设计师如何建立心智模型？来看谷歌设计师的总结！

不知道大家有没有看过一个影片，影片内容是让 2000 年后出生的孩子接触 1980 年代的计算机，主持人请他们开机并使用计算机，孩子反射性地将手放到屏幕上试图操控计算机，将屏幕当 iPad 使用；他们不理解屏幕与主机的开关差异，甚至尝试声控开机。

为什么会这样呢？最简单的解答自然是因为「他们没看过/用过这种计算机。」

但为什么他们会期望这台计算机的屏幕会经过触碰亮起呢？

这是因为他们所熟知的「计算机」，大部分都具备触摸屏，也绝对具备图形用户界面（Graphical User Interface, GUI），他们的心智模型根深蒂固于现代的科技产品，当他们遇到另一台「计算机」时，自然会认为这台「计算机」的运作方式应该要跟他们想象中的一模一样。

面对「如何开机」这个问题，孩子的脑中有既定的心智模型（例如：触碰屏幕它就会亮起来），当这个明明也叫做计算机的东西，在我做了「触碰屏幕」这个动作，屏幕却没有亮起来，抵触了既有的心智模型，我就会感到困惑、傻眼。

所以，心智模型到底是什么？

心智模型是我们理解这个世界的认知架构，就像影片中的例子一样，目的是简化复杂事物，让我们更迅速地掌握情况并采取行动，进一步合理化世界万物的运行。

心智模型有点像是人脑中的 if then 条件式，当我做了什么，事物就会如何变化，而这个条件式可以套用在多个相似的情境下。

例如说小时候学会骑脚踏车时车头向右拧，车体就会向右转；长大之后骑机车可以运用一样的认知模型 — 车头右拧，车体右转。

△ 学会骑脚踏车也是学会一种认知模型（Photo by Alesia Kazantceva）

然而，受限于生理限制，我们无法用脑袋记住关于这个世界的所有细节，于是我们运用心智模型将与自己相关的事件分割成可以理解的小框架，变成一条条在生活中可以不用多加思考就直走的快捷方式，通过遵循已有的系统流程减少认知负担。

建立心智模型的必经之路 — 确认偏误

确认偏误（Confirmation bias）是个人选择性搜集对自己（的想法或成见）有利的细节，简单来说就是信我所信，忽略我所不信，可以说是产生同温层的基础。

为了建立稳固的心智模型，人们需要通过不断地测试与验证来形塑这个模型，而确认偏误能够协助人们搜集更多「符合此心智模型」的细节。

当遇到一个新的事件，如果主观认为这是有利的信息，就会将其消化成为心智模型的一部分，不利的信息就摒弃掉，通过强化与修正来巩固模型。

这些行为并不一定是主动造成的，很多时候是我们的潜意识积极寻找利己数据，既有的心智模型再加上确认偏误，这个组合会提高人们对特定的信息觉察力（information awareness）（例如：在决定要养宠物之前从没正眼看过宠物店，之后才发现街上到处都是宠物店）。

于是通过确认偏误建立的心智模型极有可能是缺乏科学根据的，以下提供几个生活中会出现的例子：

1. 星座

假如我相信处女座就是有洁癖，我的认知会是大多数处女座都有洁癖，只有少数是特例，当认识有洁癖的处女座时就会觉得星座真准，认识脏乱的处女座时也会觉得果然有特例呢。

2. 习俗

假如我相信属虎的人参加婚礼会煞到新娘导致婚姻不幸福，那我在听说有人离婚时就会关心当初婚礼上有没有属虎的宾客，有的话就一定是如此招致夫妻失和。

3. 如何才是好妈妈

假如我相信亲自喂母乳才能让孩子健康快乐聪明，那我就会关注并认同那些亲自喂妈妈们的优秀孩子，并觉得喝配方奶长大的孩子会优秀只是「刚好比较幸运而已」。

小附注：我曾经读到有研究显示，知道确认偏误的人比不知道确认偏误的人更容易产生确认偏误（好像绕口令），我猜应该是因为知道确认偏误的人更容易觉得「我懂确认偏误所以我比较中立」，结果还是落入确认偏误的陷阱。

心智模型与 UX

UX 界大佬 Don Norman 在 1983 年的论文 Some Observations on Mental Models 中提出，心智模型是一个信念系统（Belief system），可以透过观察、教学、推测建立而成，进而帮助人理解并且预期一个事件的发生。

通过实验观察，他归纳出心智模型有几个特点：

1.不完整性（Incomplete）

心智模型会一直成长演化

2.局限性（Limited）

人们执行心智模型的能力受到限制

3.不稳定（Unstable）

人们容易忘记一些系统细节，特别是当已经有段时间没有运用那些细节的时候

4.缺乏明确的界线（Boundaries）

人们容易因为载体或操作很相近而混淆

5.不科学（Unscientific）

人们会保留「迷信的」行为模式，即便他们理解是非必要的

6.粗略（Parsimonious）

人们宁愿做额外的体力活，也不愿花心思进行计划，人们乐于多花力气，也不想增加认知复杂度。

心智模型能够帮助人们进行预测与解释，这些模型并不需要技术上精准，但要（于个人而言）合理并有效。

每个人的心智模型不同，变因包含使用者的技术背景、之前有没有碰过类似系统的经验、以及用户信息处理程序的架构。

产品设计中的心智模型实例

Google flight podcast

Google Method Podcast 有一集邀请到 Google Flights 的 UX Writer Roxanne Pinto，她提到许多人对于 Google Flights 的机票定价抱持着错误的认知模型 — 人们相信浮动的价格跟自己点击进机票搜寻的次数有关。

比如说，我在 Google Flights 上查从西雅图到夏威夷的机票，定价为 $650，但我想再考虑一下，所以我把窗口关掉，隔天再查一次的时候却发现涨价了，定价竟然变成 $700！

于是我理所当然地认为 Google Flights 一定是因为我查了太多次西雅图前往夏威夷的机票，归纳出我真的想去夏威夷玩，所以把票价提高了，就像是市集里的摊贩卖家会依照顾客表现出多少兴趣而看情形哄抬价钱一样。

△ Google Flights 的票价系统究竟是如何运作的呢？

Roxanne 解释背后原因完全不是这样的，Google Flight 采用的机器学习系统极其复杂，票价浮动是囊括了当地天气、季节性票价等各式各样的变因，但是因为这种多变因的系统对于人们而言太过复杂，所以人们找了个简单的模型来解读此情况 — Google Flights 看我想出去玩所以趁机坑我钱。

Google Calendar

另一个例子是我私心超爱的产品 — Google Calendar 的 schedule view，它打破了几十、甚至几百年的心智模型，传统的行程表一定有网格状的 layout，人们可以一目了然整个月的行程，即「在日期里放行程」。

相对地， schedule view 则是协助使用者建立「在行程中附上日期」的心智模型，在 schedule view 中没有行程的日子就不会出现，所以主画面的第一个行程就是你的下一个行程，无论该行程是在今天下午、明天、下礼拜还是明年。

△ 手机版 Google Calendar schedule view

在标榜行程表的产品中尝试推行崭新的心智模型，我觉得是创新大胆之举，我有听过蛮多人不偏好 schedule view 因为「不习惯」、「看不懂」，就是因为在他们脑中这个新的无法取代既有的心智模型，但如果脑袋转了个弯，就能发现这个工具的便利之处（减少大量冗赘的空白、专注在通常是最重要的下个行程）。

如何实际运用

设计时应该善用既存的心智模型，这也是为什么 nn/g 经常主张如果有个设计运作得很好，不需要为了创新而创新，有时候沿用广被采纳的设计会更符合使用者预期、更容易上手。

另外，可以思考如何辅助用户建立符合产品运作方式的认知模型，就像 Roxanne 所述，Google Flights 就利用文案适时将幕后算法的变因信息提供给用户。

在一个理想的世界里，设计师的概念会与用户的心智模型贴合，身为设计师的职责就是要设计出流畅、协调、可使用的心智模型给用户。

在设计一个新产品时，应该尝试建立多个心智模型，并找出最直观、简洁的那一个，这也是为什么产品取景（product framing）在设计初期极其重要的原因。

结语

建立优良心智模型的目的是避免我们耗费太多时间在重复性的思考，当碰到生活中大大小小的决策点，可以进入自动导航状态，运用一套系统让自己在迅速做决策时更趋向于理想状态，才有余力倾注在面对全新的、更困难的挑战。

巴菲特的投资公司波克夏的副董事长 Cherles Munger 是心智模型理论的拥护者，他认为大约八十至九十个有效率的模型就足以解决人生中 90% 的问题，让你成为一个拥有智慧的人，而其中只有极少数的模型是复杂繁重的。

80 or 90 important models will carry about 90% of the freight in making you a worldly-wise person. And, of those, only a mere handful really carry very heavy freight. — Charles Munger

其实越常思考心智模型，我就越觉得心智模型近乎是一种信念，一种相信对自己最有效的流程或系统，每个人都有适合自己的一套模型。

了解心智模型的好处就是让我们更能够专注于用数据验证自己的系统，让我们自动化思考流程的效率与成功机率实际上有所提升，避免感情用事。

所以，每过一段时间也要跳脱依赖系统的自动化行为，重新检视自己的心智模型是否合理有效，挑战那些既有模型是否适用现在的人生目标。

最后，大推 Wes O'Haire 在 2019 Framer Loupe 的投影片，其中包含许多帮助我们做困难决策时使用的心智模型，如果可以本土化的话应该非常受用。（感谢 lichin lin 在社团里的分享！）