opportunity-solution-tree

机会解决方案树（OST）

通过连接期望成果 → 客户机会 → 解决方案 → 实验，构建产品探索框架。避免在验证问题空间之前就跳到解决方案。

基于 Teresa Torres 的《Continuous Discovery Habits》（2021 年）。

---

4 层结构

                    ┌─────────────────────┐
                    │   DESIRED OUTCOME   │  ← single measurable metric
                    └──────────┬──────────┘
               ┌───────────────┼────────────────┐
        ┌──────┴─────┐  ┌──────┴─────┐  ┌──────┴─────┐
        │Opportunity │  │Opportunity │  │Opportunity │  ← customer pain/need
        │     A      │  │     B      │  │     C      │
        └──────┬─────┘  └──────┬─────┘  └────────────┘
        ┌──────┴───┐    ┌──────┴───┐
    ┌───┴──┐ ┌───┴──┐ ┌───┴──┐ ┌───┴──┐
    │Sol 1 │ │Sol 2 │ │Sol 3 │ │Sol 4 │  ← possible solutions
    └───┬──┘ └──────┘ └───┬──┘ └──────┘
  ┌────┴────┐         ┌───┴────┐
  │ Exp 1   │         │ Exp 2  │          ← fast experiments
  └─────────┘         └────────┘

关键原则：

• 一次只关注一个期望成果——不要试图解决所有问题
• 机会是客户的问题或需求，绝不是解决方案
• 每个机会至少提出 3 个解决方案，再选出一个
• 实验是验证假设成本最低的方式
• 这棵树是动态文档——随着认知不断更新，每周维护

---

如何构建 OST

步骤 1 — 定义期望成果

确认或协助用户明确树顶端的一个可衡量成果。

好的成果：

• “将 7 天留存率从 20% 提升至 35%”
• “将首次获得价值的时间从 3 天缩短至 1 天”
• “将免费转付费的转化率从 2% 提升至 5%”

不好的成果（应拒绝）：

• “打造更好的引导流程”——这是解决方案
• “改进产品”——无法衡量
• “发布功能 X”——这是产出

如果用户无法说出一项指标：询问“要让你认为这项工作取得了成功，需要满足什么条件？”

步骤 2 — 根据研究梳理机会

根据客户访谈、分析数据、支持工单或 NPS 反馈，找出 3–7 个客户机会（痛点、未满足的需求、愿望）。

从客户的角度描述每个机会：

• ✅“我很难判断哪个套餐适合自己”
• ✅“我无法快速找到以前的购买记录”
• ✅“我担心自己的数据是否安全”
• ❌“用户需要更好的搜索功能”——这是解决方案

使用机会评分进行优先级排序（Dan Olsen，《The Lean Product Playbook》）：

Opportunity Score = Importance × (1 − Satisfaction)

调查客户：让他们分别为每项需求的重要性（0–1）和当前满意度（0–1）评分。

• 高重要性 + 低满意度 = 最高评分 = 最佳机会
• 在重要性与满意度图表上绘图——左上象限是最佳区域

步骤 3 — 提出解决方案（先发散，再收敛）

针对每个优先级最高的机会，从三个角度集思广益，提出至少 3 个解决方案：

• PM 视角：什么 UX／产品变更可以解决这个问题？
• 设计师视角：可以做出什么交互或视觉方面的改变？
• 工程师视角：可以采用什么技术方案？（通常最具创意）

规则：

• 不要一开始就选定第一个想法——要比较和权衡
• “最佳想法往往来自工程师”——也要考虑技术方案
• 解决方案应彼此独立（针对同一机会提出不同方案）

步骤 4 — 设计实验

针对最有希望的解决方案，设计 1–2 个快速实验：

实验	待验证的假设	方法	成功指标	投入
<实验名称>	<要验证的信念>	<A/B 测试 / 假门 / 原型 / 访谈>	<指标 + 阈值>	<1d / 3d / 1w>

假设类别（按以下顺序优先验证）：

1. 价值：用户会想要这个吗？（最应优先测试）
2. 易用性：用户能弄明白怎么用吗？
3. 可行性：我们能实现吗？
4. 商业可行性：商业论证成立吗？

低成本实验类型：

• 现有产品：A/B 测试、假门、原型、用户访谈、数据分析
• 新产品：XYZ 假设（“至少有 X% 的 Y 会做 Z”）、着陆页、礼宾式 MVP

步骤 5 — 可视化并记录

编写 docs/discovery/OST-<outcome-slug>.md：

# Opportunity Solution Tree: <Outcome>

**Desired outcome**: <metric> from <current> to <target> by <date>
**Last updated**: <date>

## Opportunity map

| # | Opportunity | Importance | Satisfaction | Opportunity Score | Priority |
|---|------------|-----------|-------------|-------------------|---------|
| A | <customer need> | 0.8 | 0.3 | 0.56 | 1st |
| B | <customer need> | 0.7 | 0.6 | 0.28 | 3rd |
| C | <customer need> | 0.6 | 0.2 | 0.48 | 2nd |

## Solutions for top opportunities

### Opportunity A: <name>
| Solution | Description | Experiment |
|---------|-------------|-----------|
| Sol A1 | <description> | <experiment> |
| Sol A2 | <description> | <experiment> |
| Sol A3 | <description> | <experiment> |

## Active experiments

| Experiment | Assumption | Status | Result |
|-----------|-----------|--------|--------|
| <name> | <assumption> | Running / Done | <result or pending> |

## Learning log

- <date>: Discovered <insight> from <source>. Killed <solution> / promoted <opportunity>.

---

与 /spec prd 集成

机会得到验证并选定解决方案后： → 使用已验证的机会作为问题陈述，运行 /spec prd → OST 的机会评分数据可直接用于 PRD §3（成功指标）和 §4（目标用户）

---

反模式

❌ 机会 = 伪装成方案的解决方案：“用户需要一个搜索栏”是解决方案。“用户找不到过去的购买记录”才是机会。

❌ 跳过发散阶段：为每个机会选出第一个解决方案。选择前务必至少提出 3 个方案。

❌ 耗时超过 1 周的实验：如果需要超过 1 周才能得出结论，那就不是实验，而是一项功能。

❌ 只更新一次树：OST 是一项持续的实践。随着不断学习，每周更新一次。

❌ 结果太多：每棵树对应一个结果。如果有多个结果，请使用多棵树，或选择优先级最高的结果。