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 |  Product Discovery Smoke Test |  Product Discovery Experiment Canvas |  Product Discovery Hypothesis Prioritization Canvas |
|---|---|---|---|---|
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 Nachfrage nur grob verifiziert werden muss, prüft sie Interesse mit minimalem Aufwand. Sie misst, ob Menschen einen nächsten Schritt überhaupt wählen würden. | 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. | Wenn viele Hypothesen konkurrieren, bringt sie Ordnung in Lernreihenfolge und Bedeutung. Sie zeigt, was zuerst getestet werden sollte und warum die Reihenfolge zählt. |
Komplexitätunterschiedlich | Mittel | Niedrig | Niedrig | Mittel |
Zeitunterschiedlich | 1-2 h | 1-5 Tage | 30-60 min | 60-90 min |
Teilnehmendeunterschiedlich | 3-8 | Nutzertraffic | 1-5 | 3-8 |
Formatunterschiedlich | Workshop + Async | Async | Workshop + Async | Workshop |
Outputunterschiedlich | North Star Metric, Input Metric Tree, Measurement Cadence | Interest Metrics, Conversion Signal, Learning Note | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Priorisierungs-Canvas, Hypothesen-Backlog |
Tagskeine Überschneidung | GrowthKennzahlenAbstimmungRetention | ValidierungExperimenteNachfrageGrowth | ExperimenteValidierungDiscoveryHypothese | ExperimentePriorisierungDiscoveryHypothese |