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 Hypothesis Prioritization Canvas |  Product Discovery Fake Door Test |  Growth A/B Testing |  Product Discovery Experiment Canvas |
|---|---|---|---|---|
Zweckunterschiedlich | 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. | 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 | Mittel | Hoch | Niedrig |
Zeitunterschiedlich | 60-90 min | 1-5 Tage | 1-4 Wochen | 30-60 min |
Teilnehmendeunterschiedlich | 3-8 | Nutzertraffic | 1-6 | 1-5 |
Formatunterschiedlich | Workshop | Async | Async | Workshop + Async |
Outputunterschiedlich | Priorisierungs-Canvas, Hypothesen-Backlog | Click Data, Interest Signal, Learning Decision | Experiment Result, Decision Log, Learning Summary | Ausgefülltes Experiment Canvas, Erfolgsmetrik |
Tags1 gemeinsam | ExperimentePriorisierungDiscoveryHypothese | ValidierungExperimenteNachfrageDiscovery | ExperimenteGrowthAnalyticsValidierung | ExperimenteValidierungDiscoveryHypothese |