---
title: "Opportunity Solution Tree и альтернативы в связке с деревом метрик и драйверов"
slug: "opportunity-solution-tree"
participant: fable
model: "claude-fable-5-1"
effort: "max"
date: 2026-09-20
cutoff: 2026-09-20
language: ru
sources_read: 77
status: complete
summary: "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."
---

# Opportunity Solution Tree и альтернативы в связке с деревом метрик и драйверов

## 0. Вердикт {#verdict}

**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.

## 1. Что это и как работает {#basics}

### 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.

## 2. Актуальность и доказательная база на дату среза {#evidence}

### 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}.

## 3. Где применимо и где нет, плюсы и минусы {#fit}

### 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].

## 4. Альтернативы и дерево решений {#alternatives}

### 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

## 5. Практическое применение {#practice}

### 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.

## 6. Артефакты {#artifacts}

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».

## 7. С чем используется в связке {#combo}

### 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].

## 8. Метрики здоровья и антипаттерны {#health}

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].

## 9. Инструменты и софт {#tools}

### 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].

## 10. Адаптация под LLM и агентов {#llm}

### 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.

```yaml
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].

## 11. Происхождение, ключевые фигуры, что читать {#origins}

### 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.

## 12. Открытые вопросы и границы уверенности {#open-questions}

### 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.

## 13. Реестр источников {#sources}

| ID | Название | Автор или издатель | URL | Дата публикации | Дата доступа | Доступ | Что подтверждает |
|---|---|---|---|---|---|---|---|
| S1 | Why This Opportunity Solution Tree is Changing the Way Product Teams Work | Teresa Torres, Product Talk | https://www.producttalk.org/opportunity-solution-tree-origin/ | 2016-08-10 | 2026-09-20 | полный текст | раздел 1: происхождение, упражнение Roth, исходные четыре слоя, правило «решение связано с возможностью»; разделы 8, 11 |
| S2 | Opportunity Solution Trees: Visualize Your Discovery to Stay Aligned and Drive Outcomes | Teresa Torres, Product Talk | https://www.producttalk.org/opportunity-solution-trees/ | 2023-12-06 | 2026-09-20 | полный текст | раздел 1: определение, слои, критерии узлов, три решения, ритм 3–4 интервью, новое дерево при смене направления; разделы 3–8, 10 |
| S3 | Opportunity Solution Tree — Definition and Overview | Product Talk | https://www.producttalk.org/glossary-discovery-opportunity-solution-tree/ | 2026-09-03 | 2026-09-20 | полный текст | раздел 1: определение четырёх компонентов; актуальность редакции |
| S4 | Assumption Testing: Everything You Need to Know to Get Started | Teresa Torres, Product Talk | https://www.producttalk.org/assumption-testing/ | 2023-10-18 | 2026-09-20 | полный текст | разделы 1, 5–7: assumption test против experiment, пять категорий, генерация и 2×2, четыре типа тестов |
| S5 | Defining Product Outcomes: The 8 Most Common Mistakes You Should Avoid | Teresa Torres, Product Talk | https://www.producttalk.org/defining-product-outcomes/ | 2022-12-21 | 2026-09-20 | полный текст | разделы 1, 3, 5, 7, 8: business, product и traction metric, восемь ошибок, «направленный в первый день» |
| S6 | Representing Customer Segments on Your Opportunity Solution Tree (Teresa's Take) | Teresa Torres, Product Talk | https://www.producttalk.org/2021/10/customer-segments-teresas-take/ | 2021-10-06 | 2026-09-20 | полный текст | разделы 1, 5–8: один outcome, различимые ветви, один родитель, правила для сегментов |
| S7 | Opportunity solution trees: A list of anti-patterns to avoid | Bart Krawczyk, LogRocket | https://blog.logrocket.com/product-management/opportunity-solution-trees-a-list-of-anti-patterns-to-avoid/ | 2023-07-28 | 2026-09-20 | полный текст | разделы 1, 3, 5, 8: семь антипаттернов с примерами формулировок, не менее пяти возможностей, правило 80/20 |
| S8 | Product in Practice: Opportunity Mapping Led to a 20% Lift in LTV at Grailed | Product Talk | https://www.producttalk.org/2022/10/opportunity-mapping-grailed/ | 2022-10-19 | 2026-09-20 | полный текст | разделы 1, 2, 5, 12: формулировки в языке клиента, 8+ версий за 6 месяцев, результаты и когортное измерение |
| S9 | Opportunity Mapping: An Essential Skill for Driving Product Outcomes | Teresa Torres, Product Talk | https://www.producttalk.org/opportunity-mapping/ | 2020-07-08 | 2026-09-20 | полный текст | разделы 1, 5, 6: семантика рёбер родитель-ребёнок и брат-брат, дерево против плоского бэклога |
| S10 | Ch. 9: Identifying Hidden Assumptions (Continuous Discovery Habits book club) | Product Talk | https://www.producttalk.org/cdh-book-club-august-2026/ | 2026-08-03 | 2026-09-20 | полный текст | разделы 1, 5, 6, 8: 15–20 предположений на идею, story mapping, pre-mortem, leap-of-faith |
| S11 | Prioritize Opportunities, Not Solutions | Teresa Torres, Product Talk | https://www.producttalk.org/prioritize-opportunities/ | 2019-02-13 | 2026-09-20 | полный текст | разделы 1–7, 10, 12: четыре критерия, оценка только верхнего ряда, отказ от формул, обратимое решение |
| S12 | Impact Mapping | Gojko Adzic, impactmapping.org | https://www.impactmapping.org/ | без даты | 2026-09-20 | полный текст | разделы 1, 4, 7, 11: определение, четыре уровня, impacts как изменения поведения, приоритизация от цели вниз |
| S13 | Impact Mapping: Making a big impact with software products and projects (страница книги) | Gojko Adzic, Provoking Thoughts | https://www.impactmapping.org/book.html | 2012-10 | 2026-09-20 | полный текст | разделы 1, 11, 12: дата книги, назначение метода |
| S14 | Impact Mapping — Example | impactmapping.org | https://www.impactmapping.org/example.html | без даты | 2026-09-20 | полный текст | разделы 1, 4, 7: пример карты с измеримой целью, акторами и отсечением групп |
| S15 | How Assumptions Mapping Can Focus Your Teams On Running Experiments That Matter | David J. Bland, Strategyzer | https://www.strategyzer.com/library/how-assumptions-mapping-can-focus-your-teams-on-running-experiments-that-matter | 2020-08-04 | 2026-09-20 | полный текст | разделы 1, 4, 6, 7, 11: определение, три линзы, форма «мы верим», матрица 2×2 |
| S16 | Testing Business Ideas: A Field Guide for Rapid Experimentation | David J. Bland, Alexander Osterwalder, Wiley | https://www.wiley.com/en-us/Testing+Business+Ideas%3A+A+Field+Guide+for+Rapid+Experimentation-p-9781119551447 | 2019-11 | 2026-09-20 | аннотация | разделы 1, 4, 6, 11, 12: дата и состав книги, test card и learning card |
| S17 | How to use the Lean UX Canvas | Jeff Gothelf | https://jeffgothelf.com/blog/how-to-use-the-lean-ux-canvas/ | 2021-06-28 | 2026-09-20 | полный текст | разделы 1, 4, 6, 7, 8, 11: восемь блоков, шаблон гипотезы, riskiest assumption |
| S18 | How to prioritize hypotheses for testing | Jeff Gothelf | https://jeffgothelf.com/blog/how-to-prioritize-hypotheses-for-testing/ | 2021-07-26 | 2026-09-20 | полный текст | разделы 1, 4, 6: 2×2 риск × ценность, правила квадрантов, критерий успеха в гипотезе |
| S19 | Lean UX, Third Edition (сайт книги) | Jeff Gothelf, Josh Seiden | https://leanuxbook.com/ | 2021 | 2026-09-20 | аннотация | разделы 1, 11, 12: издание 2021 года, реорганизация вокруг канвы |
| S20 | Why I stopped using product roadmaps and switched to GIST Planning | Itamar Gilad, HackerNoon | https://hackernoon.com/why-i-stopped-using-product-roadmaps-and-switched-to-gist-planning-3b7f54e271d1 | 2018-01-30 | 2026-09-20 | полный текст | разделы 1, 3, 4, 7, 8, 11: определения уровней, шаги до 10 недель, «1 из 3 идей», каденция |
| S21 | Why you should stop using product roadmaps and try the GIST Framework | Itamar Gilad | https://itamargilad.com/gist-framework/ | без даты | 2026-09-20 | полный текст | раздел 1: idea bank, определения goals и ideas, каденция |
| S22 | Online Controlled Experiments and A/B Testing (Encyclopedia of Machine Learning and Data Mining) | Ron Kohavi и соавторы, exp-platform.com | https://www.exp-platform.com/Documents/2015%20Online%20Controlled%20Experiments_EncyclopediaOfMLDM.pdf | 2015 | 2026-09-20 | полный текст | разделы 1, 2, 8, 11: около трети идей улучшают метрики, в Bing меньше |
| S23 | ICE Scores — All You Need to Know | Itamar Gilad | https://itamargilad.com/ice-scores/ | без даты | 2026-09-20 | полный текст | разделы 1, 2, 4, 6, 12: формула ICE, шкала 0–10 |
| S24 | Product Discovery With ICE and The Confidence Meter | Itamar Gilad | https://itamargilad.com/the-tool-that-will-help-you-choose-better-product-ideas/ | без даты | 2026-09-20 | полный текст | разделы 1, 2, 4, 7, 8, 11: категории доказательств, мнения дают почти нулевую уверенность |
| S25 | The GIST Board and Other GIST Tools | Itamar Gilad | https://itamargilad.com/the-gist-board-and-other-gist-tools/ | без даты | 2026-09-20 | полный текст | разделы 1, 6, 9: структура доски, таблицы и базы как инструмент |
| S26 | Evidence-Guided: Creating High-Impact Products in the Face of Uncertainty (страница книги) | Itamar Gilad | https://itamargilad.com/book-evidence-guided/ | без даты | 2026-09-20 | аннотация | разделы 1, 2, 11, 12: GIST с деревьями метрик на уровне целей |
| S27 | Issue tree | Wikipedia | https://en.wikipedia.org/wiki/Issue_tree | без даты | 2026-09-20 | полный текст | разделы 1, 3, 4, 11: определение, два типа, четыре правила Chevallier |
| S28 | MECE principle | Wikipedia | https://en.wikipedia.org/wiki/MECE_principle | без даты | 2026-09-20 | полный текст | разделы 1, 7, 11: определение, Minto и McKinsey, ограничения |
| S29 | Issue Trees: The Definitive Guide | Crafting Cases | https://www.craftingcases.com/issue-tree-guide/ | без даты | 2026-09-20 | полный текст | разделы 1, 4, 12: «как можно более MECE», 2–5 уровней, пять способов структурирования |
| S30 | Outcome-Driven Innovation | Wikipedia | https://en.wikipedia.org/wiki/Outcome-Driven_Innovation | без даты | 2026-09-20 | полный текст | разделы 1, 11: хронология ODI, формула и шкалы |
| S31 | Jobs-To-Be-Done Framework: Job Mapping | Strategyn | https://strategyn.com/jobs-to-be-done/customer-centered-innovation-map/ | без даты | 2026-09-20 | полный текст | разделы 1, 4, 7: восемь шагов job map, формат desired outcome (вендор) |
| S32 | The Customer-Centered Innovation Map | Lance A. Bettencourt, Anthony W. Ulwick, Harvard Business Review | https://hbr.org/2008/05/the-customer-centered-innovation-map | 2008-05 | 2026-09-20 | фрагмент | разделы 1, 11, 12: авторы и дата статьи о job map; paywall |
| S33 | The Path to Growth: The Opportunity Algorithm | Anthony Ulwick, Marketing Journal | https://www.marketingjournal.org/the-path-to-growth-the-opportunity-algorithm-anthony-ulwick/ | 2017-07-09 | 2026-09-20 | полный текст | разделы 1–4, 7, 11, 12: формула, 50–150 метрик |
| S34 | Outcome Driven Innovation: A Critique on the Quantification Process | Braden Buchanan | https://bradenbuchanan.substack.com/p/outcome-driven-innovation-a-critique | 2026-08-05 | 2026-09-20 | полный текст | разделы 1, 2, 4, 7, 10, 11: 84 % и 0,92, difference score, MaxDiff |
| S35 | Theory of change | Wikipedia | https://en.wikipedia.org/wiki/Theory_of_change | без даты | 2026-09-20 | полный текст | разделы 1, 4, 11: Weiss 1995, обратное отображение, формула индикатора, ограничения линейности |
| S36 | How Does Theory of Change Work? | Center for Theory of Change | https://www.theoryofchange.org/what-is-theory-of-change/how-does-theory-of-change-work/ | без даты | 2026-09-20 | полный текст | разделы 1, 3, 4, 7, 11: шесть шагов, pathway of change |
| S37 | Glossary | Center for Theory of Change | https://www.theoryofchange.org/what-is-theory-of-change/how-does-theory-of-change-work/glossary/ | без даты | 2026-09-20 | полный текст | разделы 1, 4: определения outcome, precondition, assumptions, indicators |
| S38 | Logical Framework Approach | Wikipedia | https://en.wikipedia.org/wiki/Logical_Framework_Approach | без даты | 2026-09-20 | полный текст | разделы 1, 3, 4, 8, 11: 1969, Rosenberg, матрица 4×4, вертикальная логика |
| S39 | Logframe vs Theory of Change: What's the difference? | Angela Biden, tools4dev | https://tools4dev.org/blog/logframe-vs-theory-of-change-whats-the-difference/ | без даты | 2026-09-20 | полный текст | раздел 1: различие формата и охвата |
| S40 | Evaluating the 'logical framework approach' towards learning-oriented development evaluation | Des Gasper, Public Administration and Development 20(1) | https://docs.adaptdev.info/lib/8B74WSYH | 2000 | 2026-09-20 | аннотация | разделы 1, 2, 4, 11, 12: критика logframe |
| S41 | Review of the Use of 'Theory of Change' in International Development | Isabel Vogel для DFID; резюме GSDRC | https://gsdrc.org/document-library/review-of-the-use-of-theory-of-change-in-international-development/ | 2012 | 2026-09-20 | аннотация | разделы 1, 2, 11, 12: 40 интервью в 25 организациях, гибкость, связь с logframe |
| S42 | The Secret to Running Effective Growth Sprints — Follow This Process to Learn Faster | First Round Review (интервью с Matt Lerner) | https://review.firstround.com/the-secret-to-running-effective-growth-sprints-follow-this-process-to-learn-faster/ | без даты | 2026-09-20 | полный текст | разделы 1, 4–8: формат гипотезы из четырёх частей, драйверы, 3–5 экспериментов в неделю |
| S43 | The Hierarchy of Metrics | Michael Karpov, LinkedIn | https://www.linkedin.com/pulse/hierarchy-metrics-michael-karpov | 2019-12-10 | 2026-09-20 | полный текст | разделы 1, 6, 7, 11, 12: алгоритм иерархии, 3–5 метрик на уровень, глубина IV–V |
| S44 | North Star Playbook (вводные главы) | John Cutler и соавторы, Amplitude | https://amplitude.com/books/north-star/amplitudes-north-star-metric-and-inputs | без даты | 2026-09-20 | фрагмент | разделы 1, 6, 7, 11, 12: inputs как 3–5 факторов |
| S45 | How to connect business metrics to customer opportunities | Else van der Berg | https://elsevanderberg.substack.com/p/how-to-connect-business-metrics-to | 2024-05-21 | 2026-09-20 | полный текст | разделы 1, 2, 3, 5–8, 11: слои «бизнес-метрика → продуктовая цель → возможность → решение → эксперимент», пример |
| S46 | From Goals To Action (Part 3 of 4): Opportunity Solution Trees | Oliver Greuter-Wehn, Decoding Product | https://decodingproduct.substack.com/p/from-goals-to-action-part-3-of-4 | 2023-10-17 | 2026-09-20 | полный текст | разделы 1, 3, 5, 7, 8: outcome как поведение актора из KPI tree |
| S47 | Combining Impact Mapping and Opportunity Solution Tree — the perfect liaison | Büşra Coşkuner | https://busra.co/blog/combining-impact-mapping-and-opportunity-solution-tree | 2026-07-02 | 2026-09-20 | полный текст | разделы 1–4, 7, 11: impact как корень OST, разрыв бизнес-ценности |
| S48 | The Extended Opportunity Solution Tree | Paweł Huryn, The Product Compass | https://www.productcompass.pm/p/the-extended-opportunity-solution-tree | 2024-08-18 | 2026-09-20 | фрагмент | разделы 1–4, 7, 8, 11, 12: OST не покрывает захват ценности бизнесом; методика за paywall |
| S49 | Continuous Discovery Habits (the Book) is Finally Here! | Teresa Torres, Product Talk | https://www.producttalk.org/continuous-discovery-habits/ | 2021-05-19 | 2026-09-20 | полный текст | разделы 2, 11: дата книги, «сотни команд» |
| S50 | Continuous Discovery Habits, with Teresa Torres — It Shipped That Way, Ep. 27 | It Shipped That Way | https://www.itshipped.fm/episodes/27 | 2024-05-01 | 2026-09-20 | полный текст | разделы 2, 12: «100 000 экземпляров за три года» (заявление ведущего) |
| S51 | Continuous Research Report: Trends to Watch in 2023 | Maze | https://maze.co/resources/continuous-research-report/ | 2023 | 2026-09-20 | полный текст | разделы 2, 12: 603 респондента, 39 % еженедельных контактов, 83 % (вендор) |
| S52 | Vistaly — Opportunity Solution Tree (OST) Software | Vistaly | https://www.vistaly.com/product/opportunity-solution-tree | без даты | 2026-09-20 | полный текст | разделы 2, 7, 9, 12: сущности, операции, интеграции, заявление о партнёрстве (вендор) |
| S53 | Opportunity Solution Tree Templates & Examples | Miro | https://miro.com/templates/opportunity-solution-tree/ | без даты | 2026-09-20 | полный текст | разделы 2, 9: шаблон четырёх уровней (вендор) |
| S54 | 7 best opportunity solution tree software tools for 2026 | Guideflow | https://www.guideflow.com/blog/opportunity-solution-tree-software | 2026-08-25 | 2026-09-20 | полный текст | разделы 2, 9: перечень инструментов и цены (вендорский обзор) |
| S55 | Opportunity Solution Tree | Open Practice Library (Red Hat), Jerry Becker | https://openpracticelibrary.com/practice/opportunity-solution-tree/ | 2019-10-01 | 2026-09-20 | полный текст | разделы 2, 5: фасилитационные шаги, лицензия CC BY 4.0 |
| S56 | Opportunity Solution Tree — pm-skills | phuryn, skills.sh | https://www.skills.sh/phuryn/pm-skills/opportunity-solution-tree | без даты | 2026-09-20 | полный текст | разделы 2, 9–11: правила навыка: одна метрика, «I struggle to…», три решения |
| S57 | Opportunity Solution Tree · Product Agent Skill | AI UX Playground (phuryn) | https://www.aiuxplayground.com/skills/opportunity-solution-tree/ | 2026-05-18 | 2026-09-20 | полный текст | разделы 2, 10: правила и входы-выходы навыка, дата обновления |
| S58 | Objectives and Key Results in Software Teams: Challenges, Opportunities and Impact on Development | Jenna Butler, Thomas Zimmermann, Christian Bird, arXiv | https://arxiv.org/abs/2311.00236 | 2023-11-01 | 2026-09-20 | аннотация | разделы 2, 7: 47 интервью, 512 ответов, трудность перевода целей в работу |
| S59 | Raising the odds of success: the current state of experimentation in product development | Eveliina Lindgren, Jürgen Münch, Information and Software Technology 77 (метаданные Crossref) | https://api.crossref.org/works/10.1016/j.infsof.2016.04.008 | 2016-09 | 2026-09-20 | недоступен | разделы 2, 12: существование публикации; аннотация закрыта |
| S60 | Product in Practice: Getting Started with Opportunity Solution Trees at SuperAwesome | Product Talk | https://www.producttalk.org/adopting-opportunity-solution-trees/ | 2019-12-11 | 2026-09-20 | полный текст | разделы 2, 3, 5, 6, 8, 12: поэтапное внедрение, слой предположений, «трёхкратный рост экспериментов» без данных |
| S61 | Product in Practice: Introducing Opportunity Solution Trees at Texthelp | Product Talk | https://www.producttalk.org/introducing-opportunity-solution-trees/ | 2024-02-14 | 2026-09-20 | полный текст | разделы 2, 3, 5, 8, 9, 12: FigJam, пять деревьев, обновление «на перепутьях», список для стейкхолдеров |
| S62 | The Opportunity Solution Tree in 2026: A Practical Guide for Continuous Discovery | Perspective AI | https://getperspective.ai/blog/opportunity-solution-tree-2026-practical-guide-continuous-discovery | 2026-06-22 | 2026-09-20 | полный текст | разделы 2, 3, 5, 8, 10, 12: «голодающее дерево», еженедельный ритм, ИИ-интервью, «300 команд» (вендор) |
| S63 | Opportunity Solution Trees | Doc Norton | https://docondev.substack.com/p/opportunity-solution-trees | 2024-09-18 | 2026-09-20 | полный текст | разделы 2, 11, 12: «problems» вместо «opportunities», experiments |
| S64 | Reversing Teresa Torres' "Opportunity Solution Tree" to find the "why" behind solutions | Tracey Thompson, Mind the Product | https://www.mindtheproduct.com/reversing-teresa-torres-opportunity-solution-tree-to-find-the-why-behind-solutions/ | 2024-05-28 | 2026-09-20 | полный текст | разделы 2, 3: обратное построение от решений |
| S65 | From Customer Interviews to an Opportunity Solution Tree with AI | Teresa Torres, Product Talk | https://www.producttalk.org/ai-opportunity-solution-trees/ | 2026-02-18 | 2026-09-20 | полный текст | разделы 2, 10, 11: двухшаговый синтез, «эксперты с ИИ», отказ от деревьев в один клик |
| S66 | Behind the Scenes: Building AI-Generated Opportunity Solution Trees | Teresa Torres, Product Talk | https://www.producttalk.org/behind-the-scenes-ai-osts/ | 2026-05-13 | 2026-09-20 | полный текст | разделы 2, 10–12: агентный цикл с валидатором, ошибки 1 на 40 вызовов, интерфейс diff |
| S67 | AI Product Discovery | Vistaly | https://vistaly.com/product/ai-product-discovery | без даты | 2026-09-20 | полный текст | разделы 2, 6, 9, 10: ИИ-снапшоты и дерево от трёх интервью, подтверждение человеком (вендор) |
| S68 | Opportunity Solution Tree (OST) Patterns | Matt O'Connell, Vistaly | https://vistaly.com/blog/ost-patterns | без даты | 2026-09-20 | полный текст | разделы 3, 5, 7–9: сегментация, структурированный бэклог, дерево деревьев, обрезка (вендор) |
| S69 | Engaging Stakeholders with Opportunity Solution Trees: 3 Tactics to Try | Product Talk | https://www.producttalk.org/engaging-stakeholders/ | 2019-06-12 | 2026-09-20 | полный текст | разделы 3, 5, 6, 8, 9, 11: цветовые статусы, критерии «линии на песке», общая доска |
| S70 | Mapping: An introductory guide for product teams by Teresa Torres | Teresa Torres, блог Miro | https://miro.com/blog/mapping-product-teams-teresa-torres/ | 2019-04-03 | 2026-09-20 | полный текст | разделы 5–7: карта пути на каждое интервью, каноническая карта, связь решений с возможностями |
| S71 | Miro Pricing | Miro | https://miro.com/pricing/ | без даты | 2026-09-20 | полный текст | разделы 5, 9: Free с тремя досками, Starter 8 долларов, Business 20 долларов (вендор) |
| S72 | Vistaly Pricing | Vistaly | https://vistaly.com/pricing | без даты | 2026-09-20 | полный текст | разделы 5, 9: Essentials 25 и Business 50 долларов за место в месяц, лимиты мест и ИИ-кредитов (вендор) |
| S73 | About MetricFlow | dbt Labs | https://docs.getdbt.com/docs/build/about-metricflow | без даты | 2026-09-20 | полный текст | разделы 6, 10: YAML-определения метрик, типы, derived как выражение над метриками, Apache 2.0 |
| S74 | Apache Ossie (incubating) | Apache Software Foundation, GitHub | https://github.com/apache/ossie | без даты | 2026-09-20 | полный текст | разделы 6, 10: спецификация обмена семантическими моделями в JSON и YAML, статус incubating |
| S75 | pm-agent-skill | jahonn, GitHub | https://github.com/jahonn/pm-agent-skill | без даты | 2026-09-20 | полный текст | разделы 7, 10, 12: навык OST с RICE, MIT, 4 звезды |
| S76 | airfocus Pricing | airfocus | https://airfocus.com/pricing/ | без даты | 2026-09-20 | полный текст | раздел 9: тарифы Professional и Enterprise без публичных цен, OKR как дополнение, нет пробного периода (вендор) |
| S77 | Opportunity-Solution-Tree-Architect | alihabbache, GitHub | https://github.com/alihabbache/Opportunity-Solution-Tree-Architect | без даты | 2026-09-20 | полный текст | разделы 9, 10: конвейер из четырёх агентов, Llama 3.3 70B через Groq, tree_data.json, 0 звёзд |

## 14. Словарь терминов {#glossary}

- **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.
