在如今数据海洋般的产品中，筛选功能是用户快速定位目标的唯一通道。产品经理若忽视用户的布尔思维，往往会让一条看似简单的过滤按钮变成“乌龙事件”。

用户的布尔思维并非来自代码，而是直观的集合论模型。按集合论，「AND」 等价于集合交集，「OR」 等价于集合并集。大多数人对这两个符号的心理预期与数学符号一致，但前端设计往往让它们产生误解。

一个常见的误区是将「OR」默认作为多选框的逻辑，而实际上多数用户期望的是「AND」。举例：在购物网站中，选中「男装」与「蓝色」时，若系统默认「OR」，搜索结果会把「男装」与「蓝色」任何一种满足的商品全部展示，导致“我想要的”商品被淹没。正如亚马逊在移动端的筛选面板，选项之间默认是「AND」，用户若想得到「OR」效果，只能点击多个过滤条件后再使用“全选”按钮。

如何让 UI 与心理模型保持同步？先从“可见性”开始。滤镜按钩（filter chip）是最直观的表达：每一张卡片代表一个条件，「AND」 的关系由卡片堆叠形成，「OR」 的关系则由卡片分组并用圆括号包围。设计时应使用颜色或阴影区分交集与并集。设计师可以参考 Google 的高级搜索语法，虽然它是文本模式，但同样将「AND」与「OR」通过空格与括号可视化。

心理学上，“可扩展性”与“层级”是关键。若要支持嵌套过滤，建议使用可折叠的树形视图，节点前面加上勾选框，用户勾选时自动在 URL 或搜索查询中插入对应的布尔表达式。这样既能保持 UI 简洁，又能让技术实现与用户预期一致。研究显示，Nielsen Norman Group 在 2019 年的「Boolean Search Usability」报告指出，62% 的用户在面对不直观的过滤逻辑时会产生误解，导致流失。

验证这一设计的最好方法是 A/B 测试：设置两套 UI，分别采用传统多选框和基于滤镜卡片的布尔表达式。通过分析点击率、停留时间以及转化率，数据往往能证明可视化布尔逻辑更符合用户期待。例如，Spotify 在 2022 年对其「发现」页的过滤器做了改版，结果用户参与度提升了 17%。

最终，布尔逻辑并非纯粹的技术问题，而是一个心理模型与视觉交互的桥梁。产品经理在设计过滤器时，先把用户的集合论思维搬到屏幕上，再用直观的图形表达。这样既能减少错误，也能让用户在数据海里游刃有余。你是否已经在产品中验证过布尔逻辑的可视化？如果没有，不妨从一个小型 A/B 开始。