惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

V
Visual Studio Blog
量子位
大猫的无限游戏
大猫的无限游戏
Hugging Face - Blog
Hugging Face - Blog
S
SegmentFault 最新的问题
Blog — PlanetScale
Blog — PlanetScale
月光博客
月光博客
Google DeepMind News
Google DeepMind News
小众软件
小众软件
WordPress大学
WordPress大学
宝玉的分享
宝玉的分享
MongoDB | Blog
MongoDB | Blog
B
Blog RSS Feed
博客园 - Franky
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
B
Blog
博客园 - 聂微东
The GitHub Blog
The GitHub Blog
Recent Announcements
Recent Announcements
Y
Y Combinator Blog
Microsoft Security Blog
Microsoft Security Blog
雷峰网
雷峰网
Jina AI
Jina AI
酷 壳 – CoolShell
酷 壳 – CoolShell

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
【竞争分析】:一次性聊透阿里京东都在用的竞品流入流出分析...
muZli · 2023-02-08 · via 人人都是产品经理

知己知彼,才能百战不殆。在市场中,我们需要对行业内的其他对家进行分析,以更清晰地了解对方,优化自我。本文是针对购前购后竞争分析即竞品流入流出分析,进行详细的逻辑拆解和产品设计,一起来看看。

一、概述

竞争分析可以分成宏观的市场竞争分析和在交易中发生的直接竞争关系分析。对于行业竞争分析来说,常规的思路首先是根据用户数和ARPU值的分布分析行业格局,其次是基于GMV=用户数*客单价进行拆解,分析行业内GMV份额、用户份额、价格带分布以及复购率对比的情况。

对于在交易中发生的竞争关系分析,我们通常会关注:

① 购前购后竞争分析,即竞品流入流出分析,从竞品流入和流出到竞品的人数分布情况;

② 购中竞争分析,即竞争得失分析,关注用户在购买时在本品和竞品之间发生竞争后购买竞品和购买本品的人数分布情况。

购前购后竞争分析适用于快消品分析,帮助品牌了解用户流入和流出的情况,监测市场的热度,辅助营销决策;购中竞争分析适用于决策周期长、复购周期长的耐消品,帮助品牌了解用户决策期间发生的竞品争夺的情况。

本文是针对购前购后竞争分析即竞品流入流出分析,进行详细的逻辑拆解和产品设计,下期会继续分享购中竞争分析即竞争得失分析的详情,感兴趣的朋友可以关注一下~

二、流入流出分析逻辑拆解

1. 定义

流入流出分析可以帮助品牌了解用户购买本品之前来自于哪些竞品,购买本品之后用户又买了哪些竞品;具体地,流入来源定义为:用户在购买本品之前都买过哪些竞品品牌?流出去向定义为:用户在购买本品之后又会去买哪些竞品品牌?

2. 问题

在拆解竞品流入流出分析时,我们首先会想到以下问题:

  • 目标人群是谁?
  • 目标商品时什么?
  • 竞品是什么?
  • 行为发生的时间段是什么?
  • 购买行为间隔时间多长?

3. 参数

根据以上的问题,我们在设计竞品流入流出口径时,需要考虑以下参数:

① 目标人群:可以根据实际需求自定义人群包,可为品牌新客、老客等等

② 目标商品:可为品牌下的三级类目、品牌整体、SKU集合

③竞品范围:一般为竞对品牌下的三级类目,另外也可以设置为竞对品牌整体、竞品SKU聚合、跨品类等

④ 分析周期:竞品流入流出行为发生的时间范围

⑤最小复购周期:超过这个时间周期才算成流入流出的情况,一般为大于1天的数值

4. 计算逻辑

① 流入流出定义

以订单为单位的方式计算竞品流入流出情况,以本品下单为中心统计流入本品前的订单和流出本品后的订单;

  • 本品流入口径:计算分析周期内,本品牌成交订单的上一单(不同父单),订单之间的时间大于等于最小复购周期;
  • 流出竞品口径:计算分析周期内,本品牌成交订单的下一单(不同父单),订单之间的时间大于等于最小复购周期;

② 竞品流入流出统计维度

具体统计数值的时候,我们有两种计算方式。

a. 计算竞品流入流出的UV(人数)

关注人群抢夺的情况,即有多少人从竞品中来,有多少人流出到竞品中去;

具体口径为:

  • 从某一指定竞品品牌流入人数:分析周期内,在本品订单之前一单下单了指定品牌商品的人数,订单之间的时间大于等于最小复购周期;
  • 流出到某一指定竞品品牌人数:分析周期内,在本品订单之后一单下单了指定品牌商品的人数,订单之间的时间大于等于最小复购周期。

b. 是计算竞品流入流出的PV(次数)

关注商品之间的抢夺的情况,即本品订单有多少次从竞品中来,本品订单有多少次流出到竞品中去。

本文以第一种口径为准,计算竞品流入流出的UV(人数),其实本人觉得如果关注本品和竞品之间的竞争情况的话,应该关注一下次数的,这样统计的数据更准确,有经验的朋友也可以私信分享一下你们常用的统计口径是哪个哈~

③ 注意

情况1:在分析周期内,如果竞品订单和本品订单之间的时间间隔大于自定义设定的复购周期则计入流入流出对象,否则不计入流入流出对象(因为该情况,不属于竞品争夺的情况)

情况2:在分析周期内,如果流入前的订单、及流入后的订单中包含多个竞品品牌,则多个竞品品牌都会被计入流入流出的对象。

情况3:在分析周期内,如果流入前的订单、流入后的订单是本品,则不计入流入流出的对象。

三、流入流出产品设计

在进行产品设计前,我们可以将目标人群分成三类:只购买过竞品、只购买过本品、购买过本品和竞品,针对每种人群存在以下情况:

根据上图的分析,我们可以通过产品化的方式来新建计划并展示相关结果的信息:

1. 新建分析

在新建分析中,需要填写我们上述写的竞品流入流出分析的参数,包含:目标人群、本品品牌、品牌所在三级类目、最小复购间隔和分析周期。

2. 查看分析结果

在分析周期中,目标人群的购买行为包括:只购买本品人数、只购买竞品人数、购买过本品&竞品人数、及未购买人数。

(1)总购买人数

总购买人数,指目标人群在分析周期内对本品有过购买行为的人数。

(2)购买用户划分

在购买用户划分中,可以看到目标人群中,只购买本品、购买过本品&竞品人数和占比的情况。

(3)流入流出对比

流入流出对比是从整体上看,目标人群中,从竞品流入和流出到竞品的总人数和新客数,其中新客数是指分析周期内已购且历史未购。

(4)竞品分布

竞品分布是从各个竞品品牌的维度上看,目标人群从竞品流入和流出到竞品的情况;净流入流出为:从竞品流入-流出到竞品的人数,正数则表示从竞品流入本品人数大于从本品柳树到竞品的人数。

总的报告如下图所示:

四、竞品流入流出产品应用

如前文概述中所说,竞品流入流出分析是针对本品已购人群在购前、购后的行为流向进行分析的,对不同目标人群进行分析会得到很多insight,具体常在以下场景中使用:

①针对不同细分人群进行分析

  • 流失人群去向:流失人群中包含流失到竞品和其他品类人群,可以针对流失到竞品的人群,分析流出的竞品去向,了解竞品抢夺品牌用户的情况;
  • 新客来源:新客中的品牌新客是指,曾经购买过竞品的人群,在统计周期中购买了本品,通过对这部分人进行分析,可以了解本品争夺竞品客源的能力;
  • 品牌摇摆老客分析:这部分老客曾经购买了竞品和本品,在统计期内购买了本品,通过对这部分人进行分析,可以了解主要有哪些竞品在争夺本品的老客资源,从而制定相应的留存措施。

② 针对目标商品、品牌整体进行分析

如果产品能力支持的话,除了对品牌了三级类目的竞品进行分析,还可以对SKU、品牌整体的维度进行竞争分析,给不同营销提供策略依据。

好了,以上就是关于购前购后竞争分析-竞品流入流出分析以及产品化的全部内容。

作者:muZli,微信公众号:ALL IN DATA

本文由 @muZli 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。