1、请大家思考大学是不是一个运营思考系统,从输入、转化、输出三个方面来分析

原标题:孤独、热血、讨厌精英B站用户就像一个你上大学的表弟 | 超级沙龙

带着观点看商业。超级观点来自新商业践行者的前沿观察。

特约观察员 | 老蒋巨靠谱 B站知名up主

編辑整理|文华 黄晓敏

网络上关于写产品竞品分析的文嶂很多做运营思考类竞品分析的文章比较少,所以今天抛砖引玉和大家分享一下我在分析竞品运营思考中的思考和心得。

每天发生在峩们APP里各种变化都是值得运营思考学习的最好材料尤其是竞品的变化,更是有许多与自己直接相关的经验可以学习

通过观察和分析竞品,能够帮助我们了解动态变化市场格局,找到细分机会;获取灵感吸收经验,策划优质活动当竞品出现杀手级功能或病毒型活动嘚时候,也能够迅速跟进被对手验证不成功的活动,我们也可以少走弯路

要想写好一份竞品运营思考分析报告, 就需要先知道好的标准是什么

在我看来,好的标准主要是和写报告的具体目的有关能不能实现写报告的目的才是衡量是不是好报告的唯一标准。

比如领导讓你去研究一下竞品的用户运营思考情况写份报告:

有可能是为了寻找可借鉴学习之处 有可能是为了摸查竞争对手情况做好应对策略, 吔有可能是作为融资计划的参考数据 还有可能是看你最近工作量不饱和给你找点事做(囧)。 ......

以上几种不同的目的需要的分析报告非瑺不同,有可能满足其中一种目的的优秀报告换到另外一种目的下,就会变得参考价值很低

常见的竞品运营思考分析主要目的和侧重點有哪些呢?

需要独立思考,通过表象看到内在的本质原因多问自己几次为什么。

在没进入这个领域之前想看看有哪些竞争者,重点通過多维度的横向对比判断全局也要把竞品及用户群重合的潜在竞争对手考虑进去。

重点分析优缺点细分人群的需求满足情况,竞争策畧一般会从对方的弱点及未满足的细分需求主要着手点

重点通过分析过往运营思考活动节奏和类型,推测竞品的可能动向同时这个需偠定期观察更新。

至少在一个维度上分析透彻可以包含一些对产品层面的分析研究,适当地表示出对产品和行业的乐观和喜爱

明确了莋这个报告的目的,接下来就可以更具体的操作了

确定竞品分析对象的方法,是先全面后精选:

“先全面”就是尽可能找到竞品和潜在竞品是为了对行业全面了解 “后精选”是为了聚焦关键竞品

如果是比较主流,常见的直接搜索关键词就会出来比较多的产品了因为主流產品都会认真地优化ASO,尽量让自己的产品在热门核心关键词能够被搜到所以这个方面找起来还是比较容易的。

如果是新的领域和行业鈳以到这几个新产品发现平台去搜索看看。Producthunt是新产品曝光平台的鼻祖可以看到每天新产生的各种新产品。36氪旗下的Next是国内类似平台的追隨者更多国内的产品会在这平台发布。mind和today分别是爱范儿和IT桔子旗下的平台也还不错,可以作为一个补充

另外,也要看看用户群有重匼的产品即使不是直接竞品也可以考虑进来分析,就像牙膏和牙刷彼此之间不是竞品,但用户群是一样的在很多市场策略、运营思栲方法上也是类似的。

怎么样可以把需要的产品找全面呢

通俗来讲,就是通过一个关键词搜索出来的结果找到其他相关的关键词。

比洳我尝试一下我不太熟悉的一个婴幼儿领域,搜索“婴幼儿”后就会发现很多相关的关键词比如“早教”、“胎教”、“启蒙”、“寶贝”、“宝宝”、“萌宝“;

通过搜索“早教"又收获了一些关键词,比如:“识字”、“认水果”、“学数字”、“拼音”、“讲故事”等;

通过搜索“胎教”又发现了“母婴”、“妈咪”、“儿歌”、“起名字”、“亲子教育”、“辅食”、“育儿”等关键词

通过一個关键词,搜出来的信息提取更多相关的关键词在通过关键词继续搜索信息,再提取关键词直到这些关键词能够形成一个看起来相对唍整的信息图谱,就对这个领域大概有哪些东西有一个相对完整的了解

另外,通过搜狗微信搜索朋友圈搜索都是个很好的信息补充,囿的时候可以惊喜地发现到一些一般搜索引擎搜不到的东西

竞品分析找全面了之后,还是要回归最初开始做竞品运营思考分析的对象去選择如果是为了学习优点,一般选择竞品里比较领先的几款产品如果是为了开拓市场,就要多选几款进行横向比较

查看一些这个领域的分析文章,了解一些这个领域的专家是怎么看行业发展获取一些优质的观点和认知,以及拓展下看问题的角度还能收获一些行业嘚数据和发展预测。

这种资料一般在科技媒体上比较多以下是常用网站推荐:

数据一般是一家公司的核心机密,任何时候不会全盘地分享出来所以对于很多人来说,获取竞品的数据觉得是件非常困难的事情

尽管一些核心数据我们无法直接获得,但我们也是可以间接获取到一些相关数据

1. 自己测量统计、抓取数据

可以通过实际体验产品,记录产品的数据变化从而推断出整个平台的部分产品数据。

举个唎子如果是个社区产品,最核心的数据应该是发帖量、浏览量、回复数、在线时长等前面3个数据是可以直接通过产品进行手工统计的,以24小时为一个单位统计一段时间(比如14天)的数据,并进行平均计算等

有些数据则是可以批量抓取的,尤其是web端的产品有些数据昰显性可见,但手工统计比较麻烦的可以让开发同事写个脚本跑一下统计出来。

2. 用已知数据进行推测

有一些数据可以利用数据之间的关系进行推测和估算。

比如想知道某款竞品APP的下载量我们可以查的到是一些安卓市场的下载量数据,比如应用宝、360、百度、华为应用市場的下载量数据假设不同手机的下载比例基本一致的情况下,加上自己家产品在不同应用商店的下载量就可以推断出这个竞品在没有公开下载数据的应用市场(苹果、小米)里的下载量了。

如果自己并没有相对应的产品已知数据那就用公开报告里的手机市场份额进行嶊断,比如微信的手机终端型号分布数据推断出竞品的总体下载量。

3. 获取公开的数据报告、文章报道

这部分可以到研究机构专业的数据報告里去看比如艾瑞、易观、199it、Talkingdata、企鹅智库、爱知客等,虽然大部分需要付费但也有不少有价值的免费内容可以参考。

如果公司规模夶一些了还是可以考虑付费买一些数据的,比如Appannie里的可以看到更多直接的数据,比用推测的方法准确多了而且是动态变化的。

4. 混入競品的种子用户群

种子用户群里的用户相对活跃可以主动和其他用户聊天,了解用户想法和需求且和对方工作人员沟通起来也很容易,通过混种子群一点一点地也能够知道不少竞品最新的动态、数据等信息。

1. 现在刷数据的行为非常多公开数据很多不准确,不要全信始终保持对数据的怀疑!对得出的结论,也要保持谨慎有可能的话多用其他角度进行交叉验证。

2. 判断不要过于主观尽可能深入问题夲质,多问自己几遍为什么真的吗?还有什么原因 有什么可以佐证?

产品和运营思考是紧密结合的运营思考是需要基于产品的,所鉯我认为在做运营思考竞品分析的时候离不开对产品的理解和分析。

所以在选择分析维度的时候有时候也要加上产品的维度。

下面我列出了综合类、产品类、运营思考类的一些维度:

实际分析中结合竞品分析的目的,选取几个(不是全部!!!)作为分析的维度

不哃的维度在不同类型的产品中重要性也不同,怎样知道哪些维度会比较重要呢

从产品的核心流程相关的维度就会比较重要,比如电商产品浏览和下单是最核心的流程,所以和浏览、下单有关的如UV、跳出率、下单率、SKU、GMV就肯定会在电商产品中比较重要,需要作为重点分析的维度

要做分析,先从体验开始体验一款产品或活动,可以分别从小白用户视角、忠实用户视角、产品设计视角来看完整地走完整个流程,去感受整个被引导过程中的心态变化包括困惑、冲动、烦躁、愤怒、喜悦、诱惑。

通过对产品的整体体验对产品有个基本嘚认知,是运用所有方法的基础

分析方法中最重要的就是对比法了,因为对比之后发现的差异最能发现有价值的信息。

对比中既可以昰A产品和B产品进行对比也可以是同一产品不同时期的对比。

不同产品之间的对比有一个技巧,就是用表格将不同的产品、不同的维度列出来逐一填充不容易遗漏,最终形成一个看起来非常直观的表格

下面有个图示,可以参考一下:

(图片截图自一份网易团队很早之湔的一份分析报告)

如果上面这个表用纯文字进行表述,你可以想象下写的人和看的人都会有多累

在同一产品不同时间阶段的对比上,多结合不同时间段的背景和产品特点深入思考变化的具体原因。

另外提醒一个非常重要的操作方法就是一定要把流程图画出来,分析产品务必要画出产品流程图分析运营思考活动就画运营思考流程图,把流程图画出来就能看到很多表面上看不到的区别。

如果不信嘚话你们可以试着去画一下,京东、美团、唯品会3个产品的下单流程然后就会发现不少意外的收获。

同一产品不同时期的对比我举┅个我日常经常分析的例子,比如我想了解过去1个月虎嗅的公众号哪些文章很火哪些没人看,从而帮助我了解科技阅读爱好者的喜好從而对我下一步写出用户更喜欢的文章会有帮助。

我是这么操作的首先统计一下虎嗅网过去1个月的206篇文章标题、阅读数和点赞数,然后看阅读数最高的前20篇文章而阅读数最低的10篇文章,并分析和研究造成这样差异的原因在哪里。

(图:虎嗅网 4.17-5.17阅读数前20的文章)

(图:虤嗅网 4.17-5.17阅读数最差的11篇文章)

受制于篇幅我这里就不做深入分析了。只从标题和阅读数上简单分析可以发现2个结论:

1. Papi酱、成人用品展、杜蕾斯空气炮、百度莆田系、直播等热门话题的报道和剖析本身就容易带来更高的关注和流量给我的启发是,如果有机会结合热点写一些深度文章会有不小的传播 2. 阅读量最低的10条中有6条都是广告。

上面还只是从标题和阅读数之间的关系去分析打开每篇文章对应分析,還会有很多有价值的发现

通过做一定提前规划的动作进行测试,根据实际反馈得到有价值的结论。

比如想知道一个社区产品竞品的用戶内容喜爱倾向想了解这个产品的用户,到底是喜欢干货、鸡汤、美女、时政还是八卦提前把每个类别的内容准备3份,每天选3个时间段每天按预定的时间发,然后看用户反馈得出结论

这样做每一类内容都至少3份,消除了一些内容质量的差异3个时间段都有发,消除叻时间段不同的差异最后体现的效果,就会相对准确一些

下面这个图就是根据上面的计划要求排的一个内容投放时间表,根据表排的時间发内容并进行阅读量的统计,这样根据实际反馈得到的结论就会更靠谱一些

通过最后测算出来的阅读量,发现这个用户群比较喜歡鸡汤和美女对时政内容不感兴趣。

根据现有的数据和资料做出一定的推断,从而得出结论

比如想研究某个活动对某个公众号的效果,在这个活动前该公众号头条阅读平均是1000(7天以上),某个活动后头条平均阅读数增加了200(7天以上)根据公众号打开率一般在10%上下,就可以粗略地估计出来这次活动增粉大概是2000人左右,实际的话应该会更少一些因为会有新增的粉丝打开率高一些,且估算的期间还囿非活动带来的增长所以粗略估计下来,应该是增粉人之间

再看到竞品做这次活动,送了一台999元的手机10张电影票,成本大概是1500元吔就是这个活动的平均增粉成本在0.75-1.5元/个,如果觉得这个成本可接受就可以换个噱头模仿对手,同时在各方面多做些转化率的优化这样僦可以通过借鉴和优化得到一个很好的活动策划了。

有些过往活动信息找不到了怎么办

很多APP里的活动主要是通过Push或者Banner进行推广,活动结束之后就很难找到这些信息的入口了有个小技巧,一般比较重要的运营思考活动都会在APP同名的公众号进行发布浏览公众号历史消息,僦可以获取到不少过往活动运营思考信息

分析问题中常用的分析工具:5W2H分析法、十字象限分析法、MECE原则等;市场和战略中常用的方法,洳SWOT分析、波特五力分析模型、波特价值链分析模型、SCP分析模型、麦肯锡矩阵等

这些工具模型都能搜索到,有兴趣可以去学习下

1.报告阅讀体验要好:

要充分考虑到阅读报告人的体验,能够让他清晰地理解到你的观点、论据一般我们在认真看长文件之前,都会先快速拉一遍扫一眼对于阅读体验差的文件,都会下意识地认为这份文件的质量不会太高

阅读体验好,有几个具体的注意事项:

a. 要有目录章节結构明了,规范段落加上“1.1、1.2”这样的标识。

b. 排版清晰段距、行距适中,字体大小有层次感

c. 图文并茂,多用图表不容易描述的地方要加截图。

分析报告不是小说一定要有结论!不能让别人看了你很长的研究论述之后,还要费尽心思猜你想要得出的结论

即使分析嘚对象比较复杂,目前无法准确判断得到推论也是有一个“结论”,即“情况复杂有待进一步研究”

分析的结论一般可以包括两大部汾,一是对研究对象的分析总结二是对自己的行动建议。

3.观点和描述不要过于主观

过于主观的分析很难让人信服和接受。即使有主观感受也试着分析一下,是由哪些客观原因造成的

举例:“这个界面我比较喜欢"就比较主观,可以分析下喜欢的原因是什么是更简洁?间距合适色彩更好?效果很酷

“这个下单流程体验还不错”也比较主观,好在哪里加载更快?步骤更少更符合原有习惯?支持支付方式更多?

如果比较复杂的主观描述可以用打分替代。

比如对于某个模块的体验描述好不好的如果用词语的话,就会有“还行”、“很好”、“很棒”、“不错”、“牛逼”、“超赞”的话就不好进行对比,到底是“牛逼”更好还是“超赞”更好?

这种情况下僦可以对于这个方面用分数进行衡量,比如用0~10分对这个体验进行打分这样就能够相对客观地得出不同产品更直接的对比了。

4.求职提交报告的建议

在结构清晰的情况下字数多、页数多一般代表你的投入了很多,这会在态度上首先赢得一部分加分

写整体竞品分析比只分析求职产品风险小一些,因为只分析求职的这家产品不太可能在认知上超过面试官,有亮点也不容易出现有纰漏却很容易显现,加上竞品一起写就会更容易出彩

报告最好生成在线链接,再用短链接+二维码工具生成一个二维码嵌入到简历中,方便HR打开

其实要完整看完這篇完整挺不容易的,要实际开始写更不容易甚至是痛苦的,这是很正常的因为毕竟对这个行业不够了解,需要消耗大量脑细胞进行學习、思考

但也正是因为这样,写竞品分析报告是一个很好的学习成长的机会

不想写、懒得写的人会逐渐落后,相反的能够沉下心來写的人,能够在职场上逐渐拥有一个差异化的竞争力

你想什么时候开始写一份呢?

统计学(第五版)贾俊平课后思栲题答案(完整版)

统计学是关于数据的一门学科它收集,处理分析,解释来自各个领域的数据并从中得出结论

1.2解释描述统计和推斷统计

描述统计;它研究的是数据收集,处理汇总,图表描述概括与分析等统计方法。

推断统计;它是研究如何利用样本数据来推断總体特征的统计方法

1.3统计学的类型和不同类型的特点

统计数据;按所采用的计量尺度不同分;

(定性数据)分类数据:只能归于某一类別的非数字型数据,它是对事物进行分类的结果数据表现为类别,用文字来表述;

(定性数据)顺序数据:只能归于某一有序类别的非數字型数据它也是有类别的,但这些类别是有序的

(定量数据)数值型数据:按数字尺度测量的观察值,其结果表现为具体的数值

統计数据;按统计数据都收集方法分;

观测数据:是通过调查或观测而收集到的数据,这类数据是在没有对事物人为控制的条件下得到的

实验数据:在实验中控制实验对象而收集到的数据。

统计数据;按被描述的现象与实践的关系分;

截面数据:在相同或相似的时间点收集到的数据也叫静态数据。

时间序列数据:按时间顺序收集到的用于描述现象随时间变化的情况,也叫动态数据

1.4解释分类数据,顺序数据和数值型数据

1.5举例说明总体样本,参数统计量,变量这几个概念

对一千灯泡进行寿命测试那么这千个灯泡就是总体,从中抽取一百个进行检测这一百个灯泡的集合就是样本,这一千个灯泡的寿命的平均值和标准差还有合格率等描述特征的数值就是参数这一百个灯泡的寿命的平均值和标准差还有合格率等描述特征的数值就是统计量,变量就是说明现象某种特征的概念比如说灯泡的寿命。

变量可以分为分类变量顺序变量,数值型变量

变量也可以分为随机变量和非随机变量。经验变量和理论变量

1.7举例说明离散型变量和连續性变量

离散型变量,只能取有限个值取值以整数位断开,比如“企业数”

连续型变量取之连续不断,不能一一列举比如“温度”。

人口普查商场的名意调查等。

经济分析和政府分析还有物理生物等等各个领域。

2.1什么是二手资料使用二手资料应注意什么问题

我要回帖

更多关于 运营思考 的文章

 

随机推荐