商业分析 · 第 4 篇
竞品数据分析
在商业分析中，不仅要”看自己”，还要”看对手”。竞品数据分析帮助你回答：我们在市场中处于什么位置？竞争对手做了什么我们没做的事？未来的竞争格局会怎么变化？ 这是数据分析师为战略决策提供支持的重要技能。
竞品分析的价值
许多数据分析师只关注内部数据，但内部数据有一个致命盲区——你不知道自己的”好”是真好还是行业平均水平。比如你的产品月留存率是 30%，这算好还是差？如果行业平均是 20%，那你很优秀；如果行业平均是 50%，那你需要反思。
竞品分析的核心价值在于：
- 标杆对比：知道自己在行业中的位置
- 机会发现：竞对做了什么、用户反馈如何、有什么可借鉴的
- 威胁预警：竞对在哪些维度快速增长，是否会威胁你的市场份额
- 决策支持：帮助产品团队确定功能优先级、帮助市场团队制定定价策略
竞品选择框架
不是所有”看起来像竞对”的公司都值得分析。你需要一个系统的竞品选择方法。
三层竞品模型
| 层级 | 定义 | 示例（假设你是飞书） | 分析深度 |
|---|---|---|---|
| 直接竞品 | 同一品类、争夺同一客户群 | 钉钉、企业微信 | 深度跟踪，定期更新 |
| 间接竞品 | 不同品类但满足相同需求 | Slack、Notion、Zoom | 关注关键差异点 |
| 替代方案 | 用户解决同一问题的其他方式 | 邮件、电话、线下会议 | 了解用户迁移成本 |
竞品选择的评估标准
- 目标客户重叠度：两家公司是否在争夺同一批客户？
- 功能/服务重叠度：核心功能是否高度相似？
- 市场定位：价格带、品牌调性、覆盖区域是否接近？
- 战略走向：竞对的产品路线图是否在向你的核心领域扩展？
竞品数据获取渠道
竞品分析最大的挑战不是分析方法，而是数据从哪里来。以下是常用的数据获取渠道：
公开数据源
| 数据源 | 可获取信息 | 适用场景 |
|---|---|---|
| 上市公司财报（SEC 10-K、年报） | 收入、用户数、增速、业务结构 | 分析上市竞对的财务健康度 |
| 行业报告（艾瑞、QuestMobile、Statista） | 市场规模、增速、渗透率、排名 | 了解行业大盘和竞争格局 |
| 应用商店数据（App Annie / data.ai） | App 下载量、排名、评分 | 移动端产品的市场表现对比 |
| SimilarWeb / SEMrush | 网站流量、流量来源、关键词排名 | 网站端的竞品流量分析 |
| 社交媒体 / 论坛 | 用户评价、吐槽、需求 | 了解竞品的用户口碑和痛点 |
| 招聘信息 | 招什么岗位、多少人 | 推测竞对的战略重心和技术方向 |
| 专利/论文 | 技术方向 | 了解竞对的技术布局 |
内部可获取的竞品信号
- 销售团队反馈：客户在比较哪些竞品？为什么选择我们/没选择我们？
- 客户流失分析：流失客户去了哪个竞品？原因是什么？
- 搜索词分析：用户搜索我们品牌名时，还搜索了哪些竞品关键词？
功能对标矩阵
功能对标矩阵是竞品分析中最直观的工具，把你和竞对的产品功能做逐项对比。
构建功能对标矩阵
| 功能/能力 | 我们的产品 | 竞品 A | 竞品 B | 重要性 |
|---|---|---|---|---|
| 实时协作编辑 | 支持 | 支持 | 不支持 | 高 |
| 视频会议 | 支持（内置） | 支持（第三方集成） | 支持（内置） | 高 |
| 项目管理看板 | 支持 | 不支持 | 支持 | 中 |
| AI 智能助手 | Beta 中 | 已上线 | 不支持 | 高（趋势） |
| 移动端体验 | 一般 | 优秀 | 优秀 | 高 |
| 开放 API 数量 | 120+ | 200+ | 80+ | 中 |
| 免费版人数上限 | 50 人 | 无限 | 20 人 | 中 |
功能对标的分析维度
除了简单的”有/无”对比，还需要考虑：
- 功能深度：都支持”数据看板”，但一个只能做柱状图，另一个能做交互式 Dashboard
- 用户体验：功能存在 ≠ 好用，需要结合用户反馈来评估
- 定价策略：某个功能是免费提供还是付费才有？
- 更新速度：竞对的功能迭代速度如何？是否在快速追赶？
市场份额估算
直接获取竞品的精确市场份额数据通常很困难，但你可以通过多种方法进行合理估算。
估算方法一：公开数据拼接
如果竞品是上市公司，可以直接从财报获取收入数据。对于非上市公司，可以综合以下信息源：
- 融资金额和估值（通常意味着一定的收入水平）
- 官方公布的用户数、客户数
- 第三方平台的流量数据
- 行业报告中的排名和份额估算
估算方法二：自下而上推算
通过可观测的数据推算竞对的业务规模：
竞品预估收入 = 预估付费客户数 x 预估 ARPU
比如：
- 通过招聘信息推测竞对有 200 名销售（假设人效比 50 万/年/人）→ 预估年收入约 1 亿
- 通过 App 下载量推测 DAU，再乘以行业平均 ARPU → 预估收入范围
估算方法三：相对份额法
不追求绝对数字，而是估算相对排名和比例：
| 竞品 | App 下载量排名 | 网站流量排名 | 搜索热度指数 | 综合估算份额 |
|---|---|---|---|---|
| 我们 | #2 | #3 | 85 | 约 25% |
| 竞品 A | #1 | #1 | 100 | 约 35% |
| 竞品 B | #3 | #2 | 60 | 约 20% |
| 其他 | — | — | — | 约 20% |
重要提醒：市场份额估算永远是”估算”，不要追求精确到小数点。你的目标是了解大致的竞争格局和变化趋势，而不是精确的百分比。
竞争差异化分析
竞品分析的最终目的不是”我们和竞对哪里一样”，而是”我们的差异化优势是什么，如何用数据验证”。
差异化分析框架
| 维度 | 分析方法 | 数据来源 |
|---|---|---|
| 产品差异化 | 功能对标矩阵 + 用户满意度对比 | 产品使用数据、用户评价 |
| 价格差异化 | 定价结构对比、性价比分析 | 官网定价、销售报价 |
| 服务差异化 | 客户服务响应时间、满意度 | 客服数据、NPS 调研 |
| 品牌差异化 | 品牌认知度、搜索份额、口碑 | 社交聆听、搜索数据 |
| 渠道差异化 | 获客渠道分布、渠道效率 | 流量分析、渠道合作数据 |
竞品动态追踪体系
竞品分析不是”做一次就完事”的项目，而是需要持续追踪的体系。建议建立以下机制：
- 月度竞品简报：每月汇总竞品的重大动态（产品更新、融资、组织变化）
- 季度深度分析：每季度做一次全面的功能对标和市场份额更新
- 事件驱动分析：当竞对有重大变化（如新产品发布、大客户切换）时，即时进行影响评估
- 竞品数据看板：将核心竞品指标（App 排名、搜索热度、社交声量）做成自动更新的 Dashboard
竞品分析报告的结构
当你需要向管理层汇报竞品分析结果时，建议使用以下结构：
- 摘要：一段话总结竞争格局的核心发现
- 竞争格局概览：市场份额、排名变化、主要玩家介绍
- 功能对标：功能矩阵，标注我们的优势和劣势
- 客户洞察：客户选择/流失到竞品的原因分析
- 威胁与机会：竞对的哪些动作需要警惕？哪些空白区域是机会？
- 行动建议：基于分析提出 3-5 条可执行的建议
本篇小结
- 竞品分析帮你跳出内部视角，理解自身在市场中的真实位置
- 用三层竞品模型（直接/间接/替代）系统地选择分析对象
- 数据获取是竞品分析的最大挑战，需要综合利用公开数据、第三方工具和内部信号
- 功能对标矩阵要关注深度和体验，而不仅仅是”有/无”
- 市场份额估算追求”大致准确”，重点是趋势而非精确数字
- 竞品分析的最终产出应该是可执行的行动建议，而非单纯的信息罗列
- 建立持续追踪体系，让竞品分析成为常态化的工作流
恭喜你完成了”商业分析”模块的全部内容！接下来可以进入 DA 面试 模块，将你学到的知识转化为面试中的实战能力。