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 |  Systems Thinking Future Reality Tree |  Growth A/B Testing |  Product Discovery Experiment 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. | Ein Future Reality Tree zeigt, wie gewünschte Maßnahmen zu einem besseren Systemzustand führen sollen. Die Methode prüft, ob ein Veränderungspfad logisch zusammenhängt, bevor Zeit in Umsetzung fließt. | 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 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. |
Komplexitätunterschiedlich | Mittel | Hoch | Hoch | Niedrig |
Zeitunterschiedlich | Mehrere Workshops über Wochen | 2-4 h | 1-4 Wochen | 30-60 min |
Teilnehmendeunterschiedlich | 2-8 | 3-8 | 1-6 | 1-5 |
Formatunterschiedlich | Workshop + Async | Workshop | Async | Workshop + Async |
Outputunterschiedlich | Hooked Loop, Trigger-Map, Reward-Design, Ethik-Check | Future Reality Tree, Negative Branches, Assumption List, Improved Injections | Experiment Result, Decision Log, Learning Summary | Ausgefülltes Experiment Canvas, Erfolgsmetrik |
Tagskeine Überschneidung | GrowthVerhaltenRetention | Theory of ConstraintsSystemdenkenVeränderung | ExperimenteGrowthAnalyticsValidierung | ExperimenteValidierungDiscoveryHypothese |