Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Growth North Star Metric |  Growth A/B Testing |  Product Discovery Fake Door Test |  Product Discovery Smoke Test |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn Produktteams viele Kennzahlen verfolgen, verliert sich der Blick leicht auf das eigentliche Kundenergebnis. Eine North Star Metric bündelt Wachstum, Nutzung und Wertbeitrag in einem Signal, das die Richtung des Systems sichtbar macht. | 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 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 Nachfrage nur grob verifiziert werden muss, prüft sie Interesse mit minimalem Aufwand. Sie misst, ob Menschen einen nächsten Schritt überhaupt wählen würden. |
Komplexitätunterschiedlich | Mittel | Hoch | Mittel | Niedrig |
Zeitunterschiedlich | 1-2 h | 1-4 Wochen | 1-5 Tage | 1-5 Tage |
Teilnehmendeunterschiedlich | 3-8 | 1-6 | Nutzertraffic | Nutzertraffic |
Formatunterschiedlich | Workshop + Async | Async | Async | Async |
Outputunterschiedlich | North Star Metric, Input Metric Tree, Measurement Cadence | Experiment Result, Decision Log, Learning Summary | Click Data, Interest Signal, Learning Decision | Interest Metrics, Conversion Signal, Learning Note |
Tagskeine Überschneidung | GrowthKennzahlenAbstimmungRetention | ExperimenteGrowthAnalyticsValidierung | ValidierungExperimenteNachfrageDiscovery | ValidierungExperimenteNachfrageGrowth |