G1.03.3breadth versus depth of taxonomy设计研究
广而浅与窄而深的取舍取决于类目可辨识度
别名: 广而浅 · 窄而深 · category distinctiveness
概念解释
一层里放很多彼此能一眼分开的类目，树就浅；一层里只放几个分不清的大桶、再往下拆，树就深。广而浅还是窄而深，取决于类目可辨识度：名字在不打开的情况下就能被区分，广度才赚到「少点一次」；名字要靠打开才知道差别，广度只是把困惑平铺在第一屏。可辨识度是标签之间的对比，不是类目数量的审美。
这条管的是分类树怎么切，不是导航条能摆几个控件。控件摆得下不等于类目认得开。
机制
每一次下行都是一次带等待的决策。类目若在预览时就已经可分，用户能在一层里完成排除，总决策次数下降，浅树划算。类目若互相包含或用近义词（「方案」和「服务」、「资讯」和「动态」），一层里的选项再多也排除不掉，人会每个都点开看一眼，广度变成并行的深度。Larson 与 Czerwinski 等广度/深度实验里，表现好的宽树建立在类目名可区分的前提上；把不可分的标签平铺出去，并不会复制那份结果。
可辨识度来自对比，不是来自精确。两个精确但同指向的词（「雇员」和「员工」）不可辨识；两个粗但对立的词（「个人」和「企业」）可以。先有对比，才谈这一层能铺多宽。
怎么研究
把「一层有几个」和「这几个能不能被分清」做成两个因素，不要只改深度。
- 范式：树测试比较宽浅与窄深，但先用配对判断或卡片命名测类目名的可区分度，再按高/低可辨识度分层。
- 自变量：深度、每层宽度、类目名的可区分度（可预先用混淆矩阵量化）。
- 因变量：直接成功、回退次数、在相似类目间的注视或停留、选错是否集中在易混对。
- 方法论注意点：很多广度优势的结论来自可辨识的数字或明确主题词。把企业站里含糊的营销类目拿去套「宽比深好」，是把前提一起丢掉。中文近义词和英文近义词的混淆结构不同，可辨识度要在目标语言里测。
边界
专家用户记得路径时，深度的额外决策被空间记忆抵消，窄而深不一定更慢。屏幕极窄或语音菜单一次只能念几个选项时，物理宽度受限，即使类目可辨识也铺不开，只能加深并靠更强的预告。类目可辨识度会随学习变化：用过几次之后，原先易混的一对可能被记住位置，这时再测「第一眼可分」会低估老用户对深树的耐受力。
怎么落地
- 给每一层做一次「遮住内容只看名字」的区分测试：任意两个名字，未参与者能否说出差别。分不清的先改名或合并，再决定要不要加宽。
- 只有可辨识的类目才允许出现在同一层。宁可一层六个清楚的，不要一层十二个互相改写的。
- 深树的每一层都要用可辨识的对立来切，不要把不可分的大桶往下复制。
- 验证：树测试的错误若集中在同一对类目，是可辨识度问题，加宽或加深都无效。先把那一对名字改到能反着排除，再重新比较广浅与窄深。