一句话定义
让人关心时，具体的一个人往往比抽象的一群人更有力量。情感不是从规模自动产生，而是从可看见、可想象、可代入的对象开始。
机制 / 原理
先让听众看见一个有姓名、有处境、有可完成动作的人，再补充规模和背景。若一开始就给统计表、地区总量和复杂原因，听众会进入分析模式，开始比较、推理和防御，行动冲动反而下降。好的情感设计不是隐瞒事实，而是安排进入顺序：先有人，再有数。
经典实验 / 例子
本书案例1：卡内基梅隆的研究让参与者先得到5美元，再看救助儿童会材料。只看马拉维粮食短缺、300多万人缺粮、安哥拉400万人流离失所等统计的人，平均捐1.14美元；看到7岁女孩 Rokia 的照片和故事，知道她在马里缺粮、捐款能为她提供食物和教育的人，平均捐2.38美元。把统计和 Rokia 放在一起，捐款反而降到1.43美元。 本书案例2：同一组研究还先让部分参与者做分析题，比如估算词频或计算简单数列。随后他们看到 Rokia 的故事，平均捐款约1.26美元；先做情绪题的人，平均捐款约2.34美元。研究者不是证明数据没用，而是证明一旦听众先被推入分析状态，那个7岁女孩就不再像一个需要立刻帮助的人。
书中案例出处
Rokia 捐款实验
参与者看到一个7岁女孩的故事时，捐款高于只看统计，统计和故事混合反而削弱行动。
它说明关心常从可识别对象开始，信息顺序会改变情感反应。
生活中的例子
引申案例：一家公益机构想为乡村视力筛查募款，最初海报写“本县有12600名儿童缺少眼科服务”。捐款入口点击很低。后来他们先讲9岁学生小宇：坐第三排看不清黑板，把作业题抄错，50元可完成一次筛查并配镜评估；页面底部再补充县域总数。读者先看见一个孩子的课堂，再理解规模，捐款转化明显上升。
常见误区
误区：问题越大，越应该先讲总人数和总损失。 规模能证明重要性，但不一定制造关心；如果听众还没有看见一个具体人，庞大数字可能只会让他退回分析。