适合方案比较而非绝对时间预测
别名: 方案比较 · 相对成本 · KLM · 共同噪声抵消
概念解释
GOMS 最可靠的用途是同一任务下比较两个界面的操作序列：方案 A 少 6 步、少一次模式切换、少一个选择点，通常比只报"快 8.4 秒"更稳健。绝对时间（absolute time）依赖操作常量、设备、用户和任务假设。这一条和前一条"仅预测无错误的熟练操作"是同一个限制在两个不同用途上的体现：那一条说的是模型给出的数字本身不能当成真实耗时，这一条进一步说明，即便如此，这个不准的数字放在比较场合依然有用——原因不在于数字变准了，而在于比较这件事本身能抵消掉数字不准的那部分。
机制
绝对时间之所以不可靠，是因为它依赖一整套操作常量——按键时间、指向时间、心理准备时间——这些常量本身受输入设备、用户熟练度、系统延迟和个体差异影响，任何一个常量标错，算出来的秒数就会整体偏移。但如果比较的是同一个用户群体、同一套设备、在同一个任务上的两个不同方案，这些常量误差会同时作用在两个方案身上，误差方向和大小大致相同，相减之后大部分会被抵消掉，剩下的差值主要反映的就是两个方案在操作数量、决策点和模式切换上的真实结构差异。这就是为什么"方案 A 比方案 B 少 6 步"这类结论比"方案 A 快 8.4 秒"更稳健：前者是一个不依赖具体常量标定就成立的结构性事实，后者则完全建立在那些容易出错的常量之上，常量差个 20%，"8.4 秒"这个数字可能就跟着面目全非，但"少 6 步"这个事实不会变。
边界
如果两个方案改变的不只是操作序列本身，还包括用户的实际决策策略或者错误率，只比较"理想序列"下的步骤数就会产生误导——比如方案 B 步骤更少，但因为把两个原本分开的确认动作合并成了一步，用户在真实使用中反而更容易看漏其中一步该确认的内容，错误率上升抵消甚至超过了步骤减少带来的收益，而这个后果完全不在"步骤数比较"能看到的范围内。当两个方案之间的理论时间差本身很小时，也容易被真实存在的随机噪声完全盖过，这时候单纯依赖模型给出的相对差异去下结论并不可靠，需要真实测量来确认。涉及等待、网络延迟和认知复杂度差异较大的任务，也不适合只靠步骤计数来比较，因为这些因素造成的耗时波动往往比操作序列本身的差异更大。步骤少也不能被自动等同于"更好"——可发现性和错误代价这两件事，模型本身完全表达不出来，需要额外纳入判断。
怎么落地
- 对每个候选方案分别写出 GOMS 或 KLM 序列，比较操作数、决策点、模式切换次数和等待环节的数量差异。
- 报告结论时优先给出相对差异、关键假设和具体的步骤清单，而不是只抛出一个秒数让人以为那是精确测量结果。
- 对最终入选的方案，用熟练用户做真实计时验证，确认模型预测的相对优势在实测中依然成立，而不是止步于纸面推演。
- 验证办法：把无法被模型表达的可发现性和错误恢复成本单独列出来，和步骤数比较的结果放在一起做最终判断——如果一个方案步骤更少但可发现性更差，不能仅凭步骤数占优就直接判它赢。