G2.02.3flattening transfers choice cost to breadth设计研究
扁平化会把选择成本从深度转到广度
别名: 选择成本转移 · Hick-Hyman in nav · 深度成本改广度
概念解释
把树压平，并没有取消选择，只是换了一种付费方式。深度上的成本是串行的：每一层一次判断、一次等待、一次承诺。广度上的成本是并行的：在同一屏里扫视、两两辨别、排除。扁平化把选择成本从深度转到广度，意思是总账还在，科目变了。少点几次、少等几次加载，换来的是更长的一排候选项和一次更重的辨别。
若把「扁平」理解成「更省事」，会漏掉转过去的那一笔。转得值不值，要看原来深度上的等待有多贵，以及摊开后的那一排还能不能被扫完。
机制
深度成本沿时间轴叠加。每一层的判断依赖上一层已经提交，加载把决策切开，人无法在等待里完成下一层的预览。广度成本沿空间轴叠加。选项同屏出现，Hick–Hyman 定律近似描述反应时随选项数对数上升，但导航里更大的头是视觉搜索和标签辨别：近义项会把对数增长打成近似线性的逐个试读。
两种成本的错误形态也不同。深度错了要回退，错觉要到下一层加载完才揭穿；广度错了是看漏或看混，错误当场发生在同一屏。扁平化消灭了「加载完才知道选错」这种延迟错误，同时制造了「扫漏了那个对的项」这种当下错误。信息气味从「这一支像不像」变成「这一排里谁最像」——气味比较的集合变大，相对差异必须更强才比较得出。
怎么研究
把总时间拆成「层间等待」和「层内搜索」，扁平化之后前者应下降、后者应上升，否则只是换了皮肤。
- 范式：同一任务的深树 vs 扁平列表；用眼动或逐项高亮记录层内扫视次数；用性能节流放大层间等待，看扁平优势是否随等待变贵而增大。
- 自变量：层数、同屏选项数、层间延迟、标签近义程度。
- 因变量：层间等待总时、层内搜索时、回退次数 vs 同屏改选次数。
- 方法论注意点：实验室菜单往往瞬时切换，会低估真实深度里的等待成本，从而低估扁平在慢网络上的收益。反过来，用极具区分度的数字或图标当标签，会低估扁平在含糊文案上的辨别成本。两项都要按产品真实延迟和真实标签来设。
边界
层间几乎无等待的桌面端本地应用，深度成本本来就低，转到广度不一定赚。屏幕极窄时，所谓扁平会变成一列很长的纵向列表，广度成本里又叠了滚动，转移并不干净。专家走熟路时两种成本都被空间记忆短路，测新手才能看见转移。语音导航没有「同屏扫视」，成本结构不按这条轴切。
怎么落地
- 改扁平前先量现在的深度账：平均层数、每层加载、每层回退。再估计目标屏上的选项数和标签混淆对。
- 若深度账主要是等待和回退，扁平值得做；若深度账已经很浅、痛点是项与项分不清，摊开只会把分不清摆到第一屏。
- 扁平后的第一屏用分隔、分组标题把并列项分成可扫的几簇，降低一次辨别的集合大小，但不要借机加回假层级。
- 验证：同一批任务，分别记「点击次数 + 加载次数」和「在导航条上的停留与改选」。前者降、后者升，才是成本转移发生了；两项都升，是扁平没有做对。