Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Architecture C4 Model |  Growth A/B Testing |  Product Discovery Experiment Canvas |  Product Discovery Fake Door Test |
|---|---|---|---|---|
Zweckunterschiedlich | Das C4 Model macht ein System über mehrere Auflösungsebenen lesbar, vom Kontext bis zum Code. Es eignet sich, wenn verschiedene Zielgruppen dieselbe Architektur aus unterschiedlichen Höhen verstehen sollen. | Wenn zwei Varianten gegeneinander stehen, entscheiden Diskussionen schnell nach Geschmack statt nach Wirkung. A/B Testing prüft Verhalten unter kontrollierten Bedingungen und trennt echte Verbesserung von Zufall oder Erwartungseffekt. | Wenn Experimente später nicht mehr lesbar sind, ordnet sie Hypothese, Signal und Lernziel auf einer Fläche. Sie schafft Klarheit darüber, was ein Test wirklich beweisen soll. | Wenn Nachfrage noch unklar ist, misst sie Interesse an einer Funktion, bevor sie gebaut wird. Sie trennt echtes Verhalten von höflicher Zustimmung und hält den Bauaufwand bewusst klein. |
Komplexitätunterschiedlich | Niedrig | Hoch | Niedrig | Mittel |
Zeitunterschiedlich | 1-4 h | 1-4 Wochen | 30-60 min | 1-5 Tage |
Teilnehmendeunterschiedlich | 1-5 | 1-6 | 1-5 | Nutzertraffic |
Formatunterschiedlich | Workshop + Async | Async | Workshop + Async | Async |
Outputunterschiedlich | Context Diagram, Container Diagram, Component Diagram | Experiment Result, Decision Log, Learning Summary | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Click Data, Interest Signal, Learning Decision |
Tagskeine Überschneidung | ArchitekturKommunikationVisualisierung | ExperimenteGrowthAnalyticsValidierung | ExperimenteValidierungDiscoveryHypothese | ValidierungExperimenteNachfrageDiscovery |