Product Discovery 是一个用于结构化产品探索的技能，目标是在正式投入交付之前识别高价值机会并降低产品赌注的风险。
适用场景
该技能适用于以下工作：
- 机会解决方案树（Opportunity Solution Tree）引导
- 假设映射与测试计划制定
- 问题验证访谈与证据综合
- 通过原型/实验进行解决方案验证
- 探索冲刺规划与产出
核心探索工作流
- 定义期望结果：设定一个要改善的可衡量结果，并建立基线与目标时间范围。
- 构建机会解决方案树（OST）：结构为 结果 -> 机会 -> 解决方案想法 -> 实验。机会必须基于用户证据，而不是内部意见。
- 映射假设：识别可取性、可行性、可行性和可用性假设，并按风险与确定性对假设评分。
使用命令：
python3 scripts/assumption_mapper.py assumptions.csv
- 验证问题：进行访谈和行为分析，确认频率、严重程度和解决意愿，尽早拒绝薄弱机会。
- 验证解决方案：先做原型再开发，运行概念测试、可用性测试和价值测试，衡量行为而不只是口头偏好。
- 规划探索冲刺：1-2 周周期，包含明确假设；每日证据评审；最终做出继续、转向或停止的决策。
机会解决方案树（Teresa Torres）
结构：
- 结果：你想要推动的指标
- 机会：未被满足的客户需求/痛点
- 解决方案：候选干预措施
- 实验：最快的学习行动
质量检查：
- 在收敛之前至少有 3 个不同的机会。
- 每个顶级机会至少有 2 个实验。
- 每个分支都关联到证据来源。
假设映射
假设类别：
- 可取性：用户想要这个
- 可行性：存在商业价值
- 可行性：团队能够构建/运营它
- 可用性：用户能够成功使用它
优先级规则： 高风险 + 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
- 旅程摩擦映射
- 支持工单和销售电话综合
- 行为分析三角验证
证据阈值示例：
- 同一痛点在多个目标用户中重复出现
- 可观察到的变通行为
- 当前痛点有可衡量的成本
解决方案验证技术
- 概念测试（价值主张理解度）
- 原型可用性测试（任务成功/完成时间）
- 假门或管家式测试（需求信号）
- 有限测试群组（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 + 机会框架
- 第 3-4 天：假设映射 + 测试设计
- 第 5-7 天：问题与解决方案测试
- 第 8-9 天：证据综合 + 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：
- 从 CSV 或内联输入读取假设
- 对风险/确定性优先级评分
- 输出带建议测试类型的优先测试计划
框架细节参见 references/discovery-frameworks.md。