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 Kano Model |  Delivery Monte Carlo Forecasting |  Decision Making Force Field Analysis |  Product Strategy DIBB |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn Features nach Wirkung auf Zufriedenheit unterschieden werden sollen, macht sie Erwartungen und Überraschungen vergleichbar. Sie trennt Grundbedürfnis, Leistungsbeitrag und Begeisterung. | Wenn Liefertermine unsicher sind und Einzel-Schätzungen zu viel Sicherheit vortäuschen, zeigt Monte Carlo Forecasting die Bandbreite plausibler Enddaten. Historische Flussdaten werden so nutzbar, dass Risiko, Wahrscheinlichkeit und Erwartungswert sauber auseinanderhalten bleiben. | Bei Veränderungsvorhaben sitzen fördernde und bremsende Kräfte gleichzeitig am Tisch. Force Field Analysis macht diese Spannungen explizit und zeigt, wo Veränderung durch Verstärkung oder Entlastung anschiebt. | Wenn eine Produktentscheidung sauber begründet werden muss, macht sie Daten, Annahmen und Wetten gemeinsam sichtbar. Sie hält fest, warum eine Richtung gewählt wurde und woran sie später gemessen wird. |
Komplexitätunterschiedlich | Mittel | Hoch | Niedrig | Niedrig |
Zeitunterschiedlich | 1-2 Tage | 30-90 min Setup, danach laufend | 45-90 min | 1-2 h |
Teilnehmendeunterschiedlich | 10-50 | 1-8 | 3-12 | 2-8 |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop | Workshop + Async |
Outputunterschiedlich | Kano Matrix, Feature Classes, Priority Themes | Forecast Percentiles, Throughput Dataset, Risk Communication | Force Field Map, Change Levers, Risk Notes | DIBB-Dokument, Beliefs-Liste, Bets-Liste, Lernreport |
Tagskeine Überschneidung | ZufriedenheitPriorisierungKunde | PrognoseFlowDelivery | VeränderungEntscheidungStrategie | StrategieEntscheidungAnnahmenHypothese |