لوگوی راه چابکیراه چابکیAGILE WAY
آموزش مدیریت محصولدوره‌هاهوش مصنوعی در محصولمنتورینگمقالاتخدمات سازمانی
پروداکت کلاب
لوگوی راه چابکیراه چابکیAGILE WAY

یادگیری عمیق، تجربه واقعی و جامعه‌ای برای ساختن محصولات بهتر.

یادگیری

آموزش مدیریت محصولهوش مصنوعی در ساخت محصولهمه دوره‌هامقالات و تجربه‌هاپروداکت کلاب

خدمات

منتورینگ مدیریت محصولآموزش سازمانیمشاوره سازمانیسیاست تحریریه

ارتباط

09361697141agilityway.co@gmail.comتهران، ایران
© ۱۴۰۵ راه چابکی؛ همه حقوق محفوظ است.یادگیری برای ساختن محصول بهتر
خانه/مقالات
کشف و تحویل محصول · ۱۴ دقیقه

تفاوت Discovery و Delivery در تیم محصول؛ راهنمای عملی

Discovery و Delivery چه تفاوتی دارند و چگونه باید هم‌زمان پیش بروند؟ راهنمای نقش‌ها، جریان کار، معیارها، اشتباه‌ها و اجرای عملی در تیم محصول.

انتشار: ۱۳ مهر ۱۴۰۵
تیم محصول در حال پیوند دادن جریان کشف مسئله و آزمایش با ساخت، عرضه و بازخورد محصول

تفاوت Discovery و Delivery چیست؟

تفاوت Discovery و Delivery را می‌توان با دو سؤال ساده فهمید: در Discovery می‌پرسیم «چه چیزی ارزش ساختن دارد و چرا؟»؛ در Delivery می‌پرسیم «چگونه آن را با کیفیت، ایمن و قابل‌استفاده به دست کاربر برسانیم؟» اولی عدم‌قطعیت درباره مسئله و راه‌حل را کم می‌کند و دومی راه‌حل منتخب را به محصول واقعی تبدیل می‌کند.

اما این دو، دو فاز پشت‌سرهم یا دو تیم جدا نیستند. تیم سالم هم‌زمان یاد می‌گیرد و تحویل می‌دهد: یافته‌های تحقیق روی انتخاب و شکل راه‌حل اثر می‌گذارند، محدودیت‌های فنی Discovery را واقعی‌تر می‌کنند و داده پس از انتشار دوباره ورودی کشف می‌شود. اگر میان آن‌ها دیوار بسازید، خروجی Discovery به «تحویل نیازمندی» و خروجی Delivery به «تکمیل تسک» تقلیل پیدا می‌کند.

این راهنما در ۵ اکتبر ۲۰۲۶ با منابع جاری بازبینی شده است. اگر هنوز برای یک فرصت، فرض و آزمایش مشخص ندارید، ساخت Opportunity Solution Tree با کمک AI و راهنمای آزمایش محصول کم‌هزینه دو مکمل عملی این مقاله‌اند.

Discovery دقیقاً چه کاری انجام می‌دهد؟

Discovery یا کشف محصول مجموعه فعالیت‌هایی است که کمک می‌کند تیم درباره نتیجه مطلوب، مسئله کاربر، فرصت مناسب و راه‌حل قابل‌اتکا تصمیم بگیرد. مصاحبه و مشاهده کاربر، تحلیل داده، ترسیم فرصت‌ها، ایده‌پردازی، پروتوتایپ، آزمایش فرض و بررسی امکان‌پذیری فنی همگی می‌توانند بخشی از آن باشند.

Product Talk در تعریف به‌روز Product Trio تأکید می‌کند مدیر محصول، طراح و مهندس Discovery را با هم هدایت می‌کنند و همین افراد در تیم سازنده حضور دارند؛ نه اینکه گروه تحقیق سندی بسازد و آن را از روی دیوار به تیم توسعه پرتاب کند. خروجی خوب Discovery یک سند قطعی نیست؛ شواهد کافی برای یک تصمیم کوچک‌تر و کم‌ریسک‌تر است.

Discovery معمولاً چهار ریسک را بررسی می‌کند:

  • ارزش: آیا کاربر راه‌حل را انتخاب می‌کند و مسئله به‌اندازه کافی مهم است؟
  • کاربردپذیری: آیا کاربر می‌فهمد چگونه از آن استفاده کند؟
  • امکان‌پذیری: آیا با فناوری، داده، مهارت، زمان و مقیاس موجود قابل ساخت است؟
  • پایداری کسب‌وکار: آیا با استراتژی، حقوق، امنیت، عملیات، برند و اقتصاد محصول سازگار است؟

منابع و مطالعه بیشتر

  • Product Talk در تعریف به‌روز Product Trio
  • SVPG در توضیح چهار ریسک محصول
  • راهنمای رسمی Scrum
  • راهنمای جاری Atlassian درباره Product Discovery
تصویر مهدی فرحزادی
نویسندهمهدی فرحزادیمدیر محصول، مشاور و مدرس

مقالات مرتبط

تحلیل داده و مدیریت محصولبرنامه ۹۰ روزه مدیر محصول داده‌محور؛ از SQL تا آزمایشمسیر شغلی مدیریت محصولمسیر رشد مدیر محصول؛ از جونیور تا سینیورمدیریت محصول و هوش مصنوعیچک‌لیست عرضه قابلیت هوش مصنوعی؛ از Eval تا پایش

SVPG در توضیح چهار ریسک محصول نیز همین تفکیک را مبنای Discovery می‌داند. شدت هر ریسک یکسان نیست؛ برای یک جریان پرداخت، اعتماد و انطباق ممکن است مهم‌تر از جذابیت رابط باشد و برای یک قابلیت AI، کیفیت داده، هزینه و خطای مدل می‌تواند Discovery فنی بیشتری بخواهد.

Delivery دقیقاً چه کاری انجام می‌دهد؟

Delivery یا تحویل محصول، کار تبدیل راه‌حل منتخب به تجربه‌ای production-ready است: طراحی نهایی، معماری، توسعه، تست، امنیت، دسترس‌پذیری، مهاجرت داده، انتشار، مانیتورینگ، پشتیبانی و نگهداشت. هدف فقط «merge شدن کد» نیست؛ قابلیت باید برای کاربر قابل دسترس باشد و سطح کیفیت توافق‌شده را حفظ کند.

در Delivery هنوز یادگیری ادامه دارد. مهندس ممکن است محدودیتی کشف کند که راه‌حل را تغییر دهد، تست کاربردپذیری نسخه نزدیک به تولید مشکلی تازه نشان دهد یا rollout محدود رفتار متفاوتی از پروتوتایپ بسازد. پس Done به معنی «دیگر سؤال نداریم» نیست؛ یعنی این برش از محصول با استاندارد مشخص قابل عرضه و سنجش است.

راهنمای رسمی Scrum مسئولیت تیم را به توسعه محدود نمی‌کند و از تحقیق، آزمایش، نگهداشت و عملیات در کنار سایر فعالیت‌های محصول نام می‌برد. بنابراین می‌توان Discovery را درون یک تیم Scrum انجام داد؛ به شرطی که Sprint فقط کارخانه تبدیل backlog به خروجی نباشد. برای جزئیات این انتخاب، آیا اسکرام هنوز برای تیم‌های محصول مناسب است؟ را بخوانید.

تفاوت‌های کلیدی در یک نگاه

  • سؤال اصلی: Discovery می‌سنجد چه چیزی و چرا؛ Delivery روی چگونگی ساخت و رساندن تمرکز دارد.
  • نوع عدم‌قطعیت: Discovery ریسک مسئله، ارزش و راه‌حل را کم می‌کند؛ Delivery ریسک اجرا، کیفیت، یکپارچگی و عملیات را.
  • artifact رایج: خروجی Discovery می‌تواند مصاحبه، نقشه فرصت، prototype و نتیجه آزمایش باشد؛ خروجی Delivery کد، طراحی نهایی، تست، مستندات، telemetry و release است.
  • سطح fidelity: در Discovery فقط به‌اندازه یادگیری می‌سازیم؛ در Delivery به‌اندازه استفاده واقعی، مقیاس و نگهداشت.
  • معیار پیشرفت: Discovery با کاهش عدم‌قطعیت و کیفیت تصمیم پیش می‌رود؛ Delivery با جریان، کیفیت و رسیدن ارزش به کاربر.
  • هزینه تغییر: تغییر یک prototype ارزان است؛ تغییر راه‌حل پس از مهاجرت داده و عرضه عمومی گران‌تر می‌شود.
  • پایان کار: یک بررسی Discovery با تصمیم ادامه، تغییر، آزمایش بیشتر یا توقف تمام می‌شود؛ Delivery با انتشار و مشاهده نتیجه، چرخه تازه Discovery را آغاز می‌کند.

این تفاوت‌ها برای ساخت مرز سازمانی نیستند. راهنمای جاری Atlassian درباره Product Discovery Discovery را پیوسته، داده‌محور و متصل دوطرفه به Delivery توصیف می‌کند؛ وضعیت ساخت به تصمیم‌های محصول برمی‌گردد و شواهد تصمیم همراه کار به تیم اجرا می‌رسد.

آیا Dual Track یعنی دو تیم و دو backlog؟

نه. «دو مسیر» استعاره‌ای برای دیده‌شدن دو نوع کار است، نه مجوز ساخت دو سیلو. اگر یک تیم فقط مصاحبه کند و تیم دیگر فقط ticket تحویل دهد، دانش در handoff از بین می‌رود و افراد سازنده زمینه تصمیم را نمی‌فهمند. در مقابل، اگر همه کارها را در یک ستون عمومی بگذارید، کار فوری Delivery معمولاً Discovery را می‌بلعد.

مدل عملی‌تر این است: یک تیم، یک outcome و دو جریان قابل‌مشاهده. آیتم Discovery سؤال یا فرض دارد؛ آیتم Delivery برش قابل‌عرضه و معیار کیفیت. ارتباط میان آن‌ها ثبت می‌شود، اما لازم نیست هر فرض فوراً به feature یا هر feature به پروژه تحقیقاتی بزرگ تبدیل شود.

جریان هفت‌مرحله‌ای برای پیوند Discovery و Delivery

۱. از outcome مشترک شروع کنید

به‌جای «ساخت داشبورد جدید»، نتیجه‌ای مانند «افزایش درصد مدیرانی که تا روز هفتم اولین تصمیم هفتگی را با داده می‌گیرند» تعریف کنید. outcome مرجع هر دو جریان است: Discovery بهترین مداخله را می‌یابد و Delivery آن را قابل استفاده می‌کند.

۲. دانسته‌ها و نادانسته‌ها را جدا کنید

شواهد قطعی، فرض‌ها و سؤال‌های باز را روی یک صفحه ثبت کنید. سپس چهار ریسک ارزش، کاربردپذیری، امکان‌پذیری و کسب‌وکار را امتیاز دهید. پرریسک‌ترین فرض کم‌شاهد باید زودتر بررسی شود؛ نه جذاب‌ترین قابلیت.

۳. Product Trio را وارد تماس با مسئله کنید

مدیر محصول زمینه کسب‌وکار، طراح رفتار و تجربه، و مهندس محدودیت و فرصت فنی را می‌آورد. هر سه بهتر است بخشی از مصاحبه، مرور داده و تست راه‌حل را ببینند. حضور مهندس پس از نهایی‌شدن mockup، Discovery فنی را به جلسه تخمین دیرهنگام تبدیل می‌کند.

۴. شواهد کافی برای حرکت را تعریف کنید

Definition of Ready سنگین نسازید. برای هر گزینه بنویسید کدام ریسک‌ها بررسی شده‌اند، چه چیز هنوز نامعلوم است، کوچک‌ترین برش قابل‌تحویل چیست و چه سیگنالی تصمیم را عوض می‌کند. هدف قطعیت کامل نیست؛ سطحی از اطمینان است که هزینه قدم بعد را توجیه کند.

۵. برش نازک را به Delivery ببرید

راه‌حل را طوری محدود کنید که یک مسیر ارزش انتها‌به‌انتها را تحویل دهد. زیرساخت، طراحی، instrumentation، quality و rollout بخشی از همان برش‌اند. یک frontend نمایشی بدون داده واقعی یا backend کامل بدون تجربه کاربر، یادگیری محصول را عقب می‌اندازد.

۶. تدریجی منتشر و از ابتدا اندازه‌گیری کنید

feature flag، پایلوت یا rollout مرحله‌ای شعاع خطا را کم می‌کند. پیش از انتشار متریک نتیجه، گاردریل‌ها، eventها و آستانه توقف را مشخص کنید. برای جلوگیری از تصمیم روی داده معیوب، اشتباهات رایج تحلیل داده محصول را مرور کنید.

۷. داده Delivery را به Discovery برگردانید

پس از عرضه فقط uptime و تعداد bug را نبینید. رفتار کاربر، کیفیت outcome، تیکت پشتیبانی و هزینه عملیات را مرور کنید. تصمیم بعدی باید روشن باشد: گسترش، اصلاح، آزمایش تکمیلی یا حذف. این حلقه همان چیزی است که مدل خطی «تحقیق، طراحی، ساخت، پایان» از دست می‌دهد.

مثال: بهبود فعال‌سازی یک ابزار گزارش‌ساز

فرض کنید فقط ۲۴ درصد مشتریان جدید تا پایان هفته اول اولین گزارش را می‌سازند. راه‌حل اولیه تیم، افزودن tutorial طولانی است. در Discovery، سه مصاحبه و مرور sessionها نشان می‌دهد مشکل اصلی آموزش دکمه‌ها نیست؛ کاربران نمی‌دانند کدام منبع داده برای سؤالشان مناسب است.

تیم سه گزینه می‌سازد: wizard انتخاب منبع، templateهای مبتنی بر نقش و جلسه onboarding. با prototype و پنج کاربر، template نقش‌محور سریع‌تر به گزارش معتبر می‌رسد؛ اما مهندس نشان می‌دهد کیفیت template بدون نگاشت schema مشتری پایین می‌آید. یک technical spike و concierge test، حداقل نگاشت لازم را روشن می‌کند.

در Delivery، تیم فقط دو نقش پرتکرار را با instrumentation و fallback می‌سازد، ابتدا برای ۱۰ درصد کاربران منتشر می‌کند و زمان رسیدن به اولین گزارش، نرخ خطا و درخواست پشتیبانی را می‌سنجد. نتیجه نشان می‌دهد تکمیل جریان بهتر شده اما یکپارچه‌سازی منبع دوم افت کرده است. این داده، ورودی Discovery بعدی می‌شود. تیم نه tutorial کامل ساخته و نه پس از release یادگیری را متوقف کرده است.

چه معیارهایی را دنبال کنیم؟

برای Discovery، تعداد مصاحبه یا prototype به‌تنهایی معیار موفقیت نیست. بهتر است زمان از سؤال تا شاهد، درصد فرض‌های حیاتی آزموده‌شده، زمان تصمیم و تعداد گزینه‌های کنارگذاشته‌شده پیش از ساخت را ببینید. این‌ها باید کنار کیفیت شواهد خوانده شوند؛ سرعت در تولید تحقیق ضعیف مزیت نیست.

برای Delivery، lead time، deployment frequency، نرخ شکست تغییر، زمان بازیابی، defect، accessibility و سلامت سرویس مفیدند. اما این اعداد نیز موفقیت محصول را ثابت نمی‌کنند. یک تیم می‌تواند قابلیت بی‌ارزش را بسیار سریع و پایدار منتشر کند.

معیار اتصال، outcome محصول است: آیا رفتار و ارزش موردنظر تغییر کرد و گاردریل‌ها سالم ماندند؟ معیارهای Discovery و Delivery باید توضیح دهند چرا به آن outcome رسیده‌اید یا نرسیده‌اید، نه اینکه جای آن را بگیرند.

اشتباه‌های رایج

  • Discovery را پروژه‌ای فصلی می‌دانیم که قبل از «شروع کار واقعی» تمام می‌شود؛
  • مدیر محصول و طراح تحقیق می‌کنند و مهندس فقط در جلسه تخمین وارد می‌شود؛
  • یک مصاحبه مثبت را validation می‌نامیم و راه‌حل محبوب را قطعی می‌کنیم؛
  • backlog پر از feature را خروجی Discovery می‌دانیم، بدون پیوند به outcome و شواهد؛
  • Delivery را فقط سرعت کدنویسی می‌سنجیم و کیفیت، rollout و عملیات را حذف می‌کنیم؛
  • prototype را بی‌دلیل production-ready می‌کنیم یا کد production را برای سؤال کم‌ریسک می‌سازیم؛
  • پس از انتشار فقط adoption را می‌بینیم و اثر روی ارزش، بخش‌های کاربری و گاردریل‌ها را نمی‌سنجیم؛
  • دو تیم، دو ابزار و دو زبان می‌سازیم و هزینه handoff را نادیده می‌گیریم.

چک‌لیست یک تیم متعادل

  • یک outcome مشترک و قابل‌اندازه‌گیری برای هر دو جریان دارید؛
  • سؤال‌ها، فرض‌ها و شواهد Discovery کنار تصمیم‌ها قابل ردگیری‌اند؛
  • محصول، طراحی و مهندسی از ابتدا در کشف حضور دارند؛
  • آیتم Delivery به مسئله، شواهد و معیار نتیجه وصل است؛
  • برش عرضه کوچک است اما مسیر ارزش را انتها‌به‌انتها پوشش می‌دهد؛
  • کیفیت، امنیت، دسترس‌پذیری و telemetry جزئی از Done هستند؛
  • rollout و آستانه توقف پیش از انتشار تعریف شده‌اند؛
  • داده و بازخورد پس از عرضه، تصمیم بعدی Discovery را می‌سازند؛
  • ظرفیت دو جریان براساس ریسک بازبینی می‌شود، نه با عدد ثابت؛
  • موفقیت نهایی با outcome سنجیده می‌شود، نه تعداد تحقیق یا feature.

جمع‌بندی

Discovery کمک می‌کند چیز درست را انتخاب کنیم و Delivery کمک می‌کند آن را درست، ایمن و قابل استفاده بسازیم. یکی بدون دیگری یا به یادگیری بی‌اثر ختم می‌شود یا به خروجی سریع اما کم‌ارزش. مزیت واقعی از حلقه‌ای می‌آید که یک تیم مشترک، شواهد، ساخت و نتیجه واقعی را پیوسته به هم وصل می‌کند.

برای شروع، یک آیتم مهم backlog را انتخاب کنید و سه چیز کنار آن بنویسید: outcome موردنظر، پرریسک‌ترین فرض و شاهدی که پس از عرضه تصمیم شما را تغییر می‌دهد. اگر برای طراحی این جریان به بازخورد نیاز دارید، ارزیابی بلوغ محصول تیم، پروداکت کلاب راه چابکی و منتورینگ مدیریت محصول مسیرهای عملی بعدی‌اند.