Q1.04.3Extreme-case sampling设计研究
极端用户在探索阶段价值更高
别名: 极端案例抽样 · 关键案例 · extreme user research
概念解释
极端案例抽样（extreme-case sampling）在探索阶段有意选择在能力、频率、环境约束或结果上接近分布边缘的人，以放大普通案例中不易看见的机制。重度使用者能暴露高频累积成本，偶发使用者能暴露记忆与可学性问题，资源受限者能揭示依赖带宽、语言或辅助能力的隐含前提。“价值更高”指单位案例可能带来更多新线索，不是极端用户比典型用户更重要。
机制
系统约束常在接近阈值时才显现：短文本布局正常，超长内容才暴露截断；熟练用户的重复操作才显出微小延迟的累积；低经验用户让被团队默认的知识变得可见。极端案例增加现象的对比度，有助于识别变量、边界条件和失败链。但边缘经验也可能由多个特殊因素共同造成，所以它生成的是机制候选与设计要求，不是总体常见度。
怎么研究
先定义与问题相关的极端维度和选择阈值，避免凭研究者印象挑“有趣的人”。可采用最大差异抽样，把维度两端与若干中间案例比较；资料分析寻找哪些困难随维度连续变化，哪些只属于个别情境。样本说明应报告为何某案例被视为极端，以及招募渠道是否把极端与其他属性混在一起。若要判断发现的普遍性，再转向典型案例、分层样本或定量估计。
边界
极端用户不适合估计平均体验、市场比例或默认优先级。某个边缘需求也可能与大多数人的目标冲突，不能从“揭示了问题”直接跳到“所有人都应采用同一方案”。极端还可能是暂时状态而非稳定身份，例如新手会成长、网络会变化。高风险无障碍与安全需求即使低频，也不应因不代表平均而被排除；其优先级来自后果与权利，而非发生率。
怎么落地
- 围绕关键约束选两端案例，如最低与最高经验、最短与最长内容、稳定与间歇网络。
- 将极端案例用于暴露假设和生成边界要求，不在汇报中把出现次数写成总体比例。
- 把发现分为普遍机制、特定边缘条件和仍需估计的发生范围。
- 用至少一个中间案例验证设计是否只为边缘优化而损害主路径；涉及安全或可达性的要求则按后果单独验收。