名字与人称代词是最强的拟人化开关
别名: 命名效应 · 拟人化线索 · 人称代词 · naming effect · anthropomorphic cue · second-person address
概念解释
在拟人化的全部线索（anthropomorphic cue）里——头像、语音、动效、表情——命名与人称代词是单位成本最低、单点强度最高的开关：一个名字就能把「它」变成「他/她」，一对「我/你」就能把操作关系翻成对话关系。它便宜到几个字符、强到可以单独工作：没有名字的高保真头像仍可能只是一张图，而有名字的纯文本界面已经是一个「谁」。这条对比在文献里没有统一标签，效应本身常被归在命名效应（naming effect）的名下。社会性期待如何成套到来是拟人化一般机制的事；这里说的是哪一枚开关单位成本产出的角色感最强，因此最值得被当成决策来做。
机制
两层。第一层：名字是社会身份的最小线索。人名在记忆里的存取方式不同于物名——失语症研究里有专门伤及人名、而物名无碍的类别特异性损伤，脑成像把人名的提取定位在参与加工「人的身份」的前颞区。给系统一个名字，等于把社会行动者（social agency）的位置发给了它：从这一刻起，对它的解释开始调用人的一整套图式（有意图、有心情、有责任），而对无名之物调用的是器的图式（有功能、有故障）。名字还有语法上的独特性：普通名词指一类，专有名词指一个个体——「一个助手」是类目，「小助手」是这个人。
第二层：人称代词构建主体间性。自称「我」声明一个说话的主体，称用户「你」把对方放进对话位置；一对人称就把语篇从「关于系统的报告」翻转为「与系统的交谈」，轮次、礼貌、追责这些交谈内的默认设置跟着启动，用户随之从「操作它」进入「与它打交道」。这也解释了为什么翻转可以在零美术成本下完成：称谓改动直捣社会认知的语义层，而视觉线索需要先过知觉这道慢门。
怎么研究
范式一：线索消融——同一界面只动名字与人称（有/无名；第一/第二人称对第三人称或系统称谓），测归因与信任的变化，这是拟人化线索研究的标准做法，成本极低，适合在自家产品上先跑。范式二：给真实自主系统起名——最有代表性的一项给一辆自动驾驶车起名并配上声音（Waytz、Heafner 与 Epley 的研究），拟人化条件下信任更高，途中一次系统失灵后的信任衰减也更缓。范式三：观察自发命名——对扫地机器人的田野研究记录到，给机器起名的使用者显著更多地把意图与性格归给它，自发命名是用户从自己一侧扳动开关的信号。方法论注意点：名字在实际产品里总是与语音、人设捆绑上线，要单独估计名字的贡献必须做因子拆分，否则测到的是线索束；事后问卷在这里同样不可靠，归因与信任要用行为与文本指标。
边界
先说证据：命名效应的直接实验多在一次性短任务里做，效应量中小，且依赖任务里存在可供名字发挥的模糊性——任务一清二楚时名字没有用武之地；多数研究把名字与人格、声音捆绑呈现，名字的独立贡献被单独估计的情况少，把结论读作「以名字为核心的最小拟人束」比读作名字单独起效更稳。再说使用边界：工具属性极强、失败代价高的表面（安全警告、支付确认）上，用户接收社会线索的意愿下降，开关可能拉不动。自发命名也不授权设计者命名：爱称出现在使用习惯已经建立之后，据此推断「先命名就能造出感情」是把因果箭头画反了。
怎么落地
- 把命名当拟人化程度决策做：立项时回答「这个产品要不要被叫作『谁』」，名字、自称（我/我们）、对用户的称呼（你）三处一起定，写进文案基线并附不改承诺——它们是全网最便宜、也最难收回的拟人化设置。
- 双向开关要用全：不想触发社会期待的表面（错误提示、支付与安全确认、批量操作结果）改用机制称谓——「系统无法…」「本次操作失败」，用被动语态与非人称句式，撤掉我/你。
- 名字不做纯装饰：名字落在哪一层（产品级、助手级、人格级）要对应与之相称的责任与道歉权限；人格支撑不起名字的场合，宁可无名。
- 验证办法：同一界面做 ±名字/±人称的对照，比较意图归因、责备用词与信任评分；上线后从客服文本里统计用户对系统的称呼——「他/她」与人名爱称的比例上升，即开关已被扳动。