kimsanguine/ai_pm/opportunity-solution-tree

Skill — Opportunity Solution Tree (OST)

Task

하나의 측정 가능한 outcome 을 루트로, opportunity(기회) → solution(솔루션) → experiment(실험) 4계층 트리를 출력한다. 트리는 의사결정 경로를 보이게 하는 것이 목적이다.

Scope

• 트리 구성만. 실제 실험 실행·PRD 작성·우선순위 확정 commit 은 별도 단계.
• 입력은 합성된 discovery 인사이트(예: discovery-synthesizer 출력) 또는 사용자가 제시한 outcome + 인터뷰 근거.
• opportunity 는 사용자 니즈/페인/욕구 로만 적는다 — 솔루션·기능을 opportunity 자리에 넣지 않는다.
• 근거 없는 opportunity 는 "가설 opportunity" 로 표기.

Length

• outcome 1개. opportunity 3–6개. opportunity 당 solution 1–3개. 선택된 solution 당 experiment 1–2개.
• 전체 1,500–3,000자.

Format

1. ## Outcome (루트) — 한 문장, 측정 가능한 product outcome (business metric 아님).
2. ## 트리 — 들여쓰기 목록 또는 표로 outcome → opportunity → solution → experiment 계층.
3. ## 이번에 집중할 가지 — 어느 opportunity 를 먼저 공략할지 + 근거(빈도/임팩트).
4. ## 첫 실험 — 가장 작은 검증 실험 1개: 가설 / 검증 방법 / 성공 기준 / 기각 기준.
5. ## 한계 — 미검증 opportunity, 근거 약한 가지, compare-and-contrast 누락 여부.

룰

• 출처 명시: OST 는 Teresa Torres 의 "Continuous Discovery Habits" 에서 정립된 도구다. 이론적 규칙(예: opportunity 는 솔루션이 아니다, solution 은 여러 개를 비교한다)을 인용할 때 출처를 적는다.
• outcome 은 product outcome(사용자 행동 변화)로. "매출 +20%" 같은 business outcome 은 루트로 쓰지 말고, 그것을 이끄는 product outcome 으로 환원.
• opportunity 는 사용자 언어로. "검색 기능" 은 solution. "원하는 항목을 빨리 못 찾는다" 가 opportunity.
• 한 opportunity 에 solution 을 최소 2개 두도록 권한다 — 단일 solution 은 비교 없는 commit 이다 (Torres 의 compare-and-contrast 원칙).
• experiment 는 가장 싼 것부터. "전부 만들어 본다" 는 experiment 가 아니다.
• 빈도·근거가 없는 opportunity 는 가설로 분리하고 트리 본문 우선순위에서 제외.

의존

• 입력 우선순위: samples/user-survey-results.csv (실습 데이터)
• 참고 챕터: 4.1-discovery-user-research.md

예시

• 좋은 출력: good-examples/ost-onboarding-activation.md
• 나쁜 출력: bad-examples/solution-as-opportunity.md