G1.11.6category use imbalance设计研究
类目使用量的失衡是触发重构的信号，不应仅凭直觉判断
别名: 类目失衡 · lopsided taxonomy · 重构信号
概念解释
一层里一个类装着 80% 的对象和点击，旁边几个类长期个位数，这棵树已经在用使用量投票反对当前切法。失衡是重构信号：该拆的过粗桶、该并的空桶、该换的维度，都应被计数触发，而不是等某次工作坊觉得「有点乱了」。直觉会偏向嗓门大的团队和刚发生的事故；使用量说的是查找实际走哪。信号不是自动执行拆并，是强制把重构提案放到桌面上。
失衡要同时看对象数、进入次数和成功率。只有点击没有成功，可能是气味骗人；只有对象没有进入，可能是标签失败。
机制
均衡的切法让同层类目承担相近的决策负担。一个巨型桶等于没切：用户点进去还要做本该在上一层做的排除。一排空桶占用广度、贡献不了排除，还让可辨识的邻居变难扫。时间一长，巨型桶内部会自发长出民间子结构（搜索词、书签、客服口令），官方树与实际走法分裂。
直觉重构常去改「看起来丑」的名字，放过真正失衡的体积。计数把注意力拽回切得不对的那一层。阈值需要按领域校准，但必须先有阈值，否则每次都能说「再观察观察」。
怎么研究
建立类目仪表盘，用失衡事件预测何时该做树测试和重构，而不是反过来用感觉决定何时看数据。
- 范式：按层统计对象数、进入、成功、驻留后再退出；定义基尼系数或最大类占比等失衡指标；在指标越线后做树测试，看巨型桶内部的错误类型。对照「直觉驱动的改版」与「指标触发的改版」的找路变化。
- 自变量：失衡阈值、看的是对象还是进入还是成功、是否排除季节性尖峰。
- 因变量：越线后树测试是否确认切法失败、重构后失衡是否下降、误把健康的不均衡（合规小类）拆掉的次数。
- 方法论注意点：流量不等于正确。巨型桶的高点击可能来自错误气味。成功率、回退、搜索逃离要一起看。新类目冷启动会暂时失衡，要用窗口而不是单日快照。
边界
法定小类、高风险低频类允许长期「失衡」，它们的存在理由不是流量。个性化首页不是分类层，把推荐点击算进类目使用量会扭曲信号。多语言或多地区的流量结构不同，全局一刀的阈值会误伤小市场的合法类。对象数失衡但查找成功率高，可能只是世界本身不均衡（一个品类就是比另一个大），此时拆分要有新的可辨识子差，不能为了仪表盘好看而切。
怎么落地
- 每层固定看三张图：对象占比、进入占比、成功占比。任一张越过事先写明的阈值，就开重构议题，而不是开「要不要改版」的空讨论。
- 巨型桶先做内部卡片分类或查询聚类，确认是否有可辨识子差再拆；空桶先并，不要先改名。
- 把季节性、上新期从阈值判断里剔除，避免把促销尖峰当成结构失败。
- 验证：阈值越线的那一周，是否真的产生了带数据的重构提案。若仪表盘绿着却有人靠感觉大改树，或仪表盘红着却无人提案，信号机制就还没接上治理。