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 Smoke Test |  Growth Hooked Model |  Product Discovery Hypothesis Prioritization Canvas |  Growth A/B Testing |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn Nachfrage nur grob verifiziert werden muss, prüft sie Interesse mit minimalem Aufwand. Sie misst, ob Menschen einen nächsten Schritt überhaupt wählen würden. | 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. | Wenn viele Hypothesen konkurrieren, bringt sie Ordnung in Lernreihenfolge und Bedeutung. Sie zeigt, was zuerst getestet werden sollte und warum die Reihenfolge zählt. | 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. |
Komplexitätunterschiedlich | Niedrig | Mittel | Mittel | Hoch |
Zeitunterschiedlich | 1-5 Tage | Mehrere Workshops über Wochen | 60-90 min | 1-4 Wochen |
Teilnehmendeunterschiedlich | Nutzertraffic | 2-8 | 3-8 | 1-6 |
Formatunterschiedlich | Async | Workshop + Async | Workshop | Async |
Outputunterschiedlich | Interest Metrics, Conversion Signal, Learning Note | Hooked Loop, Trigger-Map, Reward-Design, Ethik-Check | Priorisierungs-Canvas, Hypothesen-Backlog | Experiment Result, Decision Log, Learning Summary |
Tagskeine Überschneidung | ValidierungExperimenteNachfrageGrowth | GrowthVerhaltenRetention | ExperimentePriorisierungDiscoveryHypothese | ExperimenteGrowthAnalyticsValidierung |