初期兴趣不预测长期使用
别名: 新奇效应 · novelty effect · 习惯化
概念解释
用户对社交机器人的初期高涨兴趣——愿意频繁互动、给出正面评价、主动展示给他人——很大程度上来自一件事本身是新的，这就是新奇效应（novelty effect）。它和产品能不能持续提供价值是两回事：前者只要"没见过"就会发生，后者要等新鲜感褪去之后才看得出来。这条概念的核心提醒是，初期参与度、初期好评、初期互动频率这三类数据都不能拿来预测几周甚至几个月后的实际使用水平，把它们当作长期采纳的证据是这个领域里最常见的方法论错误之一。
机制
新奇效应背后的机制是刺激本身携带的信息量会随重复接触迅速下降。用户第一次见到一个会说话、会转头、会表达情绪的物体，光是观察它、试探它能做什么这件事本身就有奖赏性——这种奖赏不是来自机器人解决了什么问题，而是来自"接下来会发生什么我还不知道"这种不确定性带来的探索价值。
这种探索价值有一个隐藏的前提：交互空间必须还没被穷尽。多数社交机器人能做的动作、能说的话、能给出的反应模式其实相当有限，几次互动之后用户就会把它摸透——发现它翻来覆去就是那几套回应，继续互动不再产生新的信息。一旦到了这一步，探索本身带来的那部分参与度会迅速衰退，继续使用与否就完全交给机器人本身能不能提供稳定的功能价值来决定。这解释了为什么首月甚至首周的参与度数据会系统性偏高——它测到的主要是探索期还没结束时的行为，而不是产品价值稳定之后的行为。
怎么研究
验证新奇效应是否存在、衰退到什么程度，做法是纵向测量而不是单次评估。具体是把同一批用户在部署后第1天、第1周、第1个月、第3个月的互动频率或单次互动时长分别记录下来，看曲线是不是呈现"初期陡峭上升或维持高位、随后明显下降、最后趋于一个较低的稳定水平"这种形状——如果曲线一直平稳或者持续上升，反而说明新奇效应不是这次观察到的主要因素。
除了行为日志，也可以用Godspeed问卷这类标准化量表在不同时间点重复施测，比较可爱度、感知智能等分维度得分随时间的变化趋势，而不是只在发布或试用结束时测一次总分——单点测量测到的分数本身就混杂了新奇效应，没有对照就无法把它剥离出来。
边界
新奇效应衰退的速度和幅度和交互本身的深度有关：功能单一、每次交互模式基本固定的产品衰退得快，因为交互空间很快就被穷尽；能够提供个性化反馈、渐进解锁新内容或新功能的产品衰退得慢一些，但目前没有证据表明有哪种社交机器人能完全避免这种衰退，区别只在于快慢。
这条边界不适用于那些本来就只追求一次性或短期使用的场景，比如展会、商场里做导览和展示的机器人——这类场景的设计目标本身就是制造瞬间的新奇感，不需要对抗它的衰退，用长期使用的标准去评价这类产品是误用了这条概念。
怎么落地
不要拿首次体验或者上线第一周的满意度、参与度数据去做是否规模化部署、是否继续投资的决策——这些数据反映的主要是探索期的行为。评估周期至少要覆盖到用户"摸透"交互模式之后，这个时间点因产品的功能复杂度而异，常见范围是几周到一个月，复杂度越高、可探索的内容越多，这个窗口就越长。
具体验证办法是把同一组核心行为指标（比如日均互动次数、主动发起互动的次数）在部署后的多个时间点重复测量，画出随时间变化的趋势线，而不是只在发布会、媒体报道或试用期结束时做一次性的单点测量——单点数据回答不了"这是不是新奇效应"这个问题，只有趋势才能回答。