# Opportunity Solution Tree

> 机会方案树 (Opportunity Solution Tree)

- Skill: `dvcrn/opportunity-solution-tree` (Agent Skill)
- Install (CLI): `npx skillmds@latest add dvcrn/opportunity-solution-tree`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dvcrn/opportunity-solution-tree/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Product & Planning
- Author: dvcrn (https://skillmd.com/u/dvcrn)
- Updated: 2026-09-21
- Page: https://skillmd.com/skills/dvcrn/opportunity-solution-tree

---

# 机会方案树 (Opportunity Solution Tree)

> 版本：v1.0.0  
> 创建：2026-03-09  
> 作者：Elatia 🌀 (基于 Product-Manager-Skills 提炼)  
> 许可：MIT  
> 类型：Interactive Skill

---

## 📋 技能描述

**面向场景**: 明确问题后需要探索解决方案、避免过早收敛到单一方案、系统化创新思考  
**目标用户**: 产品经理、创新团队、战略规划人员  
**核心价值**: 从期望结果出发，系统探索机会空间，生成多样化解决方案，避免"解决方案跳跃"

---

## 🎯 核心能力

### 1. 树状结构思维
构建四层树状结构：
- **期望结果** (Outcome): 要达成的业务目标
- **机会** (Opportunities): 用户痛点/需求/场景
- **解决方案** (Solutions): 可能的产品/功能
- **实验** (Experiments): 验证方案的方法

### 2. 机会优先原则
强制先探索机会再想方案：
- 避免直接跳到解决方案
- 确保方案与机会对应
- 保持机会的独立性

### 3. 多样化方案生成
为每个机会生成多个方案：
- 至少 3 个方案/机会
- 方案之间独立
- 覆盖不同实现路径

---

## 🔧 使用方式

### 方式 1: 交互式引导（推荐）

```markdown
/opportunity-solution-tree
```

**构建树状结构流程**:

**1. 定义期望结果**
> 要达成的业务目标是什么？
> - 必须是可衡量的
> - 必须与业务目标对齐
> - 示例："将成单率从 15% 提升到 25%"

**2. 识别机会**
> 用户有哪些痛点/需求/场景？
> - 机会 1: [用户痛点或需求]
> - 机会 2: [用户痛点或需求]
> - 机会 3: [用户痛点或需求]
> 
> *提示：至少识别 5 个机会*

**3. 为每个机会生成解决方案**
> 对于机会 1，有哪些可能的解决方案？
> - 方案 1A: [方案描述]
> - 方案 1B: [方案描述]
> - 方案 1C: [方案描述]
> 
> *提示：每个机会至少 3 个方案*

**4. 为高优先级方案设计实验**
> 如何验证方案 1A 是否有效？
> - 实验类型：[访谈/原型测试/A/B 测试/...]
> - 实验设计：[具体方法]
> - 成功标准：[如何判断有效]

---

### 方式 2: 快速模式

```markdown
/opportunity-solution-tree quick \
  --outcome "成单率从 15% 提升到 25%" \
  --opportunities "方案生成慢，模板缺乏，新人上手慢，知识不沉淀" \
  --top-solutions "AI 生成方案，行业模板库，新人引导流程"
```

---

## 📝 输出模板

```markdown
# Opportunity Solution Tree: [主题]

## 期望结果 (Outcome)
**[可衡量的业务目标]**

例如：将成单率从 15% 提升到 25%，在 6 个月内

---

## 机会 (Opportunities)

### 机会 1: [机会描述]
**用户痛点/需求**: [具体描述]  
**证据**: [用户访谈/数据支持]  
**优先级**: [高/中/低]

#### 解决方案
- **方案 1A**: [方案描述]
  - 实现思路：[怎么做]
  - 预期影响：[对机会的影响]
  - 实现成本：[高/中/低]
  
- **方案 1B**: [方案描述]
  - 实现思路：[怎么做]
  - 预期影响：[对机会的影响]
  - 实现成本：[高/中/低]
  
- **方案 1C**: [方案描述]
  - 实现思路：[怎么做]
  - 预期影响：[对机会的影响]
  - 实现成本：[高/中/低]

#### 推荐实验
- **实验 1A-1**: [实验类型]
  - 设计：[具体方法]
  - 样本：[测试对象]
  - 成功标准：[如何判断有效]
  - 时间：[预计耗时]

### 机会 2: [机会描述]
...

### 机会 3: [机会描述]
...

---

## 树状图可视化

```
期望结果：[成单率 15% → 25%]
│
├── 机会 1: 方案生成耗时太长
│   ├── 方案 1A: AI 自动生成初稿
│   ├── 方案 1B: 智能模板推荐
│   └── 方案 1C: 历史方案智能复用
│
├── 机会 2: 缺乏行业模板
│   ├── 方案 2A: 预置 10 个行业模板
│   ├── 方案 2B: 模板市场（UGC）
│   └── 方案 2C: 竞品模板分析导入
│
├── 机会 3: 新人上手慢
│   ├── 方案 3A: 新人引导流程
│   ├── 方案 3B: 最佳实践库
│   └── 方案 3C: 导师配对系统
│
└── 机会 4: 知识不沉淀
    ├── 方案 4A: 方案自动归档
    ├── 方案 4B: 成功案例库
    └── 方案 4C: 失败复盘模板
```

---

## 优先级排序

### 机会优先级
| 机会 | 影响力 | 确定性 | 优先级 |
|------|--------|--------|--------|
| 机会 1 | 高 | 高 | 🔴 P0 |
| 机会 2 | 高 | 中 | 🟡 P1 |
| 机会 3 | 中 | 高 | 🟡 P1 |
| 机会 4 | 中 | 中 | 🟢 P2 |

### 方案优先级
| 方案 | 影响力 | 可行性 | 成本 | 优先级 |
|------|--------|--------|------|--------|
| 方案 1A | 高 | 中 | 中 | 🔴 P0 |
| 方案 1B | 高 | 高 | 低 | 🔴 P0 |
| 方案 2A | 高 | 高 | 低 | 🔴 P0 |
| 方案 3A | 中 | 高 | 低 | 🟡 P1 |

---

## 实验路线图

### 第 1 周：探索性实验
- [实验 1A-1]: [目标 + 方法]
- [实验 2A-1]: [目标 + 方法]

### 第 2-4 周：验证性实验
- [实验 1B-1]: [目标 + 方法]
- [实验 1A-2]: [目标 + 方法]

### 第 2 月：规模化实验
- [A/B 测试 1A]: [目标 + 方法]

---

## 决策记录

### 已验证有效的方案
- [方案 1B]: [证据 + 效果数据]

### 已证伪的方案
- [方案 1C]: [为什么无效]

### 待验证的方案
- [方案 1A]: [下一步实验]

### 已决定实施的方案
- [方案 2A]: [实施计划]
```

---

## 📚 示例

### 示例：提升销售成单率

```markdown
# Opportunity Solution Tree: 提升销售成单率

## 期望结果 (Outcome)
**将成单率从 15% 提升到 25%，在 6 个月内**

---

## 机会 (Opportunities)

### 机会 1: 方案生成耗时太长（平均 2 小时/份）
**用户痛点**: 销售每次从零开始写方案，重复劳动多，加班严重  
**证据**: 时间追踪数据，15 个销售访谈  
**优先级**: 高

#### 解决方案
- **方案 1A**: AI 自动生成初稿
  - 实现思路：输入客户需求，AI 生成 80% 内容
  - 预期影响：时间从 2 小时降至 30 分钟
  - 实现成本：高（需要 AI 能力）
  
- **方案 1B**: 智能模板推荐
  - 实现思路：根据客户行业/规模推荐最佳模板
  - 预期影响：时间从 2 小时降至 45 分钟
  - 实现成本：中
  
- **方案 1C**: 历史方案智能复用
  - 实现思路：搜索相似历史方案，一键复用
  - 预期影响：时间从 2 小时降至 1 小时
  - 实现成本：低

#### 推荐实验
- **实验 1B-1**: 原型测试
  - 设计：制作 5 个行业模板，找 3 个销售试用
  - 样本：3 个销售，各生成 2 个方案
  - 成功标准：时间<45 分钟，满意度≥4/5
  - 时间：1 周

### 机会 2: 缺乏行业模板，方案质量参差不齐
**用户痛点**: 没有标准化模板，新人写的方案质量差  
**证据**: 方案评审记录，客户反馈  
**优先级**: 高

#### 解决方案
- **方案 2A**: 预置 10 个行业模板
  - 实现思路：基于历史最佳方案，提炼标准模板
  - 预期影响：新人方案质量提升至 80 分
  - 实现成本：低
  
- **方案 2B**: 模板市场（UGC）
  - 实现思路：销售上传分享模板，积分激励
  - 预期影响：模板数量持续增长
  - 实现成本：中
  
- **方案 2C**: 竞品模板分析导入
  - 实现思路：分析竞品方案，提炼最佳实践
  - 预期影响：快速补齐模板缺口
  - 实现成本：中

#### 推荐实验
- **实验 2A-1**: MVP 测试
  - 设计：制作 3 个行业模板，A/B 测试
  - 样本：10 个销售，5 个用模板，5 个不用
  - 成功标准：模板组成单率>非模板组
  - 时间：2 周

### 机会 3: 新人上手慢（平均 3 个月才能独立成单）
**用户痛点**: 新人缺乏指导，靠试错成长  
**证据**: 新人成单数据，离职率分析  
**优先级**: 中

#### 解决方案
- **方案 3A**: 新人引导流程
  - 实现思路：7 天引导计划，每天一个任务
  - 预期影响：上手时间从 3 月降至 1 月
  - 实现成本：低
  
- **方案 3B**: 最佳实践库
  - 实现思路：Top Sales 的方法论沉淀
  - 预期影响：新人可快速学习
  - 实现成本：中
  
- **方案 3C**: 导师配对系统
  - 实现思路：新人配资深销售，定期辅导
  - 预期影响：加速成长
  - 实现成本：低

### 机会 4: 知识不沉淀，Top Sales 经验带不走
**用户痛点**: 优秀销售离职后，经验消失  
**证据**: 离职访谈，知识管理调研  
**优先级**: 中

#### 解决方案
- **方案 4A**: 方案自动归档
  - 实现思路：成交方案自动入库，打标签
  - 预期影响：知识库自动增长
  - 实现成本：中
  
- **方案 4B**: 成功案例库
  - 实现思路：结构化案例模板，强制填写
  - 预期影响：案例可复用
  - 实现成本：低
  
- **方案 4C**: 失败复盘模板
  - 实现思路：丢单后强制复盘，沉淀教训
  - 预期影响：避免重复错误
  - 实现成本：低

---

## 树状图可视化

```
期望结果：[成单率 15% → 25%]
│
├── 机会 1: 方案生成耗时太长
│   ├── 方案 1A: AI 自动生成初稿
│   ├── 方案 1B: 智能模板推荐 ⭐
│   └── 方案 1C: 历史方案智能复用
│
├── 机会 2: 缺乏行业模板
│   ├── 方案 2A: 预置 10 个行业模板 ⭐
│   ├── 方案 2B: 模板市场（UGC）
│   └── 方案 2C: 竞品模板分析导入
│
├── 机会 3: 新人上手慢
│   ├── 方案 3A: 新人引导流程 ⭐
│   ├── 方案 3B: 最佳实践库
│   └── 方案 3C: 导师配对系统
│
└── 机会 4: 知识不沉淀
    ├── 方案 4A: 方案自动归档
    ├── 方案 4B: 成功案例库 ⭐
    └── 方案 4C: 失败复盘模板
```

---

## 优先级排序

### 机会优先级
| 机会 | 影响力 | 确定性 | 优先级 |
|------|--------|--------|--------|
| 机会 1: 方案生成耗时 | 高 | 高 | 🔴 P0 |
| 机会 2: 缺乏行业模板 | 高 | 高 | 🔴 P0 |
| 机会 3: 新人上手慢 | 中 | 高 | 🟡 P1 |
| 机会 4: 知识不沉淀 | 中 | 中 | 🟢 P2 |

### 方案优先级
| 方案 | 影响力 | 可行性 | 成本 | 优先级 |
|------|--------|--------|------|--------|
| 方案 1B: 智能模板推荐 | 高 | 高 | 中 | 🔴 P0 |
| 方案 2A: 预置行业模板 | 高 | 高 | 低 | 🔴 P0 |
| 方案 3A: 新人引导流程 | 中 | 高 | 低 | 🟡 P1 |
| 方案 4B: 成功案例库 | 中 | 高 | 低 | 🟡 P1 |
| 方案 1A: AI 自动生成 | 高 | 中 | 高 | 🟢 P2 |

---

## 实验路线图

### 第 1 周：探索性实验
- 实验 1B-1: 3 个销售试用智能模板推荐原型
- 实验 2A-1: 制作 3 个行业模板，收集反馈

### 第 2-4 周：验证性实验
- 实验 1B-2: 扩大测试到 10 个销售，A/B 测试
- 实验 2A-2: 对比模板组 vs 非模板组成单率

### 第 2 月：规模化实验
- A/B 测试 1B+2A: 全团队 50% 使用，对比成单率

---

## 决策记录

### 已验证有效的方案
- 方案 1B: 模板推荐使时间降至 40 分钟，满意度 4.5/5
- 方案 2A: 模板组成单率 22% vs 非模板组 15%

### 已证伪的方案
- 方案 1C: 历史方案复用率低（<10%），因为难以搜索

### 待验证的方案
- 方案 3A: 下周开始新人引导流程测试

### 已决定实施的方案
- 方案 1B + 2A: 4 月上线，覆盖全团队
- 方案 4B: 5 月上线，强制成交后填写案例
```

---

## 🎯 质量标准

### 好的机会方案树
- ✅ 结果可衡量（有明确数字目标）
- ✅ 机会独立（不重叠不混淆）
- ✅ 方案多样（每个机会≥3 个方案）
- ✅ 实验具体（可执行可验证）
- ✅ 优先级清晰（有排序有理由）

### 常见陷阱
- ❌ 结果模糊（"提升体验"不可衡量）
- ❌ 机会方案混淆（把方案当机会）
- ❌ 方案单一（每个机会只有 1 个方案）
- ❌ 实验缺失（没有验证计划）
- ❌ 过早收敛（直接跳到最喜欢的方案）

---

## 🔗 与其他技能的关系

| 技能 | 关系 | 使用时机 |
|------|------|----------|
| problem-framing-canvas | 前置 | 问题框架清晰后构建树 |
| problem-statement | 前置 | 问题定义后可直接构建树 |
| epic-hypothesis | 后置 | 高优先级方案转化为史诗假设 |
| prd-development | 后置 | 确定实施的方案转化为 PRD |

---

## 📈 成功指标

| 指标 | 目标值 | 测量方式 |
|------|--------|----------|
| 机会数量 | ≥5 个 | 识别的有效机会数 |
| 方案多样性 | ≥3 个/机会 | 每个机会的方案数 |
| 实验覆盖率 | ≥80% | 高优先级方案有实验 |
| 决策质量 | ≥90% | 基于实验数据做决策 |

---

## 🔖 版本历史

| 版本 | 日期 | 变更 |
|------|------|------|
| v1.0.0 | 2026-03-09 | 初始版本，基于 Product-Manager-Skills 提炼 |

---

## 📄 许可

MIT License

---

*基于 Product-Manager-Skills by Dean Peters · CC BY-NC-SA 4.0*  
*适配 OpenClaw 标准：Elatia 🌀*