O que é Opportunity Solution Tree?
Em português: Árvore de Oportunidades e Soluções
A árvore conecta outcome, necessidades de clientes, soluções candidatas e testes de suposições numa visão de discovery.
Opportunity Solution Tree é uma ferramenta visual criada por Teresa Torres para conectar o resultado desejado às necessidades e dores de clientes, às soluções candidatas e aos testes de suposições. Ela ajuda equipes de produto a explorar o problema antes de escolher a implementação e a revisar decisões conforme aprendem, sem perder de vista o outcome.
Origem
Teresa Torres apresentou a Opportunity Solution Tree em texto publicado no Product Talk em 2016 e a desenvolveu em sua abordagem de descoberta contínua. A definição atual da autora descreve quatro níveis: resultado desejado, oportunidades, soluções e testes de suposições. O desenho representa o raciocínio do time; não é uma fórmula que determine automaticamente a melhor solução.
Fonte primária: Why This Opportunity Solution Tree is Changing the Way Product Teams Work
Na prática
A Opportunity Solution Tree, ou árvore de oportunidades e soluções, coloca quatro níveis de raciocínio numa mesma imagem: resultado desejado, oportunidades percebidas por clientes, soluções candidatas e testes de suposições. A estrutura foi criada por Teresa Torres para apoiar Product Discovery contínuo. Seu valor não vem do formato gráfico em si, mas das conversas que torna possíveis. Cada ramo expõe a hipótese de que atender a determinada necessidade por meio de uma solução ajudará a alcançar o resultado.
O que acontece quando falta
Sem um mapa de raciocínio, a equipe pode saltar de uma meta de negócio para a primeira funcionalidade proposta. Necessidades de clientes, alternativas e suposições ficam implícitas. A árvore ajuda a tornar essas relações visíveis e discutíveis. Ela não é obrigatória para toda equipe; o essencial é manter conexão entre resultado, problema, escolha de solução e evidência.
Como funciona uma Opportunity Solution Tree
A Opportunity Solution Tree, ou árvore de oportunidades e soluções, coloca quatro níveis de raciocínio numa mesma imagem: resultado desejado, oportunidades percebidas por clientes, soluções candidatas e testes de suposições. A estrutura foi criada por Teresa Torres para apoiar Product Discovery contínuo. Seu valor não vem do formato gráfico em si, mas das conversas que torna possíveis. Cada ramo expõe a hipótese de que atender a determinada necessidade por meio de uma solução ajudará a alcançar o resultado.
Resultado desejado. No topo, escolha um outcome que o time possa influenciar e verificar. Pode ser uma mudança de comportamento de clientes ligada a um objetivo de negócio. “Lançar uma nova área” é entrega, não resultado. “Mais pessoas concluírem uma tarefa essencial sem ajuda” abre espaço para soluções alternativas. Especifique público, linha de base, período e limites de qualidade. Sem esse ponto de orientação, a árvore vira coleção de ideias.
Espaço de oportunidades. Oportunidades são necessidades, dores e desejos das pessoas que usam ou poderiam usar o produto. Elas surgem de entrevistas, observação, dados e outras evidências. “Cliente não entende se o pagamento foi aceito” descreve uma dificuldade; “criar um aviso” já é solução. A distinção parece simples, mas muitos mapas rotulam recursos de produto como necessidades. Volte à linguagem do cliente e à situação concreta em que o problema aparece.
Organização da árvore. O time pode agrupar oportunidades maiores e menores, mostrando relações. Uma dificuldade geral na primeira compra pode incluir dúvidas sobre preço, confiança no pagamento e formas de entrega. A hierarquia é um modelo provisório do conhecimento coletivo, não uma taxonomia definitiva. Duas estruturas plausíveis podem levar a escolhas diferentes; discuti-las é parte do trabalho. Atualize o mapa quando evidência nova contradizer sua organização.
Escolha de oportunidade-alvo. Não é preciso atacar cada ramo. Compare oportunidades por frequência, intensidade, relação com o outcome e capacidade de atuação. Teresa Torres recomenda priorizar dentro do espaço de oportunidades antes de gerar soluções. A escolha de um alvo reduz dispersão. Registre também o que ficou fora e por quê, para que uma mudança de contexto permita reavaliar sem recomeçar toda a pesquisa.
Soluções candidatas. Depois de escolher uma oportunidade, gere mais de uma maneira de atendê-la. Se pessoas hesitam por não entender o custo final, alternativas podem incluir mostrar o total antes, explicar componentes do preço ou mudar a apresentação da oferta. Uma única ideia ligando diretamente o resultado à implementação esconde suposições. Várias candidatas permitem comparar custo, risco, experiência e aprendizado.
Testes de suposições. Sob cada solução, identifique o que precisa ser verdade para ela funcionar: as pessoas perceberão a mudança? Ela resolverá a dificuldade? É viável construir e operar? Há restrições legais ou comerciais? Escolha testes proporcionais à incerteza, como protótipos, entrevistas sobre tarefas, experimentos controlados ou análise de dados. Um teste informa uma decisão; não deve ser apresentado como prova universal de sucesso.
Conexão entre ramos. A árvore permite voltar um passo quando um teste falha. Talvez a solução seja inadequada para a oportunidade. Talvez a oportunidade seja pequena demais para mover o outcome. Talvez o resultado escolhido seja amplo ou esteja fora da influência do time. O registro visual ajuda a não confundir falha de uma ideia com invalidação do problema inteiro. A decisão muda conforme o nível da suposição que a evidência desafia.
Trabalho do trio e do time. Torres associa descoberta contínua a colaboração próxima de produto, design e engenharia, com contato frequente com clientes. Isso não significa excluir outras pessoas das evidências e decisões. Suporte, operações, segurança e vendas podem revelar necessidades e restrições importantes. Uma árvore privada, mantida por uma pessoa só, perde valor de alinhamento. Use-a em conversas curtas para explicitar escolhas e dúvidas.
Ligação com delivery. Soluções validadas ainda precisam ser construídas, medidas e ajustadas. A árvore não substitui backlog, critérios de aceitação ou planejamento de entrega. Ela oferece contexto para escolher o que construir e para voltar a perguntar se o resultado ocorreu após a publicação. Uma funcionalidade pronta é evidência de output. Mudança de comportamento demanda observação posterior e comparação com a linha de base.
Limites. Nem todo trabalho começa com entrevistas semanais ou possui medida perfeita de outcome. Em serviços com poucos usuários, evidências qualitativas e indicadores indiretos podem ser mais realistas. A equipe deve deixar incertezas visíveis em vez de fingir precisão. A árvore também não resolve conflito político por si. Liderança precisa conceder espaço para que o time investigue alternativas e ajuste prioridades quando aprende.
Exemplo de árvore para um produto educacional
Exemplo hipotético: uma plataforma de cursos quer aumentar a proporção de novos estudantes que concluem a primeira aula em sete dias. Hoje 35 de cada 100 conseguem. O time conversa com estudantes que começaram e pararam. Aparecem oportunidades diferentes: alguns não sabem por onde iniciar, outros não conseguem reservar tempo e um grupo teme que o conteúdo seja avançado demais. “Enviar mais notificações” seria uma solução possível, mas ainda não é a necessidade.
O time escolhe investigar a dificuldade de encontrar um primeiro passo apropriado. Desenha três opções: recomendação simples por objetivo, página de orientação e aula curta de demonstração. Para a recomendação, testa um protótipo com tarefas observadas e verifica se estudantes escolhem uma aula adequada. Para a página, testa se a linguagem responde às dúvidas sem aumentar o tempo de decisão. As observações são indícios, não uma previsão exata de impacto.
Após publicar uma orientação enxuta para um grupo comparável, 48 de cada 100 estudantes concluem a primeira aula em sete dias. O time verifica se houve diferença de perfil, campanha ou calendário e acompanha retenção posterior. O resultado numérico é ilustrativo. A árvore ajuda a explicar por que a solução foi escolhida, quais alternativas ficaram abertas e qual oportunidade merece investigação em seguida.
Como montar e usar a árvore
Defina o outcome
Especifique a mudança desejada, o público e a medida que poderá mostrar progresso.
Reúna evidências
Entreviste e observe clientes, examine dados e registre situações concretas.
Mapeie oportunidades
Separe necessidades e dores de propostas de funcionalidades.
Escolha um alvo
Compare ramos do espaço de oportunidades e explicite sua decisão.
Gere alternativas
Proponha várias soluções para a oportunidade escolhida.
Teste suposições
Identifique riscos de valor, usabilidade, viabilidade e execução.
Atualize a árvore
Use aprendizados da entrega e do uso para revisar ramos e prioridades.
Erros comuns na árvore de oportunidades
- Começar por funcionalidades. Ideias de solução não substituem necessidades observadas.
- Escolher um outcome vago. Sem mudança verificável, qualquer ramo parece válido.
- Mapear apenas uma solução. Isso esconde alternativas e aumenta apego à primeira ideia.
- Tratar entrevista como confirmação. Pesquisa também deve revelar que a hipótese estava errada.
- Congelar o diagrama. Evidências novas precisam poder mudar a estrutura.
- Encerrar no teste. O comportamento após a entrega mostra se houve resultado.
Para se aprofundar
Fontes primárias
- Opportunity Solution Tree, Product Talk
- Why This Opportunity Solution Tree is Changing the Way Product Teams Work, Teresa Torres (2016)
Termos relacionados
Perguntas frequentes
O que é uma Opportunity Solution Tree?
É uma representação visual do caminho entre um resultado desejado, oportunidades percebidas por clientes, soluções candidatas e testes de suposições. Teresa Torres a criou para apoiar descoberta contínua de produto. A árvore permite que a equipe explique por que explora uma ideia e retorne a outros ramos quando a evidência indica que a escolha atual não funciona.
Oportunidade é a mesma coisa que solução?
Não. Oportunidade descreve necessidade, dor ou desejo de uma pessoa em determinada situação. Solução é uma forma possível de atender a essa necessidade. “Não sei se meu pagamento foi aceito” é uma oportunidade; “enviar uma confirmação” é uma solução candidata. Separar as duas amplia opções e evita que uma funcionalidade seja tratada como problema comprovado.
Como escolher a oportunidade-alvo?
Use evidências de clientes e avalie a relação de cada oportunidade com o outcome, a importância do problema e a possibilidade de atuação do time. Compare ramos antes de gerar soluções detalhadas. A priorização não é uma fórmula automática: registre incertezas e razões para a escolha. Se testes ou resultados contradisserem a hipótese, volte ao espaço de oportunidades.
Preciso testar todas as soluções da árvore?
Não. A árvore deve tornar alternativas visíveis, não criar obrigação de executar cada ideia. Escolha candidatas promissoras e identifique as suposições mais arriscadas. Testes pequenos podem eliminar opções antes de construir. Mesmo uma solução que passe por protótipo exige observação depois da entrega, porque interesse declarado ou tarefa simulada não garante mudança de comportamento real.
A árvore substitui o backlog ou o roadmap?
Não. O backlog ajuda a organizar trabalho de entrega; o roadmap comunica direção e possíveis etapas. A Opportunity Solution Tree registra o raciocínio de descoberta que liga outcome, necessidades, alternativas e evidência. Uma solução escolhida pode gerar itens de backlog, e os resultados após publicação podem mudar tanto a árvore quanto o plano. As ferramentas atendem decisões diferentes.
