A partir de un estado objetivo claramente definido, el análisis del árbol de relevancia se puede utilizar para derivar de forma retrógrada las fases de desarrollo que describen un camino desde la situación actual hasta el estado objetivo. El análisis del árbol de relevancia también es la base para el desarrollo de modelos SD. Siempre que las interacciones estén representadas, es muy adecuado para tratar problemas complejos.
Primero, se determinan las variables efectivas que influyen directamente en el estado objetivo. Luego, para cada variable de efecto, se determina qué características la afectan, etc. Al mismo tiempo, se realiza una evaluación de la relevancia de las variables de efecto individuales para el estado objetivo y cómo se deben pronunciar las características para promover la consecución del estado objetivo. Las características externas son las variables en las que se puede influir directamente (variables influyentes), mientras que las características que están más adentro del árbol de relevancia a menudo solo indican efectos pero no se pueden influir directamente (variables indicadoras).
El análisis del árbol de relevancia ayuda a centrarse en las actividades que contribuyen en algo al logro del objetivo principal y también ayuda a diferenciar entre actividades importantes y menos importantes y aumenta tanto la eficacia como la eficiencia de los proyectos de implementación.