Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Decision Making Decision Tree |  Growth Hooked Model |  Product Discovery Experiment Canvas |  Product Discovery Fake Door Test |
|---|---|---|---|---|
Zweckunterschiedlich | Bei Entscheidungen mit Folgepfaden und Abhängigkeiten genügt eine lineare Gegenüberstellung oft nicht. Ein Decision Tree zeigt, wie sich Optionen unter Bedingungen verzweigen und welche Konsequenzen an jedem Ast hängen. | Bei Produkten mit hoher Wiederkehr zählt nicht nur erster Kontakt, sondern routinisierte Rückkehr. Das Hooked Model beschreibt, wie externe oder interne Auslöser, einfache Aktion, Belohnung und Investition zu einem stabilen Nutzungsritual werden. | 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 | Mittel | Mittel | Niedrig | Mittel |
Zeitunterschiedlich | 30-90 min | Mehrere Workshops über Wochen | 30-60 min | 1-5 Tage |
Teilnehmendeunterschiedlich | 1-6 | 2-8 | 1-5 | Nutzertraffic |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop + Async | Async |
Outputunterschiedlich | Decision Tree, Option Map, Assumption List | Hooked Loop, Trigger-Map, Reward-Design, Ethik-Check | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Click Data, Interest Signal, Learning Decision |
Tagskeine Überschneidung | EntscheidungBaumstrukturOptionen | GrowthVerhaltenRetention | ExperimenteValidierungDiscoveryHypothese | ValidierungExperimenteNachfrageDiscovery |