G1.04.3label distinctiveness over accuracy设计研究
标签的区分度比准确度更影响选择
别名: 标签区分度 · distinctive labels · 准确但不可分
概念解释
两个标签都可以在词典上说得通，但只要它们在这一层里分不开，选择就会变成抛硬币。「解决方案」和「服务」可能都准确描述了后面的内容，却几乎不能被用来排除。区分度高于准确度：标签的第一职责是在同层选项里制造可对立的差别，而不是单独拿去对照定义是否严密。一个稍粗但能反着排除的词，比两个都精确却同真的词更有用。
准确度仍然必要，它防止气味指向错误对象。只是在「选哪个」这一刻，人比的是标签之间的差，不是标签与百科定义的贴合。
机制
选择是对比过程。视野里同时出现若干词，工作记忆拿它们两两作差：哪个更像我要的。差分为零时，准确度帮不上忙，因为两个词对目标都「对」。人会陷入来回注视，或按位置习惯点左边那个。信息气味是相对的：同一个词在另一组邻居旁边可能突然可分——「账户」挨着「帮助」很清楚，挨着「个人中心」就不清楚。
所以改标签不能逐个优化到「更准」，要在固定的邻居集合里做最小可分对。拆开一对易混词，往往比把每个词都改得更正式更能降低错点。
怎么研究
用混淆矩阵，而不是用「这个词准不准」的李克特评分。
- 范式：同层标签的配对判断（是否指向同一类东西）、树测试或首次点击中把错误按「易混对」编码；再做改名实验，只改区分度、保持外延大致不变。
- 自变量：同层标签的语义距离、是否成对近义、准确但抽象 vs 粗但对立。
- 因变量：易混对上的错误份额、决策时间、注视在两个标签间的往返次数。
- 方法论注意点：单独呈现时每个标签都可以「准确」，并排呈现才会暴露不可分。务必在真实邻居里测。专家觉得两个词差很大，因为他们知道后台模块边界；用户没有那张图。
边界
法定名称不能为了区分而改（药品名、标准号），这时要靠邻居选择和附加限定（剂型、适应症）来造差，而不是发明更「好懂」的假名。命令式短标签（保存、删除、导出）已经高度对立，再追求「更准」的名词化会削弱区分。品牌词作为标签时，区分度来自品牌是否已被当作类别用，不来自字面准确。
怎么落地
- 把每一层标签两两排列，标出说不清差别的对。先改这些对，不要先改「读起来不够专业」的词。
- 改名时优先换对立轴（个人/企业、买/卖、进行中/已完成），不要换成另一个同义词。
- 准确但抽象的词留下作为页内标题可以，入口标签要用能排除邻居的词。
- 验证：遮住页面内容，只留这一层标签，问未参与者任意两个的差别。答「差不多」的那一对，就是准确度已经足够、区分度不足的地方。