京公网安备 11010802034615号
经营许可证编号:京B2-20210330
浅谈产品竞争分析的方法
在企业中竞品分析工作大多数产品经理实际工作中很少去做,要么由市场和运营人员代劳,也或者产品部门配备市场研究相关岗位定期来做。而近来部门同事实行每月对现有产品进行竞品分析,参与一部分工作。对于既不是专才和通才的产品经理来说也是一种全新历练和学习.竞品分析结果只能作为一种参考依据(由于信息挖掘渠道和关注点都相对带有主观性,比较危险的是有些产品经理会特意朝预期潜意识心里判断来收集数据),通常服务于领导及产品管理层对产品信息动态能够有意识的去关注及时调整相关目标;
为什么要做竞品分析?
1. 为企业制定行业产品战略规划、产品各条子产品线布局、市场占有率提供一种相对客观的参考依据;
2. 随时了解竞争对手的产品和市场动态,如果挖掘数据渠道可靠稳定,根据相关数据信息可判断出对方的战略意图和最新调整方向;
3. 可掌握竞争对手资本背景、市场用户细分群体的需求满足和空缺市场;包括产品运营策略;
4. 自我快速调整、以保持自身产品在市场的稳定性或者快速提升市场占有率;
5. 新立项的产品、拍脑袋想出来的(很危险,指的是对新接触的行业没有积累和沉淀)没有形成较为有效完整的系统化思维和客观准确方向的;
竞品分析怎么去做?
值得一提的是,竞品分析报告在一家成熟的企业,基本上是长时间定期持续积累不断挖掘和分析的一个过程;从而让数据准确性提高具有很强的说服力;
1.确定哪些是你的竞争对手?
A. 产品直接竞争者:这里包括了市场目标方向一致、客户群体针对性极强、产品功能和用户需求相似度极高的,用阿泡的话说:“和你真刀真枪干上的竞争者”
B. 间接竞争者:市场客户群体目标不一致、但在功能需求方面互补了你的产品优势(也或者是你互补别人产品的)、但又不是主要靠该产品价值盈利的;
C. 同行业不同模式的:比如 B/S互联网模式和行业解决方案及单机C/S客户端,一锤子买卖和长期靠服务收费的;
D. 资本雄厚概念炒作的:观察到各大媒体平台经常炒作概念和具备行业前瞻性一些团队人才背景、资质、规模非常有潜力的企业;
2.从哪里获得竞争对手信息
A.从内部市场、运营部门、管理层等收集信息;
B.行业媒体平台新闻及论坛及QQ群,搜索引擎;
C.建立持续的产品市场信息收集小组;
D.调查核心用户、活跃用户、普通用户不同需求弥补和间接代替的产品;
E.竞争对手官方网站、交流互动平台、动态新闻、产品历史更新版本、促销活动;
F.季度/年度财报;
G.各大人才网站同行业人才简历更新;对方的博客及联系方式;包括对手官方网站招聘信息;
H.通过google搜索引擎找到国外同行业的官方网站及行业信息订阅(市场直接竞争者机率不大,但盈利模式和功能定义用户群体具备一定的前瞻性和市场趋势导向性);
I.试用对方产品、客服咨询、技术问答等等;
3.需要获取哪些信息?
A. 公司技术、市场、产品、运营团队规模及核心目标和行业品牌影响力;
B.实际季度年度盈利数值,及各条产品线资金重点投入信息;占据公司主盈利的产品线;
C.用户群体覆盖面、市场占有率、运营盈利模式;尽可能了解到固定周期的总注册用户量/装机量/有效转化率;
D.产品功能细分及对比;稳定性、易用性、用户体验交互、视觉设计实力、技术实现框架优劣势;
E. 产品平台及官方的排名和关键字及外链数量;
4.常用分析方法?
A. SWOT分析法:实际上是将对企业内外部条件各方面内容进行综合和概括,进而分析组织的优劣势、面临的机会和威胁的一种方法(较为宏观和主观)也可作为竞品分析的一种方法;
产品的优势与劣势有客观的认识;
产品的现状与前景;
必须考虑全面;
必须与竞争对手进行比较,比如优于或是劣于你的竞争对手;
简洁化,避免复杂化与过度分析;
B.客户满意度模型(Kano模型);
KANO模型定义了三个层次的顾客需求:基本型需求、期望型需求和兴奋型需求。这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素;
基本型需求:用户认为产品“必须有”的属性或功能。当其特性不充足(不满足用户需求)时,用户很不满意;当其特性充足(满足用户需求)时,无所谓满意不满意,用户充其量是满意;
期望型需求:耍求提供的产品或服务比较优秀,但并不是“必须”的产品属性或服务行为有些期望型需求连用户都不太清楚,但是是他们希望得到的;在市场调查中,用户谈论的通常是期望型需求,期望型需求在产品中实现的越多,用户就越满意;当没有满意这些需求时,用户就不满意;
兴奋型需求:要求提供给用户一些完全出乎意料的产品属性或服务行为,使用户产生惊喜。当其特性不充足时,并且是无关紧要的特性,则用户无所谓,当产品提供了这类需求中的服务时,用户就会对产品非常满意,从而提高用户的忠诚度。
C.波士顿矩阵
问题型产品:处在这个领域中的是一些投机性产品,带有较大的风险。这些产品可能利润率很高,但占有的市场份额很小。这往往是一个公司的新业务;
明星型产品: 这个领域中的产品处于快速增长的市场中并且占有支配地位的市场份额,但也许会或也许不会产生正现金流量;也可理解为爆增式用户量和装机量;
现金牛型产品:处在这个领域中的产品产生大量的现金,但未来的增长前景是有限的。这是成熟市场中的领导者,它是企业现金的来源;
瘦狗型业务:这个剩下的领域中的产品既不能产生大量的现金,也不需要投入大量现金,这些产品没有希望改进其绩效。一般情况下,这类业务常常是微利甚至是亏损的;
D.信息对比
产品基本信息:产品名称、产品类型、语言版本、网址、微博;
公司背景:公司资本、产品技术、市场、运营团队情况;
用户定位:不同形式和行业用户,但对产品都有诉求;
用户需求:功能、视觉设计、交互体验、用户满足期望值;
产品详情:产品定位、是否跨行业目标、产品模式;
产品功能:大小功能模块对比;
|
功能列表 |
竞争对手一 |
竞争对手二 |
竞争对手三 |
|
A1功能 |
√ |
√ |
√ |
|
A2功能 |
× |
√ |
√ |
|
A3功能 |
√ |
× |
√ |
盈利模式:
|
竞争对手一 |
竞争对手二 |
竞争对手三 |
|
盈利模式A
|
盈利模式B
|
盈利模式C
|
运营策略及数据排名:周期活动、运营规则、及行业排名外链关键字相关数据;
今天就谈这么多了,以上仅是个人在做竞品分析过程中涉及到的一些方法总结,其中还参考了部分同行业的观点,也是一个学习过程,请适当借鉴!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18