> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.
# 雅各布定律
> 雅各布定律指出：用户大部分时间在别的网站上，因此期望你的产品也按同样方式工作。了解起源、UX策略与创新边界。
**类别**：定律
**类型**：可用性／互联网用户体验启发式
**来源**：雅各布·尼尔森，Nielsen Norman Group，《网页设计的终结》（2000）
**别名**：雅各布互联网用户体验定律
**快速回答** — **雅各布定律**（Jakob's Law）指出：用户**大部分时间花在其他网站**上，因此更希望你的站点**按他们已经熟悉的方式**工作。雅各布·尼尔森在 **2000** 年命名；它讲的是**心智模型迁移**，不是禁止创新。默认遵循惯例；只有收益被证明、学习成本可支付时再打破。
## 什么是雅各布定律？
**雅各布定律**（Jakob's Law）是一条互联网体验的可用性启发式：人们在许多其他产品上练习过，带着**预期**到来——他们用这些习惯评判你的界面，而不是从白板开始。
> 用户大部分时间花在其他网站上。这意味着他们希望你的网站与他们已经知道的其他网站以同样方式工作。
想象在陌生城市租车：你仍期望方向盘、踏板与转向灯大致在相同位置。「有创意」的布局在照片里也许醒目，却加重每一次行程。网页与 App 里的购物车、左上角标识、搜索框与偏蓝色链接扮演同样角色——共享词汇，把注意力留给任务本身。它与 [费茨定律](/zh/laws/fittss-law)（指向成本）、[希克定律](/zh/laws/hicks-law)（选择负荷）相邻：熟悉同时降低搜索与决策摩擦。也与 [现状偏差](/zh/effects/status-quo-bias) 共鸣——人们守着已经会用的东西——但并不声称每条惯例永远最优。
### 雅各布定律的三层理解
* **入门**：若 App 给「设置」或「购物车」发明新位置，人们会比在熟悉应用里找得更久。
* **实践者**：盘点主任务的行业模式；先对齐，除非研究证明更好路径且上手能教会。
* **进阶**：把惯例当作**训练迁移**资产；把「新奇预算」花在产品独特价值上，而不是重造外壳。
## 起源
**雅各布·尼尔森**（Jakob Nielsen）在 Nielsen Norman Group 的 Alertbox **《网页设计的终结》**（*End of Web Design*，**2000 年 7 月 22 日**）中提出 **Jakob's Law of the Internet User Experience**。他主张站点应弱化独特的视觉语言、标签、工作流与信息架构，因为用户大部分时间活在网络的**别处**。文中已标准化的例子包括 **Yahoo** 与 **Amazon** 一类模式、**购物车**隐喻与图标，以及**蓝色文字链接**。
同一篇文章把该定律与移动端约束、多设备连续性、内容/功能联合（syndication）等力量并列，共同推向共享惯例。尼尔森后来在 NN/g 视频与文章中反复重述核心句：花在其他站点上的时间，驱动对「一样好用」的偏好。Laws of UX 等目录以短名 **Jakob’s Law** 将其写入设计教育。
## 核心要点
雅各布定律是**默认策略**，不是禁止更好的想法。
练习大多发生在竞品、操作系统外壳与相邻产品上。你的首次会话很少是他们当天的第一个界面——标签、图标位置与流程顺序会自动迁移。
标准外壳（标识回首页、许多电商右上角购物车、移动端汉堡菜单）让工作记忆留给内容与目标。偏离会放大类似 [希克](/zh/laws/hicks-law) 的、在陌生选项间搜索的成本。
差异化属于产品能力、内容与不破坏主路径的品牌表达。导航上的新奇很贵；「待办任务」上的新奇可能值得。
若必须违反模式，用任务成功率、耗时与错误相对惯例基线测量——并教会新路径。[波斯特尔定律](/zh/laws/postels-law) 是系统侧近亲：宽松接受用户习惯，谨慎发明私有方言。
## 应用场景
凡是设计评审以「别人都不这么做——所以我们赢」开场的地方，都该用雅各布。
购物车入口、价格邻近与多步结账放在预期区域；先对齐品类惯例，再谈 A/B 细调。
保存/发布、搜索与设置对齐操作系统与套件习惯，便于跨工具迁移技能；把刻意例外写进文档。
偏好直白标签（「搜索」「联系」「缴费」）而非花哨隐喻；市民在多机构间跳转，不会为每个门户重新学习。
做 side project 或课程 App 时先克隆熟悉模式，再一次只改一个变量，好让测试者说清坏在哪里。
## 经典案例
一项具体的 NN/g 发现显示忽略近乎通行的网页惯例的代价。在关于**标识位置**的研究中，**居中标识**使「**一次点击未能回到首页**」的失败率约升至 **6 倍**：左对齐标识约 **4%** 失败，居中约 **24%**（见于 NN/g 居中标识研究，尼尔森后来在阐释雅各布定律时亦引用）。左上角标识即首页是典型的「其他站点」习惯；居中或许好看，却撞击训练迁移。边界说明：阅读方向、移动端页眉与纯品牌页可能改变最优；应测量你的受众，勿把 4% 对 24% 当成一切布局的永恒常数。
## 边界与失效场景
**边界一：惯例会老化，且随领域而变**\
桌面电商上「人人皆知」的事，未必适合工业工具、游戏或新兴平台。要抽样用户**真正生活在其中**的竞品集。
**边界二：熟悉不等于道德或可访问**\
黑暗模式也可以很熟悉。雅各布定律不是陷阱的许可证；惯例须与无障碍与诚实选择架构并用。
**常见误用**：把定律**武器化来扼杀研究**——「亚马逊这么做，所以我们必须」。不经任务分析复制领导者，会冻结平庸，也忽略从未用过该领导者的用户。把惯例当先验，而不是证据的替代品。
## 常见误区
这些误区把迁移启发式拧成「必须完全一样」或「必须完全独特」的表演。
否。它优先熟悉的**交互模型**。品牌、内容与差异化功能仍可在用户获得价值处独特。
否。原表述是互联网 UX，但同样的迁移逻辑适用于移动 App、桌面软件与用户已在别处练过的多设备服务。
否。流行编码的是过去训练，不是永久最优。证据显示更好路径且你能教会时，可测的偏离是正当的。
## 相关概念
邻近页面连接熟悉度、指向、选择与系统接口。
距离与目标尺寸塑造指向时间——与熟悉放置并用。
无结构选项增多会拖慢选择；惯例降低有效搜索。
宽松接受输入——包括用户既有习惯。
用户依赖可观察行为——包括意外「惯例」。
能工作的复杂系统从简单者长成——从已知模式起步。
人们守着熟悉之物；设计应利用惯性，而非只会对抗。
## 一句话总结
按用户已在别人产品上练过的方式设计——因为他们确实练过——再把新奇花在任务本身，而不是外壳上。