先别急着分析竞争格局,谁是你的竞争对手还没弄明白呢

先别急着分析竞争格局,谁是你的竞争对手还没弄明白呢_第1张图片

首先感谢文思海辉马总的文章《定位:第一步是找竞争对手》。正是他的这篇文章给了我写这篇文章的启发。

上学时,我们习惯了回答应用题,而忽略了自己出应用题;
上班后,我们习惯了用SWOT分析竞争格局,而忽略了怎么找到真正竞争对手。

其实,分析竞争对手不难,难的是,找出谁才是你的竞争对手。
就像,解决问题不难,难的是,如何发现问题。

01

上网搜一搜,会发现很多关于竞争对手分析的文章,但是如何确定竞争对手的文章却寥寥无几。好不容易,找到一篇用传统的方法,定位竞争对手的文章,是这么说的:

可以从以下几个方面来确定竞争对手:
1 生产规模接近
2 产品形式接近
3 价格接近
4 销售界面相同
5 定位档次相同
6 目标客户相同
7 拓市努力程度相同

如果按照这个理论来定位竞争对手的话,那么,

  • 电动车的竞争对手一定是电动车;
  • Dior口红的竞争对手肯定就是相同档次的其它品牌口红了。

02

现实情况是这样子的吗?

  • 寻购Tesla车人就一定只会从电动车中选?
  • 想买Dior的口红的人,就只认准这几个大牌?

我们看下这几个例子

场景一
月薪上万的小陈,听说兰蔻的新款唇膏姨妈色很好看,刚想下手,看到了小红书推荐的露华浓开架唇膏有个类似的颜色。想想颜色差不多,果断拔草了露华浓的平价款。

先别急着分析竞争格局,谁是你的竞争对手还没弄明白呢_第2张图片

场景二
小陈有一天加班,她突然发现她的卸妆油用完了,带妆睡觉怎么行,于是她马上差遣她的男朋友小张去买兰蔻的卸妆水。男朋友小张一到商场就犯晕,看到刚路过的第一个Dior专柜就有卸妆水,想想功能,价位差不多,果断买完付款交差走人。

先别急着分析竞争格局,谁是你的竞争对手还没弄明白呢_第3张图片

场景三
小陈和男朋友小张,计划着年底结婚,小陈想买辆白色的思域当上下班的通勤工具。但是对于汽车一窍不通,她让小张全权负责,小张觉得买辆白色的丰田prius更适合小陈,平时堵车还能开开car pool,想想都是日系,应该也没差。

先别急着分析竞争格局,谁是你的竞争对手还没弄明白呢_第4张图片

场景四
小陈为了下个月拍婚纱照时,变得瘦瘦美美的,于是这几个月开始减肥。原本每天地铁到站后,她都会再叫个滴滴快车回家,现在看到摩拜单车就停在地铁口,于是她果断下载了一个摩拜APP,开始每天骑车来回地铁站。

先别急着分析竞争格局,谁是你的竞争对手还没弄明白呢_第5张图片

03

回看上面几个例子,是不是觉得,消费者的需求不同、场景不同、购买的人不同,购买的产品和使用的服务就会不同。

可见,采用传统的方法去定义竞品已经很难得到事实的支撑了。
那如果传统的方法不奏效,我们应该用什么方法来找到竞品呢?

答案,当然是用数据来说话了。

当你有某电商美妆品牌,寻购用户的所有行为数据时,我们就就可以用交叉寻购的方法,来辅助定义某品牌的竞品了。

比如,看Dior口红有1万个人(300元左右)。这1万个人中,有80%看了兰蔻口红(300元左右),有50%的人看了欧莱雅口红(100元左右),有15%的人看了YSL口红(300元左右)。
如果按照传统方法的竞品定位,欧莱雅是不该排在第二位的,而同样价位的YSL的15%交叉寻购也有点少。
作为品牌方,这时候,就要好好研究一下自己产品的竞品是谁了。进一步分析人群数据,并持续观察一段时间,来确定自己的竞品,最后调整目前的媒体渠道、宣传策略等等。

再举个栗子,
如果你是某叫车APP “D品牌”的运营。按照传统的理解,叫车APP“S品牌”就是竞争对手了。但是通过外部数据,你发现安装D叫车APP的人中,居然有80%的人还装了某M品牌的共享单车。进一步又发现,这80%的人,打开D叫车品牌APP的频度,逐渐衰减;而打开M共享单车品牌APP的频次,逐渐增长。再通过其它一些维度分析,我们能进一步用数据确认竞品是谁。

04

可见,用数据来支撑竞品选择非常重要。因为这些数据,都是消费者在被动情况下采集的数据。而传统的竞品选择,都是品牌方根据自己过去的经验,和方法论确定的。

过于主观的数据,难以客观的评价一个现象,而真实数据,和被动采集的手段就是一个非常有效的竞品确定途径了。

(文章数据和品牌均为虚构,不要对号入座哦)
(赤裸裸的把头像都变成蛋糕店招牌,还说没有植入那)

如果我的文章能带给你一点点启发,还请动动你的手指,点赞、收藏、关注吧!
你的点赞和关注,是我一直写下去的动力!

如果你还想看我的其他文章,请戳

从做蛋糕到多重共线性(Multicollinearity)
消费者、用户和产品的关系思考
结合日常生活的例子,了解什么是卡方检验
一步一步教你分析消费者大数据
从优惠券的投放人群,教你看分类模型的评判标准
数据分析师,少一点套路,多一点思路
关于数据建模变量标准化,你想知道的都在这里了
运营经理,你真的知道模型里的R平方吗?
从可视化角度浅谈如何做一份优秀的咨询PPT(一)
用可视化思维解读统计自由度
孰好孰坏?第一方数据与第三方数据
读完这篇,连小学生都看的懂什么是机器学习里的boosting
教你炼就火眼金睛,识别会说谎的数据分析

你可能感兴趣的:(先别急着分析竞争格局,谁是你的竞争对手还没弄明白呢)