情绪记录里，“开心”和“平静”都偏正向，但身体状态完全不同；“愤怒”和“沮丧”都偏负向，激活水平也差很多。情绪效价指情绪的正负方向，唤醒度指身体和心理的激活强度。情绪 App 若能区分这两条轴，记录会更准确。
只让用户选择好心情或坏心情，容易漏掉强度差异。用户可能接近低唤醒的疲惫，也可能接近高唤醒的惊慌。
效价回答“感受偏向哪里”
效价帮助用户判断当前情绪偏正向、负向还是中性。它适合做基础趋势，比如一周里负向情绪是否增多，正向情绪是否减少，某些场景是否稳定带来低效价体验。
但效价不能单独解释行动。低效价加低唤醒，用户可能需要休息和恢复；低效价加高唤醒，用户可能需要先降警觉。两者对应的建议完全不同。
情绪描述细化可参考情绪粒度怎么提升？情绪记录产品要让描述更细。情绪粒度解决“我叫什么情绪”，效价和唤醒度解决“方向和强度在哪里”。
唤醒度回答“身体被激活到什么程度”
唤醒度通常能从身体线索里看出来：心跳、呼吸、肌肉紧绷、坐立不安、头脑发空、动作变慢。高唤醒不一定都是坏事，兴奋、期待、愤怒、焦虑都可能高唤醒。
情绪 App 可以让用户用滑条记录唤醒度，再补充身体反应。这样能帮助用户发现规律：某些场景没有带来强烈负面评价，却持续让身体高激活；某些低落较轻，却让行动变慢。
产品建议要根据象限变化
效价和唤醒度组合后，可以形成四类常见状态。高正向高唤醒可能是兴奋，低正向低唤醒可能是平静，低负向高唤醒可能是焦虑或愤怒，低负向低唤醒可能是疲惫或失落。
基础记录可以压缩成四个字段：
- 效价方向。
- 唤醒强度。
- 发生场景。
- 身体线索。
产品建议应根据象限变化。高唤醒负向状态先处理身体警觉，低唤醒负向状态先恢复能量和行动启动。这样比统一推送“放松一下”更贴合用户状态。
数据报告要避免过度解释
效价和唤醒度是记录工具。报告可以呈现趋势，帮助用户理解状态变化，但不能仅凭两条曲线判断心理问题。需要结合睡眠、事件、关系、工作压力和个人描述。
对 B 端心理 SaaS 来说，群体数据也可以使用效价和唤醒度。比如某岗位长期出现高唤醒负向状态，可能说明工作节奏和客户冲突压力较高。组织端只看汇总趋势，个人记录仍要保护隐私。
情绪记录还可以加入时间和场景。早晨低唤醒、会议后高唤醒、睡前低效价，这些模式能帮助用户找到调整入口。记录越贴近生活，建议越容易执行。
界面上也要降低记录负担。用户可以先用两个滑条标记效价和唤醒度，再补一个场景词或身体线索。对长期用户，再开放更细的情绪词和复盘问题。层级清楚，记录才不会变成额外压力。
当产品接入 AI 建议时，系统应先读取这两条轴。高唤醒状态下，建议宜短、慢、具体；低唤醒状态下，可以把行动拆得更小。这样生成内容会更接近用户当下状态。
效价和唤醒度让情绪 App 从简单心情打卡走向更细的状态识别。用户知道自己是方向变差，还是激活过高，后续调节才更准确。