用户词汇与系统词汇的差距
别名: 词汇问题 · vocabulary problem · naming mismatch · 命名鸿沟
概念解释
用户描述自己目标时用的词，和系统界面上摆出来的词，往往不是同一套词——这叫词汇差距（vocabulary gap），也称词汇问题（vocabulary problem）。用户的词来自任务本身和日常语言，系统的词往往来自实现者的内部模型：数据结构的名字、功能模块的名字、工程师顺手起的标签。两边各自成体系，且都"正确"，只是不指向同一套心智地图。
机制
这个差距不是"用词不够通俗"这么简单，规模上比直觉严重得多：让一群人各自为同一个常见概念起一个名字，两人独立选中同一个词的概率经常低于两成。也就是说，任何单一的"最佳命名"从一开始就注定覆盖不了大多数用户——不是因为设计者选错了词，而是因为词汇选择本身在人群中高度发散，不存在一个词能同时是大多数人的第一直觉。系统词汇之所以和用户词汇系统性偏离，是因为设计者和实现者本身是这套系统的专家，他们的"第一直觉"已经被实现细节训练过，不再代表普通用户的起点。
怎么研究
测量词汇差距的标准做法是自由命名研究：让目标用户在不看系统界面的前提下，各自为同一组功能或概念写下他们会用的词，再统计这些词与系统实际标签的重合率——重合率低就是差距量化的证据，而不是靠设计者主观判断"这个词应该挺好懂"。开放式卡片分类（要求被试自己起类目名而非选择既定类目）是同一逻辑的变体，产出的类目命名同样可以拿来和系统命名比对。
边界
差距的大小随领域共享程度变化：面向单一专业群体、且这个群体接受过统一培训的系统（如会计软件面向持证会计），用户词汇本身已经趋同于行业术语，差距较窄；面向异质用户群的消费级产品，差距通常最大。差距也不是恒定的——用户在长期使用同一系统后会逐渐吸收系统自己的词汇，差距随使用时长收窄，所以命名研究测到的差距反映的是新用户或潜在用户的起点，不是老用户的稳态。
怎么落地
- 在定稿任何面向用户的标签、菜单项、功能名称之前，先做一次自由命名研究，拿到目标用户群体自发使用的词汇分布，而不是设计团队内部投票选一个"听起来最清楚"的词。
- 把命名研究的结果当成频率分布使用：记录排名前几位的候选词及其覆盖比例，而不是只挑单一的"胜出词"——覆盖率数字本身就说明了单一命名能吃下多少用户。
- 验证办法：把候选标签放进任务型可用性测试，让被试仅凭标签猜测其功能，统计正确率；正确率明显低于命名研究里该词的自发使用占比，说明标签在实际界面语境（周围元素、图标、位置）里又发生了新的偏移，需要重新测。