AI任务与监督产品中“何时提醒用户去做某事”的最佳计算方法研究报告

执行摘要

对“最佳提醒时机”的研究结论非常一致：不存在对所有用户、所有任务都通用的固定时点或固定频率。更可靠的方法，是把提醒视为一个时变、个体化、带副作用的决策问题：每次提醒都应综合评估用户当下的可接受性（receptivity）、任务的脆弱性/紧迫性（vulnerability）、提醒带来的近端收益（如打开 App、开始任务）与远端代价（如疲劳、忽略、关闭通知、长期脱敏）。JITAI 研究已经把这一问题形式化为“决策点—干预选项—tailoring variables—决策规则”的框架；其方法学核心是：在真实世界的动态上下文中，只在有意义且用户可能接得住的时刻出手。citeturn33search0turn33search3turn9view5

现有实证证据表明，提醒通常能显著提升短时响应，但不保证长期留存或长期坚持。例如，Drink Less 的微随机试验显示，发送通知会把“未来 1 小时内打开 App”的概率提升到未发送时的 3.5 倍，但三组之间的长期 disengagement 时间没有显著差异；JOOL 的微随机试验显示，发送定制推送使用户未来 24 小时内参与自我监测的概率平均提高 3.9%，并且在周末中午附近效果更强；而糖尿病预防项目的后续研究则表明，提示对自我监测和运动的促进主要集中在提示后 3 天内，且前半年更明显、后半年减弱。这说明，算法不应只追“点开率”，而应优化“净效益”：既看即时行为启动，也看长期完成、习惯形成与疲劳成本。citeturn32view0turn13view2turn30view0

疲劳与习惯化不是边缘问题，而是提醒系统的中心约束。通知到达时机不当会明显增加心理负担：经典中断研究发现，把中断放在预测的“较佳时刻”，相较最差时刻可将烦扰感下降 56%，相较随机时刻也下降 43%；移动场景研究发现，通知造成的主观干扰受任务类型、任务复杂度、完成阶段、发送者关系、提示呈现方式等共同影响，复杂任务中的干扰更高；更近年的实验还发现，一次手机通知会带来大约 7 秒 的认知减速，而且这种代价与通知量和查看频率的关系，比与总屏幕时长的关系更强。citeturn15view6turn15view7turn16view0turn16view3turn13view14

因此，本报告的核心建议是：你的产品不应从“固定提醒时间表”起步，而应从一个ITAI-like 的双目标策略起步：一方面估计“此刻提醒能否促成任务启动/完成”，另一方面估计“此刻提醒是否会造成额外负担或加速脱敏”。工程实现上，最稳妥的路线不是一上来就全量强化学习，而是采用规则约束 + 概率模型 + 个性化在线学习 + MRT 因果评估的分阶段架构：先用可解释的硬约束与保守冷却做安全边界，再在边界内用上下文模型选时机，最后用微随机试验和 contextual bandit / Thompson sampling 持续更新个体化参数。citeturn11search1turn36search1turn36search10turn12search0turn12search13

研究目标与产品场景假设

本报告默认的产品场景为：移动 App，服务对象拥有日常任务与长期目标，提醒渠道包括推送通知、应用内提示、邮件，目标是决定“何时提醒、通过什么渠道提醒、提醒强度多大、多久内不要再次提醒”。在这个场景下，提醒不是单一动作，而是一个动作集合：不提醒 / 轻提醒 / 强提醒 / 应用内被动提示 / 邮件摘要 / 社会支持提醒。不同动作具有不同的注意力成本、打断成本与延后收益。

从产品目标上看，最值得优化的不是单一指标，而是一个分层目标体系：

• 近端目标：在未来 5 分钟、1 小时、24 小时内打开 App、点击任务、开始任务、完成第一步。
• 中程目标：任务在截止前完成、重复性任务完成率提升、连续执行（日/周 streak）提高。
• 远端目标：长期留存、主观负担降低、通知权限保留、自动化/习惯形成增强。

因此，“何时提醒”本质上是一个受约束的序列决策问题：只有在满足睡眠时段、会议冲突、地理限制、冷却期、用户偏好、隐私授权等约束后，系统才应在候选窗口中进行比较，并选择期望净收益最高的动作。

JITAI 与 ITAI 的理论基础和算法综述

核心框架

JITAI 的规范表达不是“智能推送”，而是一个持续进行的小决策系统。基础文献把它组织为四个核心构件：决策点（decision points）、干预选项（intervention options）、tailoring variables 和决策规则（decision rules）；更完整地说，JITAI 还要求研发者先明确近端与远端结果，再把规则绑定到动态情境中。2015 年的 pragmatic framework 强调，应先把时间变化的行为模型说清楚，再实现规则；2026 年综述进一步指出，JITAI 研究的下一个重点之一，是把“此刻是否需要帮助”与“此刻是否接得住帮助”区分开来。citeturn33search0turn33search3turn9view5

对你的产品而言，这意味着提醒系统至少要回答四个问题：

1. 现在是不是决策点：例如每小时整点、计划任务前后、检测到活动切换、检测到任务拖延时。
2. 有哪些可行动作：不提醒、推送、应用内提示、邮件摘要、延迟到下一候选窗口。
3. 用哪些变量做判断：时间、地点、活动、日程、任务紧急性、历史响应、疲劳、情绪、习惯强度等。
4. 什么规则映射到什么动作：硬规则、概率阈值、contextual bandit、RL、因果 uplift 等。

上下文感知与状态推断

JITAI/ITAI 的第一层能力是感知上下文，第二层能力是推断状态。移动通知与 EMA 文献反复证明，真正影响接受度的不是“现在几点”这么简单，而是用户在做什么、做得多投入、这个提醒和其任务有什么关系、此刻的打断成本有多高。Mehrotra 等的 in-situ 研究使用了 10,372 条真实通知和 474 份问卷，发现通知的响应时间与主观干扰会受到呈现方式、告警类型、发送者—接收者关系、任务类型、任务完成阶段、任务复杂度共同影响；他们还发现，任务复杂度与主观干扰之间存在显著正相关，且主观干扰越大，通知越容易被 dismiss。citeturn16view0turn16view3turn16view4turn16view5

另一个方向的研究表明，内容和上下文应联合建模。大规模真实世界研究收集了约 70,000 条通知，发现把通知内容类别 + 用户当前活动一起纳入分类器，比只靠上下文或用户手工规则更能预测中断接受度；而在 EMA 研究中，活动、音频、谈话、位置等传感数据也可用于预测用户是否会快速回答提示。进一步的自然环境实地研究中，部署式机器学习模型相较随机发送可把“用户 receptive”的概率提升到最高约 40%，且自适应模型会随着研究进行而更有效。citeturn15view3turn15view4turn34search5turn34academia18

这类证据直接支持你的输入特征设计：不仅要看时间特征，更要看动态任务状态特征和用户负荷特征。如果系统已经知道用户正在开会、处于高复杂度工作流、刚刚忽略了两个提醒、或者正在从一个活动切换到另一个活动，那么“现在发不发”应和“日程上本来约定的时间”同等重要，甚至更重要。citeturn16view0turn15view6turn17search19

决策规则、个性化与在线优化

在算法层面，JITAI 的实践已经覆盖从规则系统到上下文 bandit再到强化学习的一条连续谱。最简单的系统使用“如果—那么”规则，例如“如果距截止 < 24 小时且当前无会议冲突且最近 6 小时无同类提醒，则发轻提醒”；更进一步的系统会学习一个响应概率或完成概率；再进一步，则用 contextual bandit / RL 直接学习“在当前状态下哪个动作值得做”。HeartSteps 的个性化算法是此路线的代表：它把 JITAI 视为策略学习问题，根据用户当前上下文持续改进 treatment policy，并在 HeartSteps V2 中每天 5 次决定是否发上下文定制的活动建议。citeturn11search1turn35search6

与传统 RL 相比，面向移动健康/提醒的 bandit 更常见，因为它更适合优化即时近端结果。NeurIPS 的 action-centered contextual bandit 论文指出，在 mHealth 中，关键难点之一是基线奖励（例如本来就会完成任务）会强烈波动，因此需要把“提醒带来的增量”与“用户原本就会做”的部分区分开；后续的 IntelligentPooling 把 Thompson sampling + 贝叶斯混合效应结合起来，实现了在用户之间有原则地共享信息、在用户内部做个体化学习。最近的可解释策略学习工作则表明，基于 HeartSteps V2/V3 的离线批策略学习可以构造可解释的策略树，兼顾效果与审计性。citeturn36search16turn36search1turn36search10turn35search0

因果推断与微随机试验

“看起来在某些时段发出通知会提高打开率”，并不等于“这些时段真的导致了更高打开率”。JITAI 领域的核心方法学进展之一，是引入 micro-randomized trial，MRT 来估计每个决策点上某个提醒动作的因果 excursion effect。Qian 等总结了 MRT 的实验设计与数据分析方法，并给出了加权居中最小二乘（WCLS）估计量，用于在反复随机化的环境中得到一致的因果效应估计。此类方法尤其适合回答：“提醒是否有效”“在哪些上下文下更有效”“是否会因星期、时段、最近 engagement 状态不同而异”。citeturn12search0turn12search13turn10search11

更重要的是，JITAI 近年开始从“只看短期”转向“兼顾长期”。2025 年关于 HeartSteps 的方法学工作提出了用于评估长期效应的工具，并在应用中发现：研究早期发送的 prompts 对长期习惯形成的作用，可能强于研究后期发送的 prompts。这对你的产品非常关键，因为“提醒什么时候发”不仅影响当次点击，还可能影响用户以后是否能自己在那个情境里想起要做这件事。citeturn12search9

现阶段证据的总体判断

系统综述给出的总体判断是：JITAI 的概念框架已经成熟，但高外部效度、长期结局和大样本因果验证仍在补课。针对身体活动的系统综述纳入了 14 个独特 JITAI，发现用户普遍觉得可接受，但总体效果证据仍然混合，且大多数研究样本较小、时长较短、没有充分 power 去检测行为改变；最常见的技术组件是目标设定、提示/线索、行为反馈与行动计划。这意味着，如果你要构建面向真实生产环境的提醒系统，最可靠的路线不是照搬论文中的固定消息机制，而是把 JITAI 当作一个持续优化管线：上线前先有保守规则，上线后用 MRT 和在线学习不断校准。citeturn9view6turn9view5

通知疲劳与习惯化的机制、量化指标和缓解策略

机制

就提醒系统而言，疲劳至少有三条机制链路。

第一条是中断成本。如果提醒到达时用户正处在高负荷任务中，认知切换本身就会造成损失。经典研究表明，若能把打断放在任务执行中的更佳时刻，烦扰感可比最差时刻降低 56%，比随机时刻降低 43%；这说明“何时提醒”本身就是效果变量，而不仅是交互设计变量。citeturn15view6turn15view7

第二条是过度暴露与脱敏。在临床 alert fatigue 研究里，研究者提出两种主要解释：一是总体工作负荷和识别真伪 alert 的认知成本导致过载，二是重复暴露导致去敏感化/习惯化。Ancker 等的研究发现，临床人员收到的 alert 越多、特别是重复 alert 越多，越不容易接受 alert；Baysari 等则进一步指出，随着长期过载，override 本身会变成一种习惯性动作。虽然医疗告警与消费级任务提醒并非同一场景，但它们共享同一种人因原理：高频、低相关、重复性强的打断，会把“认真处理提醒”训练成“快速忽略提醒”。citeturn21search0turn21search6turn18search1turn13view8

第三条是相关性衰减与负担累积。近年来的手机研究显示，通知并非因为“存在”而疲劳，而是因为它们在一个已经拥挤的通知生态里争抢注意力。2018 年的大规模观察研究记录了 794,525 条通知，发现用户中位数每天接收 56 条通知；同时，非消息类通知的转化率明显偏低，电子邮件约 15.47%、社交通知约 26.55%、非社交 app 通知约 16.19%。这提示你：一个任务管理/监督类产品天然处于非消息类通知的低优势区间，若没有足够强的时机与相关性建模，很容易变成“低点击、高干扰”的背景噪音。citeturn24view0

量化指标与经验阈值

下表汇总了与你产品最相关、且较容易转译成工程参数的量化证据。需要强调的是，这些不是“普适最优阈值”，而是可用于冷启动的经验边界与量化先验。

下面的示意图概括了文献支持的总体趋势：提醒频率升高时，疲劳通常单调上升，而净效益往往在中等频率附近出现平台或转折，此后开始下降。图形是工程示意，不是通用真实曲线。其依据来自对中断时机、反思负担、重复暴露和近端/远端结局差异的多项研究。citeturn15view6turn20view3turn21search0turn32view0turn30view0

xychart-beta
    title "提醒频率增加时的疲劳上升示意"
    x-axis ["极低","低","中","高","极高"]
    y-axis "相对疲劳" 0 --> 100
    line [5, 15, 35, 65, 90]

建议采用的疲劳与习惯化指标

对你的算法，建议至少追踪以下五类疲劳指标：

1. 行为指标：打开率、响应率、开始任务率、dismiss 率、snooze 率、关闭通知率。
2. 时延指标：通知后查看延迟、动作延迟、恢复到任务的时间。
3. 剂量指标：过去 24 小时曝光数、过去 7 天曝光数、同类提醒重复数、最近一次曝光距今间隔。
4. 主观指标：单题 burden 评分、NASA-TLX 子量表、提醒是否“有帮助/烦/不合时宜”。
5. 习惯化指标：第 n 次同类提醒的边际响应斜率、同上下文中的响应衰减、关闭/忽略后的再激活难度。

一个简单但实用的工程做法，是维护一个个体化 fatigue score：对近期曝光数、连续忽略数、同类任务重复数、夜间触达、重负荷上下文触达进行加权，并给予正向事件（如及时完成、主动设置提醒、主动打开 App）一定恢复分。这样，系统看到的就不是“还能不能发”，而是“此刻再发的疲劳成本有多高”。

行为改变技术对提醒效果的调节作用

JITAI 文献与更广泛的数字干预文献都表明：提醒本身通常不是有效性的根源，提醒只是把某种行为改变技术在当下激活的触发器。针对 mHealth app engagement 的系统综述纳入了 28 项研究，反复出现并与 engagement 相关的六类 BCT 是：目标设定、行为自我监控、行为反馈、提示/线索、奖励、社会支持。这意味着，“何时提醒”不应独立于“提醒里提醒什么”。citeturn38view0turn38view2

目标设定、自我监控与反馈

目标设定、自我监控和反馈通常形成一个最稳的三联结构。系统综述指出，这是最常与 engagement 关联的一组 BCT；针对身体活动 JITAI 的综述也发现，目标设定、提示/线索、反馈和行动计划是最常见的组合。糖尿病预防项目的 mHealth prompt 研究则进一步说明：当提醒的功能是把用户拉回到自我监控与行为执行链条里时，它的效应更可见——提示后 3 天内的自我监控和自报运动都显著增加。citeturn38view0turn9view6turn30view0

对你的产品来说，这意味着：如果提醒只是“别忘了去做”，且没有和清晰目标、可视化进展、完成反馈连接起来，那么它很容易沦为低价值打断。相反，若提醒明确告诉用户“为什么现在提醒”“你离今日目标还差哪一步”“现在点一下就能完成最小动作”，其效果通常会更稳。

提示/线索的短期有效与长期衰减

多项研究显示，prompts/cues 对近端 engagement常有效，但其长期净益并不自动成立。Drink Less 的每日通知显著提高 1 小时内打开率，却没有改善总体 disengagement；JOOL 的定制消息能提高 24 小时 engagement，但其效应不一定随周数显著变化；而 MacPherson 的研究则显示，提示主要在前半年有效，后半年衰减。综合来看，提示更像“及时点火器”，而不是“长期发动机”。citeturn32view0turn13view2turn30view0

因此，在算法设计里，应把提示的价值分拆为两部分：一部分是当次启动价值，另一部分是长期行为结构价值。如果同一种提示在过去 30 天反复带来打开，但不带来完成、留存或习惯增长，那么它不应继续被高频使用。

奖励与社会支持

奖励与社会支持在文献中也反复出现，但它们的作用更依赖实现方式。系统综述显示，奖励和社会支持与 engagement 相关；但在部分体力活动研究中，用户对竞争和社会比较的态度并不稳定，有时甚至明确不喜欢。换言之，鼓励、认可、完成反馈通常比公开排名更稳健。citeturn38view0turn38view2

对产品设计的含义是：

• 奖励应优先使用即时、低摩擦、非侵入式的肯定反馈，例如 streak、完成徽章、进度可视化、延迟满足型积分。
• 社会支持应设计为可选项，优先是“提醒同伴/监督者知道你需要支持”或“完成后汇报”，而不是默认公开比较。
• 当任务具备明显责任链时，社会支持提醒可以作为单独动作，而不是把其混在普通推送里。

习惯形成如何进入提醒优化

习惯形成的关键测量不应只看“做了多少次”，还应看“这件事是不是越来越自动发生”。习惯研究中使用最广的量表之一是 SRBAI（Self-Report Behavioural Automaticity Index），它把 habit strength 近似为 automaticity；而近期移动健康方法学工作则开始直接用 MRT 数据评估 prompts 对长期习惯的因果作用。对生产级系统而言，建议把时间规律性、上下文稳定性、无需提醒时的自发完成率与主观 automaticity 共同作为 habit 指标。citeturn39search0turn12search9

ITAI-like 最佳提醒时机算法框架

设计原则

本报告建议采用一个名为 ITAI-like 的框架。它不是纯学术 JITAI 的照搬，而是面向生产产品的改造版本。其原则有五条：

• 提醒是稀缺动作，不是默认动作。
• 先判断可发，再判断值不值得发。
• 优化净效益，而不是点开率。
• 把短期奖励与长期副作用一起建模。
• 优先可解释与可控，再逐步引入在线学习。

具体上，可把每个候选动作 (a) 的价值写成一个可实现的净效益函数：

[
U(a \mid x_t)=
w_1 P(\text{打开/开始}\mid a,x_t)
+w_2 P(\text{24h完成}\mid a,x_t)
+w_3 \Delta \text{Habit}_{7d}
-w_4 P(\text{Burden}\mid a,x_t)
-w_5 \text{ContextCost}
-w_6 \text{PrivacyCost}
]

其中 (x_t) 是当前状态；只有当满足硬约束且 (\max_a U(a \mid x_t) > \tau_u) 时才提醒。这个形式直接吸收了 JITAI 的“决策点—选项—规则”框架、Drink Less/JOOL 的近端因果效应结果，以及 fatigue 文献的副作用视角。citeturn33search3turn32view0turn13view2turn21search0

输入特征

建议把输入特征分为八组：

模型路线与推荐架构

下面给出三类候选路线以及本报告的推荐组合。

从现实产品角度，最佳方案通常不是三选一，而是三者分层组合：

• 上线初期：规则基 + 概率模型。
• 验证阶段：MRT / 因果建模估计增量效应与 moderators。
• 成熟阶段：在硬约束之内，用 bandit/RL 做在线微调。

这种混合路线与 HeartSteps 的在线策略学习、MRT/WCLS 的因果评估以及可解释策略学习的方向高度一致。citeturn11search1turn12search0turn12search13turn35search0turn36search10

决策阈值、探索—利用与冷却策略

建议把阈值分为三层：

1. 硬阈值
   例如：夜间安静时段、不在驾驶场景、不在显式专注模式中、同类任务冷却期未到则不发。
2. 行动阈值
   只有当 expected net utility > user-specific threshold 才发；阈值应随近期疲劳和忽略次数上升。
3. 升级阈值
   只有在高紧急+高重要+低冲突时，把“轻提醒”升级为“强提醒/跨渠道提醒”。

探索—利用推荐使用安全约束的 Thompson sampling：把探索限制在“不会触发高负担”的候选窗口里，并给每个用户设置daily budget 与 weekly budget。如果用户近期已多次忽略或主动关闭提醒，则自动把探索率降到接近 0。对冷启动用户，可使用层级先验：从总体用户学到的时间模式、任务类别模式和渠道成本模式启动，再快速往个体偏好收敛。Graus 的提醒日志研究说明，提醒创建时间和任务文本本身就能提供不错的冷启动信号。citeturn36search1turn36search10turn15view5

推荐流程图

flowchart TD
    A[进入候选决策点] --> B{满足硬约束?}
    B -- 否 --> Z[不提醒]
    B -- 是 --> C[提取状态 x_t\n时间/上下文/任务/历史/疲劳/习惯]
    C --> D[估计 Receptivity\nP(打开/开始)]
    C --> E[估计 Burden\nP(烦扰/忽略/关闭)]
    C --> F[估计 Completion Lift\nP(24h完成)]
    C --> G[估计 Habit Lift\nΔ7d自动化]
    D --> H[计算各动作净效益 U(a|x_t)]
    E --> H
    F --> H
    G --> H
    H --> I{预算与冷却允许?}
    I -- 否 --> Z
    I -- 是 --> J[探索-利用选择动作]
    J --> K[发送/不发送/换渠道]
    K --> L[记录近端结果与主观负担]
    L --> M[在线更新用户参数]

图中的核心思想是：先做安全过滤，再做收益—成本比较，最后才做动作选择。这比“只预测打开率”更接近研究证据所支持的方向。citeturn33search3turn32view0turn21search0turn15view6

伪代码

def choose_reminder_action(state, user_model, policy):
    # 1) hard constraints
    if state.in_sleep_window or state.driving or state.focus_mode:
        return "no_reminder"
    if state.same_task_cooldown_active or state.daily_budget_exhausted:
        return "no_reminder"

    # 2) predict key quantities
    receptivity = user_model.predict_open_prob(state)
    completion = user_model.predict_completion_prob(state)
    burden = user_model.predict_burden_prob(state)
    habit_lift = user_model.predict_habit_delta(state)

    actions = ["no_reminder", "in_app_hint", "push_light", "push_strong", "email_digest"]

    best_action = "no_reminder"
    best_utility = -1e9

    for a in actions:
        u = (
            policy.w_open[a] * receptivity[a]
            + policy.w_complete[a] * completion[a]
            + policy.w_habit[a] * habit_lift[a]
            - policy.w_burden[a] * burden[a]
            - policy.context_conflict_penalty(state, a)
            - policy.privacy_cost(state, a)
        )
        if u > best_utility:
            best_utility = u
            best_action = a

    # 3) user-specific action threshold
    if best_utility < user_model.action_threshold(state):
        return "no_reminder"

    # 4) safe exploration
    if policy.allow_exploration(state, burden[best_action]):
        best_action = policy.thompson_sample(actions, state, user_model)

    return best_action

衡量指标、试验设计与样本量估算建议

建议的指标体系

你的实验指标应至少分为四层：

Drink Less 的结果已经清楚提醒我们：若只测 1 小时打开率，可能会把一个“短期有效、长期无益”的策略误判为好策略。MacPherson 关于 prompt 衰减的结果也说明，至少要把分析窗口拉到月度层面。citeturn32view0turn30view0

试验设计建议

阶段一：经典 A/B 测试
先比较三种安全策略：
A：固定时段提醒；
B：规则基个性化提醒；
C：规则基 + 概率评分 + 个性化冷却。
这一阶段主要看完成率、主观负担、通知权限留存，不要只看点击率。

阶段二：多臂 / MRT
在候选窗口内，把动作随机化为：不提醒 / push_light / push_strong / in_app_hint / email，并记录 availability。MRT 能回答“是否发”“什么时候发”“哪种渠道更好”“对谁更好”。这正是 JITAI 文献推荐用来优化开发中组件的设计。citeturn10search11turn12search13

阶段三：受约束在线学习
在证实存在稳定增量效应后，再上线 contextual bandit。bandit 不应替代实验，而应建立在实验提供的安全边界和先验之上。

统计检验方法

• 近端二元结果（打开、开始、完成）：优先用混合效应 logistic 回归或 GEE；MRT 下使用 WCLS / marginal excursion effect 方法。
• 时间到事件（何时完成、何时 disengage）：用 Cox 模型或 restricted mean survival time。
• 长期重复测量（负担、habit strength）：用线性/广义线性混合模型。
• 异质性分析：把 weekday/weekend、时段、任务类型、最近疲劳状态、最近 engagement 状态作为交互项。
• 长期因果效应：如果要专门估计“提醒是否促进习惯形成”，建议用新近提出的 distal causal excursion 分析。citeturn12search0turn12search13turn12search9

样本量估算

对经典 A/B，如果主指标是“24 小时任务完成率”的二元结局，可用标准两比例检验公式做首轮估算：

[
n_{\text{每组}} \approx
\frac{\left(z_{1-\alpha/2}+z_{1-\beta}\right)^2
\left[p_1(1-p_1)+p_2(1-p_2)\right]}
{(p_2-p_1)^2}
]

例如，若基线完成率 (p_1=18\%)，你希望检测到 (p_2=20.5\%)（提升 2.5 个百分点），取 (\alpha=0.05)、power (=80\%)，则粗略需要约 3900 人/组。若每位用户会经历多个决策点，还应乘以设计效应 (1+(m-1)\rho) 来对组内相关做膨胀；例如平均每人 10 个有效决策点、ICC 约 0.1，则样本需求会膨胀到约 7400 人/组量级。这个数量级不是最终答案，但足够做产品层级资源规划。

对 MRT，不建议沿用简单 A/B 公式。应使用已发表的 MRT 样本量计算方法，输入至少包括：每日决策点数、可用性（availability）、随机化概率、预期近端效应大小、研究时长、时间趋势与主要 moderator；当处理是多类别而非二元时，应使用更新后的 categorical-treatment 公式。citeturn37search3turn37search18turn37search13turn37search2turn37search4

产品落地建议、可复现实验方案与局限

产品落地建议

从工程和用户体验两端综合，本报告建议采用以下落地策略。

提醒频率策略
文献没有给出可普遍套用的“每日最优提醒次数”。因此，最稳妥的办法是使用保守先验 + 在线校准。作为冷启动参数，而非科学定论，我建议：

• 强提醒 push_strong：默认 每日不超过 1 次
• 总推送：默认 每日不超过 2 次
• 同类任务最小间隔：默认 ≥4 小时
• 连续忽略 2 次后：该任务 24 小时内不再推送，改走应用内或摘要
• 邮件：默认做摘要型，而非实时型；除非任务紧急，不做日内重复

这样的先验是为了确保系统一开始站在“少打扰”一侧，再通过 MRT 去上调或下调个体阈值。其依据来自：高负担消息响应率显著下滑、非消息类通知转化率偏低、重复 alert 会降低接受度，以及近端增益不等于长期净益。citeturn20view3turn24view0turn21search0turn32view0

个性化冷却与渠道分层
不建议把“冷却期”做成固定全局常数，而应个体化。对高响应、低负担用户，可以缩短；对最近负担高、忽略多、处于高复杂度场景的用户，应加长。渠道上建议采用梯度升级：

1. 应用内被动提示
2. 轻推送
3. 强推送
4. 邮件摘要
5. 可选社会支持提醒

这样做的本质，是把“提醒”从一个二元变量改成不同成本的动作空间。

奖励与社会支持集成
提醒后最推荐的落地组合，是：
“微目标 + 一步可做 + 完成反馈”，而不是单纯“别忘了”。如果任务适合监督，可加入可选 accountability：例如“你是否希望在今晚 8 点前仍未完成时，向监督伙伴发送一个简短状态消息？”这比默认公开排名更稳妥，也更符合文献中对社会比较效果不稳定的观察。citeturn38view0turn38view2

UI/UX 文案设计
提醒文案应尽量降低反思负担。Goldilocks 研究显示，高反思负担即使降低了响应输入负担，响应率依然会明显下降。因此文案要满足四条：

• 一眼能看懂
• 告诉用户“为什么是现在”
• 给出最小下一步
• 提供一键 snooze / 改时 / 完成入口

一个更好的提醒示例是：
“你通常会在午饭后处理报销，现在日程空闲 20 分钟。只差提交最后一步，点此 30 秒完成。”
而不是：
“记得处理你之前提过的重要财务事务。”

隐私与数据最小化
就工程实现而言，建议坚持：

• 能在端上算的，尽量端上算
• 位置、情绪、压力、生理数据采用分层同意
• 默认收集最少必要字段，只留特征摘要而非原始传感流
• 给用户提供“为什么收到这条提醒”的解释与关闭入口
• 对情绪/压力/生理推断提供单独的开关与删除能力

这不仅是合规与信任要求，也能减少“感知被监控”的负担，从而间接提升提醒接受度。

可复现实验与仿真方案

建议采用一个三步可复现实验方案。

离线日志回放
收集并结构化以下事件：decision_time, context, task_features, channel, action, availability, open_1h, start_24h, complete_24h, burden_label, next_disable, no_reminder_counterfactual_proxy。
先训练三个模型：
一是响应模型；
二是完成模型；
三是负担模型。
使用历史随机化或准随机化日志时，可做IPS/DR 风格的离线策略评估。

用户仿真
构造八类用户原型，例如：
高自律低负担型、低自律高易烦型、周末高响应型、工作日午间响应型、临近截止驱动型、习惯已形成型、拖延但可拉回型、隐私敏感型。
在仿真中引入两个潜变量：fatigue_t 与 habit_t，并让它们随曝光、忽略、完成、自发执行而更新。比较三类策略：固定频率、规则+概率、bandit/RL。

在线 MRT
先做 6–8 周系统级 MRT：在被硬约束筛出来的候选窗口中，随机化动作。主结果看近端启动，次结果看完成率与 burden，长期看留存与 habit proxy。完成因果验证后，再将 bandit 政策限制在已证明有效的动作子空间中在线运行。citeturn12search13turn12search0turn37search3

开放问题与局限

这类研究仍有四个真实局限。

第一，证据最强的领域主要来自健康行为、EMA 和临床告警，而不是“通用任务管理/监督”产品本身。因此，外部效度需要你自己的 MRT 来补。citeturn9view6turn13view8

第二，文献支持很多“方向性规律”，但很少给出可移植的通用最优阈值。例如，研究能证明高负担、重复暴露、错误时机有害，却很难告诉你“每天 exactly 2 次最好”。这也是为什么产品应使用保守先验 + 在线学习。citeturn30view0turn32view0turn20view3

第三，近端 engagement 往往比远端行为更容易优化，因而系统可能陷入“会点开，但没完成”的局部最优。为避免这一点，目标函数必须显式纳入完成、留存、烂尾率和 fatigue。citeturn32view0turn30view0

第四，情绪、压力和生理状态虽然可能提高预测力，但也会显著提高隐私成本与采集偏差风险。它们应被视为可选增强信号，而不是第一版系统的必需品。

一句话结论：对你的 AI 任务与监督产品，最佳提醒时机的“最佳计算方法”不是固定提醒表，也不是单纯预测打开率，而是一个把可接受性、任务价值、长期习惯、疲劳惩罚和隐私成本同时放进来的 ITAI-like 个体化序列决策系统；最稳健的落地路线是硬规则守边界，概率模型做冷启动，MRT 做因果校准，bandit/RL 做在线微调。

作者： 亦辰