京公网安备 11010802034615号
经营许可证编号:京B2-20210330
以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接
https://edu.cda.cn/goods/show/3845?targetId=6754&preview=0
“我手里有好几个产品,该怎么分配资源?要不要继续投钱?”
“这条赛道还值不值得做?是机会,还是坑?”
这是很多创业者、产品经理,甚至做自媒体的人都会思考的问题。而波士顿矩阵(BCG矩阵),就是一张简单却非常有效的决策工具,让你用最直观的方式判断哪些业务值得继续押注,哪些该及时放弃。
如果你从没听说过这个工具,别担心,我会用最接地气的方式带你搞懂它,并告诉你如何用它来判断你的业务方向。
波士顿矩阵是波士顿咨询公司在1970年代提出的,核心思想是:所有业务(或产品)都可以按照“市场增长率”和“市场份额”两个维度进行分类。
来看这张图:

简单来说,这四种业务的策略完全不同:
光看理论不够,我们来看看现实中这些业务的“命运”是怎么变化的。
明星业务,就是市场在疯涨,你还抢到了头部位置,这样的机会谁都想要。
2007年,乔布斯站在发布会上,手里拿着第一代 iPhone,说出那句经典台词:“今天,苹果要重新定义手机!”

当时,整个智能手机市场正处于起飞阶段,诺基亚、黑莓是当时的霸主,但 iPhone 带来了完全不同的触屏交互体验,很快就冲到了市场的最前排。
在这种情况下,苹果当然要砸钱!
这就是典型的明星业务思维:在风口上,必须砸钱巩固市场份额,否则别人会超车。
业务分析是所有数据分析工作的基础,不懂业务根本没法进行数据分析,也无从判断数据是否异常。
类似的例子还有:

策略:
现金牛业务就是那些已经成熟、市场份额稳定的业务。它们可能没什么增长空间,但每年都能贡献一大笔利润。
最典型的案例是微软的 Windows。
想象一下,你是微软的 CEO,手上有一个全球 PC 端市场份额 90% 的 Windows 系统,你会怎么做?
Windows 早就不是明星业务,但它仍然是微软最赚钱的“现金牛”之一,每年都能贡献几十亿美元的收入。

类似的案例还有:
策略:

问题产品业务,处于市场在疯涨,但你的市场份额很小的尴尬状态。
还记得Facebook(Meta)砸钱搞元宇宙吗?
当扎克伯格宣布 All in 元宇宙时,这个市场的确在增长,但问题是:
结果,元宇宙业务被逐步收缩,Meta 开始重新把重心放回 AI 和社交平台。

这就是一个典型的“问题产品”业务:它可能有潜力,但如果竞争力不够,砸钱进去就是个无底洞。
策略:
瘦狗业务,就是那种市场不增长,你的市场份额也不大的业务,继续做下去只会消耗资源。
最典型的例子就是诺基亚的功能机。

当年,诺基亚曾是全球手机市场的霸主,但 iPhone 和安卓智能机崛起后,整个功能机市场萎缩,诺基亚的市场份额也被一步步蚕食。
他们犹豫了很久,直到2011年才决定转向 Windows Phone,结果这个决策不仅没救活诺基亚,反而让它彻底错过了安卓智能机时代。
瘦狗业务的教训就是:有些业务,拖着不放反而更糟,早点砍掉,资源可以用在更有前景的地方。
类似的案例还有:
策略:
如果你看完这篇文章,还只是记住了“明星、现金牛、问题产品、瘦狗”四个概念,那它的价值其实并没有真正发挥出来。

因为波士顿矩阵真正的价值,不是帮你分类,而是让你做出更聪明的资源分配决策。它不是一个静态工具,而是一个动态调整的思维框架。它不是让你机械地塞进四个象限,而是帮你看到市场趋势和资源最优解。
它不仅适用于企业战略,也适用于个人职业规划、投资分析、内容创作等领域。

所以,在实践中用好波士顿矩阵,我有以下几个压箱底的建议:
一个业务今天是明星,不代表明天不会跌成瘦狗;一个问题产品,如果市场增长得够快,可能迅速变成明星。
关键是盯紧市场趋势,及时调整策略,而不是死守当前的分类。

很多人热衷追风口,觉得“明星业务”才是未来,但现实是: 真正稳固的企业,都有强大的现金牛业务支撑。用它产生的利润,去投资下一个增长点,才是最稳健的打法。

问题产品是最纠结的业务,不是砸钱就能变成明星,关键是找准撬动市场的杠杆点。先做小规模试验,找到用户痛点,再决定是否加大投入。

瘦狗业务的最大风险是消耗你的时间、资金和注意力。很多企业就是因为迟迟不愿放手,让瘦狗业务拖垮了整体增长。
及时止损,避免沉没成本陷阱,把资源投向更有潜力的方向。

市场不会等你,今天的明星,明天可能就成了现金牛,甚至被淘汰。 真正聪明的企业/个人,会在明星业务变成熟之前,提前孵化下一个明星。这样才能保持长期增长,而不是被市场抛下。
如果你要用一句话记住这篇文章,那就是:
“不断调整,不恋战,重视现金流,提前布局未来。”
以上的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14