Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Growth Hooked Model |  Product Discovery Experiment Canvas |  Growth A/B Testing |  Product Discovery Hypothesis Prioritization Canvas |
|---|---|---|---|---|
Zweckunterschiedlich | 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 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 | Mehrere Workshops über Wochen | 30-60 min | 1-4 Wochen | 60-90 min |
Teilnehmendeunterschiedlich | 2-8 | 1-5 | 1-6 | 3-8 |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Async | Workshop |
Outputunterschiedlich | Hooked Loop, Trigger-Map, Reward-Design, Ethik-Check | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Experiment Result, Decision Log, Learning Summary | Priorisierungs-Canvas, Hypothesen-Backlog |
Tagskeine Überschneidung | GrowthVerhaltenRetention | ExperimenteValidierungDiscoveryHypothese | ExperimenteGrowthAnalyticsValidierung | ExperimentePriorisierungDiscoveryHypothese |