为什么“低摩擦”比“功能强大”更适合 ADHD 产品——入口多一步，系统就可能死一次

一个产品团队做过一次让他们脊背发凉的数据分析。他们的任务管理 app 有个高级功能:录入任务时可选优先级、标签、预估时长、能量等级——为 ADHD 用户「量身定制」的四个字段。数据显示:开启完整录入流程的用户,30 天留存率只有简化录入用户(一个输入框,回车即存)的三分之一;更扎心的是流失轨迹——那些流失用户不是渐渐少用,而是某一天突然归零:日志显示他们最后的会话里往往有一次「录入中途放弃」(填到第三个字段时退出了 app)——然后再也没回来。产品经理的复盘一针见血:「对普通用户,多一个字段是多 2 秒;对我们的目标用户,**多一个字段是多一次『这次先不记了』的机会——而『这次先不记了』的第三次,就是系统死亡日。**我们引以为傲的强大,是在给自己的用户挖坟。」

收敛:复杂度税篇讲过用户为什么弃用,本文从产品设计侧只回答——「摩擦→系统死亡」的精确传导链(为什么是死亡而不是衰减)?低摩擦设计的四条硬原则(可以直接写进 PRD 的那种)?以及「低摩擦」和「功能阉割」的区别(强大依然可以有,放在哪的问题)?

穿透:普通用户的流失曲线是斜坡,ADHD 用户的流失曲线是悬崖——因为信任在这里是二值的

传导链,四步到死亡:①摩擦拦截単次行为——每一步额外操作都是一次微型启动屏障,在低电量时刻(恰是最需要记录的时刻)拦截率最高;②拦截制造「系统空洞」——没被记进去的那件事后来爆了(忘了、误了),用户获得一次「系统也靠不住」的证据;③空洞瓦解「全量信任」——外置系统的价值全押在「所有事都在里面」这一条上(延展心智的判据之一:内容被信任)——外置记忆是二值的:要么全信(它是我的一部分),要么全废(还得靠脑子备份,那要它干嘛)——两三次空洞就足以把「全信」翻转为「全废」;④全废即死亡——不再信任的系统连打开的理由都没有了,于是某天突然归零(那条流失轨迹的谜底)。普通用户少用一个 app 是习惯衰减;这里的用户离开一个系统是信任崩塌——斜坡与悬崖的区别,就是两类产品设计的分水岭。

四条硬原则(PRD 级):①捕捉路径零决策——从「想记」到「已记」之间不许出现任何选择题(字段、分类、确认框全部后置)——黄金标准是「一个动作」:说一句话/敲一行字/按一个键;②默认值覆盖一切——所有元数据(优先级、日期、分类)由系统猜+事后可改,而不是录入时问——宁可猜错让用户改,不可提问让用户逃;③崩溃日模式是一等公民——产品必须在「用户状态最差的那天」依然可用(大按钮、零层级、允许烂输入)——用最差状态日做可用性测试,而不是用演示日;④退出宽容——中断的录入自动保存为草稿而不是丢弃(那个「填到第三个字段退出」的用户,回来时应看到「上次没记完的,一键补上?」——把死亡日改写成回归日的,就是这一个设计)。

低摩擦 ≠ 功能阉割——区别在「摩擦的位置」:强大功能可以有,但必须全部放在「回顾侧」而不是「捕捉侧」——录入时零字段,回顾时(用户主动打开、状态较好的时刻)再提供强大的整理、分析、批量编辑。设计公式一句话:捕捉侧按崩溃日设计,回顾侧按最佳状态日设计——同一个产品的两侧,服务同一个用户的两种状态。(这恰是外骨骼原则的产品版:助力跟随状态波动。)

验证

可测(产品侧):录入完成率、「中途放弃后 7 日回归率」、留存曲线形态(悬崖是否变斜坡)。可测(用户侧):选工具时数一数「从想记到已记」的动作数——超过两个动作的,慎入。可证伪:确有一类用户(通常是重度系统爱好者的好状态期)享受丰富字段——但留存数据几乎总站在低摩擦一边;若你的产品数据相反,欢迎打脸,那将是有价值的反例。

决策

做什么(设计者):四原则进 PRD;用崩溃日做测试;强大放回顾侧。做什么(用户):用「动作数」和「中途放弃是否宽容」两条选工具。

不做什么:不要为「专业感」在捕捉侧加字段;不要把「功能多」当卖点卖给这个人群(那是在卖坟地)。

先做什么(用户):数一下你当前主力工具的捕捉动作数——超两步的,找它的快捷入口或换掉。

边界

留存数据的具体倍数为案例性描述(不同产品差异大);「摩擦对 ADHD 用户的超额拦截」有启动屏障与认知负荷的文献基础(GRADE 中),「信任二值性」为实践归纳(无对照研究)。本文不针对特定产品作评价;工具选择以个体实测为准。

今天就能试的 3 件事

1. 数主力工具的捕捉动作数。
2. 给最常用的记录场景配一个一步入口(桌面快捷方式/语音指令)。
3. 如果你在做产品:今晚用「最差状态」走一遍自己的录入流程。

本文服务于人生 Harness 金字塔的执行层(工具设计标准):这个人群的产品哲学只有一句——你的用户在最需要你的那天,状态最差;所以别问「功能够不够强」,先问「他瘫在沙发上的那个晚上,还能不能一步把事情交给你」;入口的每一步,都是一道他可能永远不再回来的门。

参考来源

• AI may aid in diagnosing adolescents with ADHD - ScienceDaily — 证据等级：中（GRADE）
• Cognitive, motor, behavioural and academic performances of children born preterm: a meta‐analysis and systematic review involving 64 061 children — 证据等级：高（GRADE）

---

本文是「ADHD × AI」系列的第 211 篇，由 Devin 基于持续维护的双域研究语料（72,739 篇论文 + LLM Wiki）亲自撰写，并持续迭代更新。