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 Fake Door Test |  Product Discovery Hypothesis Prioritization Canvas |  Product Discovery Smoke Test |
|---|---|---|---|---|
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 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 viele Hypothesen konkurrieren, bringt sie Ordnung in Lernreihenfolge und Bedeutung. Sie zeigt, was zuerst getestet werden sollte und warum die Reihenfolge zählt. | Wenn Nachfrage nur grob verifiziert werden muss, prüft sie Interesse mit minimalem Aufwand. Sie misst, ob Menschen einen nächsten Schritt überhaupt wählen würden. |
Komplexitätunterschiedlich | Mittel | Mittel | Mittel | Niedrig |
Zeitunterschiedlich | Mehrere Workshops über Wochen | 1-5 Tage | 60-90 min | 1-5 Tage |
Teilnehmendeunterschiedlich | 2-8 | Nutzertraffic | 3-8 | Nutzertraffic |
Formatunterschiedlich | Workshop + Async | Async | Workshop | Async |
Outputunterschiedlich | Hooked Loop, Trigger-Map, Reward-Design, Ethik-Check | Click Data, Interest Signal, Learning Decision | Priorisierungs-Canvas, Hypothesen-Backlog | Interest Metrics, Conversion Signal, Learning Note |
Tagskeine Überschneidung | GrowthVerhaltenRetention | ValidierungExperimenteNachfrageDiscovery | ExperimentePriorisierungDiscoveryHypothese | ValidierungExperimenteNachfrageGrowth |