一、认知双系统：框架效应的底层运作逻辑
人类决策受两套认知系统支配，这一核心规律正是框架效应产生的基础。我在2021年开展对话策略时，便已关注到框架效应在决策引导中的作用，并初步形成了针对不同用户的分层对话思路；直至2026年，看到Pilli & Nallur (2026) 发表的新论文，其研究结论与我此前的策略逻辑契合，因此结合该论文的实验数据与理论支撑，对原有思路进行完善，形成本篇更新博客。从认知双系统来看，系统1依赖直觉、启发式和情感，反应迅速且消耗认知资源少；系统2则需要理性分析、逻辑推理，运作缓慢且对认知负荷敏感（Kahneman, 2011）。框架效应作为典型的认知偏见，其本质就是系统1与系统2的失衡——当认知负荷增加时，系统2的调控能力下降，系统1主导决策，同一问题的不同表述方式便会改变选择倾向。
在对话策略场景中，这一关联更为明显。Pilli & Nallur (2026) 针对1648名参与者的实验研究显示，框架效应在通过聊天机器人完成的决策任务中持续存在，且受对话复杂度的显著影响。这种偏见并非偶然，而是系统1在对话交互中快速主导决策的直接结果，也是我们优化对话策略、引导合理决策的核心切入点。
二、对话复杂度：放大框架效应的认知负荷杠杆
研究的关键发现在于，对话复杂性会通过调节认知负荷，选择性增强框架效应（Pilli & Nallur, 2026）。这里的对话复杂性并非指语言晦涩，而是通过嵌套依赖结构、多实体关联等设计，增加用户的工作记忆负担——比如在决策前的对话中，让用户跟踪多个相互关联的信息点，或完成简单的算术对比与记忆任务。
这种设计会显著提升用户的心理需求（Pilli & Nallur, 2026），进而抑制系统2的参与。实验数据显示，在复杂对话后，风险选择框架效应的强度从简单对话下的0.205提升至0.730，目标框架效应从0.225提升至0.567，而现状偏见则未受显著影响。这一差异源于两种偏见的形成机制：框架效应更依赖直觉判断，易受认知负荷调控；现状偏见则与情感依恋、损失厌恶等深层心理因素相关，对短期认知负荷不敏感。
三、催收场景的框架效应应用：分层优化决策引导
基于双系统理论和对话复杂度的调控作用，催收对话系统可通过三类框架设计，针对性引导不同类型用户的决策，同时保持合规与用户接受度。
（一）风险选择框架：针对征信敏感型用户
这类用户的核心痛点是担心信用受损，决策时系统1对确定损失的敏感度高于潜在收益。设计逻辑是通过补充具体时间节点、明确后果细节，适度增加认知负荷，放大”不还款=征信受损”的确定感。
例如：逾期已达5天，按政策，逾期超x天将正式上报（Daniel Kahneman, 2011）。上报后，未来3年申请房贷利率可能上涨x.x%，甚至被拒；若今天18点前偿还最低金额XX元，将立即提交暂停上报申请，x个工作日内更新信用状态为正常。 这种表述通过具体政策依据、时间限制和后果细节，让用户聚焦征信损失的确定性，推动系统1主导的快速还款决策。
（二）属性框架：针对还款压力大型用户
这类用户的核心障碍是对大额欠款的心理负担，需通过维度转换降低感知压力。设计逻辑是将大额负债拆分为小额、高频、低成本的属性，补充拆分细节与对比信息，让用户直观感受到还款的可行性。
例如：当前欠款xxxx元，可选择x期免息分期。首期仅需xxx元，相当于每天xx元，低于一杯奶茶的支出；剩余两期每月xxx元，无额外罚息与手续费。分期后，逾期状态立即解除，不再收到催收短信打扰。 这种表述通过金额拆分、时间拆分和日常消费对比，将系统1对大额压力的感知，转化为轻松可负担的直觉判断。
（三）目标框架：针对责任导向型用户
这类用户的决策核心是避免麻烦家人、维护个人责任形象，需将还款与核心目标绑定。设计逻辑是补充具体场景细节与隐私保障信息，让用户感知到”还款=守住责任、避免麻烦”的关联。
例如：目前逾期仍处于个人沟通阶段，我们未联系预留紧急联系人。若再拖延5天，按合规流程需联系紧急联系人核实情况，可能给家人带来担忧；现在处理（最低还款或分期），事情仅限双方解决，账户将标记为优先隐私处理，后续无无关电话打扰。 这种表述通过场景化描述，激活系统1对”责任维护”的直觉偏好，推动主动还款。
四、合规与平衡：复杂度设计的边界
对话复杂度的调控需把握适度原则，避免引发用户抵触或认知过载。Pilli & Nallur (2026) 的研究显示，有效的复杂度设计应满足”聚焦痛点+降低操作阻力”：核心信息（欠款金额、后果/好处）优先呈现，补充的细节不超过2-3个维度；操作环节需简化流程，如提供直接还款链接、一键分期申请等，让系统1主导的决策能快速落地。
同时，所有框架设计需坚守合规底线：不夸大征信影响、不虚构减免政策、不胁迫用户，所有表述需有明确政策依据；提供至少两种还款方案，尊重用户选择权，避免利用偏见进行不当引导。
结语
认知双系统的运作规律，决定了对话场景中的框架效应可通过合理设计与复杂度调控进行引导。这一结论，既印证了我2021年开展对话策略研究时的核心思路，也借助2026年Pilli & Nallur (2026) 论文的实验数据与理论支撑，让原有分层对话策略更具科学性和可落地性。催收场景的实践表明，针对不同用户的核心痛点选择对应框架，再以补充关键细节的方式适度增加认知负荷，能有效放大框架效应，提升还款率。本次博客更新，核心就是将我原有实践经验与新论文的研究成果相结合，让对话策略的逻辑更严谨、落地性更强。
参考文献
Pilli, S., & Nallur, V. (2026). Predicting biased human decision-making with large language models in conversational settings. arXiv preprint arXiv:2601.11049.