如何通过宏观的竞品分析，得到有价值的信息？

浩叔产品论 2023-07-22 13:40:38

在我们产品经理的工作生涯中，总是离不开竞品分析。但是面对海量的竞品信息，我们也许会找不到一条好的分析思路。本文分享笔者自己总结的一套宏观分析方法论，通过对多个竞品的组合分析，进行自我头脑风暴，快速得到有价值的信息。

一、应用场景

首先说下本方法论的两个应用场景：

（1）需要快速熟悉一个新产品，理解业务模式、商业模式

这在我们接手一个新产品时会用到，对于一个完全陌生的产品，我们首先会去了解和分析这个产品本身，以及它上下游的产品，以便了解它自身的业务模式。

但是单纯的分析他本身，我们对产品的理解或许还不那么深入，这时我们如果借助类似的竞品，通过横向对比这些竞品以及它们的上下游，可以触类旁通，可以从更宏观的层面来理解我们自己的产品。本质上也就是去发掘这一类型产品的底层逻辑，因为实际上很多产品的模式在表面上看来不同，但底层逻辑是相同的。

（2）在产品设计或者迭代功能设计遇到瓶颈的时候

我们在做新需求分析和设计时常会碰到瓶颈，困在一处难以前进。这时候可以通过多个竞品横向对比，来激发自己的灵感。记得以前学习网上的课程时接触过一个方法论，大意是在纸上列出多个产品，进行组合连线，通过不同产品的组合思考结合后的业务能不能行，以此来激发灵感。本方法也是类似的道理。

二、分析步骤

接下来展开说说具体的分析步骤：

1. 不拘泥于本行业，寻找业务有相似性的竞品

首先我们要选择合适的竞品，不要拘泥于本行业的直接竞品，因为大部分产品经理对于本行业的竞品早已熟悉。从其他行业中选择和我们的产品有类似、相通点的产品，更能带来突破性的启发。

我们或许都曾遇到过这样的困境，我们在思考一个新业务如何去突破，或者思考某一个功能如何设计的时候，想遍了各种思路、翻遍了已知的竞品，却仍然想不到突破的方式，也就是遇到了瓶颈。这时候就应该去看一些不同行业的竞品，获取更多的思路。

另外，最好选择已经是比较成功的产品。很多人认为，其他产品的成功，是一个多维度复杂因素导致的结果，是不可复制的。我们自己的产品和它们有着这不同、那不同的情况，也就没办法借鉴。

但是为什么笔者认为仍有借鉴意义呢？

那是因为我们对竞品的成功原因分析的维度还不够多。实际上成功的因素不论多么复杂，都是可以拆分的，如果某些拆分后的细分维度上和我们相似，那么也具有思考和借鉴的意义。

2. 列举所有竞品的上下游产品，绘制竞品层级地图

分析竞品时，不只是分析所选的这个竞品，也需要把它的上下游产品（或者业态）也列出来，分析他们的业务模式、互相之间的关系。当然也有可能所选的竞品当中，本身就有上下游关系，这种情况就直接在图中排在一列。

如下图：

产品经理，产品经理网站

3. 横向对比，将我们的产品也对应加入到图里同级别的一行中

另起一列，列出我们自己的产品在这张图上所处的位置。正确的方法是思考业务的相似性，从而找到我们自身产品在地图上是对齐哪一行。在正确分级的基础上再做分析，我们能得到更多宏观层面的启发。

如下图：

产品经理，产品经理网站

4. 分析同一层级的其他产品，它在与我们产品类似的业务上，是怎么处理的，标注在该竞品旁边

竞品层级地图确定好后就需要结合竞品的业务进行对比思考了。对于不同阶段的产品，以及我们不同的分析目的，所需分析的层面也不同：

①从整个产品的宏观角度，分析产品的商业模式和业务模式，如何满足需求、获得产品价值。写在图里竞品/业态旁边。

②从功能上或者某个子业务的角度，下沉到“微观”层面，分析竞品如何设计，设计时通过什么思路，避免了什么问题，获得了什么好处。写在图里竞品/业态旁边。

5. 深入思考我们的产品，按这种模式做，可不可行

如果不可行，是什么限制了我们。而其他行业遇到这种限制，是怎么做的，然后加深思考的层次，这种方式如何应用到我们的产品中。

案例分享

接下来分享一下笔者在实际工作中的一次方法论应用。

笔者所负责的一款产品是一款品牌排行榜类的产品，通过采集业内众多品牌的网络舆情数据，并进行计算得出品牌的分值，进而得出品牌榜，供业内投资人做参考。因为业务升级上遇到了瓶颈，所以想通过竞品分析激发一些不一样的思路。

具体的步骤拆解如下：

第一步，竞品的选择

因为笔者所处的细分行业内没有直接竞品，所以从整个互联网上找类似的产品，最终选择了如下几个:

七麦数据。做ASO分析的网站，网站上可看苹果App Store，以及安卓各应用市场的排行榜。该产品有榜单的展现、有对App的数据分析，这一点上和笔者的产品类似，选为待分析竞品。
苹果App Store。苹果App Store本身就会对各类App做排名并展现，选为待分析竞品。
阿拉丁指数，知名的小程序排行及数据分析产品，也与笔者的产品类似，选为待分析竞品。
新榜，对公众号，以及其他一些自媒体号做监测排名，针对于公众号还有详细的数据分析，选为待分析竞品。

第二步，列举所有竞品的上下游产品，绘制竞品层级地图

因为笔者分析的产品是数据榜单类产品，所以上游考虑其数据来源的产品、下游考虑其服务的对象产品。

首先是七麦数据，对于七麦数据而言，它检测的是App Store的排名数据，App Store作为它的上游。而七麦数据的下游呢，也就是它的用户，那就是对APP排名提升有追求的这类人，即APP的运营方;

接下来是阿拉丁指数，阿拉丁指数是对小程序的进行排名和数据分析的网站，它的数据来源是微信小程序，可以理解为微信小程序是阿拉丁指数的上游。可以很明显的分析出，这里阿拉丁对于小程序的关系，和七麦数据对于App Store的关系是类似的。而阿拉丁指数的下游用户，就是小程序的运营人员。

然后是新榜，同样的逻辑，新榜主要分析的是公众号排名数据，因此它的上游是微信公众号，它的下游是公众号运营人员，或者对公众号投放有需求的个体。

由此我们可以初步得出这张图：

产品经理，产品经理网站

第三步，横向对比，将我们的产品也对应到这张图里统一级别的产品旁

这一步很关键，看似只是普通的对比排列，但是笔者在思考的时候，发现其实分析的角度稍有不同，排列的结果就不一样：

前面说过，笔者的产品是分析品牌舆情数据得出的品牌榜，对比第二步里我们分析得到的竞品地图，很容易可以得出，我们这款品牌榜，对应的是七麦数据、阿拉丁指数这一级，即对数据进行分析和展现的产品，如下图：

产品经理，产品经理网站

但是深入一步进行思考，笔者这款产品的上游呢，按理说是媒体舆情数据，也就是App Store、微信小程序、微信公众号这一层，但是无论怎么看，他们之间的相似度都太低，媒体舆情数据有着广泛数据来源，而不是单一的具象化的产品。接下来笔者尝试将自身产品对齐其他行试试，往App Store、微信小程序、微信公众号的上游思考。

事实上，这一层是数据分析最终对象的承载体，即“承载了目标分析对象的第一层产品”。对于App Store而言，它分析的是每一款APP的下载量、评论数据、关键词匹配，说白了就是分析每款App的“实力数据”，App实力强，数据就好，排名就靠前。

对于微信公众号而言，它虽然没有直接展现排名，但是它也承载了每个公众号运营的“实力数据”，实力越强，运营得越好，其阅读量、评论数的数据也就会越高。也就是说，公众号承载了这个分析对象（公众号）本身，也是承载了目标分析对象的第一层产品。

同理，小程序也承载了它背后的实力数据，也是承载了目标分析对象的第一层产品。

因此，我们可以在原本第一层的上面再增加一层，如下图：

产品经理，产品经理网站