优先注意处理是指那些要求改变注意力的事件，感知渠道会进行优先意识监控。如父母能够在嘈杂的环境中听到孩子的哭声，却没听见旁边有人喊他。 其原因就是优先注意力，也就是用户使用产品的优先动机。

　　继续说回翻译校对工具，需求方对工具的优先注意力是高效、降低成本，所以我们在对需求方推广时优先使用降低原成本60%以上。审校人员的优先动机时很容易的赚到钱，所以我们在每一篇需要审校的内容上，给予明确的告知：“大约30分钟就可以赚到45元”，(时间我们可以估算，钱是可以准确计算)。

　　2. 降低使用成本,越简单越好

　　降低使用成本最直接的方式是：“与类似的产品尽量保持一样，包括流程，内容元素，操作方式都尽量一样，这样可以继承其他产品的使用经验，从而减少学习成本。然而这只会使产品趋于平庸，丧失创新的可能，也不满足新 产品的需要。其实行为继承的渠道还有很多种。

　　继承生活中的行为

　　在生活中，我们要与一个人交谈时，我们可能有三种行为：呼喊其名字、走近他、用手碰他一下。如果将这些生活中的行为加入智能硬件的产品设计中会如何呢?

　　目前，我们已经可以通过唤醒词唤醒echo(亚马逊的一款智能音箱)，也可以使用唤醒的物理按键唤醒，如“echo，帮我查下天气”。如果我们走近echo的时候，echo能够感知我们向其走来，做一些算法上的判断如直线走近、一定距离，且接近它(一定距离范围)时感知并作出反馈：“can I help you”，或者触碰他的时候也可以感知并作出反馈，是不是可以增加人工智能产品智能的一面呢，这种行为方式转化成一种交互方式，也足够简单不需要学习，不是吗?

　　继承其他产品的经验

　　这里的继承是将一种产品的使用经验改造后用到其他类型的产品中去。

　　我们经常使用微信、QQ、客服软件等聊天工具，聊天的两个角色一左一右的排布显示，让我们适应了一问一答的方式，而且这种方式也更好的区分了你我的内容，当然还有顺序时间轴等。这个展示方式本身就是生活中行为的继承，但如果将用户使用聊天软件的经验加入Chatbot的设计中会如何呢?

　　目前人工智能自然语言识别和语义理解已经达到一个新高度，各个企业巨 头也在布局一些Chatbot，来解决一些类似咨询类的工作。客服机器人成为了落地方向之一，但由于行业的差异，Chatbot需要根据一些业务进行配置，所以一些Chatbot的配置器也应运而生，如motion.ai、chatfuel、还有国内的一些(此处不列举);但如果从使用门槛、使用者的学习成本、理解成本来看还是有些高(如有兴趣可以亲自去体验一下)。但如果用聊天的方式来进行Chatbot的配置呢，会不会降低用户的使用成本呢?

　　难易平衡

　　表单设计是早期互联网的难题。因为早期的互联网多为B端信息平台，而且业务复杂，表单的字段也多。如注册用户信息，公司信息，组织机构信息等。字段越多用户使用压力也就越大，当压力达到一定级别时，难度会指数级地增加。这就类似感知上的量变和质变。为了减少这种压力，设计师往往会将其拆分成多步(常规3步)，而且很清晰的表明必填和非必填，或是删除非必填，放在后续补充。其目的也是为了减少一次性大量的信息带来过多的压力。

　　然而这个以简化为目的拆分，也被应用在了C端产品设计中。本来较少的内容被拆分为多步，虽然可以使每一步内容更聚焦，但短线被拉成长线，也增加操作步骤和操作难度，降低了操作效率。所以在类似的线程设计中，根据动机的强弱来平衡线程的长短也是尽可能降低使用成本的方法之一。没有必要一味的拆分，也没有必要一味地缩短。

　　3. 提醒的本质是条件反射

　　无论目前的互联网产品提醒用户的方式是：邮件、电话、短信、推送通知 等各种方式，其本质都是一种条件反射。即摇铃激发唾液分泌。