4. 设计原则三

4.1 用户场景

李明是一名企业数据分析师，每天使用AI辅助分析平台查看销售预测报告。他打开仪表盘时，首先看到的是三张卡片：总体趋势、异常预警和推荐行动。点击“异常预警”卡片后，页面展开为三条异常摘要。点击其中一条摘要，才看到完整的根因分析树与置信度分数。整个过程中，屏幕上的信息密度始终控制在5±2个区块以内，李明没有感到任何认知压力。

4.2 业务问题

传统仪表盘将所有图表、指标和控件平铺在同一屏幕中，导致：

• 认知过载：新用户在第1分钟内遇到的视觉元素超过50个，流失率增加37%。
• 决策延迟：分析师在“信息洪流”中找到关键洞察平均需要4.6次点击，远高于2次的设计目标。
• 信任侵蚀：当AI一次性输出10条推荐时，用户认为“不可靠”的比例比输出3条时高出24%。

4.3 用户访谈

团队对12名目标用户进行了深度访谈，以下是3条最具代表性的原始语录摘录：

访谈中提炼的关键词频次统计：“先看结论”（12/12）、“自己控制节奏”（10/12）、“不要一次性太多”（11/12）。

4.4 需求拆解

4.5 方案表达：分层信息架构设计

根据需求拆解结果，设计四层渐进式披露模型：

1. 意图感知层：识别用户进入页面时的最可能意图（查看概况 / 查找异常 / 对比历史 / 执行操作）。
2. 概要层（L1）：输出3~5个核心结论卡片，不展示任何推导过程。
3. 解释层（L2）：用户点击任意卡片后，展开对应的关键数据摘要与AI推理路径摘要。
4. 深度层（L3）：用户点击“查看完整分析”后，展示全量数据表、置信度分布与备选方案。

每一层之间使用平滑展开动画与后退按钮，确保用户可随时返回上一层，形成“前进有路、后退有门”的交互闭环。

4.6 指标验证

渐进式披露方案上线后，通过以下指标验证效果：

4.7 验收标准

• AC-01：新用户首次使用时，看到的默认信息区块不超过5个。
• AC-02：每个结论卡片均可通过点击展开下一层，展开动画时长 ≤ 300ms。
• AC-03：用户可在任意深度层通过“返回”按钮逐级回到上一层，响应时间 ≤ 200ms。
• AC-04：系统根据用户当前操作自动匹配展示层级，意图识别准确率 ≥ 92%。
• AC-05：在移动端（宽度 375px）上，渐进式披露层级不折叠、不溢出、不遮挡。

4.8 交付物模板：渐进式披露原型设计文档

以下为本章配套交付物模板的核心结构，可直接用于需求评审：

1. 项目信息：产品名称、版本号、设计日期、作者。
2. 用户意图矩阵：列出页面上所有可能的用户意图，并标注对应的默认展示层级。
3. 层级结构图：以树形图展示L1~L3各层包含的信息卡片与操作入口。
4. 交互状态表：每一层对应的默认状态、展开状态、加载状态、空状态。
5. 性能指标基线：加载时间、展开动画时长、后退响应时间。
6. 可访问性标注：键盘导航顺序、屏幕阅读器标签、对比度数值。