用途
Product Discovery 是一个产品发现与市场研究专家技能，适用于验证产品想法、开展市场调研、进行用户访谈、竞品分析，以及判断某个产品机会是否值得投入资源。它的核心目标是在正式开发之前降低风险，即先弄清楚“该做什么”，再进入“如何做”的交付阶段。
核心原则
该技能遵循以下原则：持续发现（每周与用户对话，而非一次性研究）、结果驱动（从要达成的结果出发，而非从要构建的方案出发）、假设测试（在投入资源前验证高风险假设）、共同创造（与客户一起构建）、数据驱动（用证据而非直觉或利益相关者意见）、问题优先（在构思方案前深入理解问题空间）。
硬性规则
技能包含若干必须遵守的规则：
- 禁止方案优先思维：不得从方案开始，必须先定义问题和结果。例如不能直接说“我们应该给产品页加搜索栏”，而应先说明“问题：用户找不到产品（目录页40%退出率）；结果：将退出率降至20%”，再列出可能方案。
- 基于证据决策：不得在没有真实用户研究证据的情况下假设用户需求。禁止“用户可能想要X”“竞品有X所以我们也要有”“CEO认为应该做X”“用户显然需要X”等表述；要求给出如“8位受访用户中5位提到X是痛点”“分析显示60%用户在第三步流失”等证据。
- 最低访谈门槛：每个细分用户群的验证不得少于5次用户访谈。禁止“我们和2个用户聊过，他们很喜欢这个想法”这类依据。要求以表格形式呈现各细分群的访谈数量与关键发现，每个细分群最少5次访谈，访谈越多置信度越高。
- 可证伪假设：每个假设都必须可测试、可证伪，并有明确的成功标准。禁止“用户会喜欢新设计”“这会提升参与度”等不可证伪或标准模糊的表述；要求以表格列出假设、测试方式、成功标准与结果。
主要框架与工具
技能提供“何时使用何种工具”的快速参考：验证产品想法用产品机会评估，输出 go/no-go 决策；评估市场机会用 TAM/SAM/SOM；理解用户需求用用户研究（访谈、问卷）；分析竞争用竞品分析；发现用户动机用 Jobs-to-be-Done（JTBD）；功能优先级用 Kano 模型；定义价值主张用价值主张画布；测试产品概念用精益创业/MVP；梳理机会用机会解决方案树。
产品机会评估采用 Marty Cagan 的十个问题：问题定义、目标市场、机会规模、成功指标、替代方案、我们的优势、战略契合、依赖条件、风险、延迟成本。优先级可用价值与投入框架：高价值低投入先做（速赢），高价值高投入战略规划（大赌注），低价值低投入稍后做（补缺），低价值高投入不做（无底洞）。
研究方法
技能区分四类研究：生成性研究（存在哪些问题，如民族志田野研究、情境调查、日记研究、开放式访谈）、评估性研究（方案是否有效，如可用性测试、原型测试、A/B 测试、概念测试）、定量研究（多少、多大量，如问卷、分析、A/B 实验、市场规模测算）、定性研究（为什么、如何，如用户访谈、焦点小组、客户顾问委员会、用户观察）。
访谈最佳实践包括：准备阶段定义研究目标与假设、编写访谈指南但保持灵活、招募合适参与者（每个细分群6-8人）、安排45-60分钟；访谈中多问开放式问题、连续追问“为什么”以找到根因、遵循80/20倾听原则、询问过去行为而非未来假设、寻找变通方法和痛点；避免引导性问题、推销方案、问“你会用X吗”、边访谈边做其他事。
问卷最佳实践包括：用于验证定性发现、大规模测量满意度、功能优先级（Kano 问卷）、按行为/需求细分用户；设计上保持简短（10分钟内完成）、移动端一屏一题、混合题型、避免引导或偏见问题、发送前先找5人测试；题型包括多选、李克特量表、开放式、排序、NPS；分发渠道包括应用内问卷、邮件问卷，并提供激励。
持续发现习惯
发现由产品三人组每周协作推进：产品经理定义结果并负责路线图，设计师探索方案并测试可用性，工程师评估可行性并提出技术方案。每周活动包括：每周至少安排3-5次客户访谈（覆盖现有用户、流失用户、潜在用户），每周识别最高风险假设并设计快速测试（原型、落地页、假门测试），持续构建机会解决方案树并随学习更新。
发现与交付的区别在于：发现（构建什么）包含客户访谈、原型测试、假设验证、市场研究、机会评估；交付（如何构建）包含冲刺规划、开发、QA 测试、部署、上线后监控。关键差异是发现能在投入构建之前降低风险。
机会解决方案树
机会解决方案树是用于映射从结果到方案路径的可视化框架。构建步骤：第一步定义可衡量的业务结果（如“将第30天留存率从20%提升到30%”）；第二步通过研究梳理客户需求/痛点作为机会；第三步为每个机会头脑风暴多个方案；第四步为每个方案识别最高风险假设并测试；第五步用证据比较方案，构建被验证的、舍弃失败的。其好处是可视化通往结果的多种路径、防止直接跳到第一个方案、鼓励先广泛探索再收窄、记录决策原因、保持团队优先级一致。
2025 趋势
AI 辅助研究方面，技能列举了洞察综合（AI 分析访谈记录、识别模式）、合成用户画像、市场情报、问卷分析、趋势检测等方向，并举例 Crayon、Glimpse、Delve AI、Attest、Quantilope 等工具。最佳实践是用 AI 扩展研究而非替代人类洞察，用真实用户对话验证 AI 发现，将 AI 分析与定性深度结合；不要仅依赖合成用户，不要跳过与真实客户交谈。
规模化持续发现方面，现代做法是将发现嵌入每个冲刺而非作为一个阶段，每周用户触点，快速实验，基于证据在数天而非数月内快速转向。团队结构上由产品三人组负责各自领域的发现，集中研究团队提供工具与方法支持，客户成功团队共享反馈闭环，数据分析师提供定量洞察。节奏上：每周客户访谈与原型测试，双周机会评审与假设验证，每月市场分析与竞品回顾，每季度战略发现（新市场、大赌注）。
限制
该技能为方法论与流程指导，不提供具体产品的收费、价格、平台或效果数据。文中提及的 AI 工具仅为示例，其具体功能与可用性暂未提供。扩展参考材料（如发现与交付整合等详细内容）被移至 reference/extended.md，需在任务需要相关示例、命令目录、清单、平台细节或实现模板时加载。