(干货分享)【B端产品竞品地图分析】方法论
2019-10-08 10:35:39 13 举报
AI智能生成
新鲜出炉!来源公开资讯+实践总结得出,针对toB的竞品地图+分析的方法梳理。
作者其他创作
大纲/内容
分析实践
分析维度
综合类
定位
目标客群
主要能力
公司背景
公司规模、主营业务、融资情况
市场背景
政策、市场前景、规模、法律法规
产品类
使用场景
产品功能
产品模式
商业模式
产品方向
市场类
产品包装
定价策略
SEO
营销方式
推广渠道
客户满意度
使用方法
对比法
将多维度进行分析对比列举
体验法
体验产品/功能
测试法
进行多组测试验证
推论法
运用逻辑和概率来进行推理
专家法
向资深的行业领域/市场专家人员进行咨询
借助工具
SWOT分析
S (strengths)是优势、W (weaknesses)是劣势,O (opportunities)是机会、T (threats)是威胁
5W2H模型
(1) WHAT——是什么?目的是什么?做什么工作?
(2)WHY——为什么要做?可不可以不做?有没有替代方案?
(3)WHO——谁?由谁来做?
(4)WHEN——何时?什么时间做?什么时机最适宜?
(5) WHERE——何处?在哪里做?
(6)HOW ——怎么做?如何提高效率?如何实施?方法是什么?
(7) HOW MUCH——多少?做到什么程度?数量如何?质量水平如何?费用产出如何?
(2)WHY——为什么要做?可不可以不做?有没有替代方案?
(3)WHO——谁?由谁来做?
(4)WHEN——何时?什么时间做?什么时机最适宜?
(5) WHERE——何处?在哪里做?
(6)HOW ——怎么做?如何提高效率?如何实施?方法是什么?
(7) HOW MUCH——多少?做到什么程度?数量如何?质量水平如何?费用产出如何?
波士顿矩阵分析
(四象限分析法)
(四象限分析法)
(1)明星产品(stars):高增长率、高市场占有率,这类产品可能成为企业的现金牛产品,需要加大投资以支持其迅速发展
(2)现金牛产品(cash cow)又称厚利产品:低增长率、高市场占有率象限内的产品群,已进入成熟期。其财务特点是销售量大,产品利润率高、负债比率低,可以为企业提供资金,而且由于增长率低,也无需增大投资
(3)问题产品(question marks):高增长率、低市场占有率象限内的产品群。市场机会大,前景好,但在市场营销上存在问题
(4)瘦狗产品(dogs),也称衰退类产品:低增长率、低市场占有。特点是利润率低、处于保本或亏损状态,负债比率高,无法为企业带来收益
波特五力分析模型
(1)同行业内现有竞争者的竞争能力
(2)潜在竞争者进入的能力
(3)替代品的替代能力
(4)供应商的讨价还价能力
(5)购买者的讨价还价能力
4C分析
(1)Customer(顾客)——瞄准消费者需求
(2)Cost(成本)——消费者所愿意支付的成本
(3)Convenience(便利)——消费者的便利性
(4)Communication(沟通)——与消费者沟通
4P分析
(1)产品(Product)
(2)价格 (Price)
(3)渠道 (Place)
(4)宣传(Promotion)
STP分析
(目标市场营销)
(目标市场营销)
(1)市场细分
(2)目标市场选择
(3)市场定位
综述结论
分析总结
行动规划
行动建议
持续分析
注意点
地图总括——追求全面
分析对比——追求直观
结论观点——追求理性
数据收集——追求准确
选择重于分析、分析重于罗列
背景目的
清楚背景:
产品所在市场的竞争格局?
红海
蓝海
产品所在的生命阶段
萌芽期
发展期
稳定期
转型期
现在面临的问题
如何找准方向
如何生存
如何实现增长
如何实现稳定
如何突破
确定目的:
取其精华
竞争力分析
寻找方向
方向探索
竞争策略
策略手段/预测性竞争/应对措施
预测未来
未来发展/发展周期/爆发点
推动项目
树立自身专业口碑
行业地图
行业市场
覆盖范围
市场容量
行业密集度
发展趋势
行业政策
宏观分类
关联对象
(关联方)
(关联方)
竞品
合作方
影响方
客群
选择竞品
竞品分层
核心竞品
直接竞品——给顾客同样需求/服务的产品
一般竞品
目标群群体一致
关联竞品
从本质上任何产品都可以称为竞品,因为再共同争夺用户时间;——要找出高相关性的产品
目标客群一致,但提供的服务不一样
可替代需求的产品,潜在竞品
选择重于分析、分析重于罗列
收整数据
收集数据
关键词搜索
百度、友盟、站长
论坛:艾瑞咨询、易观智库、CNNIC、比达咨询、DCCI互联网数据中心,Alexa
媒体:36氪、虎嗅、创业家、新华社、亿邦动力网、大v
传播:微博、网站、新闻、宣传会、资源引荐
访谈:市场沟通、商务约谈、深入内部了解
整理数据
集成
归类
分层
原则:始终保持对数据的怀疑!对得出的结论,也要保持谨慎,尽可能采取多角度多维度的进行交叉验证
0 条评论
下一页
为你推荐
查看更多