启发式-系统式模型（Chaiken，1980）

与 ELM 并行的另一个说服双加工理论。系统式加工是对信息内容的费力审视；启发式加工则套用低努力的经验法则（"专家总是对的""越长越有说服力""大家都这么想那就是真的"）。有两个想法把它和 elm 区分开来：省力原则（人只处理到必要的程度为止），受充分性原则支配——你会一直处理下去，直到信心跨过一个由结果重要性设定的阈值；以及共存——两种模式同时运行，可以相互叠加、偏置或削弱彼此，而不是像 ELM 那样干净的二选一路由器。

迁移应用。 充分性阈值才是你在认知内容里真正能够拨动的杠杆。你没法强迫刷屏的人进入系统式加工，但你可以抬高他们的充分性门槛——一个利害关系、一个出人意料的说法、一条有争议的评论串——让启发式不再显得够用，于是他们开始真正阅读。而且既然两种模式同时运行，一个可信度线索（一个真实的仓库、一个具名的作者）就不只是替代论证本身；它还会偏置后续论证被读到的正面程度。把线索和实质叠在一起用，而不是只用其中一个。

相关：elm · cialdini-principles · processing-fluency · models · slop-is-a-context-deficit