Z2.03.3End-user sensitivity adjustment设计研究
用户需能调整敏感度
别名: 终端用户调整 · tailoring · 敏感度调节
概念解释
同一检测功能在不同家庭的最优工作点不同——户型、宠物、作息、耐受度都改变误报与漏报的实际代价——出厂默认不可能对所有人最优。因此检测功能需要终端用户调整（end-user adjustment）：用户能在使用中把敏感度调到自家的工作点。没有这个入口，用户面对不合身的默认只剩两个选择：忍受，或停用——多数选后者。
调整的对象不一定是数值阈值：「太敏感 / 太迟钝」的二元反馈、场景预设、逐条规则的启停，都是调整入口的形态。关键是影响力：用户的操作能真实改变系统的行为分布。
机制
为什么必须可调：环境差异改变信号分布本身。有猫的家庭与没有猫的家庭，同一 PIR 阈值下的误报率差一个量级；上夜班家庭的「深夜」定义与默认完全错位。这不是噪声，是分布的系统差异——单一默认值在这些家庭之间迁移时，工作点等效于随机。
调整还有一层认知功能：调一次、观察一周、再调的循环，是用户为抽象的「敏感度」建立具身体验的唯一途径——用户通过自己家的误报史理解系统。这比任何说明文档都有效地建立心智模型；不会调的用户也永远停留在「它有时候乱响」的表面归因。
没有调整入口时的用户行为不是顺从，是物理对抗：贴住摄像头、拔掉传感器、断电——代价更高的失效形态，且系统方完全看不到原因。
怎么研究
- 终端用户编程研究：Ur 等人 2014 年对触发-动作编程（trigger-action programming）的研究发现，非技术用户普遍能创建与理解简单的条件规则，但在边界情况（多条件组合、否定条件）上系统性出错——说明调整入口的表达形式直接决定可用性，简单二元调整比参数面板更接近用户能力。
- 控制粒度偏好：智能家居隐私与控制的调查（Zeng、Mare 与 Roesner 2017）发现用户明确想要对设备行为与数据的细粒度控制，但实际使用集中于少数高频设置——「想要」与「会用」的落差本身是设计约束。
- 调整界面形式比较：滑条、预设、自然语言反馈的对照研究，因变量为调整准确度与后续满意度（此类研究可泛写为交互文献中的常见设计）。
方法论注意点：调整使用率是低基线事件（多数用户从不进设置），评估调整设计要看被调整用户的后续留存与误报申诉变化，而不是全员使用率。
边界
- 调整不能替代好的默认。 多数用户从不调整，默认值仍是主要工作点；「可以调」不豁免「默认得对」。
- 粒度过细是负担。 每传感器×每时段×每规则的参数矩阵没人会用；有效调整是粗颗粒、高影响的（全局敏感度、逐功能开关）。
- 调整转移责任。 用户调松后发生漏报，责任感知随之改变——产品需要在调整时如实呈现后果（「降低后将不再检测轻微活动」），否则调整变成责任陷阱。
怎么落地
- 给高频被抱怨的功能提供二元快捷调整（「太敏感 / 太迟钝」），别给参数面板；逐级反馈、即时生效。
- 调整后给出后果预告：「这样设置后预计每周提示约 X 次」——用可预期的行为变化替代抽象的敏感度数值。
- 调整入口放在误报现场：通知上直接给「减少此类提示」，而不是埋在设置三级菜单里——用户在被打扰的当下才有调整动机。
- 验证办法：统计调整入口的使用率、调整后的功能留存变化与重复调整率。调整后留存上升且重复调整收敛，说明入口在工作；没人用、用了还反复调，说明形态或粒度不对。