{T}

不懂人性何谈产品:贪嗔痴、Hook 模型与游戏化设计

适用范围:消费互联网产品经理、社交/内容/游戏类产品负责人、AI 助手与 Agent 产品的体验设计师 更新摘要:v2 在原版"贪嗔痴 + 三个腾讯思考"基础上,新增 Hook 模型(Nir Eyal)系统化解读、游戏化设计八大核心驱动力(Octalysis 框架)、2024–2026 年视频号/小程序/混元产品中的人性设计案例,并讨论 AI 时代上瘾模型的伦理边界。 版本:v2 · 2026-08 更新


1. 导言

1.1 为什么要懂人性

张小龙说:"产品终极是满足人性。"下半句是:"人性就是贪嗔痴。"

这句话不是哲学修辞,而是产品方法论的核心命题。产品经理的使命是改善人类生活的品质,人性决定了一个人的行为特点——如果产品经理不懂人性,就无法预知用户如何使用产品,更无法设计出符合人性的功能。

1.2 本篇要回答的三个问题

  1. 人性是否随技术与物质条件的进步而改变?答案是什么?
  2. 如何用佛教"贪嗔痴"框架与 Hook 模型将人性洞察转化为产品设计动作?
  3. 在 AI 时代,"满足人性"与"防止沉迷"的边界如何重新校准?

1.3 适用范围

  • 消费互联网产品(社交、内容、游戏、电商)的功能设计;
  • AI 助手与 Agent 产品的体验设计与伦理边界把控;
  • 用户增长与留存的心理学机制设计。

2. 核心方法论

2.1 命题:人性不曾改变

19 世纪以来,人类社会从电力时代进入信息时代、AI 时代,物质条件发生巨大变化,但人性——贪、嗔、痴——并未改变。这一判断是产品方法论成立的基石:因为人性不变,所以基于人性的产品方法可以跨越时代复用。

2.2 佛教"贪嗔痴"框架

佛教将人性的三大毒归纳为贪、嗔、痴,与之对应的三美德是慷慨、感恩、节制。千百年来圣人与恶人都属于极少数,大部分普通人在三毒与三美德间摇摆。产品经理的任务不是鼓励用户的恶,也不是苛求用户的善,而是在善恶之间寻找平衡点。

三毒含义对应美德产品平衡点腾讯产品案例
妄图拥有或持续占有慷慨互利微信"看一看"互惠内容分发
怨恨、不满、缺乏耐心感恩、耐心赞美朋友圈只有点赞与评论、无负向评价
痴迷、沉迷节制好奇 + 节制漂流瓶每日限制捞取次数

2.3 Hook 模型:人性设计的工程化工具

Nir Eyal 在《Hooked: How to Build Habit-Forming Products》中提出的 Hook 模型(钩子模型)将上瘾机制工程化为四步循环,是"贪嗔痴"框架在产品层面的具体落地工具。

阶段英文含义腾讯产品案例
触发Trigger内部或外部线索启动行为微信消息红点(外部触发)、孤独感(内部触发)
行动Action用户执行最简动作按下语音按钮、摇一摇
奖励Reward给予变量奖励(多变、不确定)朋友圈点赞数量不确定、摇一摇摇到的人不确定
投入Investment用户留下数据/内容/关系,提升下次触发概率朋友圈发的内容、摇一摇的好友关系

2.4 Octalysis 游戏化八大核心驱动力

Yu-kai Chou 的 Octalysis 框架进一步将游戏化设计拆解为八大核心驱动力,与"贪嗔痴"框架互补,可用于功能设计的精细化评估:

驱动力含义腾讯产品案例
史诗意义与召唤用户感到自己参与伟大事业微信红包春节活动(连接亿万家庭)
进度与成就用户追求完成与里程碑QQ 等级(星星→月亮→太阳)
创造力授权与反馈用户自由表达并获得反馈朋友圈、视频号创作
所有权与占有用户对自己物品的占有欲QQ 秀、微信头像与昵称
社交影响与关联用户之间的比较、认同、归属微信运动排行榜、飞机大战排行榜
稀缺性与不耐稀缺物引发追求漂流瓶每日限制次数
不确定性与好奇未知引发探索摇一摇摇到陌生人
损失与避免用户避免失去已有物朋友圈三天可见触发用户主动发文

2.5 腾讯基于人性的三个平衡点

腾讯的人性设计哲学可被概括为三个平衡点:

  1. 贪 → 互利:通过互惠互利机制满足人性贪婪,避免单向索取;
  2. 嗔 → 赞美:通过只允许正向评价避免负向能量传播,营造良性社交氛围;
  3. 痴 → 好奇 + 节制:通过满足好奇心并设置节制机制(次数限制、时间限制)防止沉迷。

2.6 边界条件

  • 不适用场景:纯工具型产品(如计算器、文件管理器)不必强行套用人性框架;
  • 伦理边界:Hook 模型若被滥用会制造沉迷,需要产品经理主动设置节制机制(详见第 5 节);
  • AI 时代校准:AI 助手比传统产品更易触发"痴"——AI 回答的不确定性高度类似老虎机的变量奖励,需要更严格的节制设计。

2.7 关键术语对照

中文术语英文对照释义
贪嗔痴Greed, Hatred, Delusion佛教人性三毒
Hook 模型Hook Model触发-行动-奖励-投入的上瘾循环
变量奖励Variable Reward不确定性的奖励,最具上瘾性
游戏化Gamification将游戏机制应用于非游戏场景
上瘾模型Habit-Forming Loop促使用户形成习惯的产品机制

3. 关键流程:Hook 模型在腾讯产品中的运行

下图以 Hook 模型为骨架,标注腾讯代表产品在四个阶段的对应设计。

图表渲染中…

图 3-1 解读:Hook 模型的关键不在四个阶段本身,而在 变量奖励(Variable Reward)与 投入(Investment)两个阶段。变量奖励是上瘾性的核心——朋友圈点赞数不确定、摇一摇摇到的人不确定,这种不确定性比固定奖励更能驱动行为重复。投入阶段则是上瘾循环自我强化的关键——用户在朋友圈发的内容、摇一摇建立的好友关系都是沉没投入,这些投入会提升下次触发的概率。腾讯的人性设计哲学在于:不消除变量奖励(保留产品吸引力),但通过节制机制(如漂流瓶次数限制、微信运动每天只算一次)控制投入节奏

3.1 贪嗔痴与 Hook 模型的对应关系

图表渲染中…

图 3-2 解读:贪嗔痴框架与 Hook 模型在"奖励"阶段高度重合——贪对应物质奖励、嗔对应社交认同奖励、痴对应探索不确定奖励。腾讯的方法论是在奖励阶段同时叠加"互利/赞美/好奇"的善性转化,并在投入阶段设置节制机制,避免痴走向沉迷。这种"奖励阶段转化 + 投入阶段节制"的双重设计是腾讯人性设计的核心壁垒


4. 工具与实战

4.1 经典案例:微信 vs 米聊的语音聊天

2011 年 5 月米聊推出图片涂鸦功能,手机 QQ 一个月内跟进,微信始终没有跟进。微信基于人性判断:

  • 图片涂鸦操作难度大,无论是否有美术功底都难以画得漂亮;
  • 图片涂鸦不是刚需,仅是锦上添花;
  • 微信转向研发语音聊天功能,因为语音聊天符合人性:说话比打字更自然、单位时间传递内容更多、操作简便(按下说话抬起发送)、专门做了流量优化。

4.1.1 操作界面的极简对比

维度微信米聊
操作行数一排(按下说话,松开发送)两排(语音条与文字框相邻)
误操作风险高(移动场景易误触)
语音时长限制60 秒,只有播放/停止两状态引入播放/停止按钮,视觉复杂
体验判断简洁易于识别使用复杂违背人性

最终微信胜利——用户的操作体验足够好,简单易于识别与使用。

4.2 朋友圈只有点赞:嗔 → 赞美的设计

朋友圈好友发送的内容只可以点赞或评论,没有"扔鸡蛋"等负向评价选项。这是基于人性的设计:

  • 用户发的内容不好,好友可直接忽略;
  • 用户发的内容好,好友可点赞表示认可;
  • 增加负向评价会引发社交困境与争执,让好友之间增加误解。

中国所有匿名社交最后都失败了,症结在于匿名社交是负能量高度集中的地方,必然失去商业价值。微信朋友圈利用点赞功能发扬人性之善,营造充满正能量的社区。

4.3 看一看:贪 → 互利的设计

微信"看一看"通过互惠互利机制解决人性贪婪:

  • 用户在朋友圈不会被淘宝/京东式的无尽列表淹没;
  • 看一看展示的是朋友筛选过的优质内容;
  • 用户既减少时间成本,又得到朋友认可;
  • 不会像算法那样陷入极端——用户所交的朋友决定了能看到的内容。

4.4 漂流瓶与附近的人:痴 → 好奇 + 节制

4.4.1 附近的人

打开附近的人,用户只能看到 100 米、200 米、500 米到 1000 米以内的人,再远距离的看不到——超过这个距离就不是"附近的人"的概念。通过这种限制设定帮助用户实现节制,同时满足好奇心。

4.4.2 漂流瓶

QQ 邮箱漂流瓶满足用户好奇心,同时通过限制每天捞取漂流瓶的次数让用户学会节制。这是"好奇 + 节制"的典型设计。

4.5 2024–2026 人性设计案例

4.5.1 视频号社交推荐:贪 → 互利在短视频的当代演绎

视频号不复制抖音的中心化算法分发,而是依托社交关系链——朋友点赞的内容会被推荐给好友。这种设计在人性层面的逻辑是:

  • 贪 → 互利:用户看到朋友筛选过的内容,减少选择成本;朋友获得点赞认同;
  • 嗔 → 赞美:视频号评论区整体偏向正向互动,与抖音评论区生态有差异;
  • 痴 → 节制:社交推荐的内容上限天然受朋友圈规模约束,避免算法式无尽沉浸。

4.5.2 微信运动排行榜:嗔 → 赞美的当代延续

微信运动每天走步数最多的好友会霸占你的封面——这一设计与 2013 年飞机大战排行榜、QQ 等级星星月亮太阳的设计逻辑完全一致,都基于"社交比较 + 认同"的人性。人性未曾改变的判断在 2024–2026 年依然成立。

4.5.3 小程序游戏化:Octalysis 框架的当代应用

2024–2025 年微信小程序游戏(如合成大西瓜、跳一跳等)的爆发性增长,验证了 Octalysis 框架的当代有效性:

  • 进度与成就:分数与排行榜;
  • 社交影响:好友排行榜、群分享挑战;
  • 稀缺性:每日挑战次数限制;
  • 不确定性:随机道具与关卡。

这些游戏化机制本质上仍是贪嗔痴与 Hook 模型的当代应用。

4.5.4 混元 AI 助手:痴的新边界

AI 助手在人性层面引入了一个新问题:AI 回答的不确定性比传统变量奖励更具上瘾性——用户不知道 AI 这次会给出什么样的回答,这种不确定性高度类似老虎机。腾讯混元 AI 助手在产品设计中采取了几个节制措施:

  • 场景化克制:在腾讯会议、腾讯文档中只回答与当前场景相关的问题,不主动扩展;
  • 回答边界:在元宝 App 中明确告知用户 AI 的能力边界,避免用户产生"AI 全知全能"的痴迷;
  • 使用频率提示:在长时间连续对话后提示用户"适当休息"。

4.6 工具清单

工具用途人性设计阶段
Hook 模型画布拆解产品的上瘾循环触发-行动-奖励-投入
Octalysis 评估表评估八大驱动力覆盖度游戏化设计
用户访谈与行为日志识别内部触发触发设计
AB 实验平台验证奖励机制有效性奖励设计
节制机制清单防止痴走向沉迷投入节制

5. 常见误区与避坑指南

误区 1:把"满足人性"理解为"利用人性弱点"

满足人性是在善恶之间寻找平衡点,既顺应本性又帮助用户成长。利用人性弱点(如无限信息流、变量奖励滥用)制造沉迷,是产品经理的失职。

避坑建议:每个上瘾机制设计必须配套节制机制,如使用时长提醒、次数限制、内容质量过滤。

误区 2:把"贪嗔痴"理解为"必须三毒俱全"

不是每个产品都需要同时满足贪嗔痴。工具型产品可能只需"嗔 → 赞美"(如简洁的反馈),内容型产品可能更需"痴 → 好奇 + 节制"。

避坑建议:根据产品定位选择 1–2 个核心人性维度深度设计,避免生搬硬套。

误区 3:把"节制机制"理解为"伤害用户体验"

节制机制(如漂流瓶次数限制)不是伤害体验,而是保护用户长期体验。没有节制的产品会快速引发用户疲劳与道德焦虑,最终失去用户。

避坑建议:节制机制设计应"轻量化"——通过自然限制(如距离限制、次数限制)而非强制限制(如弹窗警告)实现。

误区 4:在 AI 时代忽视"痴"的新形态

AI 助手的变量奖励(不确定的回答)比传统产品更具上瘾性。许多团队在 AI 产品中盲目追求"用户停留时长",反而制造了新型沉迷。

避坑建议:AI 产品应将"用户问题解决率"作为北极星指标,而非"用户对话轮数"或"用户停留时长"。

误区 5:把 Hook 模型当作"上瘾工具"

Hook 模型是用户习惯形成的工程化描述,其本意是"帮助用户形成有益习惯",而非"制造沉迷"。Nir Eyal 在后续著作《Indistractable》中专门讨论了如何让产品"可被分散注意力",即产品应帮助用户在不需要时离开。

避坑建议:Hook 模型设计应配套"反 Hook 机制"——让用户能够主动退出循环(如微信"退出登录"、视频号"休息提醒")。

误区 6:把"朋友圈只有点赞"理解为"避免一切负反馈"

朋友圈只有点赞不等于避免一切负反馈——评论功能依然允许文字反馈,只是不提供"扔鸡蛋"这种单向负指标。负反馈的设计应该是"建设性、可对话"的,而非"破坏性、单向"的。

避坑建议:负反馈机制设计应配套对话能力,避免变成单向攻击。


6. 进阶延展与参考资料

6.1 人性设计与外部方法论的对照

外部方法论共通点差异点
Hook Model(Nir Eyal)上瘾循环工程化腾讯叠加了"贪嗔痴 + 三平衡"的伦理框架
Octalysis(Yu-kai Chou)游戏化八大驱动力腾讯更强调"节制"对痴的平衡
BJ Fogg 行为模型(B=MAP)行为 = 动机 × 能力 × 触发腾讯更强调人性层面的动机分析
上瘾伦理学(Indistractable)防沉迷设计腾讯的节制机制更前置(设计阶段)

6.2 延伸思考题

  1. 视频号社交推荐与抖音算法推荐,在人性层面的差异是什么?哪种更可持续?
  2. AI 助手的变量奖励(不确定的回答)是否需要被监管?如何设计行业自律机制?
  3. 微信"用完即走"理念与 Hook 模型是否矛盾?还是更高阶的 Hook?

6.3 参考资料

  • 张小龙 2019 年微信公开课演讲(关于"人性"与"用完即走"的公开阐释);
  • Nir Eyal《Hooked: How to Build Habit-Forming Products》;
  • Yu-kai Chou《Actionable Gamification》;
  • 公开报道:视频号社交推荐机制(2024–2025)、混元 AI 助手节制设计(2025–2026);
  • 配套阅读:本课程第 06 篇及后续将拆解"用户研究与需求洞察"的工程化方法。

下一篇预告:第 06 篇《用户研究与需求洞察》——以 10/100/1000 法则为核心,讨论用户研究的工程化方法与 AI 时代的演化(行为日志分析、AI 共测等新工具)。