【产品】设计时可用到的认知偏差与效应

在做产品设计的时候，在根据用户的反馈解决需求基础上，我们要尽力设计出更符合用户体验及自身商业转化的功能；
以下资料均为收集整理所得，斜体字为个人见解；

⼀、决策、信念与⾏为偏差

决策、信念与⾏为偏差这些偏差多半会影响信念的形成、商业与经济决策、以及其他⼀般的⼈类⾏为它们是可复制与再现的，⾯临特定情境时，⼀般可预期⼈们会有相应的偏差倾向。

不明确性效应 Ambiguity Effect

我们倾向于避免未知，决策时避开资讯不⾜的选项，通过添加明确的细节来最⼤程度地减少歧义，从⽽提⾼转化率
示例
CTA 按钮应在其旁边包含信息性标签，以清除不确定性。

锚定效应 Anchoring Effect
⼈类在进⾏决策时，会过度偏重先前取得的资讯（这称为锚点），即使这个资讯与这项决定⽆关。在进⾏决策时，⼈类倾向于利⽤此⽚段资讯（锚点），快速做出决定。
示例
通常被利⽤在消费场景中的认知偏差，通过前后对⽐来放⼤优惠感知，进⽽促进⽤户做出有利于我们的决策。
注意⼒偏差 Attentional Bias
在检查所有可能的结果时，我们倾向于关注⼀些看起来合理且熟悉的事物，从⽽忽略了其他结果。
示例
你是否发布过⼀项你认为会造成意外后果的功能，然后你就只盯着这个后果？
获得性启发 Availability Heuristic
我们认为那些迅速跃⼊脑海的事情⽐那些不容易想起的事情更为常⻅和重要。因此，最近发⽣的、频繁发⽣的、极端的、被记住的事情⽐⼤多数信息更有影响⼒。
示例
通过创建⼀些与众不同的东⻄（在不影响⼀致性和熟悉度的情况下）让你的设计被记住。
可获性层叠 Availability Heuristic
这个⼼理效应有⼀个更简单的描述，叫做三⼈成⻁，也就是⼀件事越常被公开谈论，⼈们就越相信这件事。
示例
创建⼀个醒⽬的标语，并确保重复多次。如果可能，这个标语以押韵结尾会更好。
逆⽕效应 Backfire Effect
我们不能轻易改变⼈们的信念：与根深蒂固的信念相反的证据和论据⽆济于事，只会巩固信念的地位。
示例
通过情感辩论来影响他⼈的⾏为，不要尝试直接改变他们的信念。
从众效应 Bandwagon Effect
我们经常会因为⼤多数⼈以同⼀种⽅式思考，⽽改变我们⾃⼰的想法。
示例
我们在设计中可以营造出⼀种群体选择的效果来吸引更多的⽤户，通过展示购买⼈数和滚动播放购买信息来体现出该商品的热⻔，让正在犹豫的⽤户「随⼤流」下单购买。
信念偏差 Belief Bias
我们更倾向于接受与我们的先验知识相符的论点，⽽拒绝对该论点的反驳。
示例
谈论产品的好处时，不要夸⼤其词。如果它好到让⼈⽆法相信，那么⼈们将不会相信它。
选择⽀持偏差 Choice-Supportive Bias
做出决定后，我们倾向于称赞我们选择的选项，然后降级其他选项。
示例
在⽤户做出购买决定并成功达成交易之后，是⽤户分享产品（或添加评论）的绝佳时机；显示肯定的信息，并祝贺他们达成了这⼀步骤以激励⽤户。
确认偏差 Confirmation Bias
当⼈们本来就持有某种观点时，对这种观点的感知和注意度会被放⼤，会选择性地回忆或收集关于它的事例。⼈们对于⾃⼰原本就相信的观点会更容易接受，⽽把反⾯观点搁置在⼀旁。
示例
在⽤户研究中，当你的预设想法是⽤户对A设计的满意度⽐B设计更⾼时，在研究中你可能会更关注⽤户提到的A设计的优点、收集更多⽤户对于A设计的正⾯评价。当⽤户表示对A设计满意时，会觉得“果然是这样”。这种偏误会让你遗漏许多其它信息。
11 知识的诅咒 Curse of Knowledge
当我们是某个领域的专家时，会不知不觉假设其他⼈和我们具有相同的理解能⼒，尤其是对于专业术语的使⽤。
示例
考虑⼀下⼤多数⽤户，他们的技术⽔平可能不如你想象的那样，并且对你熟悉的事物也不太熟悉。
诱饵效应 Decoy Effect
引⼊第三个选项來加强旧选项的吸引⼒。
示例
假设有产品 A 和 B，以下是顾客可以选择的选项：
(### ¥100 - A
(2) ¥300 - B
(3) ¥300 - A + B
在这个情景，（2）是“诱饵”，⽤来引导顾客选择“⽬标选项”（3）
差异偏差 Distinction Bias
在有⽐较项存在的时候，我们对微⼩的差异变得敏感，⽽实际上，这些差异并不是很⼤。
示例
在竞争对⼿旁边展示你的产品优势，以便⽤户注意到差异，即使是⼀个很⼩的差异。
禀赋效应 Endowment Effect
和没有拥有的物品相⽐，⽤户更倾向于保留⾃⼰拥有的物品。他们倾向于⾼估⾃⼰拥有的东⻄，⽽忽略其客观的市场价值。
示例
禀赋效应是损失规避（loss aversion）的⼀种表现形式，免费试⽤是禀赋效应的最常⻅⽤法。⼀旦⽤户开始使⽤某种产品并投⼊了⼀段时间，那么在试⽤期结束时，他们很难放⼿⽽停⽌使⽤。当⽤户准备离开时，他们会觉得⾃⼰即将失去很多美好的事物
功能固着 Functional Fixedness
指个体在解决问题时往往只看到某种事物的通常功能，⽽看不到它其他⽅⾯可能有的功能。这是⼈们⻓期以来形成的对某些事物的功能或⽤途的固定看法。
示例
当产品挑战到现有的使⽤传统时，可能会引起⼀些可⽤性挑战。请确保进⾏可⽤性测试，并尝试提前解决这些潜在的问题。
巴纳姆效应 Barnum Effect
也称佛瑞效应。⼈们会对于他们认为是为⾃⼰量身定做的⼀些⼈格描述给予⾼度准确的评价，⽽这些描述往往⼗分模糊及普遍，以致能够放诸四海皆准适⽤于很多⼈身上。
示例
在产品⽂案中，尽量避免使⽤“⼤家”，“⽤户”等描述，使⽤诸如“你”，“你的”之类的可以更贴近⽤户，⼈们理解规范性信息时，存在⼀种选择性代⼊感，这种代⼊感会让⼈⽆意识地专注于选择贴合⾃⼰认知和经验，从⽽产⽣⼀种“我也是这样”的归属感。
应用最好的可能是星座评价；
框架效应 Framing Effect

框架效应的意义是，⾯对同⼀个的问题，在使⽤不同的描述后，⼈们会选择乍听之下较有利或顺⽿的描述作为⽅案。
示例
在⼤多数情况下，正向表达（例如玻璃杯已满⼀半）的转换率会更⾼。

频率错觉 Frequency Illusion
⾸次引起我们注意后，我们很快就会从很多地⽅注意到相关信息。例如，如果某⼈想购买⼀辆新⻋，通常会突然发现到处都是这辆⻋。
示例
推动⼴告系列时，使访问者在不同的营销渠道中接触相同的内容，让别⼈觉得你的产品周围都是，加深这种新产品的印象。
大数据精准推送就是故意让我们产生这样的错觉；
后⻅之明偏差 Hindsight Bias
后视偏⻅会让⼈沉迷于“我早就预料到了”这种感受当中，⽆法真正从事件中汲取到有⽤的经验，也难以⽤公平的眼光来评判客观事物和他⼈，主观上也很容易选择性地忽略许多客观事实。
示例
后视偏⻅会给⼈带来快感，但也会在⼯作中影响决策的正确性和公平性，从⽽带来潜在⻛险。纠正后视偏⻅的⽅法就是在知道事情结果之前，记录下⾃⼰的想法，事后做验证并统计相关数据
要验证一个功能是否合适，数据埋点分析非常重要；
当下偏差 Current Moment Bias
⼜称现时偏差，⼈们更倾向于获取即时收益，⽽⾮未来的更⼤收益。
示例
为⽤户的⽴即购买提供⼩折扣（或免费送货），⽽⾮承诺他们在将来购买时提供更⼤的折扣。
到手的才是实际的利益，毕竟谁也不喜欢画大饼；
可辨识受害者效应 Identifiable Victim Effect
我们倾向于同情⼀个特定的⼈⽽不是匿名的某⼀个⼈。
示例
在讲产品故事时，请使⽤个体案例，⽽⾮⼀般性陈述。
宜家效应 IKEA Effect
宜家效应是指⼈们倾向于⾼度评价他们参与创造的产品，消费者对于⼀个物品付出的劳动（情感）越多，就越容易⾼估该物品的价值。
示例
利⽤宜家效应提⾼⽤户粘性的核⼼是创造低投⼊、⾼回报、⾼贡献价值的任务，保证⽤户能够完成任务的基础上贡献⾃⼰的价值。在学习场景中我们可以利⽤宜家效应提⾼⽤户粘性，将⽤户留下来坚持学习。

让用户在平台上多留下使用痕迹，引导多付出，那么用户离开的沉没成本变高，忠诚度将提高；
影响⼒偏差 Impact Bias
我们倾向于⾼估未来情绪状态的持续时间或强度。
示例
描绘在没有你的产品或服务下⽤户会遭遇的问题，然后，介绍你的产品会如何解决这些问题。
让用户知道，拥有你的产品和未拥有情况下的对比差距，可适当夸张，利用怕麻烦心理引导用户选择我们的产品
资讯偏差 Information Bias
因测量误差所导致的⼀种偏误现象，有时亦称为观察偏误或分组错误。
示例
在展示产品或服务时（在⽹站上或app内），请确保附有详细说明的照⽚。在产品说明中获得的信息越多，⽤户获得的保证就越⼤。
用户越清晰，越是觉得自己了解的越多，心里会更加有安全感；
沉没成本谬误 Sunk Cost Fallacy
我们在某件事上投⼊越多就越难放弃它。因此，我们往往会继续执⾏这个⾛向失败的⾏动，仅仅是因为我们过去已经在此投⼊了过多的时间、⾦钱或精⼒。
示例
当游戏玩家⽀付了每⽉30元的会员费时，很多⼈会强迫⾃⼰继续玩游戏，因为他们已经在虚拟游戏中投⼊了⼤量时间和⾦钱。
“我是喜欢你，还是喜欢对你好的我自己”
损失趋避 Loss Aversion
指⼈们⾯对同样数量的收益和损失时，认为损失更加令他们难以忍受。损失带来的负效⽤为收益正效⽤的2⾄2.5倍。损失厌恶反映了⼈们的⻛险偏好并不是⼀致的，当涉及的是收益时，⼈们表现为⻛险厌恶；当涉及的是损失时，⼈们则表现为⻛险寻求。
示例
限制特价交易的时间以产⽣紧迫感：“此优惠在x⼩时内结束”。

时间上的紧迫感会促使人快速决策，此时的决策往往更容易受当时的氛围所影响，所以直播卖货成为了新的潮流
单纯接触效应 Mere Exposure Effect
⼈们会单纯因为⾃⼰熟悉某个事物⽽产⽣好感。它表明某⼀外在刺激，仅仅因为呈现的次数越频繁（使个体能够接触到该刺激的机会越多），个体对该刺激将越喜欢。
示例
坚持使⽤⽤户熟悉的 UI 概念、⾏为、术语、符号和图标。在营销材料、⽹站和产品上保持⼀致来优化漏⽃，⽤词保持和⾏业术语⼀致，确保你的⽤户感到舒适。

所以互联网中的一些功能键会放在大家熟悉的位置上，因为用户已经有一些互联网使用习惯了

负⾯偏差 Negativity Bias
相⽐于中性或者积极的事物，具有负⾯影响的事物对⼈们的⼼理影响更⼤。
示例
通过解决负⾯体验来说明你的产品价值，如果希望⾃⼰的故事能够产⽣更⼤的影响,就要尝试多展现情感上负⾯的内容

相比于获得好处，更多的人可能会先看看会产生哪些坏处，因为生存心理影响，大多数情况下更希望保障自己的安全，再去考虑舒适问题
忽略可能性 Neglect of Probability
当我们承受压⼒时，我们没有想到⻛险发⽣的可能性。结果，较⼩的⻛险可能会被⾼估或被忽略。
示例
在转换漏⽃中，最⼩的不确定性可能导致⽤户对产品的不信任并停⽌使⽤。需要确保所有细节均清晰明了并预先显示，尤其是涉及⾦钱的事物，例如总成本，折扣（如果存在），附加成本等。
乐观偏差 Optimism Bias
与别⼈相⽐，我们经常⾼估⾃⼰成功的⼏率。
示例
请确保产品没有隐藏任何可能破坏乐观偏⻅的令⼈不愉快的功能（例如额外的费⽤，可能的延误等）。
鸵⻦效应 Ostrich Effect
我们故意避免负⾯信息（或与我们的期望不⼀致的反馈），认为如果我们把头埋在沙⼦⾥，它们就会消失。
示例
与客户⽀持⼀起并肩⼯作，主动去看什么让⽤户困惑，从处理⽤户投诉中可以学到很多东⻄。
规划谬误 Planning Fallacy
我们倾向于低估完成⼀项任务所需的时间，通常规划谬误会导致时间超⽀，成本超⽀或收益不⾜。将⼤型任务分解为较⼩的部分有助于解决这些问题。
示例
将你的初始估算值乘以2，不，实际上是3。这样做不是因为你懒惰，⽽是因为你的估计可能是错误的。
有时候做了一整天慢慢当当的规划，结果发现自己根本完成不了，然后开始内耗，觉得是自己不努力，实际上这样的认知就是错误的，因为从一开始的规划就错误了
对抗⼼理 Reactance
当我们感到某⼈（或某物）试图剥夺或限制我们的选择时，对抗⼼理就会发⽣。当它发⽣时，我们有⼀种抵制它并采取相反⾏动的冲动。
示例
当你与⽤户“争论”他的选择时要⼩⼼，说服对⽅时必须循循善诱，永远不要与⽤户直接对抗。
所以可以先阐述这个东西是什么，为什么这么做，这么做有什么好处，为什么更好
⾃制偏差 Restraint Bias
⼈们经常会⾼估⾃⼰控制冲动⾏为的能⼒。
示例
我们都认为“标题党”属于旁⻔左道，但我们还是陷⼊其中，不是吗？
韵律当理由效应 Rhyme as Reason Effect
⼈们会更容易把有韵律的、押韵的句⼦，当作是真实和准确的。⼀句话只要变得有韵律了，那么就更有说服⼒了。
示例
⼤部分⼴告语都朗朗上⼝，⾮常洗脑。所以，尽可能的把你的产品⽂案变得有韵律感，这样更容易说服⽤户。
⻛险补偿 Risk Compensation
也称佩尔兹曼效应。当我们感觉到更⼤的⻛险时，我们会变得更加谨慎，⽽当我们受到更多保护时，我们就会没那么谨慎。所以当我们知道在已经采取了很多安全措施以后，我们更有可能采取冒险的⽅式⾏事。
示例
在购买或注册前让⽤户对产品产⽣尽可能的安全感，让他们获得信⼼和信任。
所以下雨天，淋湿的人往往是那些带了伞的人
选择性知觉 Selective Perception
我们对事物的看法在很⼤程度上受到期望的影响，当⼈们集中注意⼒时，⼈们会从环境中过滤掉事物。
示例
产品的转化漏⽃并没有在⽤户登录时开始，⽽是在⽤户⾸次看到你的⼴告时就开始了。营销信息与产品提供内容之间的不⼀致会让你的⽤户⼤失所望，从⽽导致转化率的下降。在所有媒介上（漏⽃的各个阶段）的消息⼀致将为⽤户带来正确的期望，从⽽提⾼转化率。
幸存者偏差 Survivorship Bias
过度关注幸存下来的⼈或事物，忽略那些被筛选掉的⼈或事物（可能因为⽆法观察到），从⽽得出错误的结论。
示例
在需求分析和调研过程中，如果忽视了幸存者偏差，很有可能搜集到的数据，体现的仅仅只是少部分⽤户的需求和想法，最终将伪需求和⼩众需求当作主要需求来作为设计，从⽽让产品从⼀开始就⾛向万劫不复。
零⻛险偏差 Zero-Risk Bias
我们喜欢确定性，即使它适得其反。在有其他⽅案可以降低整个⻛险的情形下，仍倾向于完全消除某⼀项⻛险的偏⻅。⼀个例⼦是刻意降低个⼈负责领域的⻛险，可是代价是整个组织⻛险的上升。
示例
提供退款保证和⽆⻛险试⽤，以降低⻛险⽔平，使你的⽤户感到安全。
感知价值偏差 Perceived Value Bias
我们根据产品的外观或服务⽅式来感知其价值。正如⼈们所说：全部在包装中！
示例
设计对于产品的成功⽐你想象的更为重要，多余的空间，错误的边框颜⾊和未对⻬的⽂字，都会影响转化率，确保UI设计的优先程度。
分析瘫痪 Analysis Paralysis
⼜称选择超载。当出现太多选择时，我们的⼤脑就会瘫痪，很难进⾏选择。
示例
选择太多 = 转换率低

就像去店里买东西，同样款式的东西差不多的情况下，很难挑选出来
稀缺效应 Scarcity Effect
我们将稀缺物品的价值提⾼，将⾼可⽤性物品的价值降低。
害怕错过（FOMO: fear of missing out ）使我们更容易受到诱惑和冲动，并促使我们做出轻率的决定。
示例
使⽤“限时优惠”，“有限数量” 等修辞来形容你的产品或服务。给⼈的印象是许多⼈正观看此项⽬，并随时可以抢⾛最后的⼏件物品。

人们都害怕错过“好机会”
流畅性启发 Fluency Heuristic
我们认为那些处理速度更快、更流畅、更顺利的事物具有更⾼的价值。有时不合逻辑的论点在沟通良好的情况下（由有权威和经验的⼈提出）也可能会赢得胜利。
示例
为⽤户提供便利（快捷、简单和易于理解的导航）
使内容易于浏览（图像，易读的字体）
创建“⼼理捷径”，它将吸引⽤户，促使他们把你的产品作为⾸选
提供有意义的默认选项，因为⽤户会认为你考虑了他们的最⼤利益，并将尽可能选择默认选项
添加功能强⼤的跨产品搜索，以简化特定主题的查找

⼆、社会偏差

社会偏差这些偏差⼤多是由归因偏差导致。

⾏动者-观察者偏差 Actor-Observer Bias
⾏动者喜欢将他们⾃⼰的⾏为归因于情境性因素，⽽观察者喜欢将同样的⾏为归因于⾏动者稳定的⼈格素质。
示例
我们会⽤外在、不可控的情境性原因来解释⾃⼰的⾏为，⽐如上班迟到是因为路上出了意外。但是当我们作为观察
者，试图对别⼈的⾏为进⾏解释时，我们会⽤内在的、稳定的⼈格原因来解释，⽐如上班迟到是因为他懒、没有时
间观念。
自己总会先去找外界的原因，而其他人看问题总会先找这个人本身的原因；
达克效应 Dunning–Kruger Effect
我们⽆法认识到我们缺乏能⼒，并且由于⽆法分辨能⼒好与能⼒差的不同，因⽽认为⼤家都⼀样。
示例
能⼒差的⼈通常会⾼估⾃⼰的技能⽔平；
能⼒差的⼈不能正确认识到其他真正有此技能的⼈的⽔平
能⼒差的⼈⽆法认知且正视⾃身的不⾜，及其不⾜之极端程度；
如果能⼒差的⼈能够经过恰当训练⼤幅度提⾼能⼒⽔平，他们最终会认知到且能承认他们之前的⽆能程度。
错误共识效应 False Consensus Effect
⼈们倾向于⾼估别⼈对⾃⼰的认同程度，想象其他⼈像我们⼀样，并分享我们的观点，信念，偏好，价值观和习惯，认为所有⼈以同样的⽅式思考。
示例
在没有涉⾜政坛（或特定国家）的情况下，你最近对你所在国家的选举结果是否感到惊讶？
基本归因谬误 Fundamental Attribution Error
解释他⼈⾏为时，归因于内在特质（⼀定是他有这样的⼈格，才做出这样的⾏为），⽽⾮外在情境（也许是情势所迫，或这个场所有特殊的潜规则）。基本归因谬误是⽭盾和问题的常⻅来源，⽽且这种认知偏差存在于⽤户也同样存在于设计师本身。
示例
需要设计师能够清楚地分辨「我的观点」和「我的⾏为」，能够真正将⾃⼰从⾃⼰所处的⽴场、⻆⾊、职能上抽离出来，复盘整个局⾯。⾸先接纳全部的现实，包括他⼈的想法、观点，先不去判断对错，明⽩事物的动态变化过程。不要再单⼀地去判断，因为任何⼀个视⻆必然会存在⼀个⽴场，它们是当前事物诸多层⾯中的⼀⽅⾯⽽已。
晕轮效应 Halo Effect

晕轮效应是指使⽤⼀个⼈（或事物）的⼀种品质来对该⼈或事物进⾏整体判断，换句话说，我们对⼀个⼈、⼀个产品、⼀家公司或⼀个品牌的最初印象会影响我们对其整体特征的解读。
示例
通过使⽤权威照⽚和可建⽴信任关系的视觉效果来充分利⽤这种具有启发式的⽅法。

群内偏差 Ingroup Bias
群内偏差常被⽤来引导⽤户决策，它是指⼈们会在认知上倾向于⾃⼰所属的群体。在体验设计中利⽤群内偏差的关键点在于打造群体归属感，借由⼩群体的⼒量影响⽤户的决策。
示例
⽐如 Booking 在查看评论的区域加⼊了筛选评论语⾔这⼀按钮，虽然设计的本意可能是为了⽅便⽤户更好地理解评论内容，但是在真实的使⽤过程中可以发现，⽤户更加信任⾃⼰所选标签内的评论内容，因为同语⾔往往意味着来⾃相同的国家或者相近的⽂化背景，⽤户通过这种⽅式找到⼀个⼩群体，然后被影响进⽽做出与群体内⼈们更为相似的决策。
权威偏⻅ Authority Bias
我们认为权威⼈⼠给出的建议准确性更⾼，并且更容易受到该建议的影响（即使事物主体与该⼈物的权威性⽆关）
示例
通过宣传产品的知名推荐来建⽴权威:
联系有影响⼒的⼈，让他们免费使⽤你的产品或服务
突出显示知名客户或品牌
展示来⾃社会名流的推荐语
在产品展示和陈述中使⽤权威⼈物（例如医⽣、教授等）
得⼨进尺法 Foot-in-the-Door Technique
得⼨进尺法⼜译登⻔坎效应，是⼀种通过先提出⼀个简单的⼩请求来说服⽤户同意⼀个较⼤请求的劝说⽅法。
示例
通过提供免费试⽤与⽤户建⽴联系。
不要⽤过于复杂的引导流程让⽤户感到不耐烦。
把⼤块的内容分解成⼩块或容易解决的内容，让⽤户保持开⼼和参与度。

三、记忆错误与偏差

记忆错误与偏差在⼼理学和认知科学中，记忆偏差是⼀种认知偏差，导致记忆的强化、弱化（包括能否想
起的机会、想起所需的时间，或两者皆有），或者记忆内容的改变。

⾕歌效应 Google Effect
我们会容易忘记可以在⽹上轻松找到的信息。
示例
你还记得你最好的朋友或孩⼦的电话号码吗？
幽默效应 Humor Effect
当信息被认为是有趣或幽默时，我们会更好地记住信息。这可以帮助提⾼产品的转化率，并有助于整体业务的提升。
示例
在⽤户可能感到沮丧的情况下不要幽默。例如，如果你的应⽤与旧设备不兼容，请不要⽤有趣的⽅式说出来，因为此时⽤户可能很沮丧，⽆法感知幽默。
真相错觉效应 Illusion of Truth Effect
重复的事情越多，我们就越相信。
示例
在⼴告，⽹站，App Store⻚⾯，登录⻚，新闻通讯等⼀次⼜⼀次地重复你的消息（主要好处，主要区别）
峰终法则 Peak-End Rule
⽤户不仅仅根据平均或所有体验的总和来评估体验，取⽽代之的是，他们的⼤脑会严重地偏向峰值（⾼或低）和体验的终点，峰值如果是愉悦的话，通常对应了⽤户旅程中令⼈难忘的愉悦感。
示例
通过使产品的最佳功能变得更好，保持产品的竞争优势并提⾼产品⾼峰。另外也不要忽视产品的“购买后”体验，确保以精湛的品味结束体验
图⽚优势效应 Picture Superiority Effect
图⽚和图像⽐⼀千个单词更容易被记住。
示例
始终在内容中包含图像，出⾊的视觉效果将提⾼转化率。
⾸因效应 Primacy Effect
⼜称近时效应、序位效应。列表开头和结尾的项⽬⽐中间的项⽬更容易被⽤户记住。
示例
如果你打算展示⼀⻓串信息，请确保第⼀个是最重要的内容。

与汇报工作时，先说结论同理
雷斯多夫效应 Von Restorff Effect
当很多信息⼀起呈现时，醒⽬的信息和被特别强调的信息会⽐其他信息更容易被⼈们记住。
示例
确保CTA按钮以不同的样式，⼤⼩，颜⾊和位置显示出来，以达到不同的⽬的
蔡格尼效应 Zeigarnik Effect
进⾏中的任务会产⽣特定于任务的张⼒。当任务完成时，这种压⼒可以缓解，但如果任务被中断，它将保持不变。这种张⼒使相关信息更易于访问和记忆。
示例
显示⼀个不完整的进度栏，以⿎励⽤户实现⾃⼰的⽬标。

四、统计与⼏率偏差

统计与⼏率偏差⼏率性推论是指根据有关⼏率的资讯推论事情的可能性，⽽⼏率的估算通常来⾃统计资
料，因此两者密不可分。

基本⽐率谬误 Base Rate fallacy
我们倾向于忽略⼀般信息，⽽只关注特定案例。
示例
不要只分享那些冷冰冰的产品信息。相反地，展示其他相关⽤户或公司的评价、⽤例。如果你想更具有说服⼒
，把你的量化数据和⼀些个⼈故事相结合。⽤量化数据合理地⽀持你的观点。具体的例⼦会在情感上传递你想表达的信息。
赌徒谬误 Gambler’s Fallacy
我们错误地认为，如果在给定时期内某件事情频繁发⽣，那么这件事情在将来发⽣的⼏率就会很⼩。
示例
坚持事实，少依靠直觉，更多的依靠数据。

“我买彩票的时候，也是这样想的”
热⼿谬误 Hot-Hand Fallacy
错误地认为经历过成功的⼈更有可能在其他尝试中进⼀步获得成功。⼀般是在某⼈近来做某事很成功时，认为他未来做同⼀件事也会很成功，⽽忽略其成功可能只是随机与巧合导致。
示例
通过强调⼀系列成功案例来建⽴⾃⼰的强⼤品牌。
对样本数不敏锐 Insensitivity to Sample Size
我们经常忽略样本⼤⼩并贸然下结论，即使样本数量还未达到⾜够的统计量。
示例
与客户沟通很重要，但不要把产品设想建⽴在⼏次⾯谈的基础上。使⽤⼤量数据，并根据实际数据⽽⾮假设来做出产品决策

五、实验与研究偏差

实验与研究偏差这是⼀些科学实验或统计研究容易发⽣的偏差。

取样偏差 Sampling Bias
某些类型的⽤户被⽆意中从研究参与者池中剔除了。亦可理解为以偏概全，即以局部事例解释整体原因。
示例
你正在设计⾃⾏⻋跟踪应⽤，需要对骑⾏者进⾏研究。你决定采访并观察北京市的⾃⾏⻋骑⾏者，但你没有意识到他们的骑⾏⾏为习惯可能与居住在⼭丘多的郊区的骑⾏者有很⼤不同。因此你的研究成果可能有不适⽤于所有⽬标受众的⻛险。
观察者期望效应 Observer-Expectancy Effect
研究者有时可能会期望出现某种结果，他们⽆意识地操纵了试验过程，或者错误地解释实验结果，导致研究结果严重歪曲。
示例
在⽤户研究中，研究者的表情、肢体语⾔等都可能会反映出⾃⼰所期待的结果，如果⽤户察觉到了这些，就可能做⼀些迎合研究者期望的反应。
社会期许偏差 Social Desirability Bias
我们倾向于多表达符合社会期许的事情，⽽隐瞒那些不符合社会预期的事情。例如在询问是否有不良嗜好、性伴侣数量时，⼤家会有意⽆意地隐瞒或淡化实情。
示例
社会证明是建⽴信任的好⽅法。以下是可在产品⻚⾯上使⽤的⼀些示例：
知名的客户logo
知名的合作伙伴logo
客户的好评和真实推荐（来⾃⽬标受众）
累计数据（客户数量，交易次数等任何有价值的数字）
媒体的提及和引⽤
由知名组织颁发的奖项认证
证书
真实数据⽀撑案例的链接
不要说“我们很棒，因为……”，⽽是通过其他⼈来证实。
遗漏变数偏差 Omitted-Variable Bias
当获得的奖励出乎意料之外，我们获得奖励的喜悦感就会增加。
示例
为⽤户提供每⽇优惠，免费奖⾦，奖章，奖品等。每天创建的“动作”越多，⽤户就越会感受到与产品的联系。