京公网安备 11010802034615号
经营许可证编号:京B2-20210330
你写的竞品分析,犯了这 5 个错误了吗?
产品小白最开始接触产品这个岗位的时候,几个名词是一定会看到的,例如:“竞品分析”、“用户调研”、“用户场景” 等等。
这篇文章,就唠一唠 “竞品分析”。刚接触产品这个岗位,应该是大二/三(2012/2013)的时候,那个时候,写了第一个竞品分析。先列当时的过程:(为了写个文章,爆自己的坑也是醉了,请多担当)
1、最初,我觉得 “在路上” 这款旅行游记 App 中的一个多人编辑游记这个功能特别有意思,和当时的朋友们玩的好 high 森,然后就想看看还有哪些是这样的,然后我就想当然的锁定了很多跟 “在路上” 一样的旅行游记类 App;
2、之后,在写的过程中,结合网上的竞品分析,我觉得应该要去写每个产品在各个不同面上的一些不同,这样才是完整的竞品分析:商业/盈利模式、用户群、迭代功能、交互、UI 设计、运营等等面;
3、最后,根据罗列出来的这几个产品在同一个面上的不同点,一项项写了自己的分析;
说实话,当时写完的时候,觉得自己完成了一项大工程呢。然而,现在再去看那时候的东西,发现实在是 “图奶衣服”。至少没搞清以下几点:
1、没有真正明确自己写竞品分析的目的
从上文的例子来看,当时的我因为感兴趣某个功能,想看看还有哪些产品是有类似功能的。那么,这个竞品分析是完全没有必要的。
why?
因为我的目的是 “想看看还有哪些是这样的”,而不是 “分析有这种功能的产品在这个功能上的差异性”。
所以,按照达到目的的功利性角度来说,写的再多、再详细,感动的是你自己,浪费的是你时间。(这里的 “浪费”,仅针对纯粹达到目的来说)
上文是我自己大三时候的例子,后来我发现其实很多人都会存在这个问题,把目的复杂化,或者说根本没想清楚自己的目的就去写竞品分析。
然而,这个是最需要先被明确的,直接决定了你之后的工作是否有意义。
2、没有明确自己的 “竞品” 是什么
从上文的例子来看,我觉得 “在路上” 这个 App 的某一个功能特别有意思,想看看还有哪些是这样。那么,这个分析的对象就错了。
why?
因为竞品应该是 “这个功能的竞品”,而不是 “这个产品本身的竞品”。按照原本的意思,至少可能被锁定的会是在线协作类产品,而不是限死在了旅游类产品。
对竞品理解错误了,同样,之后的分析就算写的累死也是错。
3、没有明确竞品分析怎么写
这个和第 2 点有直接关联。
从上文的例子来看,一个对象是某个功能、一个对象是整个产品。
那么对于某个功能的竞品分析来说,主要分析的可能是这个功能在各个产品中如何 UI 交互设计、用户对其反馈如何、是否有增加活跃度等等。
对于整个产品的竞品分析来说,主要分析的可能就是整体商业/赢利点情况、整体交互 UI、整体功能迭代情况、整体运营等等。可以发现,不同的竞品对象写出来的竞品分析是千差万别的。
4、没有明确竞品分析的程度
这一点是和竞品分析的目的有很大关系的,直接影响到你分析的丰富程度。
从上文的例子来看,我的目的不过是 “看看还有哪些产品是有这个功能”,并没有想知道这个功能会给这个产品带来什么样的结果、这个功能用户用户会不会买账、有了这个功能之后用户之间的关联是不是更强了等等。
举个例子:(恩,这个例子略牵强,因为饿的)
目的:
我家太后做了碗豆花,她让我试下是甜的还是咸的;
不同做法:
1、我试了一口,发现是咸的,禀告太后说是咸的——太后满意,结束;
2、我试了一口,发现是咸的,然后我用各种方法算出太后大人放了多少盐、放了多少酱油,最后禀告太后说是咸的,并且你放了 Ng 盐、Mml 酱油,快夸我厉害!——太后翻我白眼,我卒;
5、没有明确竞品分析的时间
这一点和第 4 点的丰富程度有关系。一定意义上来说,丰富程度大的,时间需要的长;丰富程度小的,时间需要的短。
所以,在明确竞品分析的目的、对象、程度之后,一定要有个时间预算的,相比这个危害应该不用多说。
好吧,其实上述五点其实都是相互作用。
一般 xx 定律看起来都比较拉轰,那么也来一个 “3+2 定律”——3 个 W,2 个 H:
why:为什么写、目的是什么
what:写什么、对象是什么
when:什么时候结束
how:怎么写、写什么
how much:写到什么程度
我以为,“竞品” 不再纯粹是 “竞争产品” 的缩写,而是扩充为 “借鉴产品”。根据工作的需要,我可以对整体细分领域下的产品做分析、对某个功能做分析,对某个交互方式做分析、对某种 UI 风格做分析、甚至细节到对某几种字体做分析。
“三人行,必有我师焉”,这个道理,套用在产品上也是一样。但凡是比我好的,我都可以借鉴,至于用不用、什么时候用、怎么用,这个就涉及到产品管理(综合性的产品周期管理、需求管理等),不多说。(关键是我现在经验少,也说不清,sigh)
理解为 “借鉴产品” 的意义在于:更大可能范围的优化产品。
要不举个实在的例子?
我们所做的 “选股宝”,是款 A 股资讯产品。目前主打以下内容:
1、分析师策略:合作的专业机构分析师根据自己的研究,推荐看好的股票,并且给目标价。同时,会在有变化的时候,进行风险提醒;
2、官方策略:根据影响股价的不同因素,给用户提供相应内容,包括:热点主题、每日早晚报消息面、盘中解盘、昨日复盘、昨日公告汇总、重大事件预告(投资日历)、个股龙虎榜、机构调研个股汇总等;
3、实时直播:盘前的消息、盘中的盘面变化、盘末的消息等等。非盘中,充当消息小能手;盘中,充当看盘神器;
当然标配的行情、k 线图肯定是有的。
那么针对性的竞品可能会有:(都不分先后)
针对策略:智投、金贝塔、牛股王、优顾、股票赢家、股票雷达、股市热点、百度股市通、雪球、云财经等等懒的写了…
针对实时直播:财联社、华尔街见闻、云财经、自选股等等懒的写了…
针对基本行情 k 线:同花顺、大智慧、东方财富、各券商自己 app 等等…
针对某些场景:投资赢家、股票赢家、股票高手、心跳投资、炒股公开课、问财等等….
针对某些功能:音频类软件、阅读类软件、投资理财类软件
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01