生成式 UI 让“页面转化率”发生失真

过去十几年，互联网产品形成了一套相当成熟的界面分析方式。

一个页面有多少人进入，其中多少人点击按钮，有多少人在第三步离开，最终又有多少人完成购买。设计师调整信息层级、按钮位置或者表单结构之后，再比较改版前后的数据变化。

这套方法能够成立，有一个很少被单独讨论的前提：被测量的界面基本稳定。

一万个用户进入同一个结算页，虽然设备、内容和个人状态有所差异，但他们面对的大体仍是一套相同结构。于是，“这个按钮的点击率是多少”才具有明确意义——因为我们大致知道用户点击的是同一个按钮，也知道没有点击的人看到了什么。

生成式 UI 开始破坏这个前提。

当系统根据用户意图即时决定该出现哪些组件、组件如何组合、信息以什么顺序呈现之后，同样一句“帮我比较这三个套餐”，不同用户可能看到表格、卡片、摘要，也可能直接得到一个带操作按钮的推荐结果。

此时再计算某个“套餐卡片”的点击率，数字本身已经很难解释。有人没有点击，可能不是卡片设计得不好，而是他的界面根本没有生成这张卡片；两个人都点击了同一种组件，它们出现的位置、上下文和承担的任务也可能完全不同。

Gökhan Meriç 在 10 月 2 日发布的 Generative UI Playbook 第四篇中，把这个问题进行了概括，当界面由系统针对每次请求重新组装时，屏幕不再是稳定的分析单位。 他主张把测量中心从页面和点击转向用户意图与最终结果，例如任务是否完成、用了多久、用户是否重新表达需求、是否放弃生成界面转回手动操作，以及系统是否触发 fallback。

这里改变的并不只是数据团队的埋点方式，它会直接影响 UI 设计师判断方案的依据。

传统界面中，一个按钮点击率下降，设计师通常会回到这个按钮本身：位置是否太深，文案是否不清楚，视觉权重是不是不足。

生成式 UI 中，同样的下降可能发生在更早的位置。系统也许误解了用户意图，选错组件，生成了并不适合当前任务的信息结构；也可能界面虽然合理，却出现得太慢。最终表现出来的都是“没有点击”，原因却不再集中在这个控件本身。

因此，仅仅记录用户点击了什么已经不够。系统还必须知道当时到底生成了什么。

Meriç提出，应把模型版本、用户意图、生成出的界面结构、实际调用的组件、fallback、用户操作和最终结果关联起来。特别是用户主动撤销、重新输入需求、关闭生成组件或者切换回传统界面的行为，这些“拒绝系统决定”的动作，可能比单纯的点击量更接近真实的设计反馈。

这会带来一个很大的变化，设计师以后面对的可能不再只是某一张确定页面的数据，而是一组界面生成策略的数据。

A/B 测试也随之发生变化。过去可以比较两个固定结算页哪个转化更高；如果界面本身不断变化，更合理的比较对象就会变成两套生成逻辑——它们面对相同用户意图时，谁更容易帮助用户完成任务，谁需要更多修改和重新表达，谁产生更多失败状态。

页面转化率当然不会因此消失。大量产品即使加入 AI，核心流程依然可能保持稳定，传统指标仍然有效。Meriç提出的也是一种实践框架，并非已经经过大规模实验验证的行业标准。

真正需要重新认识的是它的适用边界。当界面从固定成品变成运行时生成的结果，设计团队就不能再默认“页面”永远是最小的评价单位。设计效果开始同时受到用户意图、生成规则、组件选择和具体上下文影响。

过去我们测量的是一个界面表现得怎么样。生成式 UI 出现之后，我们还需要回答另一个问题：系统为什么为这个用户生成了这个界面，而这个决定最终有没有帮助他完成任务。