Product discovery process

何时使用

在承诺交付资源之前，用结构化探索找出高价值机会、给产品下注去风险。典型场景：

• 主持机会方案树（OST）梳理
• 假设映射与测试计划制定
• 问题验证访谈与证据综合
• 用原型/实验做方案验证
• 规划一轮探索冲刺并产出决策

不该用的边界（先停下）：

• 机会已确定、只需排优先级或排期 → 用 RICE 优先级技能
• 已决定要做、只是缺需求文档 → 用 PRD / code-to-prd 技能
• 纯交付期 bug 修复、技术重构等无「该不该做」之问的工作
• 没有任何可触达用户/证据来源时——先解决取数，否则 OST 会沦为内部臆测

步骤

1. 定义目标结果：锁定一个可度量、想要改善的结果指标；确立基线与目标时间窗。
2. 构建机会方案树（OST，Teresa Torres）：结果 → 机会 → 方案设想 → 实验。机会必须扎根于用户证据，而非内部意见。
3. 映射假设：按可取性（Desirability）、可行性（Viability）、技术可行性（Feasibility）、可用性（Usability）四类拆解，按「风险 × 不确定性」打分。
4. 验证问题：做问题访谈与行为分析，确认痛点的频率、严重度、付费/解决意愿；尽早砍掉弱机会。
5. 验证方案：先原型后开发，跑概念测试、可用性测试、价值测试；度量行为，而非仅凭口头偏好。
6. 规划探索冲刺：1–2 周一轮，写明假设，每日复盘证据，以一个决策收尾——继续 / 转向 / 停止。

指令

用脚本对假设做风险/确定性打分并生成优先测试计划：

python3 scripts/assumption_mapper.py assumptions.csv
# JSON 输出
python3 scripts/assumption_mapper.py assumptions.csv --json

脚本从 CSV 读取假设、按「风险 × 不确定性」排序、输出带建议测试类型的优先测试计划。

OST 质量门槛： 收敛前至少 3 个不同机会；每个 Top 机会至少 2 个实验；每条分支都挂上证据来源。

假设优先级规则： 高风险 + 低确定性的假设最先测。

示例

10 天探索冲刺骨架：

• 第 1–2 天：结果定义 + 机会框定
• 第 3–4 天：假设映射 + 测试设计
• 第 5–7 天：问题与方案测试
• 第 8–9 天：证据综合 + 决策选项
• 第 10 天：干系人决策评审

问题验证证据阈值示例： 同一痛点在多个目标用户身上重复出现；可观察到的绕行（workaround）行为；当前痛点有可量化的成本。

方案验证技法： 概念测试（价值主张能否被理解）、原型可用性测试（任务成功率/完成时长）、假门或 concierge 测试（需求信号）、小范围 Beta 群组（留存/激活信号）。

注意事项

• 机会来自用户证据，不是内部观点；每条 OST 分支都要能溯源。
• 验证方案时优先看真实行为，口头「我会用」不算数。
• 弱机会尽早 reject，别拖到方案阶段才止损。
• 冲刺务必以明确决策收尾，避免「探索完了不知道做不做」。
• 四类假设（可取/可行/技术/可用）缺一类即留盲区，逐项过一遍。

互见

• 框架细节见源仓库 references/discovery-frameworks.md
• 下游衔接：RICE 优先级、用户故事/冲刺规划（agile-product-owner）、PRD（code-to-prd）
• 上游/并行：UX 用户研究、产品分析（留存/漏斗）、实验设计（A/B 样本量）

---

采编自 alirezarezvani/claude-skills（MIT）。机会方案树框架归功于 Teresa Torres。