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 |  Knowledge Modeling NeOn Methodology |  Product Discovery Experiment Canvas |  Product Discovery Hypothesis Prioritization Canvas |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn Nachfrage nur grob verifiziert werden muss, prüft sie Interesse mit minimalem Aufwand. Sie misst, ob Menschen einen nächsten Schritt überhaupt wählen würden. | Die NeOn Methodology strukturiert Ontology-Arbeit als kontrollierten Prozess mit Reuse, Szenarien und Reviews. Sie ist nützlich, wenn Ontologien nicht ad hoc, sondern modular und wiederverwendbar entstehen sollen. | 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 | Niedrig | Hoch | Niedrig | Mittel |
Zeitunterschiedlich | 1-5 Tage | Mehrere Wochen bis Monate | 30-60 min | 60-90 min |
Teilnehmendeunterschiedlich | Nutzertraffic | 2-10 | 1-5 | 3-8 |
Formatunterschiedlich | Async | Workshop + Async | Workshop + Async | Workshop |
Outputunterschiedlich | Interest Metrics, Conversion Signal, Learning Note | Ontology Requirements Specification, Reuse Plan, Ontology Modules, Evaluation Report | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Priorisierungs-Canvas, Hypothesen-Backlog |
Tagskeine Überschneidung | ValidierungExperimenteNachfrageGrowth | OntologieMethodikWiederverwendungSemantikEngineering | ExperimenteValidierungDiscoveryHypothese | ExperimentePriorisierungDiscoveryHypothese |