去年双十一复盘会上，一个做家居收纳的运营负责人给我看了他们的商品分析看板：27个指标、11张图表、5个数据源对接，从曝光到复购一应俱全。但我问了一个问题，"上个月你们下架了哪几个SKU，依据是哪张图上的哪个数字？"会议室安静了整整半分钟。这不是个例。过去三年我帮二十多个电商团队做过商品分析体系落地，见过太多"看板很漂亮、决策依然靠拍脑袋"的情况。问题不在于数据不够，而在于没有一把排序器告诉大家：在当前的竞争格局下，哪些分析功能必须先做、哪些可以缓做、哪些纯属浪费。
这篇文章我想把一件事讲透，竞争强度不是商品分析的背景描述，而是核心功能的优先级排序器。竞争强度不同，该建的功能、该看的指标、该留的颗粒度完全不同。搞混这一点，再多的报表也落不了地。
大部分团队做商品分析，习惯从"数据能拿到什么"出发，而不是从"竞争要求我做什么"出发。这个顺序错了。我的核心结论只有一句话：商品分析的核心功能不是一次性建全的，它应该按照竞争强度从低到高，分阶段长出不同的能力。
低竞争阶段，商品分析的核心任务是"发现机会"，功能重点是基础监控和增长识别；中竞争阶段，任务转向"提升效率"，重点是商品诊断和定价优化；高竞争阶段，任务变成"守住阵地并寻找差异化"，重点是竞争监控、价格弹性、内容和评价壁垒分析；到了极高竞争阶段，才轮到预测预警和自动化决策这类重投入功能。
为什么这个排序重要？因为绝大多数团队的资源是有限的，而商品分析功能之间存在明显的依赖关系和成本差异。一个竞争强度评估仪表盘可能两周就能上线，而一套价格弹性模型往往需要三到六个月的数据积累和反复校准。如果在一个低竞争品类里先建价格弹性模型，你会把最贵的资源投在收益最低的地方。
我通常会用下面这个映射关系来做第一轮判断：
| 竞争强度 | 分析核心任务 | 优先核心功能 | 典型业务动作 |
|---|---|---|---|
| 低竞争 | 发现机会 | 基础监控 + 机会评分 | 扩品、加大投放 |
| 中竞争 | 提升效率 | 商品诊断 + 定价优化 | 汰换SKU、调价 |
| 高竞争 | 守阵地 + 差异化 | 竞争监控 + 弹性模拟 + 内容评价分析 | 促销防御、内容升级 |
| 极高竞争 | 预测与自动化 | 预测预警 + 跨部门动作闭环 | 自动化补货、动态定价 |
这张表不是理论推演，是我从实际项目里倒推出来的。下面我会讲清楚每个阶段为什么这么排序，以及落地时的真实取舍。
2023年我接触过一个母婴辅食品牌，他们的数据分析团队很能干，三个月就搭起了一套完整的商品分析体系，覆盖销量、毛利、库存、评价、流量五个域。上线后运营团队却几乎不用，原因很具体：辅食类目的竞争强度在一个季度内从"中"跳到了"高"，竞品密集上新、价格带快速下移，但他们看板里最显眼的是"月度销量排行"和"库存周转率"，完全没有竞品价格变化的监控。
他们的问题不是功能不够，而是功能优先级和竞争强度错配。在一个快速变卷的类目里，看"我卖了多少"远不如看"对手在怎么动"有价值。
很多人把竞争强度当作一个静态的类目属性，"我们这个类目就是红海"。但实际上，竞争强度会随着季节、平台规则、新品涌入、头部动作而剧烈波动。一个大促前，竞争强度可能瞬间翻倍；一个头部品牌清库存，价格带会被整体拉低。
这意味着商品分析的核心功能也必须跟着竞争强度动态调整。一套固定的看板，无法应对一个动态的竞争环境。这也是为什么我坚持把竞争强度评估作为商品分析的第一功能，而不是把它当作"市场部的事"。
过去做跨境或类目商品分析，最大的成本是"外部数据拿不到"。竞品销量、价格带分布、评价增速这些信息，要么靠人工爬，要么靠第三方数据采购，成本高、时效差。最近两年我比较关注数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）这类产品，它的思路是把外部竞争数据纳入商品分析的主流程，而不是让分析团队自己在多个工具之间搬运数据。
我实际用下来觉得它对"落地"帮助最大的点在于：它把竞争强度相关的外部指标，比如同类目的商品密度、价格带拥挤度、评价增长节奏，做成了可以直接进看板的字段。这解决了我开头提到的那个问题：过去竞争强度只能靠感觉描述，现在可以像内部指标一样被监控和预警。当然它不是万能药，外部数据的采样口径、覆盖范围和更新频率，仍然需要团队自己去验证和校准，不能盲信。
这是最普遍也最致命的错法。团队往往觉得"商品分析嘛，就是销量、毛利、库存、评价、流量全看一遍"，于是一次性把五个域全部建起来。结果是每个域都做得不深，每个域都停留在描述层，遇到具体决策时哪个域都给不出明确答案。
我的判断是：商品分析是一个能力栈，不是功能清单。能力栈有依赖顺序，底层的竞争判断没做好，上层的诊断和模拟就失去参照系。先建全功能，等于在错误的地基上盖了五层楼。
很多团队评估竞争强度只看一个数，同类目有多少个竞品。这个口径太粗。我见过一个类目，竞品数量只有十几个，但价格带高度拥挤、评价壁垒极低、头部集中度极高，实际竞争强度远超一个"竞品数量上百但高度分散"的类目。
竞争强度至少要看六个维度：竞品密度、价格带拥挤度、同质化程度、头部集中度、流量成本变化、评价与内容壁垒。只看数量，等于用体温计判断病情。
我见过一些团队把一套商品分析模板复制到所有类目，从服装到家电到食品，用的都是同一套指标和阈值。这在竞争强度差异大的品类之间会产生严重误导。服装类目上新快、价格弹性大，家电类目决策周期长、内容壁垒高，两者的核心功能重点完全不同。
最隐蔽的误区是把商品分析的目标设成"看得清楚"。但看得清楚不等于能决策。一个好的商品分析功能，必须能触发一个明确动作，下架、调价、补货、加投、换主图。如果一个模块看完之后没人知道该干什么，那它就是装饰。
我给团队用的竞争强度评分表，固定六个维度，每个维度1到5分，加总后做分层。这样做的目的是把"感觉竞争很激烈"变成"竞争强度评分4.2，属于高竞争"。
这六个维度不要求每次全量重算，但至少每月过一次，因为竞争强度会波动。我一般建议用滚动30天的窗口来做，避免单日异常值干扰。
评分出来后，我按总分分成四层，每层对应不同的功能重点。这个分层不是绝对的，但能帮团队快速对齐"我们现在该干什么"。
| 总分区间 | 分层 | 第一优先功能 | 建议暂缓功能 |
|---|---|---|---|
| 6-12分 | 低竞争 | 基础监控、机会评分 | 价格弹性、预测预警 |
| 13-18分 | 中竞争 | 商品诊断、定价优化 | 自动化决策 |
| 19-24分 | 高竞争 | 竞争监控、弹性模拟、内容评价分析 | 全自动动态定价 |
| 25-30分 | 极高竞争 | 预测预警、跨部门动作闭环 | 无（需全栈能力） |
除了分数,我还会用三条原则做二次校验：
这三条原则在实际项目里经常推翻纯分数的排序。竞争回应原则是最容易被忽视、但最救命的，等你把基础功能建完，可能阵地已经丢了。
去年底我帮一个家居品牌做商品分析落地，他们的类目竞争强度评分从17分（中竞争）在一个季度内升到了22分（高竞争）。原来的看板只有销量和库存，完全无法应对竞争升级，我用数跨境帮他们搭了一套竞争监控模块，重点看三件事：竞品价格带分布、竞品评价增速、竞品上新节奏。
上线后第一个月，监控发现一个竞品的价格带从199-299悄悄下移到159-259，同时评价增速比平时快了近一倍。这两个信号叠加，说明对方在做一个"降价+评价冲刺"的组合动作。团队据此提前调整了自家的促销节奏和主图卖点，避免了大促期间被正面压制。
这个案例让我更确信一点：竞争监控的价值不在于"知道对手在做什么"，而在于"比对手早一步知道"。而这恰恰依赖外部数据的时效性。
用外部数据做竞争监控，必须正视它的局限。我做过一次校准测试，把数跨境的竞品价格数据和人工核对的结果做比对，整体一致率在85%左右，但个别小众竞品的覆盖有延迟。这个结果说明外部数据可以支撑趋势判断，但不能直接用于精确到单品的定价决策，定价仍需要以自身成本和毛利模型为底线。
我的做法是把外部数据定位为"预警信号"而非"决策依据"：它负责告诉你"该看哪里了"，具体怎么定价、怎么调，仍然回到内部的毛利和库存模型。这样既用上了外部数据的时效性,又避免了盲信外部数据的风险。
低竞争不代表可以躺平，而是意味着分析重点应该放在"发现哪些品值得做"。我建议这个阶段的团队先建两件事：一是基础监控，覆盖销量、毛利、库存、评价的核心面；二是机会评分，用销量增速、毛利水平、竞争空缺、评价壁垒四个维度给候选品打分。
这个阶段最容易犯的错是过度建设。低竞争阶段不需要价格弹性模型，也不需要自动化决策，因为竞争压力还不足以让这些功能产生价值。把资源集中在机会识别上，回报最高。
进入中竞争，团队的痛点从"做什么品"变成"怎么做效率"。这个阶段我建议上线商品诊断评分和定价促销模拟两个功能。商品诊断要把销量、毛利、库存、评价、流量、竞品对比六个维度整合成一个可解释的评分，并且用竞争强度做修正，避免"唯销量论"。
定价模拟的重点不是算出一个精确的最优价，而是让团队看到不同定价下的毛利和库存压力变化。中竞争阶段，定价模拟的价值在于"让决策有参照"，而不是"让决策自动化"。
高竞争阶段，前两个阶段的功能会迅速失效，因为对手的动作太快。这个阶段我建议把竞争监控、价格弹性模拟、内容和评价壁垒分析三个功能前移。竞争监控负责发现对手动作，弹性模拟负责评估自己的应对空间，内容评价分析负责找到非价格差异化机会。
这里我要强调内容评价分析的价值。在高竞争环境里，价格战往往是双输，真正的差异化来自内容质量和评价壁垒。分析竞品的卖点覆盖、评价关键词、内容缺口，能帮团队找到"对手没占、用户在乎"的位置。
极高竞争阶段，靠人工响应已经跟不上。这个阶段需要预测预警和跨部门动作闭环。预测预警的重点是对价格、销量、评价的异常做提前识别；动作闭环的重点是把"发现问题"到"执行动作"的链路压缩到天级甚至小时级。
但我必须提醒：自动化决策不是一键开关，它需要前面三个阶段的数据积累和规则验证。跳过前三个阶段直接上自动化，几乎必然翻车。
这是最常见的取舍。覆盖更多竞品和数据维度，意味着更长的采集周期和更高的成本，但响应速度会下降。我的建议是：在高竞争阶段，优先保证对头部和主要竞品的响应速度，宁可牺牲长尾竞品的覆盖。因为真正会伤到你的是头部动作，长尾竞品的影响可以后置。
指标越多，看板越"全"，但决策越模糊。我在项目里的原则是：每个核心功能对应的看板，主指标不超过5个，且每个主指标必须对应一个动作。多出来的指标放到二级下钻里，不进主看板。这个原则看起来简单，但执行起来需要和业务方反复对齐。
预算有限时，是买外部竞争数据还是深耕内部数据？我的判断是：竞争强度在中及以下的品类，优先深耕内部数据；竞争强度在高及以上的品类，外部数据的优先级必须提上来。因为在高竞争环境下，没有外部视角的内部数据会形成一个"自我感觉良好"的信息茧房。
| 取舍维度 | 低/中竞争倾向 | 高/极高竞争倾向 |
|---|---|---|
| 数据覆盖 | 内部数据为主，外部为辅 | 内部+外部并行，外部时效优先 |
| 指标数量 | 可以适度丰富 | 严格控制在5个主指标内 |
| 决策链 | 周级响应可接受 | 压缩到天级甚至小时级 |
| 功能投入 | 基础监控优先 | 竞争监控和自动化优先 |
最后一个取舍是完整度和速度。我在多个项目里的经验是：先上线一个能触发动作的最小功能，比上线一个功能完整但没人用的系统更有价值。竞争强度越高，这个取舍越要向速度倾斜。因为竞争不等人，一个晚上线三个月的完美系统，可能已经错过了窗口期。
把上面的判断落成路线，我通常用30/60/90天做节奏：
这个节奏不是固定的，高竞争品类可以把30天压缩到15天，低竞争品类可以适当拉长。关键是每个阶段都要产出可用的功能，而不是等全部建完再上线。
我给每个项目都会引入"动作卡"这个机制。每一条分析结论都必须落成一张动作卡，包含：问题描述、判断依据、具体动作、责任人、完成时间、结果反馈。没有动作卡的分析结论，视为无效结论。
这个机制看起来有点重，但它解决了商品分析落地最核心的问题，让分析有主、动作有责、结果有账。我在项目里观察到，引入动作卡之后，基于看板的决策落地率从不到30%提升到60%以上。
动作执行后必须复盘。我建议复盘抓住三个问题：动作是否按计划完成、结果是否符合预期、判断依据是否需要修正。第三个问题最容易被跳过，但它决定了你的分析体系能不能持续进化。
预警规则是复盘沉淀下来的资产。当某个竞品价格下移超过阈值、评价增速异常、上新节奏加快时，系统应该自动触发预警。预警规则不需要一开始就很精密，先跑起来，在复盘里逐步校准。
这个误区前面提过，但它太普遍，值得再强调一次。可视化的目标是让人看懂，决策的目标是让人行动。如果一个看板上线后没有带来任何动作变化，它就该被重构或下线。
前面已经拆过，竞争强度至少要六个维度。我这里补充一点：这六个维度的权重不是固定的，服装类目里"上新速度"权重更高，家电类目里"内容壁垒"权重更高。用一套固定权重套所有类目，会得出误导性的结论。
我见过太多分析体系没有明确责任人，结果就是"数据团队做、业务团队看、没人负责落地"。每一个核心功能都必须有一个业务责任人，否则它迟早变成一个没人维护的摆设。
同行的模板可以借鉴结构，但不能照搬指标和阈值。不同行业、不同竞争强度、不同数据基础，对应的功能优先级完全不同。照搬模板最典型的后果就是"指标很多、结论很少"。
回到开头那个问题：为什么报表堆成山，决策还是靠拍脑袋？因为商品分析的核心从来不是"看多少数据"，而是"在当前的竞争格局下，该优先看什么、该优先建什么功能"。竞争强度是这把排序器，它决定了分析颗粒度、功能优先级和落地节奏。
我的独特观点可以浓缩成三句话：第一，商品分析的核心功能不是一次性建全的，而是随竞争强度分阶段长出来的；第二，竞争强度必须被量化成可打分、可监控的指标，而不是停留在感觉层；第三，所有分析结论必须落成动作卡，否则就是报表工程。
如果你正在做商品分析落地，我建议下一步先做三件事：用六个维度给自家类目打一次竞争强度分，看清楚自己处在哪一层；对照分层映射，把当前功能清单按优先级重排一次，砍掉那些竞争强度不匹配的功能；最后选一个能触发明确动作的最小功能先跑起来。
如果你同时面临外部竞争数据缺失的问题，可以看看数跨境（https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）这类把外部竞争数据纳入主流程的工具，但记住，工具解决的是数据入口问题，功能优先级和动作闭环仍然要靠你自己的判断逻辑。
竞争强度会变，功能优先级也要跟着变。这不是一次性工程，而是一个持续校准的过程。把这件事做对，商品分析才真正落得了地。
我做类目运营快两年了，每次月度复盘说某个类目竞争激烈，老板都会追问一句“到底多激烈”，我基本答不上来，只能拿竞品数量凑。后来发现光看竞品个数根本没用，有的类目对手多但都做得很散，有的类目对手少但头部把流量吃得死死的。我想找一个能打分、能横向比较、还能每月复用的方法。
用7个维度做0到5分打分，加权求和，总分0到35分：竞品密度看同价格带在架SKU数；价格带拥挤度看相邻5到10元区间内SKU占比；同质化程度看前20个SKU主图与卖点重合度；头部集中度看Top5销量占比即CR5；流量成本看核心关键词CPC近三个月环比；评价壁垒看头部单品评价总数与月增速；
上新速度看月上新SKU数。权重按品类调，快消和标品把流量成本、上新速度权重提到30%以上，耐消和家电把评价壁垒、头部集中度提到30%以上。分层口径：10分以下低竞争，10到20分中竞争，20到28分高竞争，28分以上极高竞争。
数据源用平台商家后台的行业大盘加第三方工具，固定每月同一时间取数，做环比而不是做绝对值。关键点是打分必须留痕，把每个维度的原始数值和分值一起存下来，否则下个月口径一漂移，分数就没法比了。
我手上的报表已经有十几张了，每次交上去老板都问一句“所以呢”，我特别受挫。我也试过一上来就做商品诊断评分，结果维度太多、权重吵不出共识，拖了两个月什么都没上线。我想知道在资源极度有限的情况下，第一刀该切在哪里才能最快看到业务反馈。
先做竞争强度仪表盘MVP，不要先做商品诊断。原因是诊断评分需要跨部门对齐权重和口径，天然慢；仪表盘只需要采集加阈值，能在两周内跑起来。具体动作：只选一个核心类目、圈20到30个对标竞品、定6个指标、每周固定时间更新一次。功能上只做三件事，显示当前值、显示环比、显示是否越过预警线。
预警线不要凭感觉，用近12周数值均值加减1.5倍标准差，或者直接由业务方约定一个可接受区间。验收标准很硬：上线30天内必须至少产生一次真实的业务动作记录，比如调价、补货、下架、加投。如果一次都没触发，说明指标选错或阈值太松，先改阈值再加功能。
等仪表盘稳定跑满一个月、动作记录超过3条，再往上叠商品诊断评分和定价模拟，这时候大家已经有共同语言了，权重反而好谈。
我们公司品类跨度很大，从标品小家电到女装都有，以前图省事用同一套报表发全公司。结果标品那边说指标太碎没人看，女装那边又说颗粒度不够、看不出款式差异。我一直怀疑“按竞争强度分层”是不是听起来好听但落不了地，想确认这个分层到底该怎么落到看板上。
会不一样，而且差异主要在指标权重、预警线和日报维度这三处，而不是在底层数据。低竞争类目重点在机会发现和库存周转，核心指标是搜索增速、缺货率、毛利率，基础监控就够了，预警线可以放宽。
中竞争类目重点转到商品诊断和定价优化，因为你有对手但还没打成红海，核心指标是价格带分布、转化率差距、毛利底线，这时候评分权重里毛利和库存要占大头。高竞争类目重点放到竞争监控、价格弹性、内容与评价壁垒，因为价格战已经开打，利润越来越靠非价格因素撑，评价关键词和卖点覆盖率要单独拉一张表。
极高竞争类目才值得上预测预警和自动化触发，比如竞品调价后多久跟、库存跌破安全线自动出补货单。判断依据就是那条竞争强度总分，底层数据源、商品ID、时间维度全部共用，但每个分层单独配一套权重和阈值。硬套一套模板的结果一定是标品嫌吵、非标品嫌浅，最后两边都不用。
我们上线看板三个月了，日活不到5个人，运营说“有需要会找你”。老板给我的评价是分析没结论，可我觉得指标都挺全的。我想找一个能量化、能在月会上拿出来说的落地标准，而不是继续靠感觉争论看板到底有没有用。
用动作闭环率判断，不要看板PV。规则是每一条分析结论必须挂一张动作卡，字段固定六个：问题、判断依据、动作、责任人、完成时间、结果。月末统计三个数：动作卡数量、执行率即实际执行数除以计划执行数、有效动作率即产生正向结果的动作数除以实际执行数。
判读口径是这样：执行率低于60%，通常不是分析错了，而是结论没落到具体责任人；执行率高于80%但有效动作率低于30%，几乎可以确定是指标选错或阈值太松，团队在空转。健康区间参考执行率70%以上、有效动作率40%以上。再补一条硬规则：任何指标连续8周没有触发过一次动作，直接从看板下线，不解释、不保留。
同时把一级看板指标总数压在15个以内，超出的全部挪到二级页面。这套做法看起来是砍功能，实际是让看板变吵、变准，因为每个还留在首页的指标都有近期动作记录在背后撑着。
读者评论
看板指标多不等于能决策，我们类目竞品价格带变化快，基础监控确实不如竞争监控和定价分析有用。文章把竞争强度作为优先级排序器，比堆功能更务实。但六维评分每月跑一遍对人力有要求。
竞争强度是动态变量这点很关键，固定模板容易误导，尤其跨品类复用指标阈值风险大。外部竞争数据进看板的思路有启发，但采样口径和更新频率必须自己校验，不能直接盲信。
中小团队资源有限，先做基础监控和机会评分，再按竞争阶段补功能，这个能力栈思路能避免一开始就上重投入模型。不过极高竞争阶段的自动化决策，多数团队短期并不现实。
案例里提前发现竞品降价加评价冲刺很真实，竞争监控的价值就是早一步知道。但外部数据依赖强，若数据滞后或覆盖不足仍会误判。建议把动作触发和复盘闭环一起设计。