Framework Deep Dive

Fogg 行为模型

B = MAP。行为发生的那一刻,动机(Motivation)、能力(Ability)和触发(Prompt)必须同时到位。这个模型告诉我们:不要试图改变用户动机——把行为变得足够简单,在正确的时刻触发。

为什么用户不做你希望他们做的事?

产品团队最常犯的错误,是把用户不行动归结于「动机不够」,然后疯狂地增加激励机制——积分、徽章、弹窗、邮件——却发现效果越来越差。Fogg 行为模型揭示了一个反直觉的真相:动机不是瓶颈,能力和触发才是。

BJ Fogg 在斯坦福研究人类行为超过20年后得出结论:行为发生需要三个要素同时满足——动机(用户想做这件事吗?)、能力(用户能轻松做到吗?)和触发(用户在正确时刻被提醒了吗?)。只要其中任何一个缺失,行为就不会发生。

这个模型最实用的地方是它的优先级指引:改变动机成本高、速度慢;而降低行为难度(提升能力)和设计正确的触发,成本低且效果立竿见影。这是产品设计中真正的杠杆点。

B = MAP:三要素必须同时到位

Fogg 模型的核心是一个二维图:Y 轴为动机(高→低),X 轴为能力(难→易)。图中有一条弯曲的「行动线」——只有当用户的动机-能力组合落在行动线以上时,行为才会在触发出现时发生。

M
动机 Motivation
用户有多想完成这个行为?动机来源于三对核心驱动力:快感/痛苦、希望/恐惧、社会认同/排斥。
改变动机成本极高,且常常不可控。设计决策应尽量减少对动机的依赖。
A
能力 Ability
用户完成这个行为有多简单?影响因素:时间成本、金钱成本、脑力消耗、体力消耗、与日常习惯的偏差程度。
这是产品设计的核心杠杆。每减少一个步骤、一秒等待时间,都在提升能力。
P
触发 Prompt
用户在正确时刻被提醒了吗?三种触发类型:Spark(低动机时激励)、Facilitator(低能力时提供帮助)、Signal(动机和能力都高时只需一个信号)。
错误的触发时机不只是无效,还会引起反感。触发必须在用户「行动线以上」时到达。
Fogg 行为图:行动线模型
动机 (高 → 低)
能力 (难 ← → 易)
行为发生区
行为不发生
分享文章(易触发)
完成首课(需设计)
写评价(行动线以下)
每日打卡(连击加分)
核心洞见:微习惯(Tiny Habits)
Fogg 的 Tiny Habits 方法是该模型的直接应用:把目标行为缩小到 不到 30 秒就能完成,直到能力极高,行动线轻松越过。「每天做 2 个俯卧撑」比「每天锻炼 30 分钟」更容易养成习惯——不是因为 2 个俯卧撑有多大效果,而是它突破了行动线。

什么时候该用它?

Fogg 模型适用于任何「希望用户采取特定行动」的设计决策节点,尤其当你发现行为转化率低但原因不明时。

🚀
产品激活率优化
新用户注册后没有完成关键动作?用 MAP 诊断:是步骤太多(能力问题)还是价值不清晰(动机问题)还是缺少引导(触发问题)。
🔔
推送通知策略设计
决定发什么通知、何时发、发给谁。在用户「行动线以上」时发 Signal,在用户低迷时发 Spark,永远不要在行动线以下时打扰用户。
🔁
习惯养成功能设计
设计每日签到、连续打卡、学习提醒等功能时,用 MAP 模型确保每个习惯循环都在能力高、触发精准的条件下触发。
📉
用户流失原因诊断
用户在哪个环节流失?MAP 诊断框架帮你快速定位:是动机衰减(内容质量问题)、能力下降(流程复杂化)还是触发失效(通知未送达)。
🎯
转化漏斗设计
电商结账、SaaS 付费转化、表单提交——每一个转化漏斗都可以用 MAP 分析,找到能力最低的瓶颈步骤进行针对性优化。
📱
Onboarding 流程重设计
新用户 Onboarding 的每一步都应该设计在「行动线以上」运行。用 Fogg 模型评估每个 Onboarding 步骤的 MAP 状态,识别并消除卡点。

Duolingo 连击功能重设计
(2017–2018)

Duolingo 是全球最大的语言学习应用,但在 2016–2017 年面临严重的留存危机:用户注册后前几天学习热情高涨,但第 3–4 天后迅速流失,30 天留存率令人担忧。联合创始人 Luis von Ahn 开始系统性地用 Fogg 行为模型诊断问题。

Duolingo
连击(Streak)功能重设计 · 2017–2018
2017–2018
🔍
MAP 诊断结果
M
动机衰减
初始动机高(想学语言)→ 新鲜感消退后急速下滑。没有可见的进度感,用户不知道自己学到了哪里。
A
能力不足
每节课 10–15 分钟,对于忙碌用户能力评分极低。「没有整块时间」成为最常见的放弃理由。
P
触发失效
通用提醒邮件打开率低,推送通知时机与用户实际空闲时间不匹配,触发到达时用户往往在行动线以下。
三项 MAP 干预措施
A
能力提升:引入「5 分钟迷你课程」。把完成一节课的时间门槛从 10–15 分钟降到 5 分钟以内,通勤途中也能完成,能力评分大幅提升。
M
动机维持:连击计数器(Streak Counter)让学习进度变得可见,利用损失厌恶心理——用户不想打断已有的连击记录,形成自我强化的动机。
P
触发优化:推送通知根据用户历史行为数据个性化时机,内容也因连击长度而变化:「你的 7 天连击记录有风险!」比通用提醒有效 3 倍以上。
📈
关键设计原则
从不试图「说服」用户更努力,而是降低每次行动的成本
连击功能利用损失厌恶(loss aversion)自然强化动机,无需额外激励
BJ Fogg 本人后来公开引用 Duolingo 作为 MAP 模型最成功的产品实践之一
+14%
30 天留存率提升
15M→25M
DAU 18 个月内增长
数百万
每天被连击功能挽救的学习记录

如何系统应用 Fogg 模型

以下是一套完整的操作指南,可用于产品设计、通知策略或行为优化任何场景。每个步骤都设计为可独立执行的工作单元。

01
选定目标行为
30 分钟
定义你希望用户完成的那一个具体行为。必须做到:可以直接观察到,并且足够具体到可以计数。

不合格示例(太模糊):「提升用户参与度」「让用户更活跃」
合格示例(可设计):「用户在注册后 24 小时内完成第一节课」「用户在 Feed 上分享内容」

不要同时处理多个行为——MAP 模型针对单一行为的诊断才有意义。
关键提示:如果团队对目标行为的描述有分歧,说明还没对准。先花时间对齐行为定义,后面的分析才有价值。
02
评估当前 MAP 状态
45 分钟
对目标行为进行三项诚实评估(用真实数据和用户访谈支撑,不要靠猜):

动机评分(1–10):用户为什么会想做这件事?调查数据或 NPS 是否支持这个动机评分?
能力评分(1–10):完成这个行为需要多少步骤、多少时间、多少脑力?实际计时测量,不要估算。
触发状态(有/无/错误时机):目前是否有清晰的提醒?提醒的时机是否是用户「空闲且在意」的时刻?

把结果标注在 Fogg 行为图上——如果你在行动线以下,就找到了根本原因。
关键提示:能力评分要针对你的最懒、最忙的用户,而不是你的典型用户。行为设计必须对高门槛用户也有效。
03
设计能力干预
设计 Sprint
「缩小行为」——让目标行为变得无法拒绝地简单。可行的能力提升手段:

减少步骤:去掉非必须的表单字段、确认步骤、注册要求。
缩短时间承诺:把「完成一课」改为「完成一题」。先做最小单元,降低进入门槛。
减少决策负担:智能默认值(smart defaults)比让用户选择更有效。
减少物理/认知摩擦:自动填充、一键操作、预填写内容。

设计原则:每减少一个障碍,就是在提升能力。把「用户需要记住做这件事」变成「用户只需要说是」。
关键提示:行为越小,越容易成为习惯的起点。Fogg 说:「先不要担心行为是否足够大——先让它发生。」
04
设计触发策略
设计 Sprint
触发只在用户「已经在行动线以上」时才有效。设计触发前,先问:用户什么时候最可能完成这个行为?

三种触发类型选择:
• Spark(动机火花):用于低动机用户,内容需要激励和情感召唤,如「你上周的进步让同组 3 人也开始学习了!」
• Facilitator(助力者):用于低能力用户,内容需要提供帮助,如「只需 3 分钟,继续你昨天的进度 →」
• Signal(信号):用于动机和能力都高的用户,只需一个简单提醒即可。

错误做法:每周固定时间的通用提醒,无论用户状态如何。
正确做法:基于用户行为信号(刚打开 App、完成某个步骤后、历史活跃时段)触发。
关键提示:没有到达行动线以上的触发不只是无效——它会让用户对你的通知产生负面联想。触发频率宁少勿滥。
05
测量并迭代
2 周为一个周期
部署干预措施后,设立明确的测量指标并持续监控。核心问题:目标行为的发生率提升了吗?

动机信号:自主发起行为的次数(不依赖推送),返回频率,评分和反馈质量。
能力信号:行为流程的中途放弃率,各步骤完成时间,用户求助量。
触发信号:推送打开率,点击后完成率,通知屏蔽率。

如果动机是瓶颈:增加社会证明、进度可视化、庆祝里程碑。
如果能力是瓶颈:继续简化,找下一个摩擦点。
原则:永远是减少摩擦,而不是增加压力。
关键提示:不要同时改变 MAP 的多个变量——这样无法判断是哪项干预起了作用。每个测试周期只改变一个变量。

斯坦福说服技术实验室与行为设计科学

Fogg 行为模型(FBM)由斯坦福大学说服技术实验室(Persuasive Technology Lab)创始人 BJ Fogg 于 2007 年前后正式提出,核心公式为:行为 = 动机 × 能力 × 提示(B = MAP)。这一模型将心理学、行为经济学和人机交互研究整合为一套可操作的设计框架,深刻影响了移动应用、社交媒体和健康科技领域的产品设计逻辑。

1993
BJ Fogg 进入斯坦福研究说服技术
BJ Fogg 在斯坦福大学开始研究计算机技术如何改变人类态度和行为,率先提出「说服技术」(Persuasive Technology)概念,探索技术产品影响用户行为的机制,为行为模型的建立积累了大量实验基础。
2003
《说服技术》出版
Fogg 出版《Persuasive Technology: Using Computers to Change What We Think and Do》,系统介绍功能性、社交性和媒体性三类说服机制,成为该领域的奠基性著作,引发学术界和业界广泛关注。
2007
Fogg 行为模型正式提出
BJ Fogg 在学术论文和课程中正式提出行为模型,将影响行为的要素归纳为动机(Motivation)、能力(Ability)和提示(Prompt/Trigger)三维,并以公式 B=MAP 表达,为产品设计师提供了可量化操作的行为干预框架。
2009
斯坦福行为设计课程影响力爆发
Fogg 开设的「行为设计」课程吸引大量硅谷产品人参与,Instagram、Twitter 等产品的早期设计师均受其影响。课程中的实践练习直接催生了多款以行为改变为核心的移动应用。
2020
《微习惯》出版,框架进入大众视野
Fogg 出版面向大众的《Tiny Habits》(微习惯),将行为模型从产品设计工具推广为个人习惯养成的方法论,登上《纽约时报》畅销书榜,使 B=MAP 框架在产品、教育和健康领域获得更广泛的应用与讨论。

与这些工具搭配效果更好