product-discovery

Tổng quan về product-discovery skill

product-discovery làm gì

product-discovery skill giúp AI agent thực hiện quy trình khám phá sản phẩm có cấu trúc trước khi đội ngũ cam kết thời gian kỹ thuật. Skill này phù hợp để xác thực cơ hội, lập bản đồ các giả định rủi ro, lên kế hoạch discovery sprint, và quyết định nên tiếp tục, xoay hướng hay dừng lại. Thay vì chỉ xin “ý tưởng sản phẩm”, skill hướng công việc về bằng chứng: kết quả mong muốn, cơ hội, giả định, thử nghiệm và quyết định học được gì sau mỗi vòng kiểm chứng.

Phù hợp nhất với công việc Product Management

Dùng product-discovery cho Product Management khi bạn cần một quy trình discovery có thể lặp lại quanh các vấn đề khách hàng còn mơ hồ, các đặt cược tính năng mới, thử nghiệm hướng ra thị trường, hoặc những ý tưởng giải pháp ở giai đoạn sớm. Skill này đặc biệt hữu ích cho product manager, founder, product designer, UX researcher và các squad đa chức năng muốn AI assistant giúp cấu trúc artifact discovery, thay vì tạo một roadmap chung chung.

Điểm khác biệt của skill này

Skill tập trung vào các framework discovery thực dụng: Opportunity Solution Trees, assumption mapping, Jobs-to-be-Done, Kano, tư duy design sprint và lập kế hoạch thử nghiệm. Khác biệt nổi bật nhất là file scripts/assumption_mapper.py đi kèm, có thể ưu tiên giả định từ CSV dựa trên điểm rủi ro và độ chắc chắn, đồng thời gợi ý loại kiểm chứng phù hợp theo từng nhóm giả định.

Khi nào đây không phải công cụ phù hợp

Không nên cài skill này nếu nhu cầu chính của bạn là lập kế hoạch delivery, grooming sprint backlog, định dạng PRD, viết growth copy, hoặc thiết lập analytics instrumentation. product-discovery có giá trị nhất trước giai đoạn delivery, khi đội ngũ vẫn cần làm rõ vấn đề người dùng, xác định những niềm tin rủi ro nhất, và chọn cách kiểm chứng chi phí thấp.

Cách sử dụng product-discovery skill

Cài đặt product-discovery và đường dẫn repository

Cài skill từ đường dẫn GitHub repository mà skill manager của bạn sử dụng. Một lệnh cài đặt thường gặp là:

npx skills add alirezarezvani/claude-skills --skill product-discovery

Mã nguồn nằm tại:

product-team/skills/product-discovery

Sau khi cài đặt, hãy đọc SKILL.md trước, tiếp theo là references/discovery-frameworks.md, và cuối cùng là scripts/assumption_mapper.py nếu bạn định chấm điểm giả định từ CSV. Repository không có README.md hoặc metadata.json riêng trong thư mục skill này, vì vậy hướng dẫn vận hành chính được tập trung trong ba file đó.

Đầu vào skill cần

Để có product-discovery usage hiệu quả, hãy cung cấp cho agent nhiều hơn một yêu cầu tính năng. Nên bao gồm:

• Kết quả mục tiêu: metric hoặc hành vi bạn muốn cải thiện
• Phân khúc người dùng: ai đang gặp vấn đề và trong bối cảnh nào
• Bằng chứng hiện có: phỏng vấn, support ticket, analytics, ghi chú sales, lý do churn
• Cơ hội ứng viên: nỗi đau, nhu cầu, hoặc job to be done
• Ràng buộc: timeline, năng lực đội ngũ, compliance, thị trường, giới hạn kỹ thuật
• Quyết định cần đưa ra: tiếp tục, xoay hướng, dừng, phỏng vấn, làm prototype, hoặc thiết kế thử nghiệm

Prompt yếu:

Help us validate a new onboarding feature.

Prompt mạnh hơn:

Use product-discovery to plan discovery for reducing activation drop-off from 42% to 30% in 8 weeks. Segment: self-serve B2B admins setting up their first workspace. Evidence: 12 support tickets mention confusing permissions; analytics show most drop-offs happen before inviting teammates. We are considering an onboarding checklist but are unsure if the real opportunity is permissions clarity, team invitation anxiety, or lack of perceived value. Produce an Opportunity Solution Tree, risky assumptions, and a 1-week validation plan.

Quy trình gợi ý cho lần dùng đầu tiên

Bắt đầu bằng cách yêu cầu skill xác định một kết quả đo lường được và xây dựng Opportunity Solution Tree: outcome → opportunities → solution ideas → experiments. Sau đó, yêu cầu skill tách các cơ hội có bằng chứng hỗ trợ khỏi ý kiến nội bộ. Tiếp theo, tạo các giả định về desirability, viability, feasibility và usability. Cuối cùng, chuyển những giả định rủi ro cao nhất thành phỏng vấn, prototype test, fake-door test, pricing test, hoặc technical spike.

Nếu bạn đã có sẵn các giả định, hãy tạo một file CSV với các cột sau:

assumption,category,risk,certainty

Dùng giá trị từ 0 đến 1 cho risk và certainty, rồi chạy:

python3 scripts/assumption_mapper.py assumptions.csv

Script sẽ ưu tiên các giả định có rủi ro cao, độ chắc chắn thấp và gợi ý loại kiểm chứng phù hợp.

Mẫu prompt thực tế

Hãy yêu cầu đầu ra có thể dùng để ra quyết định, không chỉ là framework. Các yêu cầu tốt gồm:

• “Create an OST and mark which branches need more evidence.”
• “Turn these interview notes into opportunity themes and confidence levels.”
• “Map assumptions and identify the cheapest test for each top risk.”
• “Design a 1-week discovery sprint with daily evidence reviews.”
• “Define stop, pivot, and proceed criteria before we run tests.”

Skill hoạt động tốt hơn khi bạn buộc nó gắn nhãn bằng chứng rõ ràng: hành vi quan sát được, trích dẫn trực tiếp, metric, ý kiến nội bộ, hoặc chưa biết.

FAQ về product-discovery skill

product-discovery chỉ dành cho product manager phải không?

Không. product-discovery skill được định vị cho Product Management, nhưng cũng hữu ích với founder, designer, researcher, growth team và technical lead tham gia giảm rủi ro cho các đặt cược sản phẩm. Điều kiện quan trọng là người dùng có thể cung cấp bối cảnh về khách hàng, mục tiêu kinh doanh và các ràng buộc.

product-discovery tốt hơn prompt discovery thông thường ở điểm nào?

Một prompt thông thường có thể tạo ra danh sách câu hỏi hoặc thử nghiệm. product-discovery cung cấp cho agent một mô hình vận hành cụ thể hơn: kết quả đo lường được, Opportunity Solution Tree, nhóm giả định, chấm điểm rủi ro/độ chắc chắn, xác thực vấn đề, xác thực giải pháp và quyết định trong discovery sprint. Cấu trúc này giảm phỏng đoán và giúp so sánh đầu ra giữa các cơ hội dễ hơn.

product-discovery có thay thế user research không?

Không. Skill này giúp lên kế hoạch và tổng hợp discovery, nhưng không thể thay thế phỏng vấn, dữ liệu hành vi, prototype testing, hoặc bằng chứng thị trường. Hãy xem đầu ra của nó là giả thuyết và kế hoạch vận hành. Chất lượng kết quả phụ thuộc rất nhiều vào bằng chứng bạn cung cấp và mức độ sẵn sàng của đội ngũ trong việc loại bỏ các cơ hội yếu.

Người mới nên đọc gì trước?

Bắt đầu với SKILL.md để hiểu workflow, sau đó đọc references/discovery-frameworks.md để nắm định nghĩa các framework. Nếu bạn mới làm discovery, trước hết hãy tập trung vào ba khái niệm: Opportunity Solution Tree, cách đặt khung phỏng vấn Jobs-to-be-Done, và ma trận ưu tiên giả định. Chỉ dùng Python script sau khi bạn hiểu ý nghĩa của từng giả định.

Cách cải thiện product-discovery skill

Cải thiện kết quả product-discovery bằng bằng chứng tốt hơn

Cách nhanh nhất để cải thiện đầu ra của product-discovery là cung cấp bằng chứng thô, không phải các kết luận đã được trau chuốt. Hãy đưa vào trích đoạn phỏng vấn, metric hành vi, support ticket, lý do thua deal, usage funnel, hoặc quan sát từ prototype. Yêu cầu agent phân biệt “bằng chứng” với “diễn giải” để đội ngũ của bạn không vô tình xác thực một sở thích nội bộ.

Tránh các lỗi thường gặp

Các đầu ra yếu thường gặp gồm cây bắt đầu từ giải pháp, giả định mơ hồ, thử nghiệm quá lớn, và kế hoạch phỏng vấn đặt câu hỏi dẫn dắt. Hãy xử lý bằng cách yêu cầu:

• Cơ hội trước giải pháp
• Giả định được viết như mệnh đề có thể kiểm chứng
• Thử nghiệm nhỏ nhất nhưng vẫn đáng tin
• Ngưỡng thành công và thất bại
• Quyết định nào sẽ thay đổi sau thử nghiệm

Ví dụ, thay “users want better onboarding” bằng “new workspace admins fail to invite teammates because they do not understand permission consequences.”

Lặp lại sau đầu ra đầu tiên

Đừng xem kết quả đầu tiên là bản cuối. Hãy yêu cầu skill tự phê bình kế hoạch discovery của nó theo chi phí, tốc độ, chất lượng bằng chứng và tác động đến quyết định. Sau đó, yêu cầu loại bỏ các thử nghiệm không làm thay đổi một quyết định thật sự. Một prompt hữu ích cho vòng thứ hai là:

Review this discovery plan. Identify assumptions that are too vague, experiments that are too expensive, and places where we are testing preference instead of behavior. Revise into a 5-day plan with clear proceed, pivot, and stop criteria.

Tùy chỉnh skill cho đội ngũ của bạn

Để dùng hiệu quả hơn về lâu dài, hãy bổ sung các ví dụ riêng của đội ngũ: product metrics, phân khúc khách hàng, research templates, tiêu chuẩn thử nghiệm và ngưỡng ra quyết định. Nếu tổ chức của bạn có yêu cầu compliance nghiêm ngặt, chu kỳ enterprise sales, dynamics của marketplace, hoặc ràng buộc phần cứng, hãy đưa các yếu tố đó vào prompt. product-discovery mạnh nhất khi các framework tổng quát của nó được neo vào môi trường vận hành thực tế của bạn.