Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Product Discovery Experiment Canvas |  Growth Hooked Model |  Product Discovery Hypothesis Prioritization Canvas |  Product Discovery Fake Door Test |
|---|---|---|---|---|
Zweckunterschiedlich | 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. | 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 viele Hypothesen konkurrieren, bringt sie Ordnung in Lernreihenfolge und Bedeutung. Sie zeigt, was zuerst getestet werden sollte und warum die Reihenfolge zählt. | 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 | Mittel | Mittel | Mittel |
Zeitunterschiedlich | 30-60 min | Mehrere Workshops über Wochen | 60-90 min | 1-5 Tage |
Teilnehmendeunterschiedlich | 1-5 | 2-8 | 3-8 | Nutzertraffic |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop | Async |
Outputunterschiedlich | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Hooked Loop, Trigger-Map, Reward-Design, Ethik-Check | Priorisierungs-Canvas, Hypothesen-Backlog | Click Data, Interest Signal, Learning Decision |
Tagskeine Überschneidung | ExperimenteValidierungDiscoveryHypothese | GrowthVerhaltenRetention | ExperimentePriorisierungDiscoveryHypothese | ValidierungExperimenteNachfrageDiscovery |