客户在一次性做所有决定时会过于平均地分配选择——巧妙的客户体验设计将这一时刻分解开来
天真分散效应描述了人们倾向于将他们的选择平均分配到所有可用选项中，而不管这种分配是否反映了他们的真实偏好。当面对一系列备选方案时，顾客会默认采取一种本能的公平感——即使其中一两个选项明显主导了他们的实际愿望，他们也会给每个选项分配大致相等的权重。
其潜在机制是认知而非理性。选择每样都来一点比完全专注于一件事感觉更安全。它降低了后悔的感知风险（“如果我选了另一个会怎样？”），并且比仔细评估每个选项的优缺点所需的心理努力要少得多。心理学家伊塔马尔·西蒙森（Itamar Simonson）和里德（Read）、洛温斯坦（Loewenstein）和卡利亚纳拉曼（Kalyanaraman）在选择实验中反复证明了这种模式：当人们为未来的多个场合提前选择时，他们会比一次选择一个项目时进行更多的分散。这种多样性在当下感觉是谨慎的，即使它并非人们在更仔细思考后会做出的选择。
这并非源于无知的非理性——它是一种启发式。在时间压力、信息过载或决策疲劳下，大脑会寻求最简单的规则：分散开来。结果是，顾客最终得到了一系列选择，但没有一个选择能特别好地满足他们的任何单一偏好。
当客户同时选择多个项目（例如，餐包、订阅等级或支持计划）时，他们会倾向于机械性地分散选择，而非基于真实偏好，从而选择那些他们单独购买时绝不会选的选项。
高亮支柱是受此偏见影响最大的支柱。请优先针对这些支柱进行设计。
将多项选择拆分到不同步骤中，以便客户根据每项选择本身的价值进行评估，而不是默认选择人为的价差。
在客户引导初期捕获其偏好，以便在客户寻求多样性之前将其锚定到真实品味。
根据过往行为突出显示最适合的捆绑包，让客户感到被引导，而不是被迫自我多样化。
购买后，通过轻量级签到来及早发现后悔信号，并在客户流失前提供便捷的更换服务。
它如何在客户体验中体现
天真分散效应在各个行业和触点中普遍存在，常常隐藏在客户体验团队解读为真实偏好信号的数据中。
订阅和餐包服务
HelloFresh或Gousto等平台邀请顾客选择未来一周的餐食。研究一致表明，一次性选择所有餐食的顾客比那些逐日选择的顾客选择的种类要广泛得多。一个热爱意大利面的顾客可能仍然会在他们每周的餐盒中放入一份意大利面、一份鱼、一份素食和一份红肉——不是因为他们想要多样性，而是因为重复选择相同的东西感觉不对劲。结果是一个部分令人失望的餐盒，而不是一个始终令人愉悦的餐盒。
零售和产品捆绑
当像Boots或Sephora这样的零售商提供一个有五个槽位的“自选礼品套装”时，顾客经常会在每个槽位中填入不同的产品类别——即使他们对护肤品而非香水有强烈偏好。平均分配是一种默认，而非决策。提供个性化推荐的品牌（“像您这样的顾客在五个槽位中有三个选择了护肤品”）可以打断这种模式，引导顾客选择他们真正看重的捆绑产品。
金融服务
天真分散的经典案例来自养老金和投资研究。什洛莫·贝纳尔齐（Shlomo Benartzi）和理查德·泰勒（Richard Thaler）发现，面对基金菜单的员工会将他们的供款大致平均分配到所有可用基金中——这种现象被称为1/n启发式。一个被提供三只股票基金和一只债券基金的员工最终的股票配置为75%；如果反过来提供，他们最终的债券配置为75%。是选项的数量，而不是潜在的风险状况，驱动了决策。这对于任何设计金融产品菜单或储蓄工具的客户体验团队都具有直接影响。
酒店和餐饮
酒店迷你吧选择、品尝菜单和自助餐体验都会引发天真分散。像亚特兰蒂斯棕榈岛酒店这样的住客，如果被提供五种欢迎礼品选择，他们通常会选择每个类别中的一种——一个水果、一个甜点、一个咸点、一个饮料、一个健康品——即使他们强烈偏好咸味零食。这种分散感觉礼貌和周到；但实际上并非如此。
与REBEL框架的联系：探索
在Renascence的REBEL框架中，天真分散效应位于探索阶段——客户积极扫描选项、形成偏好并决定追求什么的阶段。这正是偏见发挥最大影响的时刻。客户尚未做出承诺；他们正在权衡各种可能性。如果此阶段的选择架构在没有指导的情况下呈现过多选项，那么默认的平均分配几乎是不可避免的。
探索阶段是偏好被构建而非仅仅被揭示的阶段。如果环境设计不当，你就会为客户构建错误的偏好。
这直接与客户体验的期望、努力和诚信支柱相关。客户期望他们的选择能反映他们真正想要的东西；天真分散悄然背叛了这种期望。它通过迫使人们对不相关的选项进行不必要的审议而增加了认知努力。它还提出了一个诚信问题：如果一个品牌知道客户正在任意分配选择，它是否有责任进行干预？
客户体验和行为团队的实用设计响应
有意识地减少选项集
每增加一个选项，任意分配的可能性就越大。审查产品菜单、捆绑构建器和选择屏幕，找出那些为了填充范围而非真正客户价值而存在的选项。更少、更好区分的选择会减少默认分散的诱惑。
呈现行为默认值和个性化指导
使用过往行为、明确偏好或群组数据来预填充或突出推荐选择。诸如“根据您之前的订单，像您这样的顾客四次中有三次选择了这个”之类的提示，让顾客可以集中选择，而不会觉得错过了什么。
按顺序而非同时呈现选择
在可能的情况下，将多项目选择分解为顺序决策，而不是单一的同时选择。一次选择一个项目——正如零食选择实验所示——比一次选择一整套更能与真实偏好保持一致。
将重复重新定义为品质而非单调
顾客抵制重复选择相同的选项，因为它感觉缺乏想象力。将一致性定义为鉴赏力的信息——“我们最忠实的顾客每周都订购这个”——减少了集中选择的社交不适感，使最佳选择感觉更有吸引力而非懒惰。
将分配模式作为客户体验信号进行监控
如果您的数据显示客户始终在各个类别中平均分配选择，请将其视为天真分散的警告信号，而不是真正寻求多样性的证据。定性后续研究——调查、访谈、会话回放——通常会揭示客户并没有强烈地想要他们所选择的多样性。