类目可辨识度高时广度优于深度
别名: 可辨识则宜宽 · breadth advantage · 导航广浅
概念解释
一层里的类目如果在点开之前就能被分开，用户可以在这一屏完成排除，少付后面那些决策和等待。类目可辨识度高时广度优于深度，说的是导航表现上的输赢：同样一批终点，铺成可一眼分开的宽菜单，通常比拆成几次看不清的下行更快、更少回退。它不管分类树在编目时该怎么切——那是类目体系自己的问题——它管的是已经切好的名字，拿去当菜单时，该铺宽还是该层层收窄。
可辨识度低时结论反转：把分不清的项平铺出去，人会把这一屏当若干条未知深度的路，逐个点开看，广度变成许多并行的深度。
机制
导航选择是排除。两个标签在预览时对比足够（「个人 / 企业」「机票 / 酒店」），排除在当前层就结束，后面的层不必存在，单位成本里的决策和等待被整层删掉。Larson 与 Czerwinski、Snowberry 等人看到的宽菜单优势，前提正是材料可分——数字、明确主题词，不是营销近义词。
对比不够时，当前层的每个项都留着「也许是它」的残差气味，理性策略变成抽样打开。打开一次就要付一次深度单位成本，项越多抽样越多，宽菜单的账比窄而深更差。可辨识度因此是广度优势的开关，不是装饰：它决定「少点几次」能不能兑现。编目上把类目切得互斥，并不会自动让菜单上的用词可分；导航权衡要用用户看见的那几个词来判，不能用分类表里的定义来判。
怎么研究
把「一层几个」和「这几个预览时能不能分开」做成两个因素，复制广度优势时必须报告第二个因素。
- 范式：先做配对判断或混淆矩阵测标签可区分度，再按高/低可辨识分层做宽浅 vs 窄深的菜单或树测试。
- 自变量：深度、每层宽度、预先测得的可辨识度。
- 因变量：完成时间、回退、首次点击、在易混对之间的停留。
- 方法论注意点：用高度可分的实验材料（数字、国名）得到的「宽比深好」，不能外推到「方案 / 服务 / 解决方案」。中英近义词的混淆结构不同，可辨识度要在目标语言、目标用户里测。不要用编目员的「这两类定义不同」代替用户的预览判断。
边界
专家拥有精细辨别力，对生手不可分的类目对他们可分，广度优势会提前出现；反过来，生手样本上的「必须做深」不能直接加到专家工具上。图标或示例图可以提高预览可分性，改变权衡，而不必改分类。屏幕扫不下那么宽时，可辨识度再高也兑现不了广度优势，先受可扫描数量卡住。任务是已知名称的查找（搜一个专名）时，深度广度都不是主通路。
怎么落地
- 做权衡之前先测标签：把一层的候选项两两给用户，问「不点开的话，哪一个更像目标 X」。分不清的对，不要平铺在同一层。
- 可分的一层，优先加宽、减层，把那一层的决策和等待整段删掉。
- 不可分的一层，不要靠加宽来「少点一次」；先改名或改切法，再谈深度。
- 验证：同一组终点，做一版可分宽菜单和一版近义深菜单。若宽版的首次点击高、回退低，广度优势被兑现；若宽版变成逐项试探，先修可辨识度，不要继续加宽。