Q3.14.4Novelty and learning produce opposite metric trajectories设计研究
新奇效应通常先升后降，学习效应通常先降后升
别名: 先升后降 · 先降后升 · novelty versus learning curve
概念解释
两条常见的发布后轨迹方向相反。新奇效应把注意和使用暂时抬高，随后回落到与价值相符的水平，形状是先升后降。学习效应让熟练用户先变笨、再随练习恢复，形状是先降后升。只看终点或只看第一天，会把一条轨迹误认成另一条：新奇的回落被当成产品失败，学习的低谷被当成方案更差，学习的回升被当成新奇尚未退尽。
机制
新奇由刺激驱动：没见过的东西产生探索事件，刺激减弱后事件消失，曲线从峰值下落。学习由技能中断驱动：旧自动化失效使错误和时间上升，重复暴露重建自动化后曲线从谷底回升。两者可以叠在同一条总体曲线上，峰值和谷底互相抵消，看起来像“没什么变化”。方向本身是诊断线索，不是定律：新奇若表现为避开（觉得乱而少用），也可能先降；学习若表现为发现隐藏功能，也可能先升。默认预期仍是这一对相反的形状，偏离时需要额外机制。
怎么研究
以发布为原点画分组后的时间序列，看前段斜率的符号和是否反转。新奇主导时，早期正斜率随后变负，并常与提示、角标、宣传同步。学习主导时，早期负斜率随后变正，并与重复使用次数同步。用拐点时间、峰值或谷底深度、恢复后的平台与发布前基线的关系来描述形状，而不是用单一斜率。若只观察到一半形状（只升不降、只降不升），不要补上未发生的另一半来凑故事。
边界
形状是启发式。外部冲击、故障、价格和竞争可以制造同样的升或降。指标若有上限（成功率接近满分）会压扁上升段；若有下限（已经很低）会压扁下降段。不同指标可以同时走出相反形状：点击先升后降，完成时间先降后升，此时不是要选一条“真的”曲线，而是承认两种机制并行。没有足够重复使用，学习的后半段升不起来，曲线会停在谷底，不能把停住解释成新奇。
怎么落地
- 发布后的读数会标形状：先升后降按新奇处理，先降后升按学习处理，禁止用第一天的方向外推终点。
- 为预期中的峰值和谷底各设观察点，写明何种反转才进入稳定判断。
- 当曲线没有反转就要求裁决时，延长观察，而不是把半截形状写成最终效应。
- 验证：把发布后序列分成前段与后段斜率；若符号相反，报告中必须同时写两端，不得只引用其中一段。