京公网安备 11010802034615号
经营许可证编号:京B2-20210330
【总结】竞品分析报告撰写的方法
一份优(有)秀(用)的竞品分析报告,不是说简单地找几个类似的产品,罗列几个功能,说几个优缺点就可以的,其中往往包括了很多文案撰写逻辑,对比分析方法论,还有最重要的是作者说了一大通分析之后的问题解决思路。
那么正确撰写竞品分析的姿势应该系怎样的呢?
竞品分析三步曲
①选择分析目标:明确竞品分析的重点和需要解决的问题;选择合适的竞品(业务相同或者相关的产品)
②对比和分析:按照若干维度(产品功能、交互设计、运营策略等)对产品和竞品进行逐项罗列对比和分析优劣
③讨论和提出解决思路:根据第一步的确立的分析重点和第二步相关维度的对比进行综合讨论分析,进一步可结合时下的行业发展趋势,提出符合逻辑的解决方案思路。
1、设定分析目标
很多新人和童鞋(包括曾经的卤煮)在第一次写竞品分析的时候,往往都会过于侧重直接去对比分析,而忽视了如何筛选竞品,为何做竞品分析,分析的重点是什么,需要解决什么问题等细节。
“选择重于分析”–网易著名设计师刘津
而在这里我引申为“选择分析目标”。这里包含两类目标:
①分析的侧重点:任何一份报告都有一个中心点,竞品分析一般也会围绕一个核心(公司的发展方向、产品的迭代方向等)去展开,这个核心就是分析讨论的侧重点,需要作者花费更多篇幅去做详细论述,否则面面俱到只会让自己陷在精力崩溃、读者阅读乏味的泥沼中。
栗子:卤煮之前写过一篇社交产品的竞品分析,目的是探寻一种更nice的构建陌生人关系的方法和怎样帮助陌生人社交平台沉淀用户关系链。至于社交平台怎样流量变现、运营策略这些就不是侧重点,简单对比即可,少花精力分析。
②选择竞品:选对了竞品事半功倍,选错了后悔一生。竞品分析的唯一前提就是竞品,如果你竞品都选错了,浪费工作量不说,得出错误结论祸害团队那才是致命的。
栗子:还是卤煮那篇文档,当初一想到移动社交,就想起微信,虽然也觉得不妥,但是加进去写了。虽然最后也没有太多篇幅关于它,最多就是浪费工作量。但是万一卤煮脑袋一热得出了个结论说“陌生人的有效方法是摇一摇和漂流瓶,因为微信体量很大,所以建议移动社交产品必须加这俩功能”,那岂不是被前辈笑惨了(逗你的 – -)。
那怎样正确选择竞品呢,所谓知己知彼。首先是要知己:
如果是立项阶段,就要清楚目前市场趋势在哪里,用户需求,产品定位等。
如果是大规模迭代改版,可能会倾向旧产品的不足之处以及新兴产品的特点等。
这里介绍刘津前辈的一个选择竞品的高效方法,如下图。该方法相对比较严谨和复杂,实际运用还要看报告的需求来灵活使用。

2、对比和分析
对比和分析是竞品分析的内容主体,一般有两个点需要着重注意:
①分析维度
竞品分析,可能会从以下几个维度进行对比分析:战略定位、盈利模式、用户群体、产品功能、产品界面(交互方式、视觉表现)、数据和技术等,对于不同目的的竞品分析,会有所侧重,这和第一步中确定分析目标相对应。
而着重UE角度分析,可以参考《The Elements of User Experience》的相关理论(将UE分为5个层面),实际写报告时候,将相应内容填充即可。

②分析准则
无论是做哪个维度的对比,都需要基于相同的标准(准则),才能作出合理的分析。不过这对于一般的产品功能来说,没有成文的规范,大概做到“相同的操作系统,同一时期的版本,同一地区的版本等”即可。而做交互分析,可能需要严格按照类似“十项可用性准则”之类的法则来做:1,一致性和标准性;2,通过有效的反馈信息提供显著的系统状态;3,方便快捷的使用;4,预防出错;5,协助用户认识,分析和改正错误;6,识别而不是回忆;7,符合用户的真实世界;8,用户自由控制权;9,美观,精简的设计;10,帮助和说明。
对比分析一般步骤是:
–>寻找产品元素
–>罗列展示(截图、标示、图表法等)
–>列举各自优缺点(尽可能思考出更深层次的逻辑关系,揣摩竞争对手的意图)
参照之前面试官的反馈和各个网路大神的博文归纳可知,这一块重点不在于你罗列多详细,而在于你把每个罗列项分析到位了没有(好像是废话啊,orz)
3、讨论和提出解决思路
有了上一步坚实的分析基础,最后一步就是展示自己解(吹)决(水)问(功)题(力)了。
回头看看自己定下的竞品分析目标是什么,需要为解决什么问题
看看第二步中相应维度的对比分析结论,然后切换到用户身份,脑补一下自己的“需求”是什么
最后啃一篇科技媒体的“趋势分析”,了解近未来的行业趋势
就可以脑洞大开出属于自己的解决方案了
上面虽然言语略带调侃,但实际情况大概就是这样,尤其是新人和学生在行业知识不甚充足的时候,借鉴专业媒体来打开思路不失为一个方法,不过最好也应该更多地基于自己亲身体验的感受,虽然你的是“伪需求”,但毕竟也代表着某一类用户。
补充一条:
想让自己的解决方案看起来更加靠谱,往往需要引用一些具体的数据来定性分析,这时可以结合自己情况做些小调研,了解一下其它用户对该问题的看法,或者去一些数据门户,看看专业调查分析的一些借鉴一下。
再补充一条:
单纯的竞品分析没有什么意义,切勿为了分析而分析,而是应该带着问题去做竞品分析,把竞品分析当作是熟悉业务、解决问题的手段。
以上是关于卤煮之前曾经在写竞品分析时候犯过的一些错误的反省和方法论的总结,还有对部分网络大神精彩文章的引述。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13