> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.
# 预型策略
> 预型策略用低成本实验在重投入前验证需求与行为。了解谷歌语境下的推广、方法、Palm 木块案例与常见失效。
**类别**：策略
**类型**：创新验证与学习策略
**来源**：Alberto Savoia（谷歌、斯坦福教学）等推动；Pretotyping.org 社区
**别名**：Pretotype、先做对的事（The Right It）
**快速回答** — **预型策略**（Pretotyping）强调：在投入大规模工程化之前，用快速、廉价的“假装原型”检验人们是否真正想要某个想法、是否愿意付诸行动。它把**需求证据**置于观点之上，并与精益实验、现代产品发现天然契合。
## 什么是预型策略？
**预型策略**（Pretotyping）是一套用最低成本模拟核心体验的做法——落地页、人工后台、可点击样机、实体道具等——让团队尽早检验**市场风险**。词义上接近“pretend prototype”：不是证明可制造性的工程原型，而是证明**渴望度与使用意图**的探针。
> 用最小成本去证伪最危险的假设——然后测量行为，而不是掌声。
它与 `/zh/strategies/minimum-effective-dose`（最小有效剂量）和 `/zh/strategies/fast-follower`（快速跟随）的“先学后押注”一致；与把 beta 叫 MVP、却从不做需求验证的做法不同。产品组织里，`/zh/methods/design-sprint` 与 `/zh/strategies/optionality` 常在多假设争抢稀缺产能时与之配套。
### 预型策略的三层理解
* **入门**：在写数月代码之前，用一周实验测注册、预购或重复模拟使用。
* **实践者**：让每个预型只验证一个可证伪假设（价格、频次、渠道）——并事先写下何种证据应终止项目。
* **进阶**：区分**想法风险**与**执行风险**；市场不对时，工艺再完美也在加速亏损。
## 起源
**Alberto Savoia** 在谷歌创新文化与后续公开课、斯坦福教学中推广预型，并通过 *The Right It*（HarperOne，2019）与 Pretotyping.org 系统化方法。口号点明优先级：先做**对的事**（The Right It），再把它**做对**（Build It Right）。
思想谱系与精益创业的烟测、用户研究原型重叠，但预型更强调非工程师也能做的超廉价行为探针。
## 核心要点
预型在指标诚实、团队敢砍项目时最有效。
写下若其为假便使整个计划不成立的前提——通常是需求、频次、付费意愿或渠道。
口头偏好很弱；订金、重复动作、任务耗时更强——据此设计实验。
涉及监管宣称、安全与数据时，透明模拟；不要为便宜而欺骗关键场景用户。
在结果出来前定义成功数字与时间窗——否则乐观会把噪声读成信号。
## 应用场景
硬件、软件、服务与内部企业工具都能用预型降低沉没成本。
用广告引流到简明报价，按成本阈值测量点击—候补名单转化。
在自动化前人工交付未来服务，先弄清工作流摩擦与真实频次。
用材料模型测试携带、口袋化与日常使用人机工程，再开模具。
在接 API 前用表格与脚本陪跑一个团队——验证岗位拉力与干系人意愿。
## 经典案例
在 Palm 掌上电脑成为硅片产品之前，创始人 **Jeff Hawkins** 用按目标尺寸裁切的**木块**随身携带数周并模拟交互——著名的“是否真会在生活里用它”的预型。**计算机历史博物馆**收藏该实物（馆藏号 102716262），公开尺寸约 **3⅜×4⅞ 英寸**，说明团队在重金开模前先做行为验证。
启示是：实体预型能更快回答“我会不会真的用”，而精美演示往往只回答“我们能不能造”。
## 边界与失效场景
当团队把忙碌当学习，或优化虚荣指标时，预型会失效。
两个边界很关键：第一，若实验人群与真实市场错位，你在测量错误的人。第二，若法律、安全或信任要求禁止某种模拟，就需要合规替代而非取巧捷径。常见误用是无截止地学习逃避交付——学习必须绑定决策截止日。
## 常见误区
预型常被误认为低质原型或“假产品”。
MVP 常面向真实用户交付；预型可能永不发布——它用最小构建检验假设。
涉及金钱、健康与数据时，伦理预型应清楚说明模拟边界。
预型正是为了尽早暴露市场失败；把错的想法打磨得更精致，只会放大损失。
## 相关概念
这些框架与预型互补——或在纯技术风险场景替代预型。
保持干预足够小以学习，而不锁死沉重承诺。
判断何时该验证后入场，何时必须在已验证品类里抢速度。
理解获客层面的低价实验——与预型相邻，但会计与合规风险不同。
当需求测试必须包含多边激励时，单靠单边点击不够。
## 一句话总结
在扩规模之前先花钱买需求证据——只设一个可证伪指标，数据说停就停。