精华内容
下载资源
问答
  • 军用产品研制技术文件编写范例 范例29 价值工程和成本分析报告 19P 7.01M.pdf
  • 1. 为什么要去做(why) 2. 什么时候去做?(when) 3. 做竞品分析的基本步骤(how) 3.1. 明确目的 3.2. 行业分析(市场分析) ...3.2.4. 行业/市场分析四大块 ...4. 写分析文档的注意点 5. 目录结构 ...

    1. 为什么要去做(why)

    2. 什么时候去做?(when)

    3. 做竞品分析的基本步骤(how)

    3.1. 明确目的

    3.2. 行业分析(市场分析)

    3.2.1. PEST

    3.2.2. 竞争态势

    3.2.3. 产业地图

    3.2.4. 行业/市场分析四大块

    3.3. 确定竞品

    3.4. 确定维度

    3.5. 搜集数据

    3.6. 对比分析

    3.7. 输出结论

    3.8. 案例《中国移动阅读APP竞品分析报告》

    4. 写分析文档的注意点

    5. 目录结构

     

    1. 为什么要去做(why)

    1. 竞品分析的目的就是如何把这个事情做好,让公司利益最大化,要挑的市场好,产品定位好
    2. 战略选择
      1. 产品核心竞争力的建立
      2. 资源分配的合理布局
      3. 合理制定预期目标
    3. 产品优化
      1. 需求来源之一
      2. 竞争压力迫使产品迭代优化
    4. 个人成长
      1. 逻辑思维的锻炼
      2. 行业理解力的提升
      3. 用户导向概念的深化
      4. 书面表达能力的加强

    2. 什么时候去做?(when)

    1. 市场分析阶段
      1. 主要分析人:产品、运营
      2. 目的:确定方向,了解市场
      3. 关注点:业务层面
    2. 需求分析阶段
      1. 主要分析人:产品、用研
      2. 目的:用户需求调研与功能点转化
      3. 关注点:业务层面
    3. 产品设计阶段
      1. 主要分析人:产品
      2. 目的:寻找差异点,学习优势
      3. 关注点:产品层面
    4. 交互设计阶段
      1. 主要分析人:交互设计师
      2. 目的:提升交互体验
      3. 关注点:功能层面
    5. 视觉设计阶段
      1. 主要分析人:视觉设计师
      2. 目的:维护用户对这类产品传统认知的基础上,打造独特性
      3. 关注点:功能层面
    6. 验证与测试
      1. 主要分析人:用研、产品、交互、视觉、运营
      2. 目的:验证产品,优化体验
      3. 关注点:产品+功能层面

    3. 做竞品分析的基本步骤(how)

    3.1. 明确目的

      1. 看产品目前处于什么阶段,那么此时的目的就是什么

    3.2. 行业分析(市场分析)

      1. 目标
        1. 了解行业基本概况
        2. 熟悉行业发展阶段
        3. 了解行业内竞争基本情况
        4. 总结所处行业的发展基本特征,以便后续提炼方向结论
      2. 定义
        1. 行业分析是指根据经济学原理,综合应用统计学、计量经济学等分析工具对行业经济的运行状况、产品生产、销售、消费、技术、行业竞争力、市场竞争格局、行业政策等行业要素进行深入的分析,从而发现行业运行的内在经济规律,进而进一步预测未来行业发展的趋势。
      3. 四要素
        1. 客观性
        2. 系统性
        3. 决策导向
        4. 信息处理
      4. 两个步骤
        1. 搜集分析资料
            1. 行业背景相关信息(政策、经济等)
            2. 行业如何产生?解决了什么问题?行业历史怎样?

    3.2.1. PEST

              1. 四个部分
                1. 政治环境
                  1. 国际关系
                  2. 政治干预
                  3. 方针政策
                  4. 政治局势
                  5. 国体与政策
                2. 经济人口环境
                  1. 宏观经济政策
                  2. 经济基础结构
                  3. 国家经济形势
                  4. 经济发展水平
                  5. 城市化程度
                  6. 储蓄与信贷
                  7. 消费结构
                  8. 收入水平
                  9. 人口变化
                3. 社会文化环境
                  1. 教育水平
                  2. 语言文字
                  3. 价值观念
                  4. 宗教信仰
                  5. 审美观念
                  6. 风俗习惯
                4. 技术自然环境
                  1. 科学技术发展
                  2. 自然地理因素
              2. 在线音乐
                1. 音乐版权保护基本成熟
                2. 娱乐消费力增长
                3. 明星社会影响力不减,90、00后成追星主力
                4. 4g网络普及,流量成本降低,VR\AR技术,5g趋势
              3. 共享汽车
                1. P节能减排、车牌难求、信用体系
                2. E人均可支配收入提高
                3. S会开车的人变多,对出行舒适度追求
                4. T线上支付手段等相关支撑技术

    3.2.2. 竞争态势

              1. 波特五力模型
                1. 五个部分
                  1. 供应商议价能力
                    1. 供应商数量
                    2. 供应商大小
                    3. 供应商的独特性
                    4. 创新能力
                    5. 改变的成本
                  2. 买家议价能力
                    1. 客户数量
                    2. 订单大小
                    3. 同业竞争对手差异性
                    4. 价格敏感性
                    5. 改变成本
                  3. 潜在竞争者
                    1. 进入时间和成本
                    2. 进入所需行业知识
                    3. 量产能力
                    4. 成本优势
                    5. 技术保护
                    6. 进入壁垒(品牌、政策等)
                  4. 替代品威胁
                    1. 替代品的业绩
                    2. 改变成本
                  5. 同行竞争程度
                2. 在线音乐
                  1. 音乐版权方越来越强势
                  2. 用户付费习惯已建立,对歌曲内容有要求,对评论歌单等需求一直存在
                  3. 潜在新的直接音乐内容试听领域的进入者威胁相对少
                  4. 实物或线下体验类替代产品消费成本较高,如演唱会,CD,但其他音乐休闲娱乐产品较多-如抖音、K歌产品
                  5. 行业内竞争激烈同质化竞争趋势明显
                3. 共享汽车
                  1. 汽车生产商、渠道商
                  2. 有驾照的用户
                  3. 上游供应商、租赁公司可轻易进入
                  4. 单车私家车公共交通可替代,但舒适度或费用有一定影响
                  5. 汽车投放管理成本高,相对竞争不激烈

    3.2.3. 产业地图

              1. 定义
                1. 产业格局的结构化总览
              2. 内容
                1. 行业运转规律(上下游关系、如何玩)
                2. 行业拆解
                3. 竞争环境
              3. 步骤
                1. 横向:分解行业阶段
                2. 纵向:阶段分析与分类
                3. 填充:行业玩家
              4. 共享单车

          1. 市场相关信息(市场规模、用户情况)
            1. 市场阶段
              1. 导入阶段(萌芽/探索期)eg:折叠屏手机
              2. 发展阶段(高速发展期)eg:小爱同学
              3. 成熟阶段(成熟期)eg:笔记本电脑
              4. 退出阶段eg:诺基亚手机
            2. 市场规模(蛋糕有多大)
              1. 定义
                1. 市场规模主要是研究目标产品或行业的整体规模
                2. 可能包括目标产品或行业在一定时间内的产量、产值等
                3. 具体根据人口数量、人们的需求、年龄分布、地区的贫富度调查所得的结果。
              2. 研究方法
                1. 自上而下
                  1. 源推算

    本行业市场规模追溯到催生本行业的源行业。比如:通过房地产的数据推演建筑材料、家具、家电等产业。

                  1. 强相关

    两个行业的产品销售有一对一或者一对多的关系,比如:买了球拍需要买相应的球。

                  1. 需求推算

    相应目标人群或者需求较为明确且数据容易获取,比如:淘宝卖家增值服务的市场容量=商户数*转化率*客单价。

                1. 自下而上
                  1. 抽样分析

    比如:在全国抽取了1000户的样本,发现共有100户计划未来一年购买冰箱,每户一个,每个冰箱平均预算为2000,全国共有5亿户,则冰箱的市场规模=100/1000*1*2000*5亿=1000亿。

                  1. 典型反推

    行业演进经历三个阶段:极度分散、块状同质、团状异质。某个品牌的销售额通过多个渠道即可获取,而市场份额则全凭个人经验,一般龙头企业的市场份额在3%~30%之间,具体数值视行业发展阶段而定。

                1. 但对于产品经理而言,做粗略的估算即可
              1. 全中国共享巴士的市场规模?
                1. 中国人口基数:M人
                2. 中国每日出行用户规模:M*60%人
                3. 私家车用户量:N
                4. 公共交通每日运力:X人
                5. 人均城市内交通消费:R元
                6. 共享巴士的市场规模预计为每年等于(0.6M-2N-X)R*365
            1. 用户画像
              1. 定义
                1. 建立在一系列真实数据之上的目标用户模型
              2. 类型
                1. 个人
                2. 企业
                  1. 商户
                  2. 渠道商
                3. 内部
                  1. 销售
                  2. 运营
                  3. 服务
              3. 步骤
                1. 目标用户的选择可参考行业、竞品进行分析
                2. 参考相关产品的周围人员的使用习惯及场景
                3. 初步建立用户标签体系
                4. 后续通过市场反馈进行用户画像的修正
        1. 处理加工资料
          1. 一定要得出对项目有帮助的结论
      1. 注意
        1. 官方的数据都是具有可靠性的
        2. 如果找到相反的数据,那么摘取有利于自己观点的数据做支撑,重要的是要做到自圆其说
        3. 最好有结论方向,再去找支撑数据。如果没有结论方向,那么就先去找数据,再总结得出结论

    3.2.4. 行业/市场分析四大块

        1. 市场容量
          1. 行业背景
          2. 市场现状
          3. 规模及趋势
        2. 用户及场景
          1. 用户规模
          2. 用户基本画像
          3. 用户需求
          4. 使用场景
          5. 现有解决方案、
        3. 竞争力分析
          1. SWOT分析
          2. 4P/4C理论
          3. PEST
          4. 波特五力模型
          5. 波士顿矩阵

        1. 策略及风险
          1. 产品迭代
          2. 营销策略
          3. 运营策略
          4. 营收策略
          5. 风险防范

    3.3. 确定竞品

      1. 目标
        1. 搜集分析竞品相关情况
        2. 选择恰当的竞品进入下一阶段的分析
      2. 步骤
        1. 找到竞品
          1. 如果是主流产品
            1. 应用市场搜索推荐
            2. 浏览器关键词延伸搜索
            3. 用户反馈口碑好的产品
            4. IT桔子有最新融资进展的产品
          2. 如果是创新产品
            1. next.36kr.com
            2. producthun
        2. 竞品分级
          1. 核心竞品
            1. 产品直接相关的细分市场内,第一梯队的竞争对手
          2. 重要竞品
            1. 产品相关细分市场内排名第1的竞争对手
          3. 普通竞品
            1. 一般就是产品直接和相关细分市场的其余名额
        3. 确定竞品
          1. 用户群情况
            1. 判断产品与竞品用户群是否相似。
          2. 功能匹配度
            1. 判断竞品功能是否匹配。
          3. 功能亮点
            1. 竞品功能要具备亮点
          4. 下载量&使用量
            1. 排行榜排名,占有市场份额
          5. 热门程度
            1. 通过调研热门产品的形成原因进行产品分析
          6. 如果只是针对某个功能点,或者UI层面等局部分析,可以在具体分析维度引入一款局部最优的产品

    3.4. 确定维度

      1. 目标
        1. 选择好分析维度
        2. 根据对应的维度去搜集基本信息资料数据
      2. 维度层面
        1. 业务层面
          1. 市场背景
          2. 公司背景
          3. 解决方案
          4. 目标人群
          5. 产品定位
          6. 市场策略
        2. 产品层面
          1. 使用场景
          2. 核心流程
          3. 功能范围
          4. 功能架构
          5. 产品迭代
          6. 产品运营
        3. 功能层面
          1. 功能点
            1. 核心功能
            2. 亮点功能
            3. 基本/扩展/问题功能
          2. 交互布局
          3. 视觉体验
            1. 使用流程/轨迹
            2. 最佳路劲
            3. 最短时间
            4. 视觉效果
            5. 排版/布局
          4. 性能分析
            1. 系统稳定性
            2. 加载错误
            3. 页面请求时间

    3.5. 搜集数据

      1. 目标
        1. 相应维度下的数据收集
        2. 便于后续的分析以及为结论提供相应的定量客观数据或信息的支撑
      2. 数据来源
        1. 产品本身

    销量、下载量、评价、浏览、点赞、一切在用户端可见的数据

          1. 自己测量统计+推测
        1. 应用市场

    APP Store、应用宝、豌豆荚、360手机助手

          1. 看评论
          2. 迭代记录
        1. 百度指数

    趋势研究、需求图谱、舆情洞察、人群画像

          1. 找到每一次数据波动的原因
        1. 专业第三方数据平台

    易观千帆、APP Annie、清博指数、微指数、艾瑞、酷传、七麦

        1. 其他来源
          1. 访问竞品公开的文档、论坛,例如通过访问拼多多商家社区,了解商家数量及分布
          2. 模仿用户去咨询竞品客服
          3. 冒充竞品的调研人员,对竞品用户进行访问
          4. 借助一些公开的论坛、展会接触竞品的参会人员
          5. 招一个竞品公司员工来面试
          6. 百度贴吧、微博等舆情重点战场

    3.6. 对比分析

      1. 目标
        1. 输出每个模块对比的小结论,为提炼大结论打基础
      2. 分析结论
        1. 竞品定位
          1. 定位的含义
            1. 面对的是怎样的市场和怎样的用户
          2. 竞品的核心功能特色与自己的差异
          3. 竞品的目标市场与自己的差异
          4. 竞品与自身之间的用户有什么差异么?
          5. 用户使用场景、用户不同的标签
        2. 竞品功能
          1. 核心功能
            1. 围绕定位,分析竞品到底做了什么核心功能
          2. 功能结构与核心流程逻辑
            1. 研究竞品的功能结构及流程是如何更好地满足其核心功能的
            2. 哪里是好的值得借鉴,哪里不好可以优化
          3. 交互体验
            1. 研究竞品的交互细节哪里做得好
            2. 是否有值得借鉴的部分
        3. 竞品策略
          1. 商业模式
            1. 盈利赚钱
          2. 布局策略
          3. 产品策略
            1. 不同时期做了什么功能
          4. 运营策略
            1. 都做过哪些特别的运营事件

    3.7. 输出结论

      1. 可以用SWOT分析法
        1. 某在线音乐平台SWOT分析

        1. 抖音SWOT分析

    3.8. 案例《中国移动阅读APP竞品分析报告》

      1. 明确目的
        1. 通过对移动阅读市场的分析及相关产品的分析,为本次项目指导一个突破的方向
      2. 行业分析
        1. 行业背景信息——PEST分析
          1. P
            1. 2015年11月,中国作协成立网络文学委员会,网络文学正式列入行业监管体系
            2. 2017年3月,第十二届全国人大五次会议上,李克强再次将“全面阅读”列入2017国家重点工作项目
            3. 2017年3月,国务院2017年立法工作计划将全民阅读促进条例列为“力争年内出台的项目”,加强阅读立法。
            4. 结论:行业监管完善,政第推动全民阅读
          2. E
            1. 随着国家GDP的发展,居民可只配收入增加,人民对精神文化的需求增长;
            2. 阅文集团、阿里文学、掌阅文学等企业纷纷成立,推动泛娱乐产业爆发,扩大网络文学的影响力,惠及全民阅读事业
            3. 结论:居民收入增加提升精神文化需求,资本布局促进全民阅读
          3. S
            1. 互联网网民规模大,上网设备集中在移动端,人民获取资讯的需求增长,移动阅读市场潜力巨大
            2. 得到、喜马拉雅FM等知识付费兴趣,网络文学IP价值得到变现,用户为知识和内容付费的意愿增加
            3. 结论:移动互联网发展,人民知识付费意愿增加
          4. T
            1. 移动支付环境成熟,优化了用户体验,便于付费阅读,利于行业良性循环
            2. 云计算、大数据技术的成熟,为用户提供智能化的推荐书籍服务
            3. 结论:便捷支付、个性化推荐技术优化用户体验
        2. 行业背景信息——产业地图

    移动阅读市场当前有三大核心企业分别为掌阅文学、阅文集团和阿里文学。它们旗下的移动阅读APp《掌阅》、《QQ阅读》和《书旗小说》2017上半年度日均活跃用户数优势明显,分别为1234.7万人、1011.6万人和716.5万人。运营商产品咪咕阅读表现亮眼,日均活跃用户数达250.9万人。

    掌阅文学以I为核心,重视优质内容创作,通过签约管理、福利保障、版权保护等途径积累了大量作者,为优质I的诞生提供了稳定的来源渠道。同时,掌阅重视海外群体的开拓,首选文化背景相似的东南亚地区,通过翻译将网文传播到海外地区,扩大企业的影响力。

    阅文集团联合腾讯打造“书籍、影视、游戏、动漫”的泛娱乐生态链,重视原创版权建设,拥有海量网文版权和国外优质内容版权,大力发挥IP价值。2017年上半年度实现IP改编的商业化,以广告、粉丝经济为主要盈利模式。

    阿里文学发力网络文学领域,培养优质网文IP,联结影视、游戏、动漫等泛娱乐产业链,通过阿里集团大文娱体系,打造以“网络文学+”生态体系。阿里文学亲自操刀打造网络综艺节目《火星情报局》的衍生小说改编,成为业内第一反向衍生案例。

        1. 市场现状信息
          1. 市场阶段
            1. 萌芽期(2003-2007)
              1. 2003年移动阅读网站出现
              2. 盗版图书、内容低俗等问题充斥市场
            2. 探索期(2008-2010)
              1. 2008年,3G拍照发放,各大无线运营商进入手机阅读市场
              2. 2009年,Kindle带动电子书阅读器成为移动阅读新习惯
            3. 高速发展期(2011-2019)
              1. 2011年,网络文学付费模式成熟
              2. 2014-2015年百度、腾讯和阿里巴巴整合或发布业务,分别成立百度文学、阅文集团和阿里文学
              3. 中国加大对网络文学的版权保护力度,市场面临洗局
            4. 成熟期(2020-)
              1. 移动阅读市场竞争格局稳定,用户付费阅读习惯养成,产业链成熟,阅读行业获得良性发展
          2. 市场规模

            1. 2013-2018E年,中国移动闷读市场规模稳定增长。移动阅读市场规模于2016年达到118.6亿元,增长率为17.43%,预it 2017年市场规模将达到140.4 亿元,并保持增长座在18%左右。
            2. 移动阅读市场仍有发展空问。优质的移动阅读产品可进一步增长利润。
          1. 用户画像
            1. 移动阅读用户中,30岁以下年轻群体占比达53%,中低消费人群占比39.97%,中等消费人群占比24.21%。可见,移动阅读产品的主要用户具有年轻、价格敏感的特点。

        1. 行业分析总结
          1. 移动阅读市场用户规模趋于稳定,而市场规模仍有上升空问,创新的优质移动阅读产品仍能在市场竞争中获利。
          2. 随着头部企业的发展,移动阅读市场格局趋于稳定,三大核心企业掌阅文学、阅文集团和阿里文学瞄准网络文学领域,通过护改编深挖IP价值,加快内容商业化进程。因此,以网络文学为主要内容的中小型移动阅读产品发展受限,创新移动阅读产品可考虑主打小众、优质、出版书籍内容,与巨头产品形成差异化。·
          3. 当前移动阅读产品主要用户具有年轻、价格敏感的特点,且移动阅读习惯具有高频、碎片化的特点,移动阅读产品需给用户带来实惠及高效的体验。

    4. 写分析文档的注意点

    1. 结论明确
      1. 每个模块的对比都是对最后的结论有意义的
      2. 数据支撑与最后的结论相关
      3. 每段分析有相关的总结小结论
      4. 最后有方向选择的大结论
      5. 不相关的信息或对比不要
      6. 与结论相关但很占篇幅的不利于阅读的内容可再附录展示
    2. 文档表述
      1. 结构清晰,提供目录,区分章节,规范段落
      2. 排版清晰,段距、行距适中,字体大小有层次感
      3. 图文并茂,多用图表,不容易描述的地方要加截图
      4. 语义表达,避免过于主观的描述和表达
      5. 给出结论
    3. 常见对比分析格式
      1. 1

      1. 2

      1. 3

    1. 明确汇报对象,不同的汇报对象所需要的竞品分析的要求不一样

    领导关注行业,产品关注功能,运营关注策略

    1. 风险点

    政策、法律、市场、资本、技术、决策、舆论

    5. 目录结构

     小红书1

      1. 图1

      1. 图2

      1. 图3

      1. 图4

    1. 抖音1
      1. 图1

      1. 图2

      1. 图3

     

     

    展开全文
  • 词云分析写在最后 Tip:本文仅供学习与交流,切勿用于非法用途!!! 背景介绍 有个同学问我:“XXX,有没有办法搜集一下淘宝的商品信息啊,我想要做个统计”。于是乎,闲来无事的我,又开始琢磨起这事… 一、模拟...
  • 在各行业都高度数字化的今天,越来越多的部门和岗位都不可避免地要与数字打交道:销售部门...数据分析报告怎么!!!不要急,今天JINGdigital为大家带来做数据分析报告不可不知的六大原则,掌握了这些原则,相信你可...

    在各行业都高度数字化的今天,越来越多的部门和岗位都不可避免地要与数字打交道:销售部门的销售数据、市场部门的客户资质数据和行业数据、生产部门的产品数据、运营部门的运营数据等,类似的例子还有很多。什么?自认为对数字缺少“六识”的你在角落瑟瑟发抖,生怕哪天被安排做数据分析的工作?数据分析报告怎么写!!!不要急,今天JINGdigital为大家带来做数据分析报告不可不知的六大原则,掌握了这些原则,相信你可以做出一份有价值的分析报告。

    制作数据分析报告的前提:明确分析目的

    如果漫无目的地去做数据分析,那么结论很可能是非常分散且比较浅显的。拿销售数据来说,上级给了你这一年的销售数据,让你做一下数据分析。那么不论是从数据的时间跨度还是数据类型以及体量来看,这份数据都是非常庞大的。如果没有明确的分析目的作为指导,接到这份任务的你需要花费大量精力和时间去整理清洗和分析这些数据,而且往往还会因为眉毛胡子一把抓,得到大量面面俱到却面面做不到的结论,不仅仅影响了自己其他的日常工作,还很有可能得不到令上级满意的结果。

    因此,在上级安排数据分析报告的任务给你时,一定不要怕麻烦,一定要明确上级想要从这份报告中得到哪方面的信息和建议、参考哪些数据指标、以及数据的时间跨度大概是多少等等。一般来说,数据分析报告的最终结论和目的都是为某一方面的决策提供可靠的建议和指导。

    确定数据分析报告制作的目的,我们就需要具体落实制作撰写步骤。下面给大家整理在撰写报告的过程中,尤其需要注意的6大原则!

    数据分析报告撰写原则一:寻找准确的数据源+数据描述

    数据的质量是决定数据分析报告质量的前提条件。大多数时候,数据的收集和获取往往会花费分析人员大量的时间和精力,包括根据分析目的规划数据定义和范畴、与相关同事一起提取正确的数据、甚至是从零开始建立数据体系平台(包括数据埋点等)。只有在数据的质量得到保障之后,数据分析的结果和生成的报告才具有指导意义。当然了,既然如此大费周章地筹备相应的数据源,那么也一定要在报告中对数据源选取的来龙去脉以及数据特征进行描述。

    数据分析报告撰写原则二:搭建清晰的报告框架

    一般来说,数据分析报告往往包括以下三大部分:结论总结、报告背景及分析目的描述、数据收集与数据特征描述、分析论述(一般按照结论的分论点进行标题的划分,且包括但不限于数据分析的理论依据如模型的选取等、逻辑推导过程、结果展示、以及对应的结论)。更加细节上的报告框架还需视实际情况而定,但往往都是以上四大构成部分的发展与延申。而且为了提高阅读者的对整体报告的把握和阅读效率,数据分析报告往往会将最终结论放到报告的最靠前的部分而不是最后,做到结论先行。

    数据分析报告撰写原则三:结合业务逻辑进行分析

    工作中的数据分析报告绝不是在简单的数学或统计学计算,即使你使用了再高端的数据分析工具,不管是SQL、Python、Matlab、还是R语言,只要没有结合对业务的理解,那么所做的数据分析就是脱离现实的和缺乏实用价值的。因此,整个数据分析的分析过程一定要结合分析者个人对业务逻辑的主观理解,才能够得出能够真正有应用和指导价值的分析结论。

    数据分析报告撰写原则四:结论有出处,分析有结论

    只有保证分析过程的严谨,做到每一个结论都有迹可循、有据可依,分析与结论环环相扣,才能在根本上保证报告的逻辑性和科学性;而每一部分的分析,都能够对应有价值的结论,才能够保证报告整体节奏的紧凑和效率的提高,做到没有无用的分析。所以即使针对某一项数据的分析过程以及可视化结果展示耗费了你很多精力和时间,最终发现无法从中提炼出有效的结论和建议,那么一定要摒弃沉默成本的影响,将这段分析从报告中剔除。

    数据分析报告撰写原则五:结论有深度

    “我们的销售额增长了10%,我们的客户男女比例为4:3,我们的今年销售成本四季度的较去年同比分别增长了4%、2%、3%和5%……”这样的 “结论”,与其说是结论,不如说是数据结果的展示或者说是数据分析最初级的成果,而并非真正有深度的结论,或者说,并非报告阅读者真正想要的结论。结合你对业务的理解,将不同类别的数据进行交叉分析,比如对比成本的增加与供应商变动的关系等等,从而发现问题及诱因,并在此之上给出解决方向和建议,这才是真正有深度的结论。

    数据分析报告撰写原则六:善用数据可视化

    单单依靠文字支撑的数据分析报告会显得不够生动,也会显得缺乏数据基础的背书,即使实际上你真的分析的条条是道,也极有可能在第一印象、以及报告的可读性上引发阅读者的不快。而利用一点点精力,将数据分析的结果以图形图表的形式展示出来,方便报告阅读者观察和理解数据内在的异常值、趋势和规律,这样无疑会给你的报告增色不少。而更加精妙的大数据可视化,需要结合报告的目的以及个人对数据和业务的主观结合,来有的放矢地对分析结果进行一个关联和展示,并通过不同的表现形式和突出手段吸引阅读者的注意,使你所总结的结论以及建议更加容易被理解和认可。

    以上就是JINGdigital为大家分享的数据分析报告制作撰写6大原则。快跟JINGdigital一起学习更多企业营销数字化解决方案,让我们从营销的小璇玑进步为MarTech的战神!

    展开全文
  • 怎么写产品分析报告

    千次阅读 2018-04-11 11:23:24
    方法一:层次分析法;(不好上手) 战略层:产品目的,用户需求,经营者和用户想从中得到什么。 范围层:规格功能,某个功能是否应该成为这个产品的功能之一,各种功能的组合方式是什么样的。 结构层:流程结构,...
    
    

    方法一:层次分析法;(不好上手)

        战略层:产品目的,用户需求,经营者和用户想从中得到什么。

        范围层:规格功能,某个功能是否应该成为这个产品的功能之一,各种功能的组合方式是什么样的。

        结构层:流程结构,用户如何达到某个页面,并且它们走完流程之后能去哪儿。

        框架层:页面布局,按钮,表格和文本区域的位置,是否达到这些元素的最大效果。

        表现层:视觉设计,产品图片,文字的表现样式、交互形式。


    方法二:递进分析法;(思路简单,清晰)

        1.产品的定位是什么?

        2.目标用户是谁?

        3.用户使用的场景是什么?

        4.对应场景下的需求是怎样的?

        5.该需求实现步骤闭环是怎样的?每步骤下都有哪些维度?

        6.产品发展前景如何?产品目前处于什么阶段?

        7.市场容量、市场变化趋势、技术基础是什么样的?

        8.产品的易用性、功能完整性、用户体验等怎样?

        9.如果做改进方案,添加什么功能?优化哪些功能?优先级如何?

        

    解析递进分析法:

    1.产品定位:

    2.目标用户
        方法一:目标用户被称为产品的关键涉众,从涉众的利益方面分析,即用户需求外加商业目标。
        方法二:基本特征:用户年龄,性别,计算机使用背景,收入水平,用户对于该产品的使用经验及偏好,使用目的等因素。
        方法三:麦肯锡八分法:




    3.使用场景:
        结构:在某某时间(when),某某地点(where),周围出现了某些事物时(what),特定类型的用户(who),萌发了某种欲望(desire),想通过某种手段(method)来满足欲望。(需求产生的环境)

    4.需求分析:
    需求是由现状(源点)、目的地,驱动力和阻力四个方面构成。
        1)源点:企业的现状。
        2)目的地:未来的结果。
        3)驱动力:问题、某种场景或情况。
        4)阻力:成本多少?需要付出什么代价?
            注意:1.我们需要了解的不是真相,而是用户在这方面的“认知”。可能不是客观事实,但是认知决定了他们的行为。
                      2.用户表现出“显性需求”,需要对源点和目的地进行认知,并且驱动力的强度要远大于阻力的强度。

    5.产品市场分析:
        对市场前景的预测主要需判断以下几个因素:
            1)目前同类产品在市场上的情况,包括品牌,质量,价位,产品附加值等。
            2)目前同类产品市场竞争情况分析,主要评估目前的竞争水平和市场空间。
            3)产品的性价比、市场营销手段,产品综合优势和市场同类产品的对比。
        以上三点结论:一是产品在目前市场竞争环境下的生存空间。二是产品提升市场占有率的可能性及前景。
        关于市场,可参考波特五力模型,如图:
        

    6.产品易用性:
        易用性标志着最终产品的可用程度和成熟度。易用性归纳为发现,弄懂和易操作。
        1)易见:
            易见指的是功能容易被发现。这需要我们统计分析用户的操作频率。把最常用的放在最显眼的地方。可定制化的图形用户(GUI界面)。赏心悦目的界面,UI只是易用性的一个方面。
        2)易学:
            易学就是产品功能学起来泳衣,上手快。
            好的产品是不需要帮助手册的,但是这只是一种理想的说法。好的帮助手册方便查找等。
        3)易操作:
            易操作就是操作起来顺手、快捷。减少用户操作次数。例:微信支付密码输入完后自动付款,不用确认。

    7.产品优化:
        1)需要优化什么?
            设计的主要目的之一就是优化用户的产品体验。应该为降低用户的工作负荷而设计。
            一般来说,糟糕的用户体验分为四类:
            A.视觉负担:(用户找不到重点,看的很累)
    • 需要分解布局,一个页面的重点区域在哪儿?放置哪些内容?
    • 需要区分内容层次,页面中的主体内容是哪些,次要内容会对用户造成视觉干扰。
    • 需要区分视觉元素,文字,图片等的布局不符合对齐、亲密性等原则。
    • 需要努力定位目标信息。
    • 需要识别阅读起点。
    • 需要经常变换视线。
    • 视觉流被干扰,打断,视觉排布不能够有效的对用户形成视觉先后的引导。
            B.认知负担:(让用户很难理解产品,很难理解)
    • 需要理解不熟悉的概念和模式,尽量减少陌生词汇   、概念等学习,降低用户学习认知的门槛。
    • 需要理解冗长,生涩的文本内容。例:用户教程讲概念和技术。
    • 需要理解混乱的结构和布局。
    • 需要理解模棱两可的操作。用户的高频操作要一次到位。
    • 需要猜测系统状态、行为、结果。
            C.记忆负担:(让用户记住乱七八糟的东西)
    • 需要记住对象的各种属性(名字,位置,大小,颜色)。
    • 需要记住对象的关联。
    • 需要记住操作的命令、步骤、结果。
    • 需要记住以往的操作。
            D.物理负担:(无用功)
    • 需要长距离移动鼠标或滑动页面。
    • 需要进行多次点击。
    • 需要多种操作组合。
    • 需要切换输入模式。
    • 需要进出不同的页面。连贯的操作、相关的内容应在同一个页面出现/区域。
    • 需要长时间等待。
         2)优化目标:
    • 基于可用性的目标
      • 易于识别/定位/阅读。
      • 易于理解/学习/记忆。
      • 易于操作。
    • 基于产品的目标
      • 需要根据不同产品进行定义。例:最快注册流程。
        3)检查清单:
            1.架构和导航
            2.布局和设计
            3.内容和可读性
            4.行为和互动
        4)确定优先级                                       






    展开全文
  • 提示:文章完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:随着人工智能的...

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档


    前言

    电商中的数据维度有很多,各方各面都会有数据存在,通过对这些数据进行分析,我们就可以知道一些我们需要的信息。商品的定价对于电商销售来说有着关键的影响。比如定价多少会直接影响所获得的利益。定价太低也许销量有了却没有利润,定价太高有利润可惜卖不出去。只有合适的价格 ,才能获得市场中的一席之地。


    本篇以彩妆行业下三级类目“粉饼”类目为例,数据来源是淘宝搜索“粉饼”关键词下,60%价格段销量排序的TOP400个商品。

    一、聚类算法——Kmeans

    Kmeans聚类算法,又叫K均值聚类算法。是一种迭代求解的聚类分析算法。预先将数据分成K组,随机选定K各对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离。把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类,没有(或最小数目)聚类中心再发生变化,误差平方和局部最小。
    Kmeans算法是数据分析中常用或者说常见的算法,属于聚类算法之一,用于对不知道明确划分界限的数据分类。电商中通常用在客户分析,构建RFM模型。

    二、使用步骤

    1.引入库

    代码如下(示例):

    import numpy as np
    import pandas as pd 
    import seaborn as sns
    import matplotlib.pyplot as plt
    from sklearn.cluster import KMeans
    from sklearn.externals import joblib
    from sklearn.preprocessing import StandardScaler
    from sklearn.preprocessing import MinMaxScaler
    

    2.读入数据

    代码如下:

    data1= pd.read_csv(r'F:\灯具彩妆执行\彩妆\行业分析报告\数据\价格\粉饼.csv',encoding='utf-8')
    

    3.数据检查及处理

    data1.dtypes
    data1["销售价最低"]=data1["销售价最低"].astype(np.int64)
    data1["30天销售额"]=data1["30天销售额"].astype(np.int64)
    

    在这里插入图片描述
    在这里插入图片描述
    查看数据类型,可得知我们的数据源中各个字段的数据类型,和共有多少个字段。将之后会用到的字段修改成方便数据处理的类型。

    data1.info()
    

    在这里插入图片描述
    info函数同样可以做到这一点,不仅如此,info()还可以让我们知道这些字段中,哪些字段数据有缺失,从而让我们可以将这些数据进行处理(删减/填充)。

    dt2 = data1[["宝贝id","销售价最低","30天销量"]]
    dt2.describe()
    

    在这里插入图片描述

    describe()函数可以为我们计算出数据的数量、标准层、均值、四分位数以及最大最小值。可以更直观看出我们的数据是否有异常。这里我们看到30天销量为-1,显然是不正确的。

    dt2 =dt2[(dt2['销售价最低']>0) & (dt2['30天销量']>0) ]
    dt2.describe()
    

    在这里插入图片描述

    提取出所有销量>0的数据然后查看。

    4.聚类分析

    在确认数据没有问题后便可以开始着手进行聚类分析了。

    sns.distplot(dt2["销售价最低"])
    

    在这里插入图片描述
    通过画核密度图我们可以大致看出市场价格情况:“粉饼”这一关键词下,销量前400的商品中大部分商品价格在50元左右,高价格段商品集中在150元左右。(这里y轴代表数据密度,是在原数据基础上数据归一化的结果)

    x=dt2.iloc[:,1:3]
    x.head()
    s=StandardScaler()
    x_scale = s.fit_transform(x)
    x_scale = pd.DataFrame(x_scale,columns=x.columns,index=x.index)
    x_scale.head()
    

    一般情况下“数据标准化”是数据分析前数据处理的重要一部分,其作用是使数据处于同一数量级,免受量纲影响。未做数据标准化的数据会明显突出数值过大的指标,削弱数值小指标的影响。

    scope = range(1,10)
    sse = []
    for k in scope:
        kmeans = KMeans(n_clusters=k)
        kmeans.fit(x_scale)
        sse.append(kmeans.inertia_)
    plt.xticks(scope)
    sns.lineplot(scope,sse,marker='o')
    

    Kmeans算法中,需要知道的一点是,Kmeans并不能自动的为我们决定将数据划分为几类,而是需要我们先决定将数据划分为几类,然后再去由Kmeans进行划分。但到底划分为几类虽然是由我们决定,却也不能随意决定。常用的方法是根据最小的SEE原则来决定最佳K值。
    在这里插入图片描述
    根据图像我们可以知道最合适的K值为3,即将我们的商品数据按价格分为三类。
    在确定了这个K=3后,我们就可以正式对数据进行聚类。

    # 正式定义模型
    model1 = KMeans(n_clusters=3)
    # 跑模型
    model1.fit(x_scale)
    # 需要知道每个类别有哪些参数
    C_i = model1.predict(x_scale)
    # 还需要知道聚类中心的坐标
    Muk = model1.cluster_centers_
    X = x_scale.values
    print('质心:',model1.cluster_centers_)
    print('标签:',model1.labels_)
    print('SSE:',model1.inertia_)
    print('迭代次数:',model1.n_iter_)
    print('分值:',model1.score(x_scale))
    
    # 画图
    plt.scatter(X[:,0],X[:,1],c=C_i,cmap=plt.cm.Paired)
    # 画聚类中心
    plt.scatter(Muk[:,0],Muk[:,1],marker='*',s=60)
    for i in range(3):
        plt.annotate('中心'+str(i + 1),(Muk[i,0],Muk[i,1]))
    plt.show()
    

    在这里插入图片描述
    很明显可以看出我们已经成功将商品数据根据价格划分为了三类。一般的通过聚类做人群划分时,我们可以在聚类后给原数据打标,将各数据处于哪一个分类中标记出来。但我们这里的最终目的是给商品定价,也就是说我们需要知道,市场的价格行情。因此还是用标准化前的数据更为直观。

    # 正式定义模型
    model1 = KMeans(n_clusters=3)
    # 跑模型
    model1.fit(x)
    # 需要知道每个类别有哪些参数
    C_i = model1.predict(x)
    # 还需要知道聚类中心的坐标
    Muk = model1.cluster_centers_
    X = x.values
    # 画图
    plt.scatter(X[:,0],X[:,1],c=C_i,cmap=plt.cm.Paired)
    # 画聚类中心
    plt.scatter(Muk[:,0],Muk[:,1],marker='*',s=60)
    for i in range(3):
        plt.annotate('中心'+str(i + 1),(Muk[i,0],Muk[i,1]))
    plt.show()
    Muk    
    

    在这里插入图片描述
    这样我们就可以直观的得到我们的结果。从图上可以清楚的看到结果将商品按价格和销量分了3类。我们可以看出“粉饼”关键词下,前400的商品绝大部,30天销量低于50000,从聚类中心得知这部分商品的价格中心约为78元,销量中心在1929左右。在商品销量大于50000的第二类商品中,其价格中心为约54元,销量中心约在86593。最后一类商品销量超过350000极为稀少不做参考。在得到这些结果后,再根据我们自己产品的成本、特点、利润,定一个合适的价格就容易很多了。


    总结

    提示:
    以上就是今天要讲的内容,本文以给产品定价为实例,通过对市场上“粉饼”关键词下60%价格段销量前400商品的价格、销量数据进聚类分析,该段商品又细分3类,并找出其聚类中心,得到符合市场情况的商品价位。方便对自己产品定价提供较高参考价值。

    展开全文
  • 学习需求分析

    万次阅读 多人点赞 2017-04-17 21:34:51
    笔者本身是软件工程专业出身,但是对如何需求分析仍然是一知半解,拿到需求,仍然不知道如何下手,才能达到需求分析的目的。 今天看到一篇文章,让我受益良多,同时参考此文,笔者也尝试了一个需求分析,一个...
  • 做一份好的数据分析报告,大到成为能否帮助企业做出正确的商业决策,小到成为能否说服老板获取业务资源的关键因素。因此做出一份高质量的数据分析报告是一个职场人必备的利器。有人说,数据分析报告,不就是一堆的...
  • 来源:简书 转自:上海数据分析大家好,我是小五今天给大家分享一篇关于如何撰写分析报告的干货在互联网行业里,很多岗位都需要和数据打交道,比如运营、产品、销售等。数据分析报告的作用在于以...
  • 年后很多朋友会开始看新的工作机会,我打算一个面试的系列来给大家作为宝典指南。而看机会的第一步肯定是要修改简历,所以第一篇我们先来讲讲如何一份让人眼前一亮的数据分析师简历。小洛已经帮助...
  • 到底数据分析工作计划该咋?今天我们系统讲解一下。 1 、工作计划常见坑点 如果让其他部门工作计划,大概率是以下画风: 销售:全年为公司创造20亿收入,计划每月目标为XXX 运营:全年组织10次活动,...
  • 产品功能分析

    2021-03-17 09:36:33
    1.将产品的所有功能体验一遍并按照浏览路径绘制产品结构图,了解业务如何在产品中运转以及各功能模块间的运转路径。 如某找房app的一小部分结构图如下: 2.思考各个模块用户价值(帮助用户解决什么问题?为用户提供...
  • 经过去重处理和删除无效评论(灌水和广告),从592条评论中选择207条进行分析,再经过逐条的分析之后,筛选出了进行详细分析,结合产品的核心业务逻辑,对这些用户反馈进行分类,得出下表: 通过以上分析得出,抖音...
  • 主要对项目市场、技术、财务、工程、经济和环境等方面进行精确系统、完备无遗的分析,完成包括市场和销售、规模和产品、厂址、原辅料供应、工艺技术、设备选择、人员组织、实施计划、投资与成本、效益及风险等的计算...
  • 下面通过PHP中提供的变量与常量、算术运算符以及赋值运算符等相关知识来实现PHP中的商品价格计算。 2、设计思路 使用PHP提供的变量保存用户所购买商品的名称、价格及数量。 由于网站中所有商品的折扣相同,所以...
  • 短训营适合人群 【1】在校大学生 未来从事数据分析行业,更加明确职业方向,把华为数据分析挖掘项目进简历。 【2】产品经理、运营人员、经营分析师、财务分析师、数据分析师等 通过数据分析,辅助业务做出高质量...
  • 互联网业务数据分析报告及用户分层模型一、商品画像体系1、什么是商品画像体系2、商品画像体系的数据来源3、商品画像体系的应用(1)曝光价格分析(2)商品review评分分布分析(3)商品排名分布趋势(4)商品标题...
  • 文章目录前言一、设计和开发成本二、部署和维护成本三、边际成本总结 前言 人工智能应用开发的成本很大程度上会影响人工智能在各个行业的渗透率。成本越低,则渗透率越高,人工智能对行业的影响速度也越快。然而,...
  • 竞品分析 1,什么是竞品分析? 1.1 什么是竞品 具有竞争能力的产品,这种回答不完全正确; 如果你是电商行业的产品,一个很有竞争能力在线教育产品,通常不会对你造成危险 所以呢?竞品就是具有一定竞争能力的...
  • 怎么做硬件产品的需求分析

    千次阅读 2020-04-02 14:44:49
    为了满足这些需求而产生的有型实体或无形服务都是我们所说的产品。 在产品设计的角度来说,需求是一类或一群需要的集合,而非一个单独的需要,这是因为评估一个产品值不值得做的核心因素是它所满足的那些需求的价值...
  • 存在的风险:在交谈期间需求可能不断增长,或是以前没有认识到的合理需求的一种表现,说是“完美蠕行”(Creeping elegance)病症的体现,以至于很难予以控制,可能导致超出项目成本和进度的限制。 应对措施:项目...
  • EXCEL——商品定价分析

    千次阅读 2019-03-12 11:32:32
    1商品定价是营销中重要的一步,了解消费者对价格的可接受范围和不可接受范围可以更合理的定制商品价格。 2.工具excel 3.可视化——堆积面积图 4.效果图 具体做法: (1)首先要计算出价格可接受范围比例(0-100%)...
  • 产品思维做竞品分析: 1)Who:用户是谁? 竞品分析文档是做给谁看的? 读者是哪些人? 可能是老板、投资人、客户、销售员、产品团队…… 用户关心哪些内容? 你想让用户了解什么? 不同的用户(读者)有...
  • 数据分析写的运营分析报告,和运营写的数据分析报告,到底有啥区别?这不是个绕口令,而是困扰很多同学的真实问题。特别在很多推崇“数据思维”“科学管理”的公司里。大老板喜欢看报告,下边的人人奋笔疾书,好不...
  • 需求获取和分析 系统分析 系统设计 文档编制和沟通能力 系统运行和维护 软件过程改进 系统开发项目管理 企业信息化战略与实施 二、往年考题 考试时间 所属范围 考查知识点 2019年上 项目...
  • 电商,商品中的sku spu分析详解

    千次阅读 2020-02-20 21:39:34
    商品的spu、sku及其之间的关系 今日来总结一下,电商系统中涉及到商品时必然会...SPU是商品信息聚合的最小单位,是一组可复用、易检索的标准化信息的集合,该集合描述了一个产品的特性。 SKU:库存量单位 SKU=stoc...
  • 又或者在数据分析师面试的时候面试官喜欢问:“现在有个产品的销售额下降了,你能给我拆解一下原因吗?”        这当然是数据分析师必备的知识储备啦,有同学就会回答:...
  • 数据挖掘实战—电商产品评论数据情感分析

    千次阅读 多人点赞 2021-04-10 16:24:58
    文章目录引言一、评论预处理1....基于预处理后的数据进行情感分析,并使用LDA主题模型提取评论关键信息,以了解用户的需求、意见、购买原因及产品的优缺点等,最终提出改善产品的建议。 定义如下挖掘目标: 对京东

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 164,679
精华内容 65,871
关键字:

产品价格分析怎么写