模型不预测错误率、满意度与可学习性
别名: GOMS 盲区 · 错误率 · 可学习性 · 三类盲区
概念解释
GOMS 输出的是熟练、无错路径的结构与时间，不预测用户会犯什么错、是否满意、多久学会或能否记住。一个步骤更少的方案可能更难发现、更易误触发或更难解释。这一条把这类被排除在外的东西列成一份清单，但清单里的三项各自被排除的理由并不相同——把它们放在一起讲，不是因为它们同属一类现象，而是因为它们分别对应模型三个不同的先天局限，理解这个区别，才知道每一项分别该用什么方法去补。
机制
错误率之所以测不出来，是因为它取决于按钮之间的相似程度、标签有没有歧义、后果是否清晰这类具体的界面细节，而 GOMS 的操作序列里根本没有位置留给"这个动作和另一个动作长得像不像"这种信息——操作在模型里只是一个抽象的执行单元，不携带任何关于视觉混淆的描述。满意度测不出来，是因为它很大程度上由期望、审美偏好、社交因素和任务本身对用户的意义决定，这些完全是主观体验层面的东西，跟操作序列的长短没有必然联系——一个步骤很多但让人觉得"每一步都在掌控之中"的流程，满意度可能反而高于一个步骤很少但让人心里没底的流程。可学习性测不出来，原因和前两者又不一样：GOMS 建模的前提本身就是"方法已经确定"，而可学习性问的恰恰是"用户是怎么从不知道方法走到知道方法的"，这是这个模型定义上就排除在外的那段过程，不是碰巧没算进去，而是模型的输入假设里根本不允许这段过程存在。
边界
这些盲区不能被拿来否定 GOMS 本身的价值，它在重复操作分析和方案比较中依然有用，前提是使用者清楚知道自己在用它回答哪类问题、不在用它回答哪类问题。真正的风险在于把 GOMS 算出来的步骤数或耗时，直接当成"这个设计好不好用"的唯一依据——一个方案哪怕理论耗时更短，如果它同时让新手更难发现入口、或者让人一用就有情绪上的抵触，这些代价不会体现在 GOMS 的数字里，但确实会体现在真实的产品指标上。要看到这几类代价，就必须依赖模型之外的方法，而且不同盲区对应的方法本身也不一样：错误率要看真实使用中的失误和恢复过程，可学习性要看用户从零上手的完整学习曲线，满意度要看主观反馈和情绪层面的评价，三者不能互相替代。
怎么落地
- 在报告 GOMS 结果的同时，单独列出这个方案在错误率、首次使用成功率、求助频率、主观满意度和学习耗时这几项上的实际数据，不要让读者误以为步骤数就是全部结论。
- 对步骤更少但结构变化较大的新方案，专门做一次首次使用测试，重点检查它的可发现性有没有变差、会不会更容易被误触发。
- 用真实的错误日志去评估高频任务的实际成本，而不是只依赖理想情况下的耗时去判断这个任务好不好用。
- 验证办法：把可学习性单独列为一项需要验收的指标，用真正没接触过这个方案的新用户做测试，记录他们从第一次尝试到能够独立完成需要多久——这个数字和 GOMS 给出的熟练耗时应该分开呈现，不能互相替代对方。