感知有用性与感知易用性共同决定用户是否愿意采纳新技术
别名: TAM · 感知有用性 · perceived usefulness · 感知易用性 · perceived ease of use
概念解释
技术接受模型（Technology Acceptance Model, TAM）提出：用户是否愿意采纳一项新技术，由两个主观信念共同决定——感知有用性（perceived usefulness，使用它能不能让我把事情做得更好）与感知易用性（perceived ease of use，学会和使用它需要付出多少努力）。关键在于，这两者是用户的主观预期信念，不是技术客观的功能清单，也不是易用性测试跑出来的分数——同一个功能，不同背景经验的用户可能给出完全不同的主观评价。
机制
两个变量缺一不可，因为它们通过不同路径影响采纳意愿：感知易用性一部分直接作用于意愿（省力本身就有价值），一部分通过提升感知有用性起作用——学起来越省力，用户越容易相信自己能真正把它用出效果，从而认为它有用。两者也不是相互独立的：当感知有用性足够高时，用户会容忍较低的易用性（专业软件即使难学，专业用户依然会采纳，因为不用不行）；但当有用性尚不明确时，易用性的权重会被放大，因为用户此时正在决定"要不要花力气弄清楚它值不值"，而易用性本身就是这道门槛。
怎么研究
标准做法是用自评量表分别测两个变量：用若干条目衡量感知有用性（如"使用这个系统能提高我的效率"）与感知易用性（如"学习使用这个系统对我来说很容易"），在采纳或使用前后收集数据，用回归或结构方程模型检验两者对采纳意愿或实际使用行为的预测力。这套范式经过多年、大量技术类别的复现，也衍生出加入社会影响、便利条件等变量的扩展版本，但两变量的核心结构一直保留。方法论上要注意：这两个变量测的是采纳前的主观预期，不是采纳后的客观体验，预期与实际体验之间的落差本身会影响后续的持续使用意愿，只看采纳那一刻的量表分数无法预测长期留存。
边界
这个模型的解释力在自愿使用场景（用户可以选择用不用）最强；在强制使用场景（工作要求必须使用某系统），两个信念对"是否采纳"这一结果的预测力大幅下降，因为用户没有选择权，采纳与否已经不是意愿驱动的行为——这时两个信念更多影响的是使用质量和满意度，而不是采纳本身。此外，量表测的是某个时间点的静态信念，对同一用户在长期使用中信念如何演变缺乏解释力，需要配合纵向测量才能补上这一块。
怎么落地
- 新功能或新产品上线前，用简短量表分别测目标用户的感知有用性与感知易用性预期，而不是只做易用性测试——很多产品在客观可用性测试中表现良好，用户却是不用，原因往往是感知有用性没有建立，用户不理解或不相信这个功能对自己有意义。
- 当感知有用性天然偏低（用户没有意识到自己有这个需求）时，优先把资源投向让用户理解"这解决了我的什么问题"，而不是继续打磨易用性——有用性感知缺失时，易用性优化的边际收益很有限。
- 验证办法：在功能上线的引导流程里插入一步简短问卷（"你觉得这个功能对你有用吗""你觉得学会用它容易吗"），与该批用户后续三十天的实际使用频率做相关分析，确认两个信念中哪个更能预测留存，据此决定后续优化优先投向哪一侧。