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
“最近复购率一直在下降,我们的营销力度不小啊,为什么用户还是走了?” “是不是广告投放的用户质量不高?还是我们的产品问题 ...
2025-02-21以下文章来源于数有道 ,作者数据星爷 SQL查询是数据分析工作的基础,也是CDA数据分析师一级的核心考点,人工智能时代,AI能为 ...
2025-02-19在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31