Opportunity Solution Tree (OST)

« Back to Glossary Index

Kurzdefinition

Der Opportunity Solution Tree ist ein visuelles Entscheidungs- und Denkwerkzeug aus der Produktentdeckung (Discovery). Er stellt die Verbindung her zwischen einem klar definierten Ziel (Desired Outcome), den wichtigsten Kund:innen‑Bedarfen und -Problemen (Opportunities), möglichen Lösungsansätzen (Solutions) und den Tests/Experimenten, mit denen wir Risiken früh validieren. Bekannt gemacht wurde der Ansatz u. a. durch Teresa Torres (Continuous Discovery Habits).

Zweck & Nutzen

• Fokus auf Outcomes statt Outputs: Weg vom Feature‑Denken hin zu messbaren Ergebnissen.
• Nachvollziehbarkeit: Zeigt, warum eine Lösung verfolgt wird (Traceability von Ziel → Opportunity → Lösung).
• Besseres Priorisieren: Hilft, die wertvollsten Opportunities und risikoärmsten Lösungen zu wählen.
• Team-Alignment: Gemeinsames Bild für Produkt, Design, Tech und Business.
• Hypothesengetriebenes Arbeiten: Integriert Experimente als Standard, nicht als Ausnahme.

Bausteine des Baums

1. Desired Outcome
   Ein spezifisches, messbares Ziel (z. B. ein Key Result), das Kund:innen- oder Geschäftsimpact beschreibt.
2. Opportunities
   Beobachtbare Kund:innenbedürfnisse, Hürden, Wünsche oder Jobs‑to‑be‑Done, abgeleitet aus Research (z. B. Interviews, Verhaltensdaten).
3. Solutions
   Konkrete Ideen/Ansätze, die eine Opportunity adressieren (mehrere konkurrierende Optionen sind erwünscht).
4. Experiments
   Präzise Tests zur Risikoreduktion (z. B. Fake‑Door, Klick‑Prototyp, Wizard‑of‑Oz, A/B‑Test, Usability‑Test), inkl. Erfolgs-Kriterien.

Vorgehen (in 5 Schritten)

1. Outcome schärfen: Ein messbares Ziel festlegen (z. B. „Aktivierungsrate +20 % bis Q2“).
2. Opportunities aus Research ableiten: Kund:inneninterviews, Nutzungsdaten, Support-Tickets clustern; Opportunities verhaltensnah formulieren.
3. Lösungen divergieren & konvergieren: Mehrere Ideen je Opportunity sammeln, vergleichen, priorisieren.
4. Experimente planen: Größte Risiken zuerst testen (Wert, Nutzbarkeit, Machbarkeit, Business‑Viabilität).
5. Iterieren & aktualisieren: Ergebnisse dokumentieren, Baum anpassen, nächste Hypothesen ableiten.

Beispiel (kompakt)

• Outcome: Aktivierungsrate neuer Nutzer:innen von 35 % → 55 % (bis Ende Q2).
• Opportunities:
  • O1: „Onboarding-Schritte sind unklar.“
  • O2: „Wert der Kernfunktion wird in den ersten 5 Minuten nicht sichtbar.“
• Solutions:
  • S1 zu O1: Interaktives, kontextuelles Tutorial.
  • S2 zu O2: Geführte „erste Erfolgserfahrung“ (Progressive Profiling + Demodaten).
• Experiments:
  • E1: 5‑Teilnehmer‑Usability‑Test mit Klick‑Prototyp (S1).
  • E2: Fake‑Door für „erste Erfolgserfahrung“ im Onboarding (S2), Messgröße: Klick‑Through und Completion.

Visualisierung

Der Baum verläuft von oben nach unten:

Desired Outcome
└── Opportunity A
    ├── Solution A1
    │   └── Experiment A1a
    └── Solution A2
        └── Experiment A2a
└── Opportunity B
    └── ...

Werkzeuge: Whiteboard (physisch), Miro, FigJam, Confluence/Notion (als strukturierte Liste), Azure DevOps/Jira (verlinkte Artefakte).

Best Practices

• Outcome SMART & mit Kennzahl hinterlegen.
• Opportunities evidenzbasiert (Zitate/Beobachtungen verlinken), nicht als vorweggenommene Lösung formulieren.
• Mehrere Lösungen pro Opportunity in Betracht ziehen (Divergenz).
• Risiken explizit machen (Wert, Nutzbarkeit, Machbarkeit, Viabilität) und gezielt testen.
• Ein OST pro Outcome pflegen; als lebendes Artefakt behandeln.
• Discovery- und Delivery‑Backlogs verknüpfen, nicht vermischen.

Häufige Fehler

• Outcome mit Output verwechseln („Feature X liefern“) statt Ergebnis („Konversionsrate +Y %“).
• Opportunities aus Bauchgefühl statt Research ableiten.
• Zu früh auf eine Lösung festlegen; Alternativen fehlen.
• Experimente als „Mini‑Builds“ interpretieren statt schnelle Risiko‑Tests.
• Keine klaren Erfolgskriterien oder Metriken.

Abgrenzung & verwandte Konzepte

• OKR: Das „Desired Outcome“ passt oft zum KR; der OST zeigt den Weg dorthin.
• Impact Mapping / User Story Mapping: Verwandte Visualisierungen; der OST fokussiert stärker auf Opportunities aus Kund:innen‑Evidence.
• Opportunity Backlog: Eine flachere Liste von Opportunities; der OST zeigt zusätzlich deren Beziehung zu Outcome, Lösungen und Tests.

Merksatz

Der Opportunity Solution Tree übersetzt ein messbares Ziel in evidenzbasierte Kund:innen‑Chancen, passende Lösungsoptionen und konkrete Experimente – transparent, risikoarm und teamübergreifend.

Mini‑Template (für den schnellen Start)

Desired Outcome:
- Kennzahl + Zielzeitraum:
- Warum ist das wichtig?

Opportunities (aus Research):
- O1:
- O2:
- O3:

Solutions (je Opportunity mehrere):
- S(O1)-1:
- S(O1)-2:
- S(O2)-1:

Experiments (Risiken + Erfolgskriterien):
- E zu S(O1)-1: [Risikotyp, Hypothese, Messgröße, Schwelle, Zeitpunkt]
- E zu S(O2)-1: [ ... ]

« Back to Glossary Index