Fable claude-fable-5-1 · effort max срез: 2026-09-20 источников: 77 слов: 15698 complete

Opportunity Solution Tree и альтернативы в связке с деревом метрик и драйверов

Opportunity Solution Tree Торрес и восемь смежных структур (impact mapping, assumption mapping, Lean UX, GIST, issue trees, ODI, theory of change, logframe) сводятся к одному графу с типизированными узлами и различаются обязательностью слоёв и строгостью разбиения. Главный вывод: OST работает только поверх дерева метрик, где outcome равен целевому значению узла, возможности — гипотезы влияния, решения — инициативы с ожидаемым эффектом, а тесты проверяют рёбра; половина типовых дефектов проверяется детерминированно, остальное — LLM с подтверждением человека. Ключевое ограничение: эмпирика подтверждает предпосылки метода, но ни одно исследование не сравнивало дерево с плоским списком гипотез.

Вердикт

Opportunity Solution Tree — дерево от одной метрики поведения клиента через потребности и решения к проверкам предположений. Из девяти рассмотренных структур это единственная, где слой потребностей клиента обязателен, а решение без потребности запрещено. Для продуктовой компании или внутренней разработки на 20–500 человек с еженедельным доступом к клиентам это рабочий выбор, но только поверх дерева метрик: сам метод не описывает, как поведение клиента превращается в бизнес-ценность, и это признают его сторонники.

Главные выводы:

  • Все рассмотренные подходы сводятся к одному графу с типизированными узлами и различаются обязательностью слоёв (актор, потребность, предположение, индикатор) и строгостью разбиения; связку с деревом метрик нужно проектировать как схему данных, а не как рисунок.
  • Модель связи: outcome дерева равен целевому значению узла дерева метрик, возможности — гипотезы влияния на этот узел, решения — инициативы с записанным ожидаемым эффектом, assumption tests проверяют рёбра до поставки, эксперимент по эффекту после поставки возвращает результат в узел метрики.
  • Ключевое ограничение доказательности: эмпирика подтверждает предпосылки (около трети идей двигают метрики, перевод целей в работу труден), но ни одно исследование не сравнивало дерево с плоским списком гипотез; единственный кейс с числами измерен когортно без рандомизации.
  • Самая сильная альтернатива в том же классе — impact mapping для верхнего слоя, дающий обязательного актора и связь с бизнес-целью; GIST подходит организациям, которые мыслят идеями и целями без слоя потребностей; для общественных и внутренних изменений с длинной цепочкой — theory of change.
  • Типовые дефекты (решение под видом возможности, outcome как output, дерево-бэклог, ветка без метрики, мёртвое дерево) формализуются: половина проверяется детерминированно, остальное — LLM-проверками с человеческим подтверждением, что уже реализовано в агентном валидаторе автора метода и в продуктах.

Уверенность в описании структур и правил высокая, поскольку они прочитаны в первоисточниках. Уверенность в эффекте метода средняя из-за отсутствия сравнительной эмпирики. Предложенная машиночитаемая схема — гипотеза автора отчёта, не проверенная на реальных деревьях.

Что это и как работает

1.1. Класс структур

Предмет исследования — семейство деревьев discovery: направленных иерархий, которые ведут от желаемого результата через промежуточные звенья к действиям и проверкам. Общая форма у всех подходов одна: корень формулирует результат, средние уровни объясняют, за счёт чего он наступит, листья — что делать и как проверять. Различаются подходы семантикой узлов и правилами рёбер, а не геометрией. В таблице ниже сведены уровни девяти подходов; подробности по каждому в подразделах.

Подход Корень Уровень 2 Уровень 3 Уровень 4 Проверка
Opportunity Solution Tree product outcome (метрика поведения клиента) opportunities: потребности, боли, желания solutions assumptions assumption tests
Impact mapping goal (измеримая цель бизнеса) actors impacts: изменения поведения акторов deliverables нет отдельного слоя; проверка — измерение impact
Assumption mapping идея или бизнес-модель гипотезы desirability, viability, feasibility 2×2 важность × доказательства эксперимент test card, learning card
Lean UX hypothesis business outcome users user outcome feature riskiest assumption → experiment
GIST goals (OKR, метрики) ideas (idea bank, ICE) step-projects (≤ 10 недель) tasks каждый step-project — эксперимент
Issue tree ключевой вопрос подвопросы (MECE) подвопросы анализ анализ или гипотеза
ODI: job map job to be done 8 шагов job map desired outcomes (50–150) opportunity score количественный опрос
Theory of change long-term outcome preconditions (pathway) interventions indicators индикаторы на каждом шаге
Logframe goal purpose outputs activities индикаторы и means of verification

1.2. Opportunity Solution Tree

Определение и происхождение. Teresa Torres описала дерево в августе 2016 года как визуальный способ представить пути к желаемому результату и связать эксперименты с решениями, решения с возможностями, возможности с результатом факт [S1]. Толчком стало упражнение Bernie Roth из Стэнфорда: участник называет желаемое, ведущий спрашивает «если бы у вас это было, что бы это вам дало?» и затем «как ещё вы могли бы этого достичь?», разрывая фиксацию на единственном решении факт [S1]. Актуальная редакция определяет дерево как «простой способ визуально представить пути, которыми можно прийти к желаемому результату» факт [S2, S3].

Четыре слоя. Актуальная редакция задаёт корень и три уровня под ним факт [S2, S3]:

  • Desired outcome — бизнес-потребность, отражающая, как команда создаёт ценность; предпочтителен product outcome, а не финансовая метрика.
  • Opportunity space — потребности, боли и желания клиентов, которые, будучи закрыты, двигают outcome.
  • Solution space — решения, которые команда исследует; решением может быть продукт, фича, сервис, процесс, документация.
  • Assumption tests — способ оценить, какое решение лучше создаст ценность для клиента и для бизнеса.

В редакции 2016 года четвёртый слой назывался experiments; в редакции 2023 года это assumption tests, и Torres разводит термины: assumption tests нужны в discovery для выбора между идеями, experiments — для измерения эффекта уже построенного факт [S1, S4].

Критерии хорошего outcome. Torres различает три вида метрик факт [S5]:

  • business outcome — метрика, двигающая бизнес («рост выручки», «доля рынка»); её редко может напрямую двигать одна продуктовая команда;
  • product outcome — поведение или отношение клиента в продукте, которое команда контролирует и которое, по гипотезе, двигает business outcome;
  • traction metric — использование одной конкретной функции; слишком узко для discovery.

Хороший outcome, по Torres, содержит направление и целевое значение: пример из статьи — «увеличить долю новых пользователей, которые …, с 22 до 25 %» факт [S2]. При этом «в первый день outcome не обязан быть измеримым, он должен быть направленным» факт [S5]. Из восьми типичных ошибок формулировки outcome четыре структурные: output под видом outcome (бинарная поставка «выпустить Android-приложение»), нет связи с тем, как компания зарабатывает, метрика вне зоны влияния команды, зависимость от других команд факт [S5]. Torres рекомендует один outcome на команду и одно дерево на product trio; общекорпоративных деревьев она избегает факт [S2, S6].

Критерии хорошей opportunity. Opportunity — неудовлетворённая потребность, боль или желание клиента факт [S2]. Правила, которые формулируют Torres и практики:

  • Тест на решение. «Есть ли более одного способа закрыть эту возможность?» Если нет, перед вами решение факт [S2]. Пример из разбора антипаттернов: «я хочу пропускать рекламу» — замаскированное решение; «просмотр рекламы — потеря времени» — возможность с несколькими путями мнение [S7].
  • Язык клиента. Формулировка должна звучать так, как её произнёс бы клиент, и происходить из story-based интервью, а не из спекуляций факт [S2]; проверка: «могу ли я представить, что пользователь так говорит? слышал ли я это в интервью?» мнение [S7]. Команда Grailed прошла путь от «повысить релевантность» до «я хочу листать без конкретной идеи, что ищу» факт [S8].
  • Момент опыта. Возможность живёт в конкретном моменте клиентского пути; «люди перегружены» различается при добавлении события в календарь и при просмотре расписания дня мнение [S7]. Torres строит верхний уровень дерева из моментов experience map факт [S2].
  • Конкретность. «Слишком много спама» слишком расплывчато; расщепляется на «сообщения от незнакомцев» и «рассылки, на которые я не подписывался» мнение [S7].

Правила связей внутри opportunity space. Torres задаёт семантику рёбер: родитель-ребёнок означает подмножество (ребёнок — конкретный случай родительской потребности), братья — различимые возможности, каждую из которых можно закрыть, не закрывая другую, и каждая частично закрывает родителя факт [S9]. Ветви должны быть отличимы друг от друга, у возможности не должно быть нескольких родителей, «простота даёт фокус» факт [S6]. Сегменты клиентов выносятся на верхний уровень только если каждый сегмент способен независимо двигать outcome и потребности сегментов мало пересекаются; иначе сегмент уточняется в самом outcome или помечается глубже в дереве факт [S6].

Критерии хорошего solution и правила слоя решений. Решение привязывается к одной возможности, «каждое решение должно соединяться с возможностью», иначе оно отвлечение факт [S1]. Для target opportunity рассматривается более одного решения; Torres ссылается на исследования принятия решений о том, что сравнение вариантов улучшает выбор, и рекомендует выбирать три решения для проверки предположений факт [S2]. Решения оцениваются проверкой предположений, а не оценкой трудозатрат факт [S2].

Слой предположений и проверок. Предположения группируются в пять категорий: desirability, viability, feasibility, usability, ethical факт [S4, S10]. Генерируются через story mapping решения, pre-mortem, «прогулку по дереву» и определение идеального профиля клиента; ориентир — не менее 15–20 предположений на идею факт [S4, S10]. Приоритизация — assumption mapping по David Bland: ось важности и ось наличия доказательств; тестируются важные и слабо подтверждённые факт [S4]. Четыре типа тестов: прототип, опрос из одного вопроса, data mining, research spike факт [S4].

Глубина, ширина, приоритизация. Torres не задаёт число уровней; приоритизируется сначала только верхний ряд возможностей, затем ветвь выбранной, остальные ветви игнорируются факт [S11]. Критерии — размер возможности (сколько клиентов и как часто), рыночные факторы, соответствие компании, важность для клиента; Torres отвергает числовые формулы: «чем больше квантифицируем, тем скорее принимаем за истину» мнение [S11]. Выбор target opportunity — обратимое решение, проверяемое прототипами факт [S11]. Практики советуют бегло разобрать не менее пяти уникальных возможностей до углубления и не строить исчерпывающих деревьев на сотни узлов мнение [S7].

Жизненный цикл. До первого дерева — три-четыре story-based интервью; opportunity space пересматривается каждые три-четыре интервью, при еженедельных интервью это примерно ежемесячно факт [S2]. Новое дерево заводится, когда меняется направляющая часть outcome, а не целевое значение факт [S2].

1.3. Impact mapping

Impact mapping — «лёгкая коллаборативная техника планирования», основанная на проектировании взаимодействия, outcome-driven planning и mind mapping; книга Gojko Adzic вышла в октябре 2012 года факт [S12, S13]. Карта отвечает на четыре вопроса и строится как mind map от центра факт [S12]:

  • Why — цель; в примере на сайте «увеличить число активных игроков до 1 миллиона» — цель с числовым целевым значением факт [S14].
  • Who — акторы, способные повлиять на результат положительно или отрицательно; в примере это игроки и рекламодатели факт [S12, S14].
  • How — impacts: «изменения поведения, которые сильно повлияют на пользователей продукта» факт [S12].
  • What — deliverables: то, что акторы используют, чтобы произвести impact факт [S12].

Ключевое правило приоритизации: «приоритизируйте от цели вниз к impacts»; если цель достигается через impacts одной группы акторов, поставки для других групп не нужны факт [S12, S14]. Карта «выявляет скрытые предположения», но сайт не описывает отдельного слоя тестов; проверка impact — измерение изменения поведения факт [S12]. Главное отличие от OST: уровень акторов обязателен, а impact обязан быть изменением поведения, тогда как opportunity в OST может быть потребностью или желанием без явного поведения.

1.4. Assumption mapping

Определение. David J. Bland определяет assumptions mapping как «командное упражнение, в котором гипотезы desirability, viability и feasibility делаются явными и приоритизируются по важности и доказательствам» факт [S15]. Метод входит в книгу Testing Business Ideas (Bland, Osterwalder, Wiley, ноябрь 2019) вместе с библиотекой экспериментов, test card и learning card факт [S16]. Механика факт [S15]:

  • Три линзы. «Хочет ли рынок этого?», «можем ли мы поставлять в масштабе?», «достаточно ли это прибыльно?»; в статье упоминается и четвёртая — adaptability.
  • Форма гипотезы. «Мы верим, что …», что «сдвигает мышление к идее проверки — вы можете ошибаться».
  • Матрица 2×2. Ось доказательств (есть или нет) и ось важности; правый верхний квадрант — критичные для успеха и наименее подтверждённые — получает эксперименты первым.

Это не дерево, а плоское множество гипотез с приоритизацией; в OST оно занимает четвёртый слой.

1.5. Гипотезы Lean UX

Канва. Lean UX Canvas Jeff Gothelf состоит из восьми блоков: business problem, business outcomes («измеримые изменения человеческого поведения»), users, user outcomes and benefits, solutions, hypotheses, riskiest assumption, experiment факт [S17]. Правила гипотез:

  • Шаблон. «Мы верим, что [этот бизнес-результат] будет достигнут, если [этот пользователь] получит [эту выгоду] с помощью [этой функции]» факт [S17].
  • Критерий успеха. Гипотеза собирает четыре блока канвы в одну проверяемую фразу и содержит критерий успеха как outcome или key result факт [S17, S18].
  • Приоритизация. 2×2 «риск × воспринимаемая ценность»: высокая ценность и высокий риск — тестировать; высокая ценность и низкий риск — строить и измерять без теста; низкая ценность и высокий риск — отбросить факт [S18].

Третье издание книги Lean UX (Gothelf, Seiden, 2021) реорганизовано вокруг канвы факт [S19]. Структура здесь — таблица гипотез, а не дерево; слой «пользователь → выгода» соответствует связке «актор → impact» impact mapping.

1.6. GIST

Itamar Gilad опубликовал GIST в январе 2018 года как замену дорожным картам, которые «устаревали в день публикации» факт [S20]. Четыре уровня факт [S20, S21]:

  • Goals — «описывают стратегию компании в терминах желаемых результатов: где хотим быть, к какому сроку и как узнаем, что пришли»; задаются через OKR, ставятся на год, пересматриваются ежеквартально.
  • Ideas — «гипотетические способы достичь целей»; собираются в idea bank без предварительного отсева, «банк может держать сотни идей бесконечно», приоритизируются по ICE.
  • Step-projects — мини-проекты «не более 10 недель», реализующие идею по частям и проверяющие её через build-measure-learn.
  • Tasks — «активности размером на укус», итерации 1–2 недели.

Основание и инструменты. Ключевое эмпирическое основание, на которое ссылается Gilad: «не более 1 из 3 идей даёт положительный результат (часто соотношение куда хуже)» со ссылкой на работу Ronny Kohavi факт [S20]. У Kohavi с соавторами формулировка такая: «около трети идей улучшают ключевые метрики» в Microsoft, в Bing доля ниже эмпирика [S22]. Инструменты GIST:

  • ICE. Impact, confidence, ease по шкале 0–10, перемножаются или усредняются факт [S23].
  • Confidence Meter. Переводит тип доказательств в число: мнения (своя убеждённость, мнения коллег, тренды отрасли) дают почти нулевую уверенность, далее оценки и планы, рыночные данные, результаты тестов и запусков факт [S24].
  • GIST board. Слева key results с целевым и текущим значением, в центре идеи квартала с ICE, справа 2–5 шагов на идею с ответственным факт [S25].
  • Дерево метрик. В книге Evidence-Guided GIST дополнен «метриками и деревьями метрик» на уровне целей факт [S26].

Отличие от OST: у GIST нет слоя потребностей клиента — идеи привязываются к целям напрямую.

1.7. Issue trees и hypothesis trees

Определение и правила. Issue tree (logic tree) — «графическое разбиение вопроса на компоненты по вертикали с детализацией вправо» факт [S27]. По Arnaud Chevallier, два типа: диагностические (отвечают на «почему») и решающие (отвечают на «как») факт [S27]. Четыре правила Chevallier факт [S27]:

  • последовательно отвечать на один тип вопроса;
  • двигаться от ключевого вопроса к анализу;
  • держать ветви MECE;
  • использовать содержательное разбиение.

MECE и его пределы. MECE — «взаимоисключающие и совместно исчерпывающие» категории; принцип сформулирован Barbara Minto в McKinsey в конце 1960-х факт [S28]. Известные ограничения: MECE «не исключает лишних элементов», принуждение к MECE «может излишне ограничивать», а иногда избыточность желательна факт [S28]. Практики консалтинга советуют «стремиться к максимально MECE, а не к совершенству», держать 2–5 уровней и структурировать через алгебру, процесс, сегментацию, противоположности или концептуальные рамки мнение [S29]. Hypothesis tree — тот же граф, где узлы сформулированы как проверяемые утверждения, а не вопросы мнение [S29].

Для деревьев discovery из этого класса берётся дисциплина разбиения; OST ослабляет MECE до «ветви различимы» [S6].

1.8. ODI: job map и opportunity algorithm

Основа. Outcome-Driven Innovation Anthony Ulwick строится на том, что «люди покупают продукты и услуги, чтобы выполнить работу»; первый патент 1999, публикация в HBR 2002, книга 2005, книга Jobs to be Done 2016 факт [S30]. Составные части:

  • Job map — восемь универсальных шагов работы: define, locate, prepare, confirm, execute, monitor, modify, conclude факт [S31, S32]; статья HBR 2008 года Bettencourt и Ulwick доступна лишь фрагментом за paywall [S32].
  • Desired outcome statement — формат «направление улучшения + метрика + объект контроля + контекст», пример «минимизировать время на определение правильного размера сверла» вендор [S31].
  • Opportunity algorithm — «opportunity = importance + max(0, importance − satisfaction)», оценки клиентов по шкале 1–10, клиенты оперируют 50–150 такими метриками факт [S33, S30].

Критика 2026 года: в трёх отчётах Strategyn важность объясняла около 84 % движения opportunity score, корреляция важности и итога около 0,92, а формула — difference score, дискредитированный в исследованиях качества сервиса эмпирика [S34]. В связке с деревьями ODI даёт способ формулировать листовые потребности как измеримые утверждения и ранжировать их количественно, где OST полагается на качественное сравнение.

1.9. Theory of change и logframe

Theory of change. Термин популяризировала Carol Weiss в 1995 году на Aspen Institute Roundtable; это «явная теория того, как и почему действия программы ведут к outcomes и impacts» факт [S35]. Строится обратным отображением: от long-term outcome к предусловиям, которые должны быть выполнены, образуя pathway of change факт [S36, S35]. Словарь метода факт [S37]:

  • outcome — «состояние, которое должно существовать, чтобы инициатива сработала, и которого сейчас нет»;
  • precondition — условие для следующего outcome в цепочке;
  • assumptions — условия, которые, по мнению группы, уже существуют;
  • indicators — «измеримые свидетельства достижения»;
  • interventions — действия, порождающие outcomes.

Формула индикатора: «я узнаю, что [outcome достигнут], когда увижу [индикатор]» факт [S35]. Шесть шагов: цель, обратное отображение предусловий, предположения о контексте, интервенции, индикаторы, нарратив факт [S36]. Ограничение, признаваемое в самой традиции: линейная модель плохо описывает системы с петлями обратной связи факт [S35].

Logframe. Logical Framework Approach разработан в 1969 году Leon J. Rosenberg для USAID; матрица 4×4: строки activities, outputs, purpose, goal, столбцы нарратив, objectively verifiable indicators, means of verification, assumptions факт [S38]. Вертикальная логика — цепочка «если activities выполнены и assumptions верны, то outputs поставлены» и далее до goal факт [S38]. Отличие от theory of change: logframe табличен и фокусируется на одном пути, theory of change нарративна или визуальна и описывает, почему связь сработает мнение [S39].

Оценки практики за полвека:

  • Des Gasper (2000): «фокус на достижении намеченных эффектов намеченными путями делает logframe очень ограничивающим инструментом», предположение о консенсусе целей проблематично, аудитная подотчётность вытесняет обучение мнение [S40].
  • Isabel Vogel для DFID (2012; 40 интервью в 25 организациях): theory of change «лучше держать гибкой, а не предписанной», и она даёт «более надёжные logframes» эмпирика [S41].

Для деревьев discovery это ближайший старший родственник: pathway of change — тот же слой промежуточных результатов, что opportunities, но сформулированный как состояния мира, а не как потребности клиентов.

1.10. Деревья гипотез в growth-практике

Форма. Growth-команды используют не дерево, а бэклог гипотез, привязанных к драйверам метрики. Matt Lerner (ex-PayPal) формулирует гипотезу из четырёх частей мнение [S42]:

  • рискованное предположение «мы верим, что …»;
  • эксперимент «чтобы проверить, мы …»;
  • предсказание «метрика … сдвинется на … в направлении …»;
  • бизнес-эффект «если мы правы, то …».

Идеи оцениваются по ключевому драйверу (трафик, конверсия, удержание, рекомендации, активация), impact 1–5 и effort 1–5; драйверы определяются как «результаты работы людей, двигающие North Star, но не сама работа» мнение [S42]. Быстрые команды ставят цель 3–5 экспериментов в неделю, и «большинство growth-экспериментов проваливаются, поэтому основной результат — обучение» мнение [S42]. Базовая частота успеха идей, на которую опирается вся практика, — около трети эмпирика [S22]. Структурно это issue tree глубиной два (драйвер → гипотеза) поверх дерева метрик.

1.11. Дерево метрик и драйверов как принимающая структура

Дерево метрик — иерархия, где верхняя метрика раскладывается на метрики-драйверы. Michael Karpov описывает алгоритм: первичная метрика компании (выручка), ключевая продуктовая метрика, 3–5 метрик первого уровня, для каждой — подметрики второго уровня и далее «до уровня IV–V в зависимости от размера продукта»; «чем ближе метрика, на которую влияет фича, к вершине иерархии, тем вероятнее успех» мнение [S43]. North Star Framework Amplitude определяет inputs как «три-пять влиятельных, взаимодополняющих факторов», которые команда двигает напрямую факт [S44]. Практики связывают две структуры так:

  • Else van der Berg выстраивает слои «бизнес-метрика → продуктовая цель → клиентская возможность → идея решения → эксперимент», опираясь на иерархию метрик Karpov сверху и OST снизу; пример: бизнес-метрика — удержание 30 дней, продуктовая цель — «80 % сегмента, который хочет начать с funnel report, создают и сохраняют его в первой сессии», возможность — «хочу увидеть funnel report до установки сниппета» мнение [S45].
  • Oliver Greuter-Wehn: «все бизнес-результаты в конечном счёте определяются поведением людей», поэтому outcome дерева — измеримое изменение поведения актора, выбранное с опорой на KPI tree; пример «довести долю завершивших первые 10 еженедельных сессий терапии до более 50 %» мнение [S46].
  • Büşra Coşkuner ставит impact mapping перед OST: outcome, полученный как impact конкретного актора на пути к business goal, становится корнем OST, и «вы выбрали не произвольный outcome, а тот, что уже лестницей ведёт к бизнес-цели» мнение [S47].
  • Paweł Huryn отмечает, что OST «сосредоточен только на ценности для клиента и не помогает открыть, как захватить ценность для бизнеса — и это не недостаток, он для этого не создавался» мнение [S48].

1.12. Формальная сторона: что проверяется структурно

Ниже сведено, какие правила каждого подхода выражаются формально и потому пригодны для автоматической проверки. Правила взяты из первоисточников подразделов выше; колонка «проверка» — вывод автора отчёта гипотеза.

Правило Источник правила Формализуемо Проверка
Корень OST — одна метрика поведения или отношения клиента с направлением Torres [S2, S5, S6] да у корня ровно одна ссылка на узел дерева метрик, есть поле направления; метрика не бинарная
Outcome не output Torres [S5] частично лексический и LLM-тест: узел описывает поставку («выпустить», «внедрить»), а не изменение измеримого поведения
Opportunity допускает более одного решения Torres [S2] частично структурно: у возможности ≥ 2 решений или пометка «не разработана»; семантически: LLM-тест «содержит ли формулировка способ»
Родитель-ребёнок = подмножество; братья различимы Torres [S9, S6] частично один родитель у узла; попарная проверка формулировок братьев на дубли (LLM)
Каждое решение связано с возможностью Torres [S1] да нет решений без входящего ребра от opportunity
Impact — изменение поведения актора Adzic [S12] частично у impact есть ссылка на актора и глагол поведения
Гипотеза содержит критерий успеха Gothelf [S17, S18] да обязательные поля: метрика, порог
Предположение отнесено к одной из пяти категорий и имеет оценку важности и доказательств Torres, Bland [S4, S15] да перечисление и два поля
Ветви MECE Chevallier, Minto [S27, S28] нет полностью только семантическая проверка; обязательна лишь для issue trees
Step-project ≤ 10 недель Gilad [S20] да поле длительности
У каждого outcome есть индикатор ToC, logframe [S37, S38] да ребро outcome → indicator обязательно

Итог подраздела: все девять подходов сводятся к одному графу с типизированными узлами и рёбрами, где различия — в обязательности слоёв (актор, потребность, предположение, индикатор) и в строгости разбиения (MECE против «различимости»). Это и есть основа для единой машиночитаемой структуры в разделе 10.

Актуальность и доказательная база на дату среза

2.1. Распространённость и тренд

Прямых количественных данных о доле команд, ведущих OST, не найдено. Ни один из просмотренных отчётов не спрашивал респондентов о конкретных структурах discovery; суждения о распространённости ниже косвенные. Доступные индикаторы:

  • Книга Continuous Discovery Habits вышла 19 мая 2021 года; на странице книги автор говорит о «сотнях продуктовых команд», с которыми работала факт [S49]. В подкасте в мае 2024 года ведущий назвал «100 000 проданных экземпляров за три года» вендор [S50].
  • Опрос Maze 2023 года (603 респондента, 42 % дизайнеров, 27 % продакт-менеджеров, 26 % исследователей; самораспространение через платформу и соцсети) дал 39 % команд с еженедельными контактами с клиентами и 83 % согласных, что исследование нужно на каждом этапе вендор [S51]. Выборка самоотобранная и смещена к пользователям инструмента исследований, поэтому это верхняя оценка.
  • Экосистема инструментов:
  • специализированный продукт Vistaly, заявляющий партнёрство с автором метода вендор [S52];
  • шаблон в Miro вендор [S53];
  • обзоры инструментов 2026 года вендор [S54];
  • практика в Open Practice Library Red Hat с 2019 года под лицензией CC BY 4.0 факт [S55];
  • навыки для агентов с описанием OST, обновлённые в мае 2026 факт [S56, S57].
  • Для impact mapping индикатор стабильности — продолжение публикаций о его комбинировании с OST в 2024–2026 годах мнение [S48, S47]. GIST получил книжную редакцию Evidence-Guided факт [S26]. Theory of change институционализирована в секторе развития: DFID работает с ней формально с 2010 года факт [S41].

Вывод по тренду: OST растёт как словарь продуктовых команд, что видно по появлению специализированного софта, агентных навыков и критических разборов, но масштаб измерить нельзя гипотеза. Impact mapping и theory of change стабильны в своих нишах; ODI остаётся нишевым количественным методом с активной критикой мнение [S34].

2.2. Научная и эмпирическая база

Рецензируемых исследований эффективности OST, impact mapping или GIST как структур не найдено; поиск по академическим формулировкам дал только практические публикации. Смежная эмпирика, на которую можно опереться:

Работа Дизайн Что даёт для предмета Ограничения
Kohavi и соавторы, обзор онлайн-экспериментов (2015) [S22] Обобщение результатов контролируемых экспериментов Microsoft и Bing Около трети идей улучшают целевые метрики, в Bing меньше эмпирика Данные одной компании; зрелые продукты; идеи уже прошли отбор
Butler, Zimmermann, Bird, OKR в командах разработки (2023) [S58] 47 полуструктурированных интервью, опрос 512 инженеров (из более 4 000 приглашённых), регрессии «Отслеживать, измерять и ставить цели — тяжёлая работа независимо от инструментов»; средний менеджмент — ключ к переводу целей в работу эмпирика Одна крупная компания; самоотчёты
Vogel, обзор theory of change для DFID (2012) [S41] 40 интервью в 25 организациях Theory of change полезна как процесс и продукт, требует времени на оспаривание предположений, властные отношения мешают эмпирика Качественный обзор, сектор развития
Gasper, оценка logframe (2000) [S40] Аналитическая статья Logframe ограничивает оценку намеченными путями, вытесняет обучение аудитом мнение Без измерений
Buchanan, критика квантификации ODI (2026) [S34] Анализ трёх отчётов Strategyn и математический разбор формулы Важность объясняет около 84 % движения opportunity score; корреляция около 0,92 эмпирика Три отчёта; автор — сторонник MaxDiff
Maze, отчёт о непрерывном исследовании (2023) [S51] Опрос 603 практиков 39 % еженедельных контактов с клиентами вендор Самоотбор, вендор
Lindgren, Münch, состояние экспериментирования (2016) [S59] Публикация в Information and Software Technology Не прочитано: доступ к аннотации закрыт Использовано только как указатель

Вывод: эмпирика подтверждает предпосылки деревьев discovery, а не сами деревья. Подтверждено, что большинство идей не двигают метрики и что связывание целей с работой команд трудно; не подтверждено, что именно древовидная структура улучшает исходы по сравнению с плоским списком гипотез гипотеза.

2.3. Практическая база

  • Grailed (2022). Команда discovery шесть месяцев вела дерево, пройдя более восьми версий, и перешла от формулировок бизнеса к формулировкам клиента; результаты — LTV +20 %, открытия приложения +30 %, вовлечённость и GMV ленты рост в 4–5 раз с января по август 2022 эмпирика [S8]. Измерение — когортный анализ активировавшихся через ленту против начавших с поиска; это наблюдательное сравнение без рандомизации, эффект самого дерева не отделён от эффекта команды и продуктовых решений [S8].
  • SuperAwesome (2019). Внедрение слоя предположений «уже дало трёхкратный рост числа экспериментов за спринт»; основания числа в статье не приведены мнение [S60].
  • Texthelp (2024). Пять деревьев в FigJam, обновляемых «на перепутьях», а не регулярно; эффект — фокус на одном outcome и основа для диалога со стейкхолдерами мнение [S61].
  • Вендорские данные. Perspective AI утверждает, что «большинство деревьев умирают не от неправильной отрисовки, а от голода» и что опрос 300 команд показал связь скорости с непрерывным контактом с клиентами; методика опроса не раскрыта вендор [S62].

2.4. Мнение отрасли

Сторонники:

  • автор метода и сообщество Product Talk [S2];
  • Red Hat, включивший практику в открытую библиотеку [S55];
  • авторы, соединяющие OST с impact mapping как дополняющие инструменты [S48, S47].

Критики и модификаторы:

  • Doc Norton заменяет opportunities на problems: «с проблемой мы её решаем … с возможностью мы её преследуем», и считает опасным «руководителя, очарованного потенциальной выгодой возможности» мнение [S63].
  • Bart Krawczyk: из семи антипаттернов пять касаются формулировки возможностей — самой трудной части мнение [S7].
  • Tracey Thompson: команды часто приходят с готовыми решениями, и дерево приходится строить «обратно» — от решения к возможности и outcome мнение [S64].
  • Paweł Huryn: OST не отвечает на вопрос о захвате ценности бизнесом мнение [S48].

2.5. Главные споры

  • Проблема или возможность. Torres выбрала слово «opportunity», потому что продукты закрывают не только проблемы, но и желания [S2]; Norton видит в этом риск чрезмерного оптимизма [S63].
  • Квантифицировать или сравнивать. Torres против формул при выборе возможности [S11]; Gilad строит ICE и Confidence Meter [S23, S24]; Ulwick ранжирует количественно [S33]; критика формулы ODI показывает цену ложной точности [S34].
  • Ритм ведения. Torres — пересмотр каждые 3–4 интервью [S2]; Texthelp — только на перепутьях [S61]; вендор AI-интервью — еженедельно [S62].
  • Охват бизнес-ценности. Нужен ли над OST слой impact mapping или дерева метрик [S48, S47, S45].
  • Генерация LLM. Torres отвергает «деревья в один клик» из синтетических данных, но строит ИИ-синтез из реальных интервью [S65].

2.6. Что изменилось за 2023–2026

  • Редакция метода 2023 года заменила «experiments» на «assumption tests» и развела их с экспериментами по эффекту факт [S2, S4].
  • Появились ИИ-конвейеры «интервью → снапшот → дерево»: Torres описала двухшаговый синтез (сначала каждое интервью, затем поперёк интервью) в феврале 2026 и агентный цикл с валидатором в мае 2026, где ошибки структурных операций удалось снизить примерно до одной на 40 вызовов при 10–20 вызовах на прогон факт [S65, S66]. Vistaly встроил это в продукт с обязательным подтверждением каждого изменения человеком вендор [S67].
  • Появились агентные навыки с закодированными правилами OST (одна метрика в корне, «I struggle to…», не менее трёх решений на возможность) факт [S56, S57].
  • Вышла количественная критика opportunity algorithm ODI эмпирика [S34].

Влияние на выводы: проверка типов узлов и синтез из интервью стали автоматизируемыми, поэтому ценность метода смещается от отрисовки к дисциплине формулировок и к связи с метриками; это усиливает требования раздела 10 к машиночитаемости гипотеза.

Где применимо и где нет, плюсы и минусы

Подходит, когда

  • У команды есть один измеримый product outcome в зоне её влияния. Дерево строится вокруг одного корня; при нескольких целях или цели вне контроля команды ветви не сходятся к проверяемой метрике факт [S2, S5].
  • Есть регулярный поток клиентских свидетельств. Opportunity space пересматривается каждые 3–4 интервью; без интервью слой возможностей заполняется догадками команды и превращается в бэклог фич факт [S2, S7].
  • Решение неочевидно и путей к outcome много. Ценность дерева — в сравнении нескольких возможностей и нескольких решений; если путь один, слой сравнения пуст [S1, S2].
  • Команда 20–500 человек с несколькими продуктовыми группами. Одно дерево на трио и переход к «дереву деревьев» или KPI-дереву для координации между командами описаны как рабочие паттерны вендор [S68]; при одном-двух продуктах хватает одного дерева.
  • Нужна защита от реактивности. Дерево создавалось против «чрезмерной реакции на последнее интервью, продажу или тикет» факт [S2].

Не подходит, когда

  • Цель — output с фиксированным составом. Регуляторное требование, миграция, контрактная поставка: outcome вырождается в «сделать X», сравнивать нечего; уместен план работ или logframe с индикаторами поставки [S5, S38].
  • Нет доступа к клиентам и не будет. Без story-based интервью Torres не рекомендует начинать дерево [S2]; практикам остаётся issue tree по данным или гипотезы Lean UX на основе аналитики.
  • Требуется отчётность о причинно-следственной цепочке до общественного эффекта. Донор или совет требуют pathway до долгосрочного результата с индикаторами на каждом шаге; это формат theory of change и logframe [S36, S38].
  • Нужен количественный рынок-уровень приоритизации по сотням потребностей. OST полагается на качественное сравнение верхнего ряда [S11]; для 50–150 измеримых потребностей на job существует ODI с опросом, при всех оговорках к его формуле [S33, S34].
  • Команда уже выбрала решение и не готова его оспаривать. Дерево, построенное «обратно» от решения, документирует выбор, но не даёт сравнения; Thompson описывает это как компромисс для организаций, не видящих ценности discovery [S64].

Плюсы

  • Разделение возможности и решения. Явный тест «есть ли более одного способа» ловит решения, замаскированные под потребность, до вложения ресурсов [S2, S7].
  • Локальность приоритизации. Оценивается только верхний ряд, затем одна ветвь; это снижает стоимость сравнения по сравнению с плоским списком разнокалиберных возможностей [S11, S9].
  • Слой предположений вместо тестирования целых решений. Переход к assumption tests сокращает цикл проверки; в SuperAwesome команды заявили трёхкратный рост числа экспериментов за спринт после введения этого слоя мнение [S60].
  • Общая память команды. Дерево фиксирует, что проверено, отвергнуто и неизвестно; цветовая разметка статусов помогает против «организационной амнезии» мнение [S69].
  • Совместимость с деревом метрик. Корень — метрика поведения, которую можно поставить узлом или целевым значением узла дерева метрик; практики описывают это как рабочую связку [S45, S46, S47].

Минусы

  • Нет слоя бизнес-ценности. OST не показывает, как поведение клиента превращается в деньги; для этого нужен impact mapping или дерево метрик сверху мнение [S48, S47].
  • Качество зависит от формулировок. Пять из семи антипаттернов — ошибки формулировки возможностей; навык приходит с практикой и не заменяется шаблоном мнение [S7].
  • Стоимость поддержания. Дерево устаревает, если интервью прекращаются; команды без трио и без ритма переходят к обновлению «на перепутьях» мнение [S61, S62].
  • Отсутствие эмпирики об эффекте самой структуры. Подтверждены предпосылки (большинство идей не работают), но не превосходство дерева над альтернативами гипотеза, см. раздел 2.
  • Ослабленное MECE. Требование «ветви различимы» слабее консалтингового MECE, поэтому дерево не гарантирует полноты охвата возможностей [S6, S27].

Альтернативы и дерево решений

4.1. Таксономия и сравнительная таблица

Критерии выбора:

  • откуда берётся корень;
  • обязателен ли слой клиента или актора;
  • где живут предположения;
  • строгость разбиения;
  • способ приоритизации;
  • ритм пересмотра;
  • насколько структура машиночитаема без доработки.
Подход Корень Слой клиента/актора Предположения Разбиение Приоритизация Ритм Машиночитаемость исходной формы
Opportunity Solution Tree [S2, S4] product outcome, метрика поведения обязателен: потребности в языке клиента отдельный слой, 5 категорий, 2×2 «ветви различимы», один родитель качественное сравнение верхнего ряда каждые 3–4 интервью средняя: типы узлов есть, поля не заданы
Impact mapping [S12, S14] измеримая бизнес-цель обязателен: акторы и их поведение скрытые предположения на рёбрах mind map, без MECE от цели вниз, отсечение групп акторов на вехах и при смене цели средняя: четыре уровня фиксированы
Assumption mapping [S15, S16] идея или бизнес-модель нет это и есть структура нет 2×2 важность × доказательства перед каждым раундом экспериментов высокая: плоский список с двумя полями
Lean UX hypotheses [S17, S18] business outcome обязателен: user и user outcome riskiest assumption на гипотезу таблица 2×2 риск × ценность на каждый цикл канвы высокая: фиксированный шаблон фразы
GIST [S20, S23] goals (OKR) нет idea = гипотеза, confidence по доказательствам четыре уровня ICE, Confidence Meter цели квартал, шаги 1–2 недели высокая: доска и банк идей табличны
Issue tree [S27, S29] вопрос «почему» или «как» нет узлы-гипотезы в hypothesis tree MECE, 2–5 уровней по ожидаемому вкладу в ответ на проект средняя
ODI: job map, opportunity score [S31, S33] job to be done обязателен: исполнитель работы нет 8 шагов job map формула по опросу на исследование рынка высокая: измеримые утверждения и числа
Theory of change и logframe [S36, S37, S38] долгосрочный общественный результат (goal) косвенно: изменения у групп явный слой assumptions; в logframe — столбец матрицы pathway предусловий; в logframe матрица 4×4 нет формальной на цикл программы; logframe часто «замораживается» средняя у theory of change, высокая у табличного logframe
Плоский бэклог гипотез growth [S42] North Star и драйверы нет гипотеза с предсказанием нет драйвер × impact × effort 3–5 экспериментов в неделю высокая

4.2. Когда альтернатива целесообразнее OST

  • Impact mapping. Когда нужно связать цель бизнеса с поведением нескольких акторов, включая не-клиентов (партнёры, регуляторы, внутренние службы), и отсечь целые группы акторов [S12, S14]. Плюс относительно OST — обязательный слой бизнес-цели и акторов; минус — нет структуры для глубокого исследования потребностей и нет слоя тестов мнение [S48, S47].
  • Assumption mapping. Когда идея уже одна или их две-три и вопрос — что проверять первым; когда команда работает с бизнес-моделью, а не с продуктовыми потребностями [S15]. Плюс — минимальная форма; минус — нет связи с outcome и потребностями, это слой OST, а не замена.
  • Гипотезы Lean UX. Когда команда мала, а outcome и пользователи известны: шаблон одной фразы связывает бизнес-результат, пользователя, выгоду и функцию без дерева [S17]. Плюс — критерий успеха внутри гипотезы; минус — при десятках гипотез таблица теряет структуру возможностей.
  • GIST. Когда организация мыслит целями и идеями, а не потребностями клиентов, и нужна дисциплина коротких шагов и оценки по доказательствам [S20, S24]. Плюс — явная шкала доказательств и ограничение шага 10 недель; минус — идеи привязаны к целям без промежуточного слоя «почему клиент это сделает».
  • Issue tree. Когда вопрос диагностический («почему падает удержание») и данных больше, чем интервью [S27, S29]. Плюс — MECE-полнота; минус — узлы не в языке клиента и нет слоя тестов.
  • ODI. Когда нужен количественный рынок-уровень выбор недообслуженных потребностей и есть бюджет на опрос [S33]. Плюс — измеримые формулировки потребностей; минус — формула переоценивает важность и недооценивает удовлетворённость эмпирика [S34].
  • Theory of change и logframe. Когда результат — изменение в обществе или в организации-клиенте с длинной цепочкой предусловий и внешней отчётностью [S36, S38]. Плюс — индикаторы и предположения на каждом шаге; минус — линейность и риск «замороженной» матрицы мнение [S40, S35].
  • Плоский бэклог гипотез. Когда уже есть дерево метрик и драйверов, а работа — поток мелких экспериментов на известных драйверах [S42]. Плюс — минимальные накладные расходы; минус — нет слоя потребностей, легко скатиться в тюнинг метрик без понимания причин.

Дерево решений

  • Если результат — фиксированная поставка без вариантов (регуляторика, миграция, контракт)→план работ; при внешней отчётности → logframe с индикаторами поставки
  • Если результат — изменение в обществе или у организации-клиента с длинной цепочкой предусловий→theory of change
    • Если донор или совет требуют табличную матрицу→theory of change как основа плюс logframe как отчётная форма
    • Иначе→theory of change с индикаторами на каждом шаге
  • Если результат — метрика бизнеса или продукта→перейти к вопросу о доступе к клиентам
    • Если у команды нет и не будет доступа к клиентам→структура без слоя потребностей
      • Если вопрос диагностический и есть данные→issue tree по данным
      • Иначе→плоский бэклог гипотез в формате Lean UX с критерием успеха
    • Если доступ к клиентам есть→структура со слоем потребностей или акторов
      • Если нужно выбрать между потребностями рынка по сотням измеримых утверждений и есть бюджет на опрос→ODI с поправкой на критику формулы (ранжирование по важности проверять отдельно)
      • Если на результат влияют несколько типов акторов, включая не-клиентов→impact mapping для выбора актора и impact
        • Если для выбранного impact путей много и нужна глубина потребностей→impact как корень OST, далее OST
        • Иначе→impact mapping с прямыми deliverables и измерением impact
      • Если акторы — клиенты одного продукта→дерево discovery одной команды
        • Если у команды одна product-метрика в зоне влияния и еженедельные интервью→OST с деревом метрик сверху
        • Если интервью нерегулярны, а идей много→GIST: цели из дерева метрик, idea bank с Confidence Meter, шаги до 10 недель
        • Если идея уже одна-две→assumption mapping и тесты без дерева
  • Если уже есть дерево метрик и драйверов, а команда — growth на известных драйверах→плоский бэклог гипотез с предсказанием по драйверу; переход к OST при появлении новой ветви метрик без понятных причин

Практическое применение

5.1. Порядок внедрения

Порядок собран из актуальной редакции метода и из описаний команд; шаги 1 и 7 добавлены автором отчёта для связки с деревом метрик и помечены как гипотеза.

  1. Выбрать корень из дерева метрик гипотеза. Взять узел дерева метрик, который команда контролирует, и задать направление, базовое и целевое значения; проверить по списку ошибок Torres, что это не output, не business outcome вне влияния и не traction metric одной функции [S5]. Практики берут такой узел из KPI-дерева или иерархии метрик [S45, S46].
  2. Провести 3–4 story-based интервью силами product trio, по каждому составить interview snapshot и карту пути; Torres рекомендует «рисовать карту пути для каждого интервью» и периодически сводить их в каноническую карту факт [S2, S70].
  3. Построить opportunity space: моменты experience map становятся верхним рядом, отдельные возможности группируются под моментами, каждая ветвь структурируется отдельно через отношения родитель-ребёнок и брат-брат факт [S2, S9].
  4. Оценить верхний ряд по размеру возможности, рыночным факторам, соответствию компании и важности для клиента, выбрать target opportunity, спуститься в её ветвь и повторить факт [S11].
  5. Сгенерировать не менее трёх решений под target opportunity, для каждого составить story map, выписать 15–20 предположений пяти категорий, разложить на 2×2 «важность × доказательства» факт [S2, S4, S10].
  6. Запускать assumption tests малыми формами (прототип, опрос из одного вопроса, data mining, research spike) и переносить статусы в дерево цветом или значками факт [S4, S69].
  7. Записать ожидаемый эффект решения на метрику и после поставки измерить его экспериментом по эффекту, отличая его от assumption test гипотеза; разведение двух видов проверок — правило Torres [S4].

Владелец артефакта — product trio; в фасилитационной версии Red Hat outcome выбирает продакт-менеджер, команда генерирует возможности и решения, голосует и заводит эксперименты для трёх лучших идей факт [S55]. Ритм: одно интервью в неделю, пересмотр opportunity space каждые 3–4 интервью, новое дерево при смене направления outcome факт [S2].

5.2. Сквозной сценарий

Сценарий иллюстративный: компания 120 человек, B2B-аналитика, команда «Активация» из продакт-менеджера, дизайнера и тех-лида. Все числа ниже — иллюстрация.

Дерево метрик (фрагмент, иллюстрация). Выручка ← новый ARR ← конверсия триала в оплату ← доля аккаунтов, создавших первый отчёт за 7 дней. Команда владеет последним узлом: базовое значение 34 %, цель 45 % к концу квартала.

Корень OST. «Увеличить долю новых аккаунтов, создавших первый отчёт в первые 7 дней, с 34 до 45 %». Это метрика поведения, в зоне влияния команды, с направлением и целью, что соответствует критериям Torres [S5].

Недели 1–4. Четыре интервью с администраторами новых аккаунтов, четыре снапшота, каноническая карта пути с моментами «регистрация», «подключение данных», «первый отчёт», «приглашение коллег». Верхний ряд — эти четыре момента. Под «подключением данных» три возможности в языке клиента: «не понимаю, какие данные вам нужны», «боюсь давать доступ к продуктивной базе», «хочу увидеть, как будет выглядеть отчёт, до подключения». Последняя формулировка повторяет пример из практики связывания метрик и возможностей [S45].

Неделя 5. Оценка верхнего ряда: «подключение данных» затрагивает всех новых клиентов и происходит один раз, но в этом моменте отваливается наибольшая доля (иллюстрация: 41 % из аналитики воронки). Внутри ветви target opportunity — «хочу увидеть отчёт до подключения»: о ней говорили трое из четырёх интервьюируемых. Возможность проходит тест на решение: её можно закрыть демо-данными, отчётом из загруженного CSV или галереей шаблонов.

Недели 6–8. Три решения, story map на каждое, 18 предположений. Рискованные по 2×2: desirability «пользователь потратит 3 минуты на демо-отчёт до подключения», usability «пользователь поймёт, что данные демонстрационные», viability «демо не снизит конверсию в подключение реальных данных». Тесты: опрос из одного вопроса в онбординге (критерий: не менее 12 из 20 респондентов выбирают «сначала посмотреть пример»), прототип демо-отчёта (критерий: 4 из 5 участников распознают демо-данные без подсказки), data mining (доля открывших галерею шаблонов среди неактивированных). Формат «критерий = X из Y участников» — предложение автора отчёта, вытекающее из формата предсказания growth-гипотез [S42] гипотеза.

Недели 9–12. Результаты тестов:

  • опрос — 14 из 20, предположение подтверждено;
  • прототип — 3 из 5, подписи демо-данных переписаны, повтор 5 из 5;
  • data mining — шаблоны открывают 9 % неактивированных, ветка «галерея» уходит в резерв.

Команда строит демо-отчёт из встроенного набора данных. Ожидаемый эффект на узел метрики записан в карточке решения: плюс 5 процентных пунктов к активации за 7 дней. После поставки — эксперимент по эффекту на половине новых аккаунтов в течение четырёх недель. Дерево к концу квартала: 4 момента, 11 возможностей, 3 решения, 18 предположений, 4 теста, 1 эксперимент по эффекту; это порядок величин, сопоставимый с описаниями команд, которые за шесть месяцев прошли более восьми версий дерева [S8].

5.3. Типичные ошибки первого применения

  • Output в корне. «Выпустить мобильное приложение» вместо изменения поведения; лечится переформулировкой через вопрос «какое поведение клиента изменится» [S5].
  • Решения под видом возможностей. «Хочу кнопку экспорта» вместо «не могу забрать данные в свой отчёт»; тест — «есть ли второй способ» [S2, S7].
  • Дерево без интервью. Команда заполняет opportunity space из головы; Torres не рекомендует начинать без 3–4 интервью [S2]; Grailed начали с командного «вываливания» идей, но затем переписали формулировки по интервью [S8].
  • Тесты целых решений в продакшене. Первые команды SuperAwesome считали экспериментом A/B целой фичи, что было долго; помог отдельный слой предположений [S60].
  • Исчерпывающее дерево. Попытка отобразить весь бэклог делает дерево устаревающим; практики советуют правило 80/20 [S7].
  • Сегменты как верхний ряд по умолчанию. Ведёт к дублям возможностей между ветвями; сегмент лучше внести в outcome [S6].
  • Ожидание единственно верного дерева. «Не всегда есть один способ отобразить дерево»; Texthelp приняли, что структура — инструмент разговора [S61].
  • Показ дерева руководству как есть. Texthelp заменили дерево для стейкхолдеров вложенным списком «бизнес-цели → возможности» [S61].

5.4. Через месяцы использования

  • Grailed за шесть месяцев прошли более восьми версий дерева и перешли от формулировок бизнеса к формулировкам клиентов факт [S8].
  • Texthelp через год держат пять деревьев и обновляют их не по расписанию, а «когда доходят до перепутья» факт [S61]. Это расхождение с рекомендованным ритмом пересмотра каждые 3–4 интервью [S2].
  • Torres предписывает новое дерево при смене направляющей части outcome; смена целевого значения дерево не сбрасывает факт [S2].
  • Vistaly описывает паттерны зрелых деревьев: сегментация по роли или актору, «структурированный бэклог» в дереве, промежуточные outcomes как цели обучения, «дерево деревьев» для координации команд, аннотирование и обрезка ветвей, ссылки на дашборды метрик вендор [S68].
  • Вендор AI-интервью утверждает, что типичный отказ — не ошибка структуры, а прекращение подпитки свидетельствами, когда дерево обновляют раз в квартал вендор [S62].

5.5. Стоимость входа

  • Время. До первого дерева — 3–4 интервью и их синтез [S2]; далее одно интервью в неделю силами трио. Оценка автора отчёта: 2–3 часа в неделю на человека трио на интервью, снапшот и пересмотр дерева гипотеза.
  • Деньги. Доска общего назначения: Miro Free с тремя досками, Starter 8 долларов за участника в месяц при годовой оплате вендор [S71]; специализированный инструмент Vistaly 25 или 50 долларов за место в месяц при годовой оплате вендор [S72]. Цены проверены 2026-09-20.
  • Компетенции. Интервьюирование историями, формулировка возможностей (самая трудная часть по оценке практиков [S7]), декомпозиция решений на предположения и дизайн малых тестов [S4]. Курсы Product Talk Academy существуют; цены не проверялись.

Артефакты

Поля ниже собраны из первоисточников там, где они заданы явно, и дополнены автором отчёта для машиночитаемости; добавленные поля помечены гипотеза. Примеры заполнения — иллюстрация из сценария раздела 5.

6.1. Дерево (OST)

Назначение. Единая карта путей от outcome к проверкам; общая память трио и основа для разговора со стейкхолдерами [S2, S69].

Структура. Один корень-outcome, слой возможностей с отношениями «подмножество» и «различимые братья», слой решений с ребром к одной возможности, слой предположений и тестов [S2, S9, S6]. Инвариант: у узла один родитель; решение без возможности недопустимо [S1, S6].

Жизненный цикл. Создаётся трио после 3–4 интервью; пересматривается каждые 3–4 интервью; архивируется при смене направления outcome [S2]. В командах без ритма живёт «до перепутья» [S61].

Пример (иллюстрация). Корень «доля аккаунтов с первым отчётом за 7 дней: 34 → 45 %»; верхний ряд из четырёх моментов; 11 возможностей; 3 решения под target opportunity; 18 предположений; 4 теста.

6.2. Interview snapshot и experience map

Назначение. Перевод одного интервью в свидетельства, из которых собирается opportunity space [S2, S70].

Поля. Torres рекомендует карту пути на каждое интервью и периодическое обновление канонической карты [S70]. В ИИ-конвейере снапшоты генерируются автоматически и служат входом для дерева вендор [S67]. Состав снапшота:

  • участник и сегмент;
  • ключевые моменты пути с цитатами;
  • выявленные возможности в языке клиента;
  • дата.

Жизненный цикл. Создаётся сразу после интервью; не редактируется; каноническая карта обновляется по мере накопления [S70].

6.3. Карточка возможности

Поле Содержание Источник
Формулировка Потребность, боль или желание в первом лице клиента [S2, S7]
Момент Шаг experience map, в котором возникает [S2, S7]
Сегмент Если потребность специфична для сегмента [S6]
Родитель Ровно одна родительская возможность или корень [S6]
Свидетельства Ссылки на снапшоты и цитаты; число интервью, где встретилась [S2]
Размер Сколько клиентов и как часто; «все иногда» против «некоторые всегда» [S11]
Факторы Рыночная позиция, соответствие компании, важность для клиента [S11]
Статус не исследована, target, проверяется, подтверждена, отвергнута, отложена [S69] гипотеза
Связь с метрикой Узел дерева метрик, который, по гипотезе, сдвинет закрытие возможности гипотеза

Пример (иллюстрация). «Хочу увидеть, как будет выглядеть отчёт, до подключения данных» · момент «подключение данных» · родитель «подключение данных» · 3 из 4 интервью · все новые аккаунты, один раз · статус target · метрика «активация за 7 дней».

6.4. Карточка решения

Поле Содержание Источник
Название и описание Продукт, фича, сервис, процесс или документация [S2]
Возможность Ровно одна [S1, S2]
Story map Шаги, которые проходит клиент, чтобы получить ценность [S4]
Предположения Список с категориями и позицией на 2×2 [S4, S10]
Ожидаемый эффект Направление и величина сдвига метрики-корня, уверенность гипотеза; аналог — impact и confidence в ICE [S23]
Статус идея, проверяется, строится, поставлено, измерено гипотеза
Журнал решений Почему выбрано или отложено, дата [S69]

Пример (иллюстрация). «Демо-отчёт из встроенного набора данных» · возможность «увидеть отчёт до подключения» · 7 предположений, 3 рискованных · ожидаемый эффект +5 п. п. активации, уверенность средняя · статус «строится».

6.5. Гипотеза и её тест

Форматы формулировки, подтверждённые источниками:

  • Lean UX: «Мы верим, что [бизнес-результат] будет достигнут, если [пользователь] получит [выгоду] с помощью [функции]» с критерием успеха внутри [S17, S18].
  • Assumption mapping: «Мы верим, что …» с категорией desirability, viability или feasibility и позицией по важности и доказательствам [S15].
  • Growth: предположение, эксперимент, предсказание «метрика сдвинется на … в направлении …», бизнес-эффект [S42].
  • OST: предположение одной из пяти категорий и assumption test одного из четырёх типов [S4].

Книга Testing Business Ideas закрепляет пару «test card — learning card» как форму записи теста и вывода факт [S16]; их точные поля в этом исследовании не проверялись. Поля теста, предлагаемые автором отчёта гипотеза:

  • проверяемое предположение;
  • метод (прототип, опрос, data mining, research spike);
  • выборка;
  • критерий успеха до запуска в форме «не менее X из Y»;
  • результат и вывод;
  • дата и срок годности свидетельства.

Пример (иллюстрация). Предположение: «пользователь потратит 3 минуты на демо-отчёт до подключения» · категория desirability · метод: опрос из одного вопроса в онбординге · выборка 20 · критерий не менее 12 · результат 14 · вывод: подтверждено · дата · годность 90 дней.

6.6. Журнал экспериментов

Назначение. Хронология проверок и решений, отделённая от дерева, чтобы дерево оставалось картой, а не архивом [S7]. SuperAwesome фиксируют результаты экспериментов прямо в дереве факт [S60]; GIST держит обновления ICE на доске по мере поступления результатов факт [S25].

Поля гипотеза:

  • идентификатор и дата;
  • ссылка на предположение или гипотезу;
  • ссылка на решение и возможность;
  • метод, выборка, критерий;
  • результат и решение команды;
  • ссылка на изменение метрики, если это эксперимент по эффекту.

6.7. Дерево метрик как принимающая структура

Назначение. Хранить определения метрик и связи «драйвер → метрика», к которым привязываются outcomes деревьев discovery [S43, S44].

Поля узла гипотеза:

  • имя;
  • определение: формула для арифметических связей, словесная гипотеза влияния для остальных;
  • родитель и тип ребра (арифметика или влияние);
  • владелец;
  • текущее и целевое значения;
  • активное дерево discovery.

Машиночитаемые определения метрик сегодня стандартизуются. dbt MetricFlow задаёт метрики в YAML с типами simple, ratio, derived, cumulative, conversion, где derived-метрика — выражение над другими метриками, то есть уже граф факт [S73]. Apache Ossie (инкубационный проект) — спецификация обмена семантическими моделями и метриками в JSON и YAML между инструментами факт [S74].

Пример (иллюстрация). Узел «активация за 7 дней» · определение: аккаунты с первым отчётом за 7 дней / новые аккаунты · родитель «конверсия триала в оплату», ребро влияния · владелец команда «Активация» · 34 % → 45 % · активное дерево «OST-активация-Q4».

С чем используется в связке

7.1. Что предшествует

  • Дерево метрик и North Star inputs. Корень OST берётся как узел или целевое значение узла дерева метрик; Amplitude задаёт 3–5 inputs, Karpov — 3–5 метрик на уровень и глубину до IV–V уровней [S44, S43]. Практики связывают слои «бизнес-метрика → продуктовая цель → возможность → решение → эксперимент» [S45, S46].
  • OKR. GIST ставит goals через OKR на год с квартальным пересмотром [S20]; исследование в крупной компании показывает, что перевод целей в работу команд — самая трудная часть и зависит от среднего менеджмента эмпирика [S58]. Механика OKR разбирается в параллельном исследовании; здесь важен интерфейс: key result может быть корнем OST только если это метрика поведения, а не поставка [S5].
  • Impact mapping. Для выбора актора и impact до построения OST; impact становится корнем дерева [S47, S48].

7.2. Что идёт параллельно

  • Еженедельные интервью и experience mapping — питают opportunity space [S2, S70]. Методы интервью вне предмета.
  • Story mapping решений — источник предположений [S4].
  • Assumption mapping Bland — встроенный четвёртый слой [S4, S15].
  • Аналитика продукта — data mining как один из четырёх типов assumption tests и измерение экспериментов по эффекту [S4].

7.3. Что следует

  • Дорожная карта. Vistaly превращает дерево в дорожную карту через статусы карточек вендор [S52]; Gilad считает, что при GIST дорожная карта не нужна, её заменяет прозрачность целей, идей и шагов мнение [S20]. Формы дорожной карты — предмет параллельного исследования.
  • Delivery. Решение с подтверждёнными предположениями уходит в разработку; после поставки его эффект измеряется экспериментом, а не assumption test [S4].

7.4. Рабочие комбинации

Комбинация Как соединяется Источник
Impact mapping → OST impact актора становится product outcome в корне OST; после discovery решения проверяются на связь с актором и бизнес-целью [S47, S48]
Дерево метрик → OST outcome равен целевому значению узла; возможности — гипотезы влияния на узел; «дерево деревьев» для координации команд [S45, S46, S68]
OST + GIST идеи GIST могут быть решениями OST, а Confidence Meter — шкалой доказательств для карточки решения гипотеза; основания [S24, S2]
OST + ODI desired outcome statements как формулировки листовых возможностей с количественной оценкой гипотеза; основания [S31, S11]
Theory of change → OST для некоммерческого или внутреннего продукта pathway of change даёт слой промежуточных результатов, из которых один становится корнем OST гипотеза; основания [S36, S2]
OST + growth-бэклог growth-гипотезы на известных драйверах живут плоским списком рядом с деревом, пока не появляется драйвер с непонятной причиной гипотеза; основания [S42]

7.5. Конфликты и несовместимости

  • Дорожные карты с датами и фичами. Обещание конкретных поставок фиксирует решения до проверки; Gilad описывает такие карты как устаревающие в день публикации [S20]; в OST это эквивалентно решению без возможности [S1].
  • OKR с key results в виде поставок. Корень OST требует метрику поведения; KR «запустить интеграцию» превращает дерево в план работ [S5].
  • Формульная приоритизация решений. Torres отвергает числовые формулы для выбора возможностей [S11]; при этом агентные навыки добавляют RICE-скоринг в дерево [S75]. Совмещать можно только на уровне решений и с явной шкалой доказательств, иначе числа получают ложную точность гипотеза; критика формулы ODI — пример такой ложной точности [S34].
  • Строгий MECE. Требование взаимоисключения ветвей несовместимо с потребностями, которые реально пересекаются; OST требует лишь различимости и одного родителя [S6, S28].
  • Общекорпоративное дерево. Torres против одного дерева на компанию; координация делается через дерево метрик или «дерево деревьев» [S2, S68].

Метрики здоровья и антипаттерны

Нормы с источником взяты из метода или практики; строки с пометкой «ориентир» — предложение автора отчёта без измерений.

Признак Здоровая норма Симптом деградации Источник
Интервью в неделю силами трио 1 0 за месяц; дерево не менялось квартал [S2]; симптом — вендор [S62]
Пересмотр opportunity space каждые 3–4 интервью только «на перепутьях» или никогда [S2]; симптом [S61]
Корней в дереве 1 product outcome на команду несколько метрик, business outcome вне влияния, output [S2, S6, S5]
Решений под target opportunity не менее 3 до выбора 1, выбранное до дерева [S2]
Возможностей, проходящих тест «второй способ» все формулировки с действием над продуктом («добавить», «кнопка») [S2, S7]
Возможностей, бегло рассмотренных до углубления не менее 5 углубление в первую услышанную мнение [S7]
Предположений на идею 15–20 2–3, только desirability [S10]
Малых тестов в неделю несколько; growth-команды 3–5 экспериментов 0; тесты только A/B целых фич ориентир; [S42, S60]
Размер дерева только перспективные ветви и их дети сотни узлов, бэклог в дереве мнение [S7]
Родителей у узла 1 узлы с несколькими родителями, дубли между ветвями [S6]
Связь корня с деревом метрик корень ссылается на один узел дерева метрик с базой и целью outcome без метрики; ветка без ожидаемого эффекта ориентир гипотеза; основания [S45, S46]
Доля решений с положительным измеренным эффектом около трети почти все «успешны» — тесты не различают эмпирика [S22]; вывод гипотеза
Возраст свидетельств под target opportunity не старше квартала цитаты старше года, новых нет ориентир гипотеза; вендорская оценка «до 90 дней устаревания» вендор [S62]

Антипаттерны

Решение в маске возможности

Как выглядит. В слое возможностей стоят «хочу пропускать рекламу», «нужна кнопка экспорта», «не хватает тёмной темы». Под каждой ровно одно решение с тем же названием, и «сравнение решений» сводится к выбору оформления [S7].

Почему возникает. Клиенты формулируют запросы в терминах знакомых решений, команда записывает дословно; тест «есть ли второй способ» не применяется [S2, S7]. Продуктовая перспектива вытесняет клиентскую: «слишком много календарей для управления» записано с позиции продукта, а не пользователя [S7].

Как чинить. Задать вопрос Roth «что бы это вам дало?» и подняться к потребности [S1]. Переписать формулировку в первом лице клиента. Проверить, порождает ли она не менее двух различных решений [S2]. Автоматическая подсказка LLM по глаголам действия над продуктом — кандидат на проверку (раздел 10).

Когда менять практику. Если после трёх пересмотров слой возможностей всё равно совпадает с бэклогом фич, команда работает в режиме поставки известных решений; честнее вести GIST с idea bank и Confidence Meter, чем имитировать discovery [S20, S24].

Дерево-бэклог

Как выглядит. Сотни узлов, каждая идея за год сохранена в дереве, экран доски не вмещает верхний ряд, поиск по дереву заменяет мышление [S7].

Почему возникает. Дерево используют как хранилище вместо карты; нет обрезки ветвей; стейкхолдеры требуют «увидеть свою идею в дереве» [S7, S68].

Как чинить. Правило 80/20: в дереве только перспективные возможности и их непосредственные дети [S7]. Остальное уходит в idea bank или «структурированный бэклог» отдельно от дерева [S20, S68]. Обрезка ветвей проводится регулярно с пометкой причин [S68].

Когда менять практику. Если организация требует единого реестра всех идей, нужен отдельный артефакт бэклога с ссылками на узлы дерева, а не дерево-реестр; критерий — верхний ряд читается за минуту.

Output в корне

Как выглядит. Корень — «запустить интеграцию с X», «выпустить Android-приложение», «мигрировать на новую платформу». Возможности под ним — этапы работ, тесты — приёмочные проверки [S5].

Почему возникает. Цели приходят из дорожной карты с обещанными фичами или из OKR, где key results записаны как поставки; команде не дана метрика поведения в её зоне влияния [S5, S20].

Как чинить. Спросить «какое поведение клиента изменится и как мы это измерим». Перейти к product outcome с направлением, допуская, что «в первый день он может быть направленным, а не измеримым» [S5]. Записать output как решение под возможностью, если такая возможность есть.

Когда менять практику. Если поставка действительно фиксирована (регуляторика, контракт), OST не нужен; уместен план работ или logframe с индикаторами поставки [S38].

Дерево без связи с метриками

Как выглядит. Корень сформулирован словами («улучшить онбординг»), возможности не несут оценки влияния, решения не имеют ожидаемого эффекта, а после поставки никто не измеряет сдвиг. Или обратное: дерево метрик есть, но ни один его узел не знает о дереве discovery.

Почему возникает. Две структуры ведут разные люди в разных инструментах; OST по замыслу не описывает захват ценности бизнесом [S48]; связь остаётся в голове продакт-менеджера.

Как чинить. Выбрать корень как узел дерева метрик с базой и целью [S45, S46]. Для каждого решения записать ожидаемый эффект и после поставки провести эксперимент по эффекту, отличный от assumption test [S4]. Хранить ссылку «узел метрики → активное дерево» в дереве метрик (раздел 6.7).

Когда менять практику. Если у компании нет дерева метрик, сначала строится оно (предмет параллельного исследования); OST без метрики допустим только первые недели, пока outcome «направленный» [S5].

Дерево ради дерева

Как выглядит. Дерево нарисовано к кварталу, показано руководству, дальше не обновляется; интервью прекратились; через три месяца дерево «тихо кодирует прошлые предположения» вендор [S62].

Почему возникает. Дерево внедрили как артефакт, а не как побочный продукт еженедельных интервью и тестов; нет трио или нет времени; стейкхолдеры хотят картинку, а не процесс [S61, S2].

Как чинить. Вернуть ритм: одно интервью в неделю и пересмотр каждые 3–4 интервью [S2]. Сделать обновление дерева частью встречи трио. Помечать статусы цветом, чтобы отсутствие изменений было видно [S69].

Когда менять практику. Если команда объективно не может интервьюировать (нет доступа к клиентам), лучше перейти к плоскому списку гипотез Lean UX на данных аналитики, чем держать мёртвое дерево [S17].

Инструменты и софт

9.1. Категории

  • Универсальные доски. Miro, FigJam, Whimsical, Lucidchart: дерево рисуется из фигур, типов узлов нет, проверки ручные; Texthelp ведут пять деревьев в FigJam факт [S61, S54].
  • Специализированные инструменты discovery. Vistaly: типизированные карточки, свидетельства, ИИ-синтез, связь со стратегией и KPI-деревьями вендор [S52].
  • Системы управления продуктом с OKR и приоритизацией. airfocus, Aha!, Productboard, Jira Product Discovery: дерево как шаблон или иерархия объектов, сильная сторона — переход к дорожной карте и скорингу вендор [S54, S76].
  • Таблицы и базы. Google Sheets, Airtable для GIST board и idea bank факт [S25].
  • Файлы в репозитории и агентные навыки. YAML или JSON с валидацией, навыки для Claude Code, Cursor и других агентов (раздел 10) [S77, S56].

9.2. Разбор ведущих продуктов

Цены проверены 2026-09-20; все утверждения о функциях — с сайтов производителей.

Vistaly. Специализированный инструмент для OST; все пункты ниже — утверждения производителя вендор [S52, S67, S68, S72].

  • Сущности: outcomes, opportunities, solutions, key moments, assumptions, tests, evidence (цитаты из интервью), KPI-карточки.
  • Операции:
  • привязка цитат к карточкам с глубокими ссылками на фрагмент транскрипта;
  • зеркалирование карточки в нескольких пространствах с одним набором свидетельств и статусом;
  • статусы карточек превращают дерево в дорожную карту;
  • ИИ строит снапшоты и, при трёх и более интервью, полное дерево, предлагая изменения, каждое из которых подтверждает человек;
  • обновления аддитивны и сохраняют идентификаторы карточек.
  • Интеграции: Linear, Jira, GitHub, Slack, Gong, PostHog, MCP и API.
  • Цены: Free с тремя снапшотами и одним ИИ-деревом на 7 дней; Essentials 25 долларов за место в месяц при годовой оплате, до 20 редакторов и 20 зрителей, 1 000 ИИ-кредитов в месяц; Business 50 долларов за место в месяц при годовой оплате с картой стратегии, OKR, KPI-деревьями и API; Enterprise по запросу.
  • Ограничения: потолок 20 редакторов на платных тарифах ниже Enterprise; расход ИИ-кредитов; заявление о партнёрстве с автором метода — маркетинговое.

Miro. Шаблон OST с четырьмя уровнями (outcome, opportunities, solutions, experiments) и инструкцией «определить успех через метрики или OKR, исследовать потребности, придумать эксперименты для выбранного решения» вендор [S53]. Сущности не типизированы: любая проверка — визуальная. Цены: Free с тремя редактируемыми досками; Starter 8 долларов за участника в месяц при годовой оплате с неограниченными досками; Business 20 долларов; Enterprise от 30 участников вендор [S71]. Ограничение: без дисциплины команды дерево вырождается в доску стикеров; статусы — только цветом [S69].

airfocus. Позиционируется как инструмент, «связывающий дерево с приоритизацией» вендор [S54]. На сайте объекты — objectives и OKR, roadmaps, prioritization, feedback и insights вендор [S76]. Иерархия продуктов трёхуровневая на тарифе Professional и без ограничений на Enterprise, OKR — платное дополнение на Professional, публичных цен нет, бесплатного пробного периода нет, только демо вендор [S76]. Ограничение: страница шаблона OST не раскрывает структуру дерева, поэтому глубина поддержки типов узлов не проверена.

Другие продукты из обзоров: Aha! Whiteboards около 9 долларов за пользователя в месяц при годовой оплате, Whimsical 10 и 20 долларов за редактора — по данным вторичного обзора вендор [S54].

9.3. Что выбрать

  • Соло или одна команда до пяти человек. Miro Free или FigJam для рисунка плюс файл YAML в репозитории продукта как источник истины, если нужна проверка структуры гипотеза; из готовых — Vistaly Essentials, если интервью еженедельные и нужны свидетельства на карточках [S72].
  • Несколько команд (20–100 человек). Vistaly Business ради KPI-деревьев и API либо Miro Business при уже выстроенном дереве метрик в другом инструменте [S72, S71].
  • Организация с портфелем продуктов. Система управления продуктом с OKR и приоритизацией (airfocus, Aha!, Productboard) для координации и отдельно доска или Vistaly для деревьев команд; единое корпоративное дерево не рекомендуется самим методом [S2, S76].

Адаптация под LLM и агентов

10.1. Существующие практики

  • Синтез интервью в дерево (Torres, февраль 2026). Двухшаговый процесс: сначала каждое интервью отдельно превращается в снапшот с ключевыми моментами и возможностями, затем синтез поперёк трёх и более интервью даёт черновик дерева; «это черновик — вы его проверяете, уточняете, перестраиваете» факт [S65]. Torres утверждает, что «эксперты с ИИ превосходят и экспертов без ИИ, и ИИ без экспертов», и по своему опыту «Claude ловил возможности, которые я упустила, а я — те, что упустил он» мнение [S65]. «Деревья в один клик» из синтетических данных она называет бесполезными мнение [S65].
  • Агентный цикл с валидатором (Torres, май 2026). Агент генерирует набор изменений дерева, вызывает инструмент валидации, при провале повторяет; проверки — конфликты, потеря данных, осиротевшие узлы; ошибки структурных операций (недопустимые перемещения, расхождение набора изменений и рекомендаций) удалось снизить примерно до одной на 40 вызовов, но при 10–20 вызовах на прогон это затрагивало около половины прогонов до введения цикла исправления факт [S66]. Просмотр изменений человеком построен по образцу git diff с принятием, изменением или отклонением каждого шага факт [S66].
  • Продукт Vistaly. Загрузка видео, аудио или транскрипта; ИИ находит общие ключевые моменты, группирует проблемы под моментом, «каждая находка привязана к проверенной дословной цитате», человек подтверждает каждое изменение вендор [S67].
  • ИИ-модерируемые интервью как подпитка дерева. Perspective AI предлагает сотни параллельных ИИ-интервью с еженедельным обновлением дерева вендор [S62]. Методы интервью вне предмета; здесь важен риск: объём цитат растёт быстрее, чем способность команды их осмыслить гипотеза.
  • Открытые репозитории и навыки. Opportunity-Solution-Tree-Architect: конвейер GitHub Actions из четырёх агентов (оркестратор, трекер outcome из OKR, синтезатор болей из интервью, генератор экспериментов), модель Llama 3.3 70B через Groq, выход tree_data.json и интерактивное дерево D3; без базы данных, дерево пересобирается каждый прогон; 0 звёзд, 17 коммитов на дату доступа факт [S77]. pm-agent-skill (MIT, 4 звезды): навык OST для Claude Code, Codex, Cursor и других, дерево из пяти возможностей с RICE-скорингом факт [S75]. pm-skills phuryn: правила «один outcome, одна ясная метрика», формулировка «I struggle to…», приоритизация «Importance × (1 − Satisfaction)», не менее трёх решений на возможность, категории предположений value, usability, viability, feasibility; обновлено 18 мая 2026 факт [S56, S57].

10.2. Что автоматизируется и что остаётся человеку

Задача Автоматизация Остаётся человеку Основание
Снапшот интервью, извлечение моментов и цитат да, с обязательной проверкой принятие каждой правки [S65, S67]
Группировка возможностей под моментами, черновик дерева да, от трёх интервью перестройка ветвей, слияние дублей [S65, S66]
Проверка типов узлов: output в корне, решение в маске возможности да, как lint с вероятностной оценкой окончательное суждение гипотеза; правила [S5, S2]
Структурные инварианты: один корень, один родитель, решение с возможностью, осиротевшие узлы да, детерминированно нет [S66, S6]
Связь корня и решений с деревом метрик да, детерминированно при машиночитаемых метриках выбор узла и целевого значения [S73, S74] гипотеза
Устаревание свидетельств и тестов да, по датам решение о повторной проверке гипотеза
Генерация кандидатов решений и предположений да, как расширение списка отбор, story map, оценка рисков [S77, S56]
Выбор target opportunity нет сравнение по размеру, рынку, компании, клиенту [S11]
Проведение интервью и тестов с людьми частично (ИИ-интервью, вне предмета) интерпретация, этика [S62]

10.3. Риски

  • Беглые решения в маске возможностей. Модель легко пишет «пользователь хочет кнопку экспорта» как возможность; нужен явный lint и правило «I struggle to…» [S56, S7].
  • Синтетическая опора. Дерево из выдуманных интервью выглядит убедительно и бесполезно [S65]; каждая возможность должна ссылаться на реальную цитату с датой [S67].
  • Структурные ошибки агентов. Недопустимые перемещения и несогласованные наборы изменений возникали в половине прогонов до валидатора [S66]; валидация обязательна.
  • Ложная точность. Агентные навыки добавляют RICE и формулы, тогда как автор метода против чисел при выборе возможностей [S75, S11]; критика формулы ODI показывает, как формула переоценивает один фактор [S34].
  • Подмена мышления. Если дерево генерируется и принимается без обсуждения трио, теряется его функция общей памяти и сравнения [S2].

10.4. Направление минимальной машиночитаемой структуры гипотеза

Ниже — предложение автора отчёта, собранное из правил разделов 1 и 6. Дерево discovery и дерево метрик хранятся как два графа с типизированными узлами; связь идёт через ссылки на идентификаторы метрик.

metric_tree:
  - id: m.activation_7d
    name: "Активация за 7 дней"
    definition: "accounts_with_first_report_7d / new_accounts"
    parent: m.trial_to_paid
    edge: influence          # arithmetic | influence
    owner: team.activation
    current: 0.34
    target:
      value: 0.45
      by: 2026-12-31

discovery_tree:
  id: ost.activation.q4
  outcome:
    metric_ref: m.activation_7d
    direction: increase
    baseline: 0.34
    target: 0.45
    horizon: 2026-12-31
  opportunities:
    - id: o.see_report_first
      statement: "Хочу увидеть, как будет выглядеть отчёт, до подключения данных"
      moment: connect_data
      parent: o.connect_data
      evidence: [snap.2026-09-02.p3, snap.2026-09-09.p1]
      size:
        who: all_new_accounts
        frequency: once
      status: target
  solutions:
    - id: s.demo_report
      addresses: o.see_report_first
      expected_effect:
        metric_ref: m.activation_7d
        delta_pp: 5
        confidence: medium
      status: building
  assumptions:
    - id: a.spend_3min
      solution: s.demo_report
      category: desirability       # desirability|viability|feasibility|usability|ethical
      importance: high
      evidence: low
  tests:
    - id: t.onboarding_survey
      assumption: a.spend_3min
      method: one_question_survey
      criterion:
        min_success: 12
        of: 20
      result:
        success: 14
        of: 20
        date: 2026-10-07
      valid_until: 2027-01-07

Детерминированные проверки:

  • один outcome на дерево, и его metric_ref существует в дереве метрик;
  • у каждой возможности один родитель, у каждого решения одно ребро addresses;
  • у каждого предположения категория и две оценки;
  • критерий теста задан до результата;
  • expected_effect.metric_ref совпадает с метрикой корня или её потомком;
  • нет узлов без пути к корню;
  • нет свидетельств старше заданного срока под target opportunity.

Проверки с участием LLM:

  • outcome как output: узел описывает поставку, а не поведение;
  • решение в маске возможности: формулировка содержит способ; проверка — попытка сгенерировать два альтернативных решения, и если не удаётся, это решение;
  • дубли среди братьев;
  • соответствие формулировки цитатам-свидетельствам;
  • ветка без связи с метрикой: возможность, для которой нельзя назвать узел дерева метрик, который она сдвинет.

Согласование двух деревьев во времени:

  • смена целевого значения узла метрики обновляет target корня без пересборки дерева;
  • смена самой метрики корня закрывает дерево и открывает новое, как предписывает Torres [S2];
  • поставка решения переводит его в измерение, а результат эксперимента по эффекту записывается в узел метрики;
  • узел метрики хранит список активных деревьев; узел с целью, но без дерева — сигнал разрыва.

Стандарты машиночитаемых метрик (dbt MetricFlow, Apache Ossie) позволяют хранить metric_tree в формате, читаемом BI и ИИ-инструментами факт [S73, S74].

10.5. Ресурсы с датой доступа

Все ссылки открыты 2026-09-20: статьи Torres об ИИ-синтезе [S65, S66]; страница ИИ-функций Vistaly [S67]; репозитории Opportunity-Solution-Tree-Architect [S77] и pm-agent-skill [S75]; навык OST в pm-skills [S56, S57]; документация MetricFlow [S73]; репозиторий Apache Ossie [S74].

Происхождение, ключевые фигуры, что читать

11.1. Этапы эволюции

Годы Событие Какую боль решало Что актуально сейчас
конец 1960-х Barbara Minto формулирует MECE в McKinsey [S28] путаные, неполные разбиения проблем дисциплина различимых ветвей; строгий MECE для деревьев потребностей избыточен [S6]
1969–1971 Leon J. Rosenberg разрабатывает logframe для USAID [S38] расплывчатые цели, отсутствие индикаторов, несогласие о критериях успеха требование индикатора у каждого уровня; предупреждение о «замороженной» матрице [S40]
1995 Carol Weiss популяризирует theory of change [S35] непроговорённые предположения сложных программ явный слой предположений и обратное отображение от результата
1999–2008 Ulwick: патент ODI, статья в HBR, книга, job map с Bettencourt [S30, S32] инновации по запросам о решениях, а не по измеримым потребностям формат измеримой потребности; критика формулы ранжирования [S34]
октябрь 2012 Gojko Adzic публикует Impact Mapping [S13] поставки, оторванные от целей; планы, не переживающие изменений обязательный слой актора и поведения над продуктовыми решениями
2013–2021 Lean UX Gothelf и Seiden; третье издание 2021 вокруг канвы [S19] требования как факты вместо гипотез шаблон гипотезы с критерием успеха [S17]
август 2016 Torres публикует Opportunity Solution Tree [S1] прыжок к решениям без сравнения, отсутствие общей модели у команды сама структура; правило «решение связано с возможностью»
январь 2018 Gilad публикует GIST [S20] дорожные карты, устаревающие в день публикации idea bank, шаги до 10 недель, шкала доказательств [S24]
ноябрь 2019 Bland и Osterwalder, Testing Business Ideas [S16] тестирование целых идей вместо рискованных предположений assumption mapping как слой OST [S4]
2019–2020 Torres: приоритизация возможностей, работа со стейкхолдерами, opportunity mapping [S11, S69, S9] плоские бэклоги возможностей семантика рёбер дерева
май 2021 книга Continuous Discovery Habits [S49] разрыв discovery и delivery канон метода
декабрь 2022 Torres: восемь ошибок формулировки outcome [S5] output под видом outcome критерии корня
2023 редакция метода с assumption tests [S2, S4] смешение тестов предположений и экспериментов по эффекту два вида проверок
2024–2026 комбинации с impact mapping и KPI-деревьями [S48, S47, S45]; ИИ-синтез из интервью [S65, S66]; агентные навыки [S56] отсутствие слоя бизнес-ценности; трудоёмкость синтеза связка с деревом метрик, машиночитаемость

Боль 1969 года («цели расплывчаты, индикаторов нет») и боль 2022 года («output под видом outcome») — одна и та же гипотеза; менялись только владельцы проблемы: от доноров развития к продуктовым командам.

11.2. Ключевые фигуры

  • Teresa Torres — автор OST и Continuous Discovery Habits, Product Talk [S1, S49].
  • Gojko Adzic — автор Impact Mapping [S13].
  • David J. Bland, Alexander Osterwalder — assumptions mapping, Testing Business Ideas [S15, S16].
  • Jeff Gothelf, Josh Seiden — Lean UX, шаблон гипотезы, канва [S17, S19].
  • Itamar Gilad — GIST, ICE, Confidence Meter, Evidence-Guided [S20, S24, S26].
  • Anthony Ulwick, Lance Bettencourt — ODI, job map, opportunity algorithm [S30, S32].
  • Barbara Minto, Arnaud Chevallier — MECE и правила issue trees [S28, S27].
  • Carol Weiss; Leon J. Rosenberg — theory of change; logframe [S35, S38].
  • Ron Kohavi — эмпирика о доле успешных идей, на которую опираются GIST и growth-практика [S22].
  • John Cutler (Amplitude), Michael Karpov — North Star inputs и иерархия метрик как принимающая структура [S44, S43].

11.3. Что читать

Первоисточники:

  • Torres, статья 2016 года [S1] — происхождение и исходная логика за 10 минут.
  • Torres, актуальная редакция OST 2023 года [S2] — канон структуры, правила и ритм.
  • Torres, восемь ошибок outcome [S5] — критерии корня; обязательна перед связкой с метриками.
  • Torres, opportunity mapping [S9] — семантика рёбер родитель-ребёнок и брат-брат.
  • Torres, assumption testing [S4] — четвёртый слой и различие с экспериментами.
  • Adzic, impactmapping.org [S12] — четыре вопроса и правило отсечения акторов.
  • Bland, assumptions mapping [S15] — матрица 2×2 в исходной формулировке.
  • Gothelf, Lean UX Canvas [S17] — шаблон гипотезы с критерием успеха.
  • Gilad, GIST [S20] и Confidence Meter [S24] — альтернатива без слоя потребностей и шкала доказательств.
  • Center for Theory of Change, how it works [S36] — обратное отображение и индикаторы.
  • Wikipedia, Logical Framework Approach [S38] — матрица 4×4 и история.
  • Ulwick, opportunity algorithm [S33] — формула в авторской формулировке.

Критические разборы и эмпирика:

  • Krawczyk, антипаттерны OST [S7] — семь ошибок с примерами формулировок.
  • Norton, Opportunity Solution Trees [S63] — аргумент за «problems» вместо «opportunities».
  • Huryn, Extended OST [S48] и Coşkuner, Impact Mapping + OST [S47] — где OST заканчивается и начинается бизнес-ценность.
  • van der Berg, метрики и возможности [S45] — рабочая связка слоёв с примером.
  • Buchanan, критика квантификации ODI [S34] — цена формул при ранжировании потребностей.
  • Gasper, оценка logframe [S40] и Vogel, обзор theory of change [S41] — 50 лет опыта с цепочками результатов.
  • Kohavi и соавторы, онлайн-эксперименты [S22] — почему нужна проверка: около трети идей работают.
  • Grailed [S8] — единственный найденный кейс с числами и описанием измерения.
  • Torres, ИИ-синтез [S65] и агентный валидатор [S66] — состояние автоматизации на 2026 год.

Открытые вопросы и границы уверенности

12.1. Что не удалось проверить

  • Эффект самой структуры. Нет исследования, сравнивающего команды с OST и с плоским списком гипотез при прочих равных; вывод о превосходстве дерева — гипотеза. Изменить его могло бы контролируемое сравнение или хотя бы многокомандный ретроспективный анализ с фиксацией доли решений, сдвинувших метрику.
  • Распространённость. Число «100 000 экземпляров» прозвучало в подкасте от ведущего, а не в отчёте издателя [S50]; опрос Maze не спрашивал о структурах discovery [S51].
  • Атрибуция кейсов. Рост LTV на 20 % в Grailed измерен когортно без рандомизации и не отделяет эффект дерева от эффекта команды и самих решений [S8]; «трёхкратный рост экспериментов» в SuperAwesome дан без данных [S60].
  • Ссылка Torres на «исследования принятия решений» о пользе сравнения вариантов в статье не раскрыта [S2].
  • Методика опроса «300 команд» у Perspective AI не раскрыта [S62]; «партнёрство с автором метода» у Vistaly — маркетинговое утверждение, подтверждённое лишь тем, что Torres описывает совместную разработку ИИ-функции [S52, S66].
  • Предложенная схема данных раздела 10 не проверена на реальных деревьях; доля ложных срабатываний LLM-проверок неизвестна.

12.2. Противоречия источников

  • Ритм пересмотра: каждые 3–4 интервью [S2] против «на перепутьях» [S61] против «еженедельно» у вендора [S62].
  • Квантификация: отказ от формул при выборе возможностей [S11] против ICE и Confidence Meter [S23, S24] и opportunity algorithm [S33]; агентные навыки добавляют RICE вопреки автору метода [S75].
  • Терминология: «opportunity» [S2] против «problem» [S63].
  • Число уровней: OST без ограничения [S2], issue trees 2–5 [S29], иерархия метрик до IV–V [S43].

12.3. Ограничения доступа

  • Книги не читались: Continuous Discovery Habits (использованы статьи Product Talk и конспект книжного клуба [S10]), Impact Mapping (сайт книги [S13]), Testing Business Ideas (страница издателя [S16]), Lean UX (сайт книги [S19]), Evidence-Guided (страница книги [S26]).
  • Статья HBR 2008 года о job map доступна фрагментом за paywall [S32].
  • Lindgren и Münch (2016): аннотация закрыта у издателя и агрегаторов; использованы только метаданные [S59]. Fagerholm и соавторы (RIGHT model, 2017) — та же ситуация, в реестр не включены.
  • Gasper (2000): прочитана аннотация, не полный текст [S40]; Vogel (2012): прочитано резюме на GSDRC, не 86-страничный отчёт [S41].
  • North Star Playbook Amplitude: прочитаны вводные страницы, главы о критериях inputs недоступны в открытой части [S44].
  • Раздел с методологией Extended OST у Huryn за paywall [S48].
  • Не открылись: Medium-версии статей Karpov и Norton (прочитаны копии на LinkedIn и Substack), Levers Labs о деревьях метрик, статья Nacho Bassino о связи KPI-деревьев и OST, web.archive.org, пост Herbig в LinkedIn о различии impact mapping и OST (виден только заголовок).
  • Дата публикации ряда страниц не указана; они помечены «без даты».

12.4. Что могло бы изменить выводы

  • Данные о доле команд, ведущих дерево дольше года, и о причинах отказа.
  • Измерение точности LLM-проверок «решение в маске возможности» и «outcome как output» на размеченном корпусе деревьев.
  • Опыт компаний 20–500 человек с двумя связанными деревьями (метрик и discovery) в одном инструменте: сохраняется ли связь через год.

Реестр источников

IDНазваниеАвтор или издательURLПубликацияДоступ (дата)Вид доступаЧто подтверждает
S1Why This Opportunity Solution Tree is Changing the Way Product Teams WorkTeresa Torres, Product Talkproducttalk.org/opportunity-solution-tree-origin/2016-08-102026-09-20полный текстраздел 1: происхождение, упражнение Roth, исходные четыре слоя, правило «решение связано с возможностью»; разделы 8, 11
S2Opportunity Solution Trees: Visualize Your Discovery to Stay Aligned and Drive OutcomesTeresa Torres, Product Talkproducttalk.org/opportunity-solution-trees/2023-12-062026-09-20полный текстраздел 1: определение, слои, критерии узлов, три решения, ритм 3–4 интервью, новое дерево при смене направления; разделы 3–8, 10
S3Opportunity Solution Tree — Definition and OverviewProduct Talkproducttalk.org/glossary-discovery-opportunity-solution-t…2026-09-032026-09-20полный текстраздел 1: определение четырёх компонентов; актуальность редакции
S4Assumption Testing: Everything You Need to Know to Get StartedTeresa Torres, Product Talkproducttalk.org/assumption-testing/2023-10-182026-09-20полный текстразделы 1, 5–7: assumption test против experiment, пять категорий, генерация и 2×2, четыре типа тестов
S5Defining Product Outcomes: The 8 Most Common Mistakes You Should AvoidTeresa Torres, Product Talkproducttalk.org/defining-product-outcomes/2022-12-212026-09-20полный текстразделы 1, 3, 5, 7, 8: business, product и traction metric, восемь ошибок, «направленный в первый день»
S6Representing Customer Segments on Your Opportunity Solution Tree (Teresa's Take)Teresa Torres, Product Talkproducttalk.org/2021/10/customer-segments-teresas-take/2021-10-062026-09-20полный текстразделы 1, 5–8: один outcome, различимые ветви, один родитель, правила для сегментов
S7Opportunity solution trees: A list of anti-patterns to avoidBart Krawczyk, LogRocketblog.logrocket.com/product-management/opportunity-solutio…2023-07-282026-09-20полный текстразделы 1, 3, 5, 8: семь антипаттернов с примерами формулировок, не менее пяти возможностей, правило 80/20
S8Product in Practice: Opportunity Mapping Led to a 20% Lift in LTV at GrailedProduct Talkproducttalk.org/2022/10/opportunity-mapping-grailed/2022-10-192026-09-20полный текстразделы 1, 2, 5, 12: формулировки в языке клиента, 8+ версий за 6 месяцев, результаты и когортное измерение
S9Opportunity Mapping: An Essential Skill for Driving Product OutcomesTeresa Torres, Product Talkproducttalk.org/opportunity-mapping/2020-07-082026-09-20полный текстразделы 1, 5, 6: семантика рёбер родитель-ребёнок и брат-брат, дерево против плоского бэклога
S10Ch. 9: Identifying Hidden Assumptions (Continuous Discovery Habits book club)Product Talkproducttalk.org/cdh-book-club-august-2026/2026-08-032026-09-20полный текстразделы 1, 5, 6, 8: 15–20 предположений на идею, story mapping, pre-mortem, leap-of-faith
S11Prioritize Opportunities, Not SolutionsTeresa Torres, Product Talkproducttalk.org/prioritize-opportunities/2019-02-132026-09-20полный текстразделы 1–7, 10, 12: четыре критерия, оценка только верхнего ряда, отказ от формул, обратимое решение
S12Impact MappingGojko Adzic, impactmapping.orgimpactmapping.org/без даты2026-09-20полный текстразделы 1, 4, 7, 11: определение, четыре уровня, impacts как изменения поведения, приоритизация от цели вниз
S13Impact Mapping: Making a big impact with software products and projects (страница книги)Gojko Adzic, Provoking Thoughtsimpactmapping.org/book.html2012-102026-09-20полный текстразделы 1, 11, 12: дата книги, назначение метода
S14Impact Mapping — Exampleimpactmapping.orgimpactmapping.org/example.htmlбез даты2026-09-20полный текстразделы 1, 4, 7: пример карты с измеримой целью, акторами и отсечением групп
S15How Assumptions Mapping Can Focus Your Teams On Running Experiments That MatterDavid J. Bland, Strategyzerstrategyzer.com/library/how-assumptions-mapping-can-focus…2020-08-042026-09-20полный текстразделы 1, 4, 6, 7, 11: определение, три линзы, форма «мы верим», матрица 2×2
S16Testing Business Ideas: A Field Guide for Rapid ExperimentationDavid J. Bland, Alexander Osterwalder, Wileywiley.com/en-us/Testing+Business+Ideas%3A+A+Field+Guide+f…2019-112026-09-20аннотацияразделы 1, 4, 6, 11, 12: дата и состав книги, test card и learning card
S17How to use the Lean UX CanvasJeff Gothelfjeffgothelf.com/blog/how-to-use-the-lean-ux-canvas/2021-06-282026-09-20полный текстразделы 1, 4, 6, 7, 8, 11: восемь блоков, шаблон гипотезы, riskiest assumption
S18How to prioritize hypotheses for testingJeff Gothelfjeffgothelf.com/blog/how-to-prioritize-hypotheses-for-tes…2021-07-262026-09-20полный текстразделы 1, 4, 6: 2×2 риск × ценность, правила квадрантов, критерий успеха в гипотезе
S19Lean UX, Third Edition (сайт книги)Jeff Gothelf, Josh Seidenleanuxbook.com/20212026-09-20аннотацияразделы 1, 11, 12: издание 2021 года, реорганизация вокруг канвы
S20Why I stopped using product roadmaps and switched to GIST PlanningItamar Gilad, HackerNoonhackernoon.com/why-i-stopped-using-product-roadmaps-and-s…2018-01-302026-09-20полный текстразделы 1, 3, 4, 7, 8, 11: определения уровней, шаги до 10 недель, «1 из 3 идей», каденция
S21Why you should stop using product roadmaps and try the GIST FrameworkItamar Giladitamargilad.com/gist-framework/без даты2026-09-20полный текстраздел 1: idea bank, определения goals и ideas, каденция
S22Online Controlled Experiments and A/B Testing (Encyclopedia of Machine Learning and Data Mining)Ron Kohavi и соавторы, exp-platform.comexp-platform.com/Documents/2015%20Online%20Controlled%20E…20152026-09-20полный текстразделы 1, 2, 8, 11: около трети идей улучшают метрики, в Bing меньше
S23ICE Scores — All You Need to KnowItamar Giladitamargilad.com/ice-scores/без даты2026-09-20полный текстразделы 1, 2, 4, 6, 12: формула ICE, шкала 0–10
S24Product Discovery With ICE and The Confidence MeterItamar Giladitamargilad.com/the-tool-that-will-help-you-choose-better…без даты2026-09-20полный текстразделы 1, 2, 4, 7, 8, 11: категории доказательств, мнения дают почти нулевую уверенность
S25The GIST Board and Other GIST ToolsItamar Giladitamargilad.com/the-gist-board-and-other-gist-tools/без даты2026-09-20полный текстразделы 1, 6, 9: структура доски, таблицы и базы как инструмент
S26Evidence-Guided: Creating High-Impact Products in the Face of Uncertainty (страница книги)Itamar Giladitamargilad.com/book-evidence-guided/без даты2026-09-20аннотацияразделы 1, 2, 11, 12: GIST с деревьями метрик на уровне целей
S27Issue treeWikipediaen.wikipedia.org/wiki/Issue_treeбез даты2026-09-20полный текстразделы 1, 3, 4, 11: определение, два типа, четыре правила Chevallier
S28MECE principleWikipediaen.wikipedia.org/wiki/MECE_principleбез даты2026-09-20полный текстразделы 1, 7, 11: определение, Minto и McKinsey, ограничения
S29Issue Trees: The Definitive GuideCrafting Casescraftingcases.com/issue-tree-guide/без даты2026-09-20полный текстразделы 1, 4, 12: «как можно более MECE», 2–5 уровней, пять способов структурирования
S30Outcome-Driven InnovationWikipediaen.wikipedia.org/wiki/Outcome-Driven_Innovationбез даты2026-09-20полный текстразделы 1, 11: хронология ODI, формула и шкалы
S31Jobs-To-Be-Done Framework: Job MappingStrategynstrategyn.com/jobs-to-be-done/customer-centered-innovatio…без даты2026-09-20полный текстразделы 1, 4, 7: восемь шагов job map, формат desired outcome (вендор)
S32The Customer-Centered Innovation MapLance A. Bettencourt, Anthony W. Ulwick, Harvard Business Reviewhbr.org/2008/05/the-customer-centered-innovation-map2008-052026-09-20фрагментразделы 1, 11, 12: авторы и дата статьи о job map; paywall
S33The Path to Growth: The Opportunity AlgorithmAnthony Ulwick, Marketing Journalmarketingjournal.org/the-path-to-growth-the-opportunity-a…2017-07-092026-09-20полный текстразделы 1–4, 7, 11, 12: формула, 50–150 метрик
S34Outcome Driven Innovation: A Critique on the Quantification ProcessBraden Buchananbradenbuchanan.substack.com/p/outcome-driven-innovation-a…2026-08-052026-09-20полный текстразделы 1, 2, 4, 7, 10, 11: 84 % и 0,92, difference score, MaxDiff
S35Theory of changeWikipediaen.wikipedia.org/wiki/Theory_of_changeбез даты2026-09-20полный текстразделы 1, 4, 11: Weiss 1995, обратное отображение, формула индикатора, ограничения линейности
S36How Does Theory of Change Work?Center for Theory of Changetheoryofchange.org/what-is-theory-of-change/how-does-theo…без даты2026-09-20полный текстразделы 1, 3, 4, 7, 11: шесть шагов, pathway of change
S37GlossaryCenter for Theory of Changetheoryofchange.org/what-is-theory-of-change/how-does-theo…без даты2026-09-20полный текстразделы 1, 4: определения outcome, precondition, assumptions, indicators
S38Logical Framework ApproachWikipediaen.wikipedia.org/wiki/Logical_Framework_Approachбез даты2026-09-20полный текстразделы 1, 3, 4, 8, 11: 1969, Rosenberg, матрица 4×4, вертикальная логика
S39Logframe vs Theory of Change: What's the difference?Angela Biden, tools4devtools4dev.org/blog/logframe-vs-theory-of-change-whats-the…без даты2026-09-20полный текстраздел 1: различие формата и охвата
S40Evaluating the 'logical framework approach' towards learning-oriented development evaluationDes Gasper, Public Administration and Development 20(1)docs.adaptdev.info/lib/8B74WSYH20002026-09-20аннотацияразделы 1, 2, 4, 11, 12: критика logframe
S41Review of the Use of 'Theory of Change' in International DevelopmentIsabel Vogel для DFID; резюме GSDRCgsdrc.org/document-library/review-of-the-use-of-theory-of…20122026-09-20аннотацияразделы 1, 2, 11, 12: 40 интервью в 25 организациях, гибкость, связь с logframe
S42The Secret to Running Effective Growth Sprints — Follow This Process to Learn FasterFirst Round Review (интервью с Matt Lerner)review.firstround.com/the-secret-to-running-effective-gro…без даты2026-09-20полный текстразделы 1, 4–8: формат гипотезы из четырёх частей, драйверы, 3–5 экспериментов в неделю
S43The Hierarchy of MetricsMichael Karpov, LinkedInlinkedin.com/pulse/hierarchy-metrics-michael-karpov2019-12-102026-09-20полный текстразделы 1, 6, 7, 11, 12: алгоритм иерархии, 3–5 метрик на уровень, глубина IV–V
S44North Star Playbook (вводные главы)John Cutler и соавторы, Amplitudeamplitude.com/books/north-star/amplitudes-north-star-metr…без даты2026-09-20фрагментразделы 1, 6, 7, 11, 12: inputs как 3–5 факторов
S45How to connect business metrics to customer opportunitiesElse van der Bergelsevanderberg.substack.com/p/how-to-connect-business-met…2024-05-212026-09-20полный текстразделы 1, 2, 3, 5–8, 11: слои «бизнес-метрика → продуктовая цель → возможность → решение → эксперимент», пример
S46From Goals To Action (Part 3 of 4): Opportunity Solution TreesOliver Greuter-Wehn, Decoding Productdecodingproduct.substack.com/p/from-goals-to-action-part-…2023-10-172026-09-20полный текстразделы 1, 3, 5, 7, 8: outcome как поведение актора из KPI tree
S47Combining Impact Mapping and Opportunity Solution Tree — the perfect liaisonBüşra Coşkunerbusra.co/blog/combining-impact-mapping-and-opportunity-so…2026-07-022026-09-20полный текстразделы 1–4, 7, 11: impact как корень OST, разрыв бизнес-ценности
S48The Extended Opportunity Solution TreePaweł Huryn, The Product Compassproductcompass.pm/p/the-extended-opportunity-solution-tree2024-08-182026-09-20фрагментразделы 1–4, 7, 8, 11, 12: OST не покрывает захват ценности бизнесом; методика за paywall
S49Continuous Discovery Habits (the Book) is Finally Here!Teresa Torres, Product Talkproducttalk.org/continuous-discovery-habits/2021-05-192026-09-20полный текстразделы 2, 11: дата книги, «сотни команд»
S50Continuous Discovery Habits, with Teresa Torres — It Shipped That Way, Ep. 27It Shipped That Wayitshipped.fm/episodes/272024-05-012026-09-20полный текстразделы 2, 12: «100 000 экземпляров за три года» (заявление ведущего)
S51Continuous Research Report: Trends to Watch in 2023Mazemaze.co/resources/continuous-research-report/20232026-09-20полный текстразделы 2, 12: 603 респондента, 39 % еженедельных контактов, 83 % (вендор)
S52Vistaly — Opportunity Solution Tree (OST) SoftwareVistalyvistaly.com/product/opportunity-solution-treeбез даты2026-09-20полный текстразделы 2, 7, 9, 12: сущности, операции, интеграции, заявление о партнёрстве (вендор)
S53Opportunity Solution Tree Templates & ExamplesMiromiro.com/templates/opportunity-solution-tree/без даты2026-09-20полный текстразделы 2, 9: шаблон четырёх уровней (вендор)
S547 best opportunity solution tree software tools for 2026Guideflowguideflow.com/blog/opportunity-solution-tree-software2026-08-252026-09-20полный текстразделы 2, 9: перечень инструментов и цены (вендорский обзор)
S55Opportunity Solution TreeOpen Practice Library (Red Hat), Jerry Beckeropenpracticelibrary.com/practice/opportunity-solution-tree/2019-10-012026-09-20полный текстразделы 2, 5: фасилитационные шаги, лицензия CC BY 4.0
S56Opportunity Solution Tree — pm-skillsphuryn, skills.shskills.sh/phuryn/pm-skills/opportunity-solution-treeбез даты2026-09-20полный текстразделы 2, 9–11: правила навыка: одна метрика, «I struggle to…», три решения
S57Opportunity Solution Tree · Product Agent SkillAI UX Playground (phuryn)aiuxplayground.com/skills/opportunity-solution-tree/2026-05-182026-09-20полный текстразделы 2, 10: правила и входы-выходы навыка, дата обновления
S58Objectives and Key Results in Software Teams: Challenges, Opportunities and Impact on DevelopmentJenna Butler, Thomas Zimmermann, Christian Bird, arXivarxiv.org/abs/2311.002362023-11-012026-09-20аннотацияразделы 2, 7: 47 интервью, 512 ответов, трудность перевода целей в работу
S59Raising the odds of success: the current state of experimentation in product developmentEveliina Lindgren, Jürgen Münch, Information and Software Technology 77 (метаданные Crossref)api.crossref.org/works/10.1016/j.infsof.2016.04.0082016-092026-09-20недоступенразделы 2, 12: существование публикации; аннотация закрыта
S60Product in Practice: Getting Started with Opportunity Solution Trees at SuperAwesomeProduct Talkproducttalk.org/adopting-opportunity-solution-trees/2019-12-112026-09-20полный текстразделы 2, 3, 5, 6, 8, 12: поэтапное внедрение, слой предположений, «трёхкратный рост экспериментов» без данных
S61Product in Practice: Introducing Opportunity Solution Trees at TexthelpProduct Talkproducttalk.org/introducing-opportunity-solution-trees/2024-02-142026-09-20полный текстразделы 2, 3, 5, 8, 9, 12: FigJam, пять деревьев, обновление «на перепутьях», список для стейкхолдеров
S62The Opportunity Solution Tree in 2026: A Practical Guide for Continuous DiscoveryPerspective AIgetperspective.ai/blog/opportunity-solution-tree-2026-pra…2026-06-222026-09-20полный текстразделы 2, 3, 5, 8, 10, 12: «голодающее дерево», еженедельный ритм, ИИ-интервью, «300 команд» (вендор)
S63Opportunity Solution TreesDoc Nortondocondev.substack.com/p/opportunity-solution-trees2024-09-182026-09-20полный текстразделы 2, 11, 12: «problems» вместо «opportunities», experiments
S64Reversing Teresa Torres' "Opportunity Solution Tree" to find the "why" behind solutionsTracey Thompson, Mind the Productmindtheproduct.com/reversing-teresa-torres-opportunity-so…2024-05-282026-09-20полный текстразделы 2, 3: обратное построение от решений
S65From Customer Interviews to an Opportunity Solution Tree with AITeresa Torres, Product Talkproducttalk.org/ai-opportunity-solution-trees/2026-02-182026-09-20полный текстразделы 2, 10, 11: двухшаговый синтез, «эксперты с ИИ», отказ от деревьев в один клик
S66Behind the Scenes: Building AI-Generated Opportunity Solution TreesTeresa Torres, Product Talkproducttalk.org/behind-the-scenes-ai-osts/2026-05-132026-09-20полный текстразделы 2, 10–12: агентный цикл с валидатором, ошибки 1 на 40 вызовов, интерфейс diff
S67AI Product DiscoveryVistalyvistaly.com/product/ai-product-discoveryбез даты2026-09-20полный текстразделы 2, 6, 9, 10: ИИ-снапшоты и дерево от трёх интервью, подтверждение человеком (вендор)
S68Opportunity Solution Tree (OST) PatternsMatt O'Connell, Vistalyvistaly.com/blog/ost-patternsбез даты2026-09-20полный текстразделы 3, 5, 7–9: сегментация, структурированный бэклог, дерево деревьев, обрезка (вендор)
S69Engaging Stakeholders with Opportunity Solution Trees: 3 Tactics to TryProduct Talkproducttalk.org/engaging-stakeholders/2019-06-122026-09-20полный текстразделы 3, 5, 6, 8, 9, 11: цветовые статусы, критерии «линии на песке», общая доска
S70Mapping: An introductory guide for product teams by Teresa TorresTeresa Torres, блог Miromiro.com/blog/mapping-product-teams-teresa-torres/2019-04-032026-09-20полный текстразделы 5–7: карта пути на каждое интервью, каноническая карта, связь решений с возможностями
S71Miro PricingMiromiro.com/pricing/без даты2026-09-20полный текстразделы 5, 9: Free с тремя досками, Starter 8 долларов, Business 20 долларов (вендор)
S72Vistaly PricingVistalyvistaly.com/pricingбез даты2026-09-20полный текстразделы 5, 9: Essentials 25 и Business 50 долларов за место в месяц, лимиты мест и ИИ-кредитов (вендор)
S73About MetricFlowdbt Labsdocs.getdbt.com/docs/build/about-metricflowбез даты2026-09-20полный текстразделы 6, 10: YAML-определения метрик, типы, derived как выражение над метриками, Apache 2.0
S74Apache Ossie (incubating)Apache Software Foundation, GitHubgithub.com/apache/ossieбез даты2026-09-20полный текстразделы 6, 10: спецификация обмена семантическими моделями в JSON и YAML, статус incubating
S75pm-agent-skilljahonn, GitHubgithub.com/jahonn/pm-agent-skillбез даты2026-09-20полный текстразделы 7, 10, 12: навык OST с RICE, MIT, 4 звезды
S76airfocus Pricingairfocusairfocus.com/pricing/без даты2026-09-20полный текстраздел 9: тарифы Professional и Enterprise без публичных цен, OKR как дополнение, нет пробного периода (вендор)
S77Opportunity-Solution-Tree-Architectalihabbache, GitHubgithub.com/alihabbache/Opportunity-Solution-Tree-Architectбез даты2026-09-20полный текстразделы 9, 10: конвейер из четырёх агентов, Llama 3.3 70B через Groq, tree_data.json, 0 звёзд

Словарь терминов

Opportunity Solution Tree, OST дерево возможностей и решений
структура discovery Teresa Torres от product outcome через opportunities и solutions к assumption tests.
Continuous discovery непрерывное исследование
еженедельные контакты команды с клиентами ради выбранного product outcome; контекст, в котором живёт OST.
Product outcome продуктовый результат
метрика поведения или отношения клиента в продукте, которую команда контролирует и которая, по гипотезе, двигает бизнес-метрику.
Business outcome бизнес-результат
метрика бизнеса — выручка, доля рынка; редко в зоне влияния одной команды.
Traction metric метрика использования функции
доля использования одной функции; слишком узка для корня дерева.
Output поставка
выпущенная фича или проект; бинарное «сделано», не результат.
Opportunity возможность
неудовлетворённая потребность, боль или желание клиента в его языке и в конкретном моменте опыта.
Opportunity space пространство возможностей
слой дерева со всеми возможностями и их иерархией.
Target opportunity целевая возможность
возможность, выбранная для работы после сравнения верхнего ряда.
Solution решение
продукт, фича, сервис, процесс или документация, закрывающие одну возможность.
Assumption предположение
условие, которое должно быть верным, чтобы решение сработало; категории desirability, viability, feasibility, usability, ethical.
Assumption test проверка предположения
малый тест одного предположения в discovery для выбора между идеями.
Experiment эксперимент по эффекту
измерение влияния поставленного решения на метрику; отличается от assumption test.
Assumption mapping карта предположений
матрица 2×2 «важность × доказательства» Bland для выбора предположений к проверке.
Leap-of-faith assumption критическое предположение
важное и слабо подтверждённое предположение из правого верхнего квадранта 2×2.
Story mapping карта истории
раскладка шагов клиента к ценности решения; источник предположений.
Pre-mortem предсмертный разбор
упражнение «почему идея провалилась» до начала работы для поиска предположений.
Research spike исследовательский спайк
короткая инженерная проверка feasibility-предположения.
Interview snapshot снапшот интервью
одностраничная сводка интервью с моментами, цитатами и возможностями.
Experience map карта опыта
каноническая карта клиентского пути, из моментов которой строится верхний ряд возможностей.
Key moment ключевой момент
шаг опыта, в котором возникает возможность.
Product trio продуктовое трио
продакт-менеджер, дизайнер и инженер, совместно ведущие discovery.
Impact mapping карта влияния
техника Adzic «why — who — how — what»: цель, акторы, изменения поведения, поставки.
Actor актор
человек или группа, способные повлиять на цель положительно или отрицательно.
Impact влияние
изменение поведения актора, ведущее к цели.
Deliverable поставка в impact mapping
то, что актор использует, чтобы произвести impact.
GIST Goals, Ideas, Step-projects, Tasks
система планирования Gilad без дорожных карт.
Idea bank банк идей
хранилище всех идей с ICE-оценками, отдельное от дерева.
ICE Impact, Confidence, Ease
оценка идеи по влиянию, уверенности и лёгкости по шкале 0–10.
Confidence Meter шкала уверенности
перевод типа доказательств в число уверенности для ICE.
RICE Reach, Impact, Confidence, Effort
формула приоритизации, добавляемая некоторыми агентными навыками в дерево.
Step-project шаг-проект
мини-проект до 10 недель, проверяющий идею по частям.
Lean UX Canvas канва Lean UX
восемь блоков от бизнес-проблемы до эксперимента.
Hypothesis statement формулировка гипотезы
«мы верим, что [результат] будет достигнут, если [пользователь] получит [выгоду] с помощью [функции]».
Hypothesis Prioritization Canvas канва приоритизации гипотез
2×2 «риск × ценность» Gothelf.
Riskiest assumption самое рискованное предположение
что нужно узнать первым о гипотезе.
Issue tree дерево вопросов
консалтинговое разбиение вопроса на MECE-подвопросы; диагностическое или решающее.
Hypothesis tree дерево гипотез
issue tree, узлы которого — проверяемые утверждения.
MECE mutually exclusive, collectively exhaustive
категории без пересечений и без пропусков.
Outcome-Driven Innovation, ODI инновации, ведомые результатами
метод Ulwick на основе jobs to be done и измеримых потребностей.
Job map карта работы
восемь универсальных шагов работы клиента: define, locate, prepare, confirm, execute, monitor, modify, conclude.
Desired outcome statement формулировка желаемого результата в ODI
«направление + метрика + объект + контекст».
Opportunity algorithm, opportunity score алгоритм и оценка возможности
importance + max(0, importance − satisfaction).
MaxDiff максимальное различие
метод опроса с выбором лучшего и худшего из набора; предлагается как замена шкалам ODI.
Theory of change теория изменений
явная теория того, как действия ведут к долгосрочному результату через предусловия и предположения.
Pathway of change путь изменений
последовательность outcomes-предусловий к долгосрочному результату.
Precondition предусловие
условие, необходимое для следующего outcome.
Indicator индикатор
измеримое свидетельство достижения outcome.
Logframe, Logical Framework Approach логико-структурная матрица
матрица 4×4 «goal, purpose, outputs, activities × нарратив, индикаторы, means of verification, assumptions».
Means of verification средства проверки
источник данных для индикатора в logframe.
Lock-frame замороженная матрица
критика logframe, которая не обновляется после утверждения.
Metric tree, driver tree, KPI tree дерево метрик, драйверов, KPI
иерархия метрик от верхней к драйверам с арифметическими или влияющими связями.
North Star metric метрика Полярной звезды
ведущая метрика ценности продукта; inputs — 3–5 факторов, которые команды двигают напрямую.
Hierarchy of metrics иерархия метрик
алгоритм Karpov от первичной метрики компании до метрик функций на уровнях IV–V.
OKR, key result цели и ключевые результаты
рамка постановки целей; key result может быть корнем OST, если это метрика поведения.
LTV, GMV, ARR пожизненная ценность клиента, оборот площадки, годовая повторяющаяся выручка
бизнес-метрики из кейсов и примеров.
MetricFlow компонент dbt
YAML-спецификация метрик с типами simple, ratio, derived, cumulative, conversion.
Apache Ossie открытый обмен семантикой
инкубационная спецификация JSON и YAML для обмена семантическими моделями и метриками между инструментами.
Agent skill навык агента
пакет инструкций для ИИ-агента с правилами построения артефакта, например OST.
Lint линт
автоматическая проверка структуры на нарушения правил без запуска содержания.
Cohort analysis когортный анализ
сравнение групп пользователей по времени или каналу активации; способ измерения в кейсе Grailed.