Дерево решений возможностей (Opportunity solution tree) - простая визуализация вашего плана по достижению желаемого результата.
Дерево решений возможностей помогает нелинейно структурировать то, что вы узнаете в процессе исследования рынка, продукта и пользователей через поток идей, экспериментов и выявления пробелов.
![](https://habrastorage.org/getpro/habr/upload_files/950/ffd/a2a/950ffda2aee61138b8f574f4c65b1149.jpeg)
Использование дерева решений возможностей дает ряд преимуществ продуктовой команде:
Помогает устранять противоречия между потребностями бизнеса и потребностями клиентов
Создает и поддерживает общее понимание того, как можно достичь желаемого результата
Помогает принять непрерывный итеративный процесс исследований
Укрепляет уверенность, в понимании, что делать дальше
Упрощает управления стейкхолдерами через прозрачность
Берем продуктовый бэклог, наполненный проблемами, идеями, пожеланиями и фича реквестами, которым сложно управлять и приоритезировать, и начинаем строить из него дерево:
Шаг 1 Корень дерева: Процесс построения дерева начинается с обозначения вашего желаемого результата - бизнес-потребности, отражающей то, как ваша команда может создать ценность для бизнеса.
![](https://habrastorage.org/getpro/habr/upload_files/d55/40d/ffb/d5540dffbe8bc4301cb6de9401515470.jpeg)
Если ваша команда использует OKR, то для этого можно использовать ваши Ключевые результаты. Если нет, то можно использовать любую бизнес метрику, которую вы планируете улучшить. Желательно сконцентрироваться и строить дерево для одной метрики, либо создать четкие приоритеты между метриками.
Аналогично дерево предпочтительнее строить под конкретный сегмент пользователей. Если имеется набор похожих сегментов с незначительными нюансами, то обращение к этим нюансам можно спустить по дереву.
Продукт создается и развивается за счет постоянного поиска и распознавания Возможностей на рынке, получаемых через исследование потребностей и болевых точек ваших клиентов.
Возможности - это проблемы, боли и желания ваших клиентов, а не идеи или эмоции.
Шаг 2 Пространство проблем: Добавляем Возможности в дерево, которые могут влиять на достижение желаемого результата. Все остальные - отвлекающие, отсекаем их.
![](https://habrastorage.org/getpro/habr/upload_files/4a7/6c4/9d9/4a76c49d9d0806dcbbe17f3ae41f4ce8.jpeg)
Перерабатываем собранные возможности, группируем возможности в единые, где одно и тоже сформулировано разными словами.
Формируем вертикальные отношения родители-потомки для возможностей, когда одни являются подмножеством другого, и решение проблемы-подмножества решает часть верхне-уровневой проблемы.
Деконструирование родительской возможности на подмножества позволяет упрощать приоритезацию между ними, и двигаться короткими итеративными более предсказуемыми шагами к желаемому результату. Также при наличии похожих возможностей стоит поискать корневую возможность для них обоих.
![](https://habrastorage.org/getpro/habr/upload_files/7b7/af4/577/7b7af45778ed0519bbe049eab38b332d.jpeg)
Приоритезация возможностей идет внутри возможностей одного уровня, начиная с самого верхнего, опускаясь вниз. Возможности оцениваются не через призму “Стоит ли преследовать эту возможность”, а через сравнение какая из родительских возможностей больше приблизит нас к желаемому результату. После выбора одной из возможностей родительского уровня опускаемся на уровень ниже к её потомкам и проводим приоритезацию уже между ними и т.д. пока не дойдем до уровня, у которого нет потомков. В таком виде можно не тратить лишние усилия на оценку возможностей из других веток.
Шаг 3 Пространство Решений: На этом этапе начинаем подбирать варианты Решений/Идей, которые могут реализовать нашу выбранную Возможность. Источники решений могут быть любыми, но рассматриваем только Решения, которые связаны с релевантными Возможностями, все остальные отфильтровываются как отвлекающие. Отфильтруем топ-3 решения с самым высоким потенциалом.
![](https://habrastorage.org/getpro/habr/upload_files/41d/a8e/191/41da8e19107c4cbbb383009b52873217.jpeg)
Шаг 4 Эксперименты: Переходим к оценке и развитию этих решений. Из-за того, что мы работаем с набором потенциальных решений, то тщательное тестирование будет слишком дорого. Потому ускоряем и удешевляем тестирования идей через экспериментальную валидацию гипотез (предположений по нашему решению). Гипотезы отвечают на вопросы типа: Кто-нибудь хочет наше решение? Получат ли наши клиенты ценность от него? Удобно ли им пользоваться? Можем ли мы его создать? и т.п.
![](https://habrastorage.org/getpro/habr/upload_files/6a7/469/943/6a74699433a337d9e2f8995adcdd65e3.jpeg)
Приоритезируем эксперименты по тестированию самых рискованных гипотез, т.е. самых важных, но имеющих самое слабое подтверждение. По мере проведения экспериментов собираем данные подтверждающие гипотезы, что люди реально делают в предложенных ситуациях, а не говорят или думают.
Когда мы проверяем гипотезы, мы хотим начать с малых и постепенно переходить к более крупным, более надежным экспериментам, но только после того, как каждый предыдущий раунд докажет, что нам стоит продолжать инвестировать наши усилия.
Такими небольшими дешевыми итерационными экспериментами собираются доказательства для развития и валидации решения, которое, ответив на открывшуюся возможность на рынке, позволит достичь желаемого результата нашему продукту и бизнесу.
По мотивам "Continuous Discovery Habits: Discover Products that Create Customer Value and Business Value Paperback" Терезы Торрес.