京公网安备 11010802034615号
经营许可证编号:京B2-20210330
你搞清楚竞品分析和产品分析的区别了么?
当年刚刚入产品经理这一行的时候,第一节课学习的就是如何对产品进行分析。但是随着年龄的增长,时常感到自己对竞品分析与产品分析理解的浅薄,我一度无法分清两者的区别与侧重点,现在才对两者之间的关系渐渐清晰,这里简单总结一下我对竞品分析与产品分析的理解。

如何选择竞品
我们选择竞品往往需要分类选择。
竞品我理解应该分为三类:直接竞品、潜在竞品、转移性竞品。
直接竞品:这一类是大家最好理解且最常分析的竞品,就是与我们产品目标用户相同,内容相似,构成直接竞争的产品。
潜在竞品:与我们产品目标用户相似,暂时没有我们产品的功能模块,但是通过后期升级,可以加上此类模块的产品。最简单的例子就是陌陌与微信周围的人,陌陌是一款以LBS为基础的实时通信产品,微信是以熟人社交为基础的实时通信产品,虽然产品目标不同,但很可能会由潜在竞品向直接竞品转化。
转移性竞品:目标人群具有一定共性,产品目标不同,但在特定场景下对用户使用时间形成竞争的产品。比如我们在坐地铁的这段时间里有很多选择,玩游戏、看小说、看电影,这期间会有一大堆产品都会成为我们产品的转移性竞品。
如何区分竞品
竞品分析自然是越细越好,但是基于现在互联网时代的快速迭代与各位产品经理宝贵的时间,进行细致全面的分析不但不大可能,而且缺乏重点。我一直推崇定点分析,这样既可以突出重点,又可以节约时间,最重要的是,效率高。
直接竞品
一般来讲,我要求团队中每个产品经理的分析功能点不要多于5个,各个突破。竞品分析一定要突出重点,一定要达到分析的目的,一定要集中火力解决最紧要的问题。但是大家要注意,我们这样分析绝不是仅仅为了罗列出一个产品的功能分析表,关键是通过产品流程、用户体验来分析出产品的核心竞争力,这才是竞品分析的重点。竞品分析是一个重点突出小而美的分析报告,绝不要写成干涩的罗列比较功能报告。
例如:对于药物电商产品,我们选取直接竞品,阿里健康、一号药店、叮当快药在下单功能上的分析。
潜在竞品
要确定分析的趋势,而不是确定性的功能点,因为可能不同的应用根本就找不到相同的功能点,对于任何一款可以添加功能模块而演变为直接竞品的一系列产品进行分析。
例如:要分析一款药物电商类产品,它们的潜在竞品可以是看病挂号的、慢**护理的等等。
转移性竞品
转移性竞品的分析着重泛性分析,因为可能根本就找不到相同的功能,也完全是不一样的产品,主要针对于用户行为与用户使用场景的分析进行分析。
产品分析
所谓产品分析,是以产品为导向的分析过程,我们最高优先级是确定一个产品,然后围绕这个产品来分析所有该产品的模块、特征、用户体验等。产品分析与竞品分析最大的区别在于:一个以功能为导向,一个以产品为导向。产品分析是纵向的,所以可以对产品进行深度分析。
产品分析和竞品分析一样,并不是大量的罗列信息。产品分析最大的特点是分析该产品的核心功能点,尽量全面,但要突出自己要突出的部分。
竞品分析与产品分析的流程
产品分析和竞品分析一般都从事以下几个方面的工作: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)、数据和技术功能、可用性等。
但是就我个人来讲,依然认为一篇产品分析需要突出重点,不要设计太多分析点,这样不但重点突出,而且可操作性强。
如何找到竞品
寻找竞品的方法其实相对成熟。
首先提取目标关键词,可以是多个;
按照提取的目标关键词,找到相应的产品;
将找到产品相互叠加比较,得到目标竞品。
就我个人工作而言,其实在认知中已经将竞品熟记在心,如果一个产品经理不能随口说出5个竞品,要么是产品有着太大的创新,要么是工作还需继续努力。
竞品分析要素
竞品分析的核心其实就是一个字“比”,三个字“找准比”。其实竞品分析就是需要将几个竞品中你要分析的核心功能进行比较并且做出分析。
一般性步骤:
明确分析要点;
对罗列的产品特性进行分析(逻辑关系、商业意图、SWOT等)。
对于UX可以按照经典的五层架构去完成:
3211 竞品分析和产品分析,你究竟搞清楚了么?
表现层——你看到的是什么;
框架层——这些区域和位置如何来决定表现层;
结构层——用户是怎么来的,之后又去了哪里,哪些列别该出现在哪里;
范围层——按照功能和与特性,表现的是否合适,如何决定结构层;
战略层——需要什么样的功能与特性。
以上是我对五层架构的一些概括,是这些年来我对产品一些浅薄的认识,大家仅供参考,欢迎吐槽。如果大家能从上面五个方面来对几个竞品的UX做比较,那会上升到新的层次。
3311 竞品分析和产品分析,你究竟搞清楚了么?
列举之后,关键在于比较分析:
❶ 互相比较,得出在竞品群中的mark
❷ 与benchmark比较,得出产品在行业中mark
对于某个竞品在一个环节中具有非常突出的表现,比如非常好的按钮设计,极为简洁的交互或用户体验,我们可以单独拿出来讨论,并说明这样设计为什么好,同样可以按照五层框架进行。
深度剖析
首先明确,产品分析是对一家企业和企业产品的深度剖析,从老板家庭出身,到顶端产品细枝末节统统要归纳总结好。产品分析其实更像是一个产品体系的深度报告。
一般来说包括以下几项:
老板背景
公司骨干
融资情况
产品分布概括(可以画Mindmanager)
子产品核心功能与战略
商业画布
产品运营状况与策略
行业数据与公司数据(公司在整个行业中的地位)
我们可以吸取什么
产品走向预测
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