | 把防御指数压到 40 以下 |
| L3 识别错配 | 四本说明书 | 从差评反推用户拿的是哪一本 | 四段对话找茬全对 |
| L4 纠正心智 | 三手段 | 空状态改教室、记忆外显、边界前置 | 三处改造都能见效 |
| L5 管理拟人 | 拨档位 | 按任务严肃度 / 出错代价选档 | 五类产品对号入座 |
| L6 危机沟通 | 道歉三要素 | 认错 + 解释 + 可验证补救 | 装配器把消气度拉满 |
能力依赖关系：L1 诊断错了，L2 的三板斧就打偏（给数据防御用户上可逆性，等于白做）；L5 与 L6 是配套的——档位定错了，道歉再标准也会被当成更重的背叛。
这是本集最省钱的一条结论。看到某个 AI 功能没人用，先问「用户看懂了之后为什么还是不碰」，而不是「怎么再教育一轮」。教育只在诊断确实是「看不懂」时才对症。
| 防御类型 | 用户心里的潜台词 | 出处 | 高发场景 |
|---|---|---|---|
| 数据防御 | 「这份合同传上去，会去哪？会被拿去训练吗？」 | 隐私计算，Dinev & Hart (2006) | 合同、财报、客户名单等高价值场景 |
| 能力防御 | 「用 AI 写方案被发现了，老板会不会觉得我没本事？」 | 印象管理，Goffman (1959) | 内部工具（头号杀手） |
| 责任防御 | 「AI 写的报告数字错了，锅算谁的？」 | 责任沟，Matthias (2004) | 有签字 / 问责环节的流程 |
数据防御的吊诡之处：AI 恰恰在高价值场景才最值钱，数据防御直接卡住了产品价值的兑现。训练开关其实存在，但用户不知道——不知道，就按最坏情况设防。
能力防御不会说出口：只表现为「试了一下，不太好用」。员工把「用 AI」解读成「承认自己可被替代」，把使用数据解读成绩效监控。
责任防御是理性行为：用 AI 省 2 小时，出错背整口锅，期望收益为负——不用是对的。解法是把人签字的环节留在流程里（HITL），谁确认、谁负责写清楚。
防御还有一个麻烦的性质：它不写在脸上。你在问卷里问为什么不用，得到的答案多半是「没时间」「用不上」，而真实原因躺在三轴里的某一根上。
| 板斧 | 原理 | 实验 / 出处 | 界面落地 |
|---|---|---|---|
| 控制感 | 方向盘在自己手里，人就敢开快车 | Averill (1973)；Glass & Singer (1972) 可控噪音实验 | AI 建议、用户拍板 |
| 可逆性 | 不可逆才需要勇气，可逆只需要好奇心 | Shneiderman 界面设计黄金法则 | 默认草稿态 + 可撤销 |
| 透明 | 说清风险反而降低感知风险 | 隐私计算模型，Dinev & Hart (2006) | 数据去向一句人话 + 可验证状态 |
两组被试处在同样的噪音环境下，唯一差别是其中一组手边有个停止按钮。结果：有按钮的那组压力更小、任务表现更好，而那个按钮几乎没有人真的按下去。
这就是控制感的本质——用户要的不是「真的控制」，而是「随时能控制」的权利感。但请注意下一节的陷阱。
把尝试的门槛从勇气降到好奇心。课程里的教具让 AI 批量改 30 个文件名：先给草稿预览（还没动真实文件），应用后提示「30 秒内可撤销」。留意的不是结果，而是你自己点「应用」之前犹豫了多久。
你是 AI 客服的产品负责人，人工坐席很贵，你怕用户都跑去找真人。「转人工」按钮放哪？
| 方案 | 做法 | 结果 |
|---|---|---|
| A · 出口摆在明面 | 开场就说「右上角随时可以转人工」 | 转人工率更低，满意度更高 |
| B · 出口藏进三级菜单 | 更多 > 帮助与反馈 > 其他问题 | 转人工率更高，满意度更低 |
为什么：用户知道随时能走人，反而愿意先跟机器人聊几句——这一步的试错成本变成了零。把出口藏起来，用户感觉自己被关在一个不知道有没有门的房间里，第一反应就是砸门。
控制感必须给真的。假开关的原型是城市里大量不接线的过街按钮和电梯关门键——按下去什么都没发生，但人确实感觉好一点（控制错觉，Langer 1975）。
短期有效，一旦被识破，防御反弹得更高。
课程里三个高防御设计改造练习，每个都埋了一个看着像解药的安慰剂，其中一个还是货真价实的假开关——选了它，防御指数不降反升。
防御这件事骗不过去，只认真实的控制、真实的可撤销、真实的透明。
心智模型（Craik 1943 提出，Norman 在《设计心理学》中带入产品设计）：用户带着一套「这东西应该怎么运作」的假设来用产品，假设错了，操作就错，然后差评打给产品。
AI 是人类历史上第一个「长得像老产品、内核两样」的东西，心智错配格外严重。
| # | 错误说明书 | 用户预期 | 现实 | 典型差评 |
|---|---|---|---|---|
| ① | 当搜索引擎用 | 结果有出处、信息实时 | 凭记忆回答、知识有截止日、没有链接 | 「给我的链接点不开」「查个今天的新闻都不会」 |
| ② | 当数据库用 | 问什么查什么，查不到会说没有 | 概率补全，查不到会现编一个像样的答案 | 「问我们公司 Q3 营收，它张口就报了个数」 |
| ③ | 当会学习的学徒用 | 说过一次就记住，越用越懂我 | 参数冻结，新会话即失忆 | 「跟它说过八百遍别用表格，转头就忘」 |
| ④ | 当计算器用 | 数字运算天经地义是对的 | 按 Token 概率生成数字，长算式常错 | 「37 个数求和都能错」 |
诊断优先于修复：看到差评先别急着改模型，先认出用户手里拿的是哪一本。
心智模型没法靠说明文档纠正，没人读。只能在使用路径上见缝插针地教。
① 把空状态改成教室
新会话的空白首屏是第一个现场——用户还没打出第一个字，说明书还没翻开。别写欢迎语，放三条示范正确问法的示例（叠加 Cialdini《影响力》的社会认同：别人都这么问，我也这么问）。
② 让用户亲眼看到「已记住」
| A 版 | B 版 | |
|---|---|---|
| 当下 | 「好的。」 | 「已记入偏好：避免表格」 |
| 三天后新会话 | 照样甩出一张表格 | 主动按偏好用分条陈述 |
差别不在模型记不记得住，在于记忆有没有做成能看、能删的界面实物。对应 Nielsen 十大可用性启发式第一条「系统状态可见」——看不见的状态，等于没有。
③ 边界声明抢在出错前面
同一个汇率问题、同一个知识截止日，两版回答的边界内容一字不差，差别只在什么时候说：
计算器说明书是同款药方：求和、统计、日期计算，路由给代码解释器执行，界面标注「已用代码计算」。错误率压下去的同时，用户也看明白了——AI 靠谱的方式是调工具。
Reeves & Nass《The Media Equation》(1996)：人会不由自主地对电脑讲礼貌、被电脑夸了会开心，明知对面是机器也照样套用社交规则。
礼貌实验：被试在电脑 A 上完成任务后要给 A 打分。一组就在 A 上填问卷，另一组被带到电脑 B 上填同一份问卷。结果——在 A 上填的那组分数明显更高，因为当着人家的面不好意思说坏话。
底层判断：用户必然把 AI 当某种人，你只能选档位，没法退出。
| 档位 | 特征 |
|---|---|
| 第 0 档 | 无人格工具 |
| 第 1 档 | 礼貌助手 |
| 第 2 档 | 有名字的伙伴 |
| 第 3 档 | 情感陪伴 |
拖滑块时会看到两根仪表同步上涨：用户期望值 与 伦理风险值。
同一个错误在不同档位下杀伤力完全不同——无人格工具报错，用户皱一下眉；有名字的伙伴报错，用户觉得被辜负。
账单：档位每高一格，期望和伦理风险跟着涨，同样的错误会被当成更重的背叛。
涨期望的同时也在积累背叛感。过度拟人还会触发恐怖谷（森政弘 Mori, 1970）——好感在某个点突然掉头向下。拟人度不是越高越好，是要跟任务的严肃度匹配。
场景：报销助手把差旅报销总额多算了 800 元，被财务打回，用户回来质问。
| 风格 | 文案 | 点评 |
|---|---|---|
| 甩锅型 | 「这可能与您提供的发票图片清晰度有关，建议重新上传」 | 第一句就把责任推给用户。就算图片真模糊，正确做法也是识别时就提示置信度低 |
| 抒情型 | 「真的非常非常抱歉！都怪我太粗心了…您能原谅我吗？」 | 情绪拉满，信息为零。用户要的是修正错误，收到的是一场表演（恐怖谷发作） |
| 机械型 | 「非常抱歉给您带来不便，我们高度重视…持续优化」 | 三句话没有一个字回应「哪错了、为什么错、现在怎么办」 |
| 三要素型 | 「这笔算错了：10 月 14 日的住宿发票 1,600 元被重复计入，导致总额多了 800 元。已生成修正后的报销单（总额 6,420 元），并重新核对了其余 11 张发票，无其他问题。点击查看修正明细。」 | 承认具体错误、说明原因、给出可验证的补救 |
三要素 = 认具体的错（哪张票、错多少、责任在谁）+ 一句话说清原因 + 可验证的补救动作。
注意最后那句「重新核对了其余 11 张发票」：一次错误会让用户怀疑既往输出，主动复查再报告，把怀疑圈住了。
课程里三要素做成了三个开关——缺任何一个，消气度都上不去；缺两个基本等于没道歉。
McCollough & Bharadwaj (1992)：经历过「出错、然后被漂亮解决」的客户，忠诚度常常超过从没遇到问题的客户——因为他亲眼验证过这个系统兜得住底。
对天生会犯错的 AI 产品，这几乎是量身定制的好消息。但有个硬前提：
同一个坑只能掉一次。
补救本身再出错，或者同一处错误第二次出现，悖论当场失效，用户直接流失。三要素道歉里那句主动复查，就是在给「只掉一次」上保险。
约束一：三板斧不能互换。 给数据防御用户上可逆性，等于白做。必须先诊断对轴，再选板斧。
约束二：控制感有上限。 过度给控制（满屏开关、每步确认）会把工具变成负担。控制感要给在高风险动作上，不是所有动作上。
约束三：可逆性受技术限制。 已发送的消息、已提交的对公付款、已推送给第三方的操作，物理上不可逆。此时只能靠草稿态前置，不能承诺撤销。
约束四：透明不等于全盘托出。 说清数据去向是透明，把模型架构、供应商名单、内部阈值全抖出来不是。透明的目标是降低不确定性成本，不是信息披露竞赛。
约束五：心智模型纠正见效慢。 空状态示例、记忆外显都是长期功夫，不会在下一版本的数据里看到跳变。短期指标上看不出效果，不等于没用。
约束六：服务补救悖论的前提很硬。 它只在同一处错误不重复出现时成立。在产品还没建立「只掉一次」的机制之前，不要指望靠道歉拉忠诚。
约束七：拟人档位会随场景漂移。 同一个产品在客服场景用低档、在陪伴场景用高档是合理的，但要避免同一会话内档位跳变——那会让用户觉得人格分裂。
修得漂亮比不出错更涨忠诚，同时给「同一个坑只掉一次」上好保险。每一次被用户抓住的错误，都是一次免费的信任表演机会——前提是你能接住。
这三件事都不写在需求文档里，但用户每一次打开和关闭，都是在为它们投票。
来源：xueai.miyang.cn（小山学堂 · 洛小山）
本页内容改编自小山学堂《学 AI 产品，从入门到精通》，为二次演绎配音版。理论出处：CASA 范式与礼貌实验见 Reeves & Nass《The Media Equation》(1996)；心智模型见 Craik (1943) 与 Norman《设计心理学》；服务补救悖论见 McCollough & Bharadwaj (1992)；恐怖谷假说见 Mori (1970)。