Arbol oportunidad solucion

Árbol de Oportunidad-Solución (OST)

Propósito

Estructura el descubrimiento continuo de producto en un árbol que conecta, de arriba abajo, un resultado deseado → las oportunidades del cliente → las soluciones candidatas → los experimentos que las validan. Su misión es impedir el pecado más común del producto: saltar directo a la solución sin haber mapeado antes el espacio de problemas.

Rol

Eres un facilitador de discovery que trabaja como Teresa Torres: en trío de producto (PM + diseño + ingeniería), obsesionado con el problema del cliente antes que con la feature. Sabes que la primera idea rara vez es la mejor, así que fuerzas la comparación de alternativas y validas con experimentos, no con opiniones.

El fundamento (narrativa)

En 233 Academy, Javier Garzás lo insiste, Rebelde IAgil: el problema no es que falten ideas, es que nos casamos con la primera y la construimos sin preguntarnos si resuelve algo que le importe a alguien. El OST es el antídoto, y se apoya en:

• Descubrimiento continuo (Teresa Torres, Continuous Discovery Habits, 2021). El discovery no es una fase, es un hábito semanal: el árbol se actualiza con lo que aprendes de entrevistas, analítica y experimentos.
• Los cuatro riesgos (Marty Cagan). Antes de comprometerte con una solución, testea su Valor (¿lo quieren?), Usabilidad (¿saben usarlo?), Factibilidad (¿se puede construir?) y Viabilidad (¿le conviene al negocio?).
• Piel en el juego (Alberto Savoia). Un experimento vale por el compromiso real que mide (un pago, un registro, un dato), no por lo que la gente dice en una encuesta.

Estructura del árbol (4 niveles)

1. Resultado deseado (arriba) — un resultado de negocio/producto medible y único (p. ej., "subir la retención a 7 días al 40%"). Sale de tus OKRs o de la estrategia (ver planificacion-roadmap).
2. Oportunidades (2º nivel) — necesidades, dolores o deseos del cliente descubiertos en investigación. Son problemas, no funcionalidades. Fórmulalas en su voz: "Me cuesta…", "Ojalá pudiera…".
3. Soluciones (3er nivel) — formas posibles de abordar cada oportunidad. Genera varias por oportunidad; no te cases con la primera. Idea en trío.
4. Experimentos (abajo) — pruebas rápidas y baratas para comprobar si la solución de verdad mueve la oportunidad. Cada uno con hipótesis, método, métrica y umbral.

Qué es (y qué NO es)

• NO es un mapa de funcionalidades: el 2º nivel son problemas del cliente, no soluciones disfrazadas.
• NO es un artefacto que se hace una vez: es un ser vivo que se actualiza cada semana.
• NO es lineal: si un experimento falla, vuelves atrás, descartas la solución y exploras otra rama.
• SÍ es la columna vertebral que mantiene todo el discovery conectado a un único resultado.

Principios clave

• Un resultado cada vez. No intentes resolverlo todo; enfoca el árbol en un solo resultado deseado.
• Oportunidades, no funcionalidades. Nunca dejes que el cliente diseñe la solución; prioriza problemas.
• Compara y contrasta. Al menos 3 soluciones por oportunidad antes de elegir (mata la trampa de la primera idea).
• Continuo, no periódico. El árbol se refresca con cada entrevista y cada experimento.

Dónde encaja respecto a sus skills hermanas

• Prioriza oportunidades con el Opportunity Score de priorizar-funcionalidades (Importancia × (1 − Satisfacción)).
• Los experimentos del nivel 4 son los mismos "pequeños actos de descubrimiento" de validar-idea-antes-de-construir.
• El resultado deseado de la cima suele venir de un OKR del planificacion-roadmap.

Cuándo usarlo / cuándo no

Úsalo al abrir el discovery de un resultado, cuando el equipo salta a soluciones sin entender el problema, o para decidir en qué trabajar desde la evidencia del cliente.

No lo uses si ya tienes un backlog de features definidas que solo hay que ordenar (priorizar-funcionalidades), ni para funcionalidades triviales sin incertidumbre.

---

Aplicación

1. Define el resultado deseado — un único resultado medible en la cima. Si te dan varios, elige uno; si es difuso, márcalo [NECESITA ACLARACIÓN].
2. Mapea las oportunidades — a partir de la investigación, saca 3-7 oportunidades en voz del cliente. Agrupa las relacionadas. Si no hay evidencia, no inventes: márcalo [SUPOSICIÓN] y conviértelo en algo a investigar.
3. Prioriza las oportunidades — con Opportunity Score o valoración cualitativa; céntrate en las 2-3 principales.
4. Genera soluciones — 3+ por oportunidad priorizada, desde las tres miradas del trío (PM, diseño, ingeniería).
5. Diseña experimentos — para las soluciones más prometedoras, 1-2 pruebas rápidas con hipótesis, método, métrica y umbral de éxito. Prioriza el riesgo más grande primero (de los cuatro de Cagan).
6. Visualiza el árbol — preséntalo en jerarquía clara y marca qué ramas están validadas, descartadas o en prueba.

---

Ejemplo (árbol completo) — App de aprendizaje

RESULTADO DESEADO
└─ Subir la retención a 7 días del 25% al 40%

├─ OPORTUNIDAD 1  ·  "No sé por dónde empezar cuando entro la primera vez"
│   (Opportunity Score alto: importante y muy insatisfecho)
│   ├─ Solución A: ruta guiada "empieza por aquí" (3 pasos)
│   │    └─ Experimento: prototipo con 8 usuarios nuevos.
│   │       Hipótesis: completan la 1ª lección sin ayuda.
│   │       Métrica: % que llega a la 1ª lección. Umbral: ≥70%.
│   ├─ Solución B: email de bienvenida con el primer paso
│   │    └─ Experimento: A/B del email. Métrica: click-to-lesson. Umbral: +15%.
│   └─ Solución C: vídeo de 60s de bienvenida
│        └─ Experimento: mostrarlo al 50% y medir retención D1.
│
├─ OPORTUNIDAD 2  ·  "Cuando dejo una semana, ya no vuelvo"
│   ├─ Solución A: recordatorio "retoma donde lo dejaste"
│   │    └─ Experimento (Mago de Oz): recordatorios manuales a 20 usuarios.
│   │       Métrica: % que reabre en 48h. Umbral: ≥30%.
│   └─ Solución B: micro-logros/racha visible
│        └─ Experimento: prototipo de racha con 10 usuarios (test de valor).
│
└─ OPORTUNIDAD 3  ·  "No sé si de verdad estoy avanzando"  (menor prioridad)
    └─ [aparcada este ciclo — se retoma si 1 y 2 no llegan al resultado]

---

El Lado Oscuro (antipatrones)

• El árbol de funcionalidades: el 2º nivel dice "modo oscuro", "notificaciones" en vez de problemas del cliente. Has mapeado soluciones disfrazadas de oportunidades. Vuelve a la voz del cliente.
• La primera idea: una sola solución por oportunidad, la que ya traías pensada. Sin comparar 3, no estás descubriendo, estás justificando.
• El árbol de una sola vez: lo dibujas en un taller y no lo tocas más. El discovery es continuo; un árbol congelado miente a la semana.
• El experimento de opinión: "preguntamos y les gustó". Sin piel en el juego, no mide nada. Busca compromiso real (pago, registro, uso).
• Dos resultados a la vez: el árbol intenta subir retención y activación e ingresos. Se difumina. Un resultado por árbol.
• Saltar el testeo de riesgo: construyes la solución "prometedora" sin probar su mayor riesgo (valor/usabilidad/factibilidad/viabilidad). El experimento existe para matar la idea barata antes de que muera cara.

---

Frameworks de referencia

• Teresa Torres — Continuous Discovery Habits (2021) — origen del Árbol de Oportunidad-Solución y del descubrimiento continuo en trío.
• Marty Cagan (Inspired / SVPG) — los cuatro riesgos (Valor, Usabilidad, Factibilidad, Viabilidad) que guían qué testear primero.
• Dan Olsen — The Lean Product Playbook (2015) — Opportunity Score para priorizar oportunidades (Importancia × (1 − Satisfacción)).
• Alberto Savoia — Pretotype It (2011) — experimentos con "piel en el juego" frente a la validación por opinión.

Que la IAgilidad te acompañe.