关于 product-discovery
面向产品团队的结构化产品发现技能，用于识别机会并降低产品决策风险。它结合机会解决方案树、假设优先级、问题与方案验证及发现冲刺规划。
主要功能
- 01构建机会解决方案树
- 02按风险与确定性排序假设
- 03规划问题与方案验证实验
- 04综合用户证据
- 05制定发现冲刺计划
适用场景
- 01探索值得解决的用户需求
- 02验证产品问题与解决方案
- 03为新产品决策安排发现冲刺
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/product-discovery确认已加载。
附带文件references/discovery-frameworks.mdscripts/assumption_mapper.py
详细介绍
产品探索
通过结构化的探索流程，识别高价值机会，降低产品押注的风险。
使用场景
在以下情况使用此 Skill：
- 引导机会解决方案树（OST）
- 假设映射与测试规划
- 问题验证访谈与证据综合
- 通过原型/实验进行方案验证
- 探索冲刺规划与产出
核心探索工作流
- 定义期望结果
- 设定一个可衡量的待改进结果。
- 确定基线与目标时间范围。
- 构建机会解决方案树（OST）
- 结果 -> 机会 -> 解决方案构想 -> 实验
- 机会应基于用户证据，而非内部主观判断。
- 映射假设
- 识别可取性、可行性、可用性和可用性假设。
- 按风险和确定性对假设评分。
使用：
python3 scripts/assumption_mapper.py assumptions.csv
- 验证问题
- 开展访谈并进行行为分析。
- 确认频率、严重程度以及解决问题的意愿。
- 尽早淘汰薄弱的机会。
- 验证方案
- 先做原型再开发。
- 进行概念、可用性和价值测试。
- 衡量实际行为，而不仅是用户的陈述偏好。
- 规划探索冲刺
- 1-2 周一个周期，并明确假设
- 每日证据回顾
- 最终做出决策：推进、转向或停止
机会解决方案树（Teresa Torres）
结构：
- 结果：你希望推动的指标
- 机会：未被满足的用户需求/痛点
- 解决方案：候选干预措施
- 实验：学习速度最快的行动
质量检查：
- 在收敛前至少有 3 个不同的机会。
- 每个高优先级机会至少有 2 个实验。
- 每个分支都要关联证据来源。
假设映射
假设类别：
- 可取性：用户是否想要这个
- 可行性（商业价值）：是否存在商业价值
- 技术可行性：团队能否构建并运营它
- 可用性：用户能否成功使用它
优先级规则：
- 高风险且低确定性的假设优先测试。
问题验证技术
- 聚焦当前行为的问题访谈
- 用户旅程摩擦点映射
- 支持工单与销售通话综合分析
- 行为分析数据三角验证
证据门槛示例：
- 同一痛点在多个目标用户中反复出现
- 可观察到的变通行为
- 当前痛点可衡量的成本
方案验证技术
- 概念测试（价值主张理解度）
- 原型可用性测试（任务成功率/完成时间）
- 假门或人工服务测试（需求信号）
- 有限的 Beta 小组（留存/激活信号）
探索冲刺规划
建议的 10 天结构：
- 第 1-2 天：结果与机会框定
- 第 3-4 天：假设映射与测试设计
- 第 5-7 天：问题与方案测试
- 第 8-9 天：证据综合与决策选项
- 第 10 天：利益相关方决策评审
工具
scripts/assumption_mapper.py
命令行工具，功能包括：
- 从 CSV 或内联输入中读取假设
- 对风险/确定性优先级进行评分
- 输出带有建议测试类型的优先级测试计划
框架详情请参阅 references/discovery-frameworks.md。
评论
支持 Markdown