数据产品的竞品分析怎么做?

释放双眼,带上耳机,听听看~!

古人云:知彼知己才能百战不殆,竞品分析的重要性不言而喻,这里不再赘述。很多应届生以及其他非产品岗无产品经验的同学,找产品经理方向工作的时候,会把竞品分析当作敲门砖,通过竞品分析报告来体现自己的产品思维,作为产品能力的佐证。有和一些产品经理交流过关于竞品分析的体会,他们的问题相信你也曾经遇到过。

数据产品的竞品分析怎么做?

一、数据产品竞品分析的困惑

何时做分析,需求评审时却经常被开发或领导Diss,你知道竞品是怎么做的么?竞品分析究竟什么时候、以什么样的频次去做呢?

竞品找不到,数据产品一般面向企业内部用户,因数据安全、商业机密等因素,内部产品资料很少对外共享。除了一些公开的主题分享,外部的人很难知道阿里伏羲是个什么产品。曾经有同学问我,说老师数据产品的竞品一般去哪里找呀。的确,如果刚入行数据产品工作不久,可能都不知道自己所做的产品模块目前有哪些竞品,竞品分析无从下手。

体验难深入,数据产品隐藏的业务逻辑非常多,一些同学通过商业化数据产品的试用账号体验竞品功能,但多数Demo账号只提供基础的功能,有的连数据都没有,需要自己导入数据、连接数据库才能正常使用。单纯的Demo体验无法完整地覆盖产品全部逻辑,还有可能会产生误导。是你的账号角色没有体验到,而不是产品本身没有某一功能。

结论不落地,一通分析之后,得出的结论却是竞品业务模式差异较大,没有太多借鉴意义。或者竞品在产品功能、用户体验方面做得都非常好,却不知道自己的产品现在该如何去迭代优化。给领导汇报竞品分析的结果,领导问了一句“我们接下来要做什么”,就无所适从了。

这些问题,往往是因为没有掌握数据产品竞品分析的实践要领。掌握五个步骤,三个分析方法,你就很容易找到答案。

二、竞品分析的五个步骤三个分析方法

流程化思维是产品经理的思考方式之一,想要做好竞品分析,工作流程牢记于心才会更有章法、循序渐进。

数据产品的竞品分析怎么做?

定目标

目标明确,方可笃定前行。在着手做竞品分析之前,你要想清楚本次分析想要达成什么目标。研究竞品的目标跟产品所处的阶段密切相关。当你的产品还未上线,处于前期调研和规划阶段,那么竞品分析需要重点解决产品做什么,为什么要做的问题。分析的内容要从市场环境、商业模式、当前市场的竞争格局等宏观的层面分析,判断对于新的入局者还有多少潜在机会,产品的定位的差异化是什么,需要具备哪些产品功能。以BI产品为例,几乎每个数据化运营的企业都需要自助BI产品来提升数据获取和分析效率,那么对于企业来说,究竟是直接花钱从外部采购,还是投入研发人力自主研发呢。

这时,就要对市面上商业化的BI产品进行更加全面、宏观的分析,以确定竞品功能是否可以满足竞品需求、为此需要付出多少成本。当你在做产品功能的具体设计时,体验竞品的信息架构、产品功能背后的设计逻辑,可以提供产品设计的思路。例如,如果你从来没有做过数据地图的产品,虽然对用户诉求有了充分的了解,但是你能保证设计出来的产品不仅能用而且好用吗?

产品上线后要运营推广了,主要目标是让产品用起来,此时可以借鉴商业化产品的运营推广策略。产品稳定运营阶段,要周期地关注行业新方向,竞品新功能新动态,保持产品始终创新的能力。还是以BI为例,tableau、帆软等传统的BI发展多年,QuickBI、观远数据在智能应用有更多的尝试,BI和AI结合的思想是不是可以学习和借鉴呢。

数据产品的竞品分析怎么做?

找竞品

用户端的产品人人都可以使用,在应用商店某一产品时,相关的竞品就会出现在搜索结果中,一方面是产品类别属性相近,另一方面是竞争对手之间通过SEO或SEM策略进行搜索结果的干预,直接下载体验就可以了。数据产品相对封闭,公开资料获取比较难,常用的信息获取渠道有:

行业研究报告与自媒体:如艾瑞咨询、易观智库、企鹅智库研究报告,36氪、虎嗅等科技媒体

搜索引擎:内部产品往往会起各种上古风、潮流风的名字,比如盘古、伏羲之类的,把产品核心的定位和目标进行抽象,用通用的大数据领域的术语进行检索,可以获取商业化数据产品的信息。例如,搜索用户画像,会出现一些商业化做精准营销或CRM相关的产品。

同行信息输入:前辈交流或加入数据产品经理交流群,群里分享交流数据产品或行业趋势,获取信息背书。

数据产品的竞品分析怎么做?

深体验

数据产品竞品分析的难点在于很多隐藏的业务逻辑无法直接看到,不能停留在体验表面的产品功能上,需要综合结合多种方式搜集资料,全面体验产品功能。

产品试用:注册商业版产品,进行产品试用,对产品主体功能架构和设计流程有个宏观的认知。

帮助文档:通过官方网站,查阅帮助文档,了解功能细节的设计原理或思路,商业化产品的帮助文档一般是直接面向客户,内容会非常完整,体验过程的一些疑问可以可能在帮助文档中找到答案。

邀请销售人员进行沟通交流,把体验过程以及帮助文档无法覆盖的问题,向销售人员或对方的产品设计者请教。

准备工作做好了,哪些方法可以帮助你更加深刻、全面的得出更有洞见的可执行的分析结论呢?这三个经典的分析模型,希望你可以掌握。

产品认知画布

C端产品商业模式决定产品调性,常用商业画布梳理产品竞争形势,而数据产品,一般是基于产品功能或流程解决数据化运营过程的效率、成本问题。利用产品认知画布,可以更深刻地认识竞品。下面以淘宝商家端的数据产品生意参谋为例,看如何构建数据产品的认知画布。

用户:产品的用户有哪些,核心用户、覆盖用户分别是什么岗位或角色。生意参谋是面向淘宝成百上千万的卖家的数据产品。核心用户是有数据意识希望利用数据提升运营效率的卖家。

场景:用户什么场景下会用到该产品呢,他们日常工作的流程是怎样的。商家终极诉求是可以卖更多的货,挣更多的钱。除了常规的维护商品、处理订单、跟进售后外,他们希望可以利用数据来驱动店铺优化运营策略,如商品名称优化,流量获取、调整库存,以及了解行业动态等。

痛点:没有生意参谋之前,商家运营遇到了哪些痛点?不知道店铺哪些产品热销,“靠天吃饭”等着用户进店,不同渠道的流量及进店到加购到成单转化率怎么样、用户通过什么关键词进入到的店铺的完全不知道。同行中,近期热销的商品是什么,补货上新靠经验。

需求:这些痛点反映的需求有哪些呢?实时了解店铺经营情况,如进站UV、订单数、交易额,退款订单数、待发货订单数等。希望了解店铺流量来源,以进行流量运营策略的优化,希望了解热销与滞销商品,获悉行业动态,调整补货策略。还希望可以知道店铺用户画像,对用户进行客户关系维护和持续运营。……

方案&功能:基于商家运营需求,生意参谋需要提供的核心能力包括:实时直播数据、经营分析、流量分析、商品分析、人群画像、营销效果、服务分析、行业洞察等模块。

价值:对于商家来说,平台提供了功能强大的数据产品,指导运营,店铺业绩提升了会投入更多的成本,平台的忠诚度更高。对平台方而言,以基础免费数据功能指引商家进行更多元化的付费广告、营销投入,带来联动的商业价值,此外,用户画像、行业洞察等高价值功能付费使用,可实现数据产品的价值变现。

从以上的分析过程可以看出,产品认知画布偏向于宏观的分析,可以对产品定位、功能框架、目标和价值进行总结分析。

数据产品的竞品分析怎么做?

用户体验五要素分析

对于一款产品来说,从内到外可以分为战略层、范围层、结构层、表现层五个要素。使用五要素对BI产品进行简要的分析,过程如下。

战略层:企业的商业目标是什么,为用户提供什么样的服务?例如,QuickBI基于云阿里云服务,提供上层的SaaS化的自助BI分析产品,侧重于解决可视化门户配置,帆软BI是传统的BI厂商,提供自助式数据分析的解决方案。

范围层:BI产品旨在解决传统数据分析成本高的问题,以自助式的理念让用户拖拽式分析和自定义Dashboard配置,为了实现这一目标,竞品做了哪些事情?

结构与框架层:用户想要配置一个Dashboard每日监控某一营销活动的效果,他的行为路径是什么样的呢。先找到所需要的数据集,利用自助分析页面进行维度、度量、图表类型的选择及样式配置,再将图表组合成一个专题的可视化页面。相应的产品的信息结构包括:数据管理、自助分析、看板管理、以及系统管理等。

表现层:用户操作体验如何,有哪些值得借鉴的交互流程。例如针对全局筛选器功能,在兼顾功能的复杂性和用户操作的易用性方面,竞品都是怎样做的?

用五要素的方法进行竞品分析,可以做到由表及里全面覆盖,实际操作时,根据分析的目的,可以对不同的要素进行适当的简化。

数据产品的竞品分析怎么做?

出结论

得出可落地的行动结论竞品分析的目的。利用SWOT分析法,分析竞品的优劣势、值得借鉴或者规避的要点。

SWOT分析

SWOT是通用的竞争分析模型,详细的原理作赘述。应用到数据产品的竞品分析时,主要是针对产品认知画布或者用户体验要素分析法梳理的各个分析维度的内容,进行竞品之间、竞品与自身产品之间的对比,找出产品优势、劣势。取其精华去其糟粕,形成可落地执行的分析结论。

数据产品的竞品分析怎么做?

竞品分析报告结构

雁过留声,花了很多时间进行竞品分析,不仅拿到了结论还需要将过程和结果形成组织过程资产,沉淀下来。竞品分析报告的结构一般包括:分析的背景目标、选择的竞品及原因、竞品分析过程、结论和行动计划等。下面的一个报告结构可供你参考。

数据产品的竞品分析怎么做?

跟执行

得出分析结论是不是竞品分析就结束了呢?当然不是,回归到此次竞品分析的初心,你还要制定落地执行计划,准备跟进的优势或新功能的优先级从高到低顺序怎样,产品预计迭代时间计划。等到计划的功能上线后,此次竞品分析才完成全部流程。

三、总结:数据产品竞品四要三不要

竞品分析的文章很多,本文主要结合数据产品的特性分享数据产品竞品分析的技巧,除了讲到的五个步骤三个方法外,还有几点建议,希望对你未来的数据产品工作有所帮助:

四要:

要养成定期做竞品分析的习惯,竞品分析产品经理自己的事,不是为了给领导交作业。保持2月或一个Q一次全面的竞品分析输出分析报告,同步团队。新功能设计时,先看看竞品,取其精华去其糟粕,形成结论即可,不需要完整报告。

要至少对2~3个竞品做过全面分析,只看一个竞品,容易一叶障目不见泰山,货比三家,才能更准确地做出优劣判断。

要深入体验,通过多种方式的深度试用、沟通交流,挖掘数据产品背后的业务逻辑。

要推动结论落地执行,把分析得出的可执行的结论,列入产品迭代计划,推动产品上线,给竞品分析画上完整的句号。

三不要:

不要一知半解就照抄竞品,数据产品业务逻辑和交互流程有很强的业务关联性,照猫画虎容易水土不服。

不要贪多每个竞品都想分析,每次选择2个以内为宜,进行深度的对比体验,数量过多时间成本太高,或者只是蜻蜓点水不够深入。

不要罗列功能缺少洞见,知道竞品是做什么的有什么功能不是目标,重要的是优缺点判断以及你准备怎么做的结论。

在做竞品分析过程中,你最常用的分析方法是什么,分析过程曾遇到过哪些困惑,是如何解决的呢?欢迎留言,交流讨论。

给TA买糖
共{{data.count}}人
人已赞赏
数据分析

从产品发展史,看可视化分析类数据产品的边界

2021-9-23 9:18:23

数据分析

什么是商业分析?

2021-9-24 14:03:47

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索