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 Fake Door Test |  Product Discovery Experiment Canvas |  Growth A/B Testing |  Product Discovery Hypothesis Prioritization Canvas |
|---|---|---|---|---|
Zweckunterschiedlich | 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. | 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 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 viele Hypothesen konkurrieren, bringt sie Ordnung in Lernreihenfolge und Bedeutung. Sie zeigt, was zuerst getestet werden sollte und warum die Reihenfolge zählt. |
Komplexitätunterschiedlich | Mittel | Niedrig | Hoch | Mittel |
Zeitunterschiedlich | 1-5 Tage | 30-60 min | 1-4 Wochen | 60-90 min |
Teilnehmendeunterschiedlich | Nutzertraffic | 1-5 | 1-6 | 3-8 |
Formatunterschiedlich | Async | Workshop + Async | Async | Workshop |
Outputunterschiedlich | Click Data, Interest Signal, Learning Decision | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Experiment Result, Decision Log, Learning Summary | Priorisierungs-Canvas, Hypothesen-Backlog |
Tags1 gemeinsam | ValidierungExperimenteNachfrageDiscovery | ExperimenteValidierungDiscoveryHypothese | ExperimenteGrowthAnalyticsValidierung | ExperimentePriorisierungDiscoveryHypothese |