
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
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08