去年第一季度，我参与过一次让我印象很深的商品复盘会。一个在类目里长期排在第 6 到第 8 名之间浮动的单品，GMV 同比掉了 23%，付费 ROI 从 2.8 掉到 1.6，加购率也跌了将近 1 个百分点。

会议开了两个小时，最后落在两个结论上：主图点击率下滑，需要重做视觉；详情页转化描述不够有力，需要优化文案。任务分下去了，两周后新素材上线，数据纹丝不动。

真正的问题不在素材。我后来把竞品侧的数据拉出来看，发现在同一时间段里，类目 Top20 里有 7 个 SKU 把价格带整体下移了 12% 到 18%，其中三个还叠加了"满减+赠品"的组合促销。我们自己的价格没动，视觉做得再好，也只是在一场变了规则的价格战里，试图用审美赢下比赛。

这就是我想在这篇文章里讲清楚的事：竞争强度是数据复盘里最容易被系统性忽略的变量，而它恰恰是解释"为什么同样的动作，这次没效果"的那把钥匙。下面我会把这件事拆成可量化、可落地、可复用的分析框架，而不是停留在"要关注竞争"这种正确的废话上。

一、先给结论：竞争强度是复盘的"汇率"，不是"噪音"

1. 同一个动作，在不同竞争强度下的"含金量"完全不同

我习惯用"汇率"来类比。你手里握着 100 块钱，在国内买到的东西是固定的；但如果你把这 100 块换成外币去另一个市场买同样的商品，能买到多少，取决于汇率。

商品运营动作也是这个逻辑。一次主图优化、一次价格下调、一次站内广告加预算，这些动作本身是"钱"，而竞争强度就是"汇率"。竞争强度低的时候，同样的动作能换回明显的数据提升；竞争强度高的时候，同样的动作可能只够维持原地不动。

复盘失准的根本原因，是把"动作效果下降"直接等同于"动作本身有问题"，而没有意识到可能是"汇率变了"。

2. 复盘失准的本质：把外生变量当成了内生变量

在计量经济学里有个基本区分：内生变量是模型内部可以控制的、由你自己的决策决定的变量；外生变量是模型外部给定的、你控制不了的变量。竞争强度属于后者。

问题在于，绝大多数商品复盘模板只记录了内生变量，投放预算、价格、素材版本、SKU 数量、活动力度。复盘时我们拿这些变量去解释结果，模型本身就缺了最关键的一块，结论自然站不住。

这就好比你在测一款减肥产品，只记录了吃了多少，没记录运动量。数据一定会告诉你"吃得多就瘦"，因为运动量这个真正的解释变量根本不在表里。

3. 三条可以直接用的结论

• 结论一：竞争强度不直接改变你的 GMV，它通过流量成本、点击率、转化率、客单价四条中间通道间接改变结果，复盘时必须沿着通道拆，而不是只看结果。
• 结论二：竞争强度不需要精确测量，只需要"可比较"。哪怕你只用一个 0 到 100 的主观打分，只要每周用同一套标准打，它就比"完全不打"有价值得多。
• 结论三：高竞争期和低竞争期的复盘，结论的侧重点应该完全不同。高竞争期看相对份额，低竞争期看绝对增量，用错指标比不做复盘更危险。

下面这张图，是我从 2025 年 1 月到 6 月跟踪某个家居类目时记录的两条曲线。竞争强度指数是我按后文讲到的方法自己算的，转化率是自身单品的实际表现（示意数据，用于说明趋势关系，非真实商业机密数据）。

如果只看转化率这条线，运营团队会得出"素材持续变差"的结论。但把竞争强度这条线叠上去，你会看到 3 月和 5 月两次转化的加速下滑，恰好是竞争强度指数跨过 40 和 50 两个门槛的月份。

4. 竞争干扰到底吃掉了多少 GMV

我在内部复盘时喜欢做一件事：把 GMV 变化拆成瀑布图。这种方法比单纯看同比数字有用得多，因为它强迫你把"说不清的部分"单独拎出来。

这张图最有价值的部分不是那 11 个百分点，而是最后那 9 个百分点的残差。当残差大到一定程度，说明你的复盘模型本身是残缺的，这时候急着下结论，比不下结论更糟。

二、三次让我改口的复盘：真实场景长什么样

抽象地讲"要关注竞争"没有意义。我挑三个自己真实踩过的场景，把当时的判断、证据和修正过程完整写出来。

1. 场景一：素材没坏，是价格带被挤了

2024 年下半年，我负责的一个厨房小家电单品，主图点击率从 5.2% 掉到 3.8%，团队第一反应是"视觉疲劳，需要换图"。我让设计做了三版新主图做 A/B 测试，结果三版都没跑赢老图。

这就很奇怪了：老图点击率在跌，但新图更差。如果问题是"用户看腻了老图"，新图应该更好才对。

后来我拉了竞品数据，发现这类目在两个月内涌进来 9 个新 SKU，其中 6 个的价格比我们低 15% 以上，而且主图上都打出了"XX 天无理由+赠品"的信息。用户不是看腻了我们的图，是搜索结果页里出现了性价比信号更强的替代选项，他们根本没点开我们的商品。

点击率下滑有两种可能：一种是用户看到了你的图但不想点，另一种是用户根本没看到你的图。前者是素材问题，后者是排名和展示位问题，而竞争强度直接影响的是后者。

2. 场景二：策略没生效，是竞品退场了

另一个场景更隐蔽。有一段时间，我们的转化率从 3.5% 自然回升到 4.6%，团队很兴奋，把这次回升归因于前一周上线的详情页优化，还在周报里写成了标杆案例。

我做回溯时发现，那个品类排名第二的竞品正好在那段时间断货了，断货持续了 11 天。我们的转化率回升曲线，和它的断货周期几乎完全重合。

这个误判的危害比第一个更大。把外生利好当成了内生能力，会导致你把资源投向一个其实无效的策略，并且在下一次同类场景中重复犯错。

3. 场景三：执行没问题，是对手补贴太狠

2025 年一次平台大促，我们提前一个月做了完整的备货、素材、预算规划，执行层面几乎没有瑕疵。最终 GMV 只做到了目标的 71%。

复盘时我做的第一件事不是看自己，而是把竞品在大促期间的促销日历拉出来。结果发现，类目前 5 名里有 3 家在大促首日打出了"前 2 小时 5 折"，而我们的大促价格是提前锁定的，无法实时调整。

这不是执行问题，是决策机制问题，我们的价格审批链路需要 48 小时，而竞品的调价响应是小时级。复盘结论从"团队执行不力"改成了"价格响应机制需要改造"，后续动作完全不同。

下面这张图对比了同一个素材优化动作，在两次不同竞争强度环境下产生的效果差异（示意数据）。

三、拆解四个常见误区：为什么大部分复盘都漏掉了竞争变量

1. 误区一：只做自身同比，不做竞争基线校准

大多数复盘模板的第一页是"本期 vs 上期 vs 去年同期"。这三个数字全部来自自身，没有一个来自外部。这种结构决定了你无论如何分析，都找不到竞争这个原因。

我在自己的复盘模板里加了一行，叫"类目基线"。它可以是类目大盘的搜索热度、类目平均转化率、类目价格中位数中的任意一个，只要每期都用同一个指标，就能把自身表现放到一个坐标里。

没有基线的同比，就像没有海拔的高度，数字是有的，但看不出究竟站在山上还是谷底。

2. 误区二：把竞争强度当成"不可量化的定性判断"

这是我听到最多的反驳："竞争这东西说不清，全凭感觉。" 说这话的人通常没试过量化它。

实际上，竞争强度至少有五个可以直接采集的量化维度：类目价格中位数的环比位移、竞品促销 SKU 的占比、核心关键词的广告出价中位数、近 14 天上榜的新 SKU 数量、竞品评论的日增速。这五个维度都不需要内部数据，全部可以从公开的商品页面和广告后台获取。

你不需要精确到小数点后两位，只需要每周用同一套口径采集，形成时间序列。同一套主观标准重复 12 周，其信息量远超一次拍脑袋的判断。

3. 误区三：用绝对 GMV 当唯一结论指标

绝对 GMV 在高竞争期几乎必然难看，但难看本身不构成结论。如果类目整体下滑 15%，你下滑 8%，那是跑赢大盘；如果类目增长 20%，你增长 5%，那是份额流失。

这两个案例里的绝对数字方向相反，但业务含义其实是一样的：你的相对位置在变化，而绝对数字不会告诉你这一点。

4. 误区四：复盘止于归因，不产出下一轮假设

很多复盘报告写得很漂亮，归因清晰、逻辑严密，然后就没有然后了。下一轮的动作和历史结论之间没有连接，复盘变成了纯粹的绩效说明会。

我在每次复盘的最后强制留一页，叫"下一轮的可验证假设"。格式固定：如果竞争强度维持在当前水平，那么动作 A 预计带来 X 的效果；如果竞争强度上升 20%，动作 A 的效果预计衰减到 Y，此时应切换为动作 B。

下面这张散点图，是我在 2025 年跟踪某个类目时整理的观察：横轴是竞品平均降价幅度，纵轴是自身转化率的变化，气泡大小代表活跃竞品数量。它展示了竞争干扰的非线性特征。

四、专业判断逻辑：竞争强度是怎么传导到商品数据的

1. 三条传导链路，而不是一条

竞争强度不会直接改你的 GMV，它通过三条链路传导，这三条链路的响应速度和可逆性完全不同。

链路一：流量成本链路。竞品加大投放 → 核心关键词广告竞价上升 → 你的 CPC 抬升 → 同等预算下获得的曝光减少 → 流量结构里付费占比被动上升。

链路二：点击效率链路。竞品上新品、改主图、加促销标 → 搜索结果页的信息密度提高 → 用户在同一屏内的比较成本下降 → 你的点击率被稀释，即使排名没有变化。

链路三：转化与客单链路。竞品降价或加赠 → 用户的价格锚点被重置 → 你的转化率下滑，同时为了应对下滑而做的促销又会拉低客单价 → 双杀。

三条链路里，流量成本链路响应最快但可逆性最强，转化与客单链路响应最慢但一旦发生就很难逆转。复盘时应该按这个顺序排查，而不是一上来就查转化。

2. 五类可量化的竞争强度指标

这五个维度里，我把价格位移和促销密度的权重给得最高，因为它们对用户决策的影响最直接、滞后最短。评论增速的滞后性最强，更适合用来判断中长期趋势，不适合作为短期复盘的归因依据。

3. 竞争强度指数怎么算：一个可运行的简化版本

我把这套算法简化成了一个 Python 脚本，每周跑一次。它不是学术意义上的严谨模型，但足够让团队在同一个坐标里对话。

import pandas as pd
competition_daily.csv 需要包含：median_price, promo_sku_cnt,

total_sku_cnt, median_cpc, new_sku_14d, review_delta_median

df = pd.read_csv("competition_daily.csv")

1. 价格位移：类目 Top50 中位价的 7 日环比（价格下移=竞争加剧，取负号）
   df["price_shift"] = -df["median_price"].pct_change(7)
2. 促销密度：竞品促销 SKU 占比
   df["promo_density"] = df["promo_sku_cnt"] / df["total_sku_cnt"]
3. 广告出价变化：核心词中位 CPC 的 7 日环比
   df["cpc_shift"] = df["median_cpc"].pct_change(7)
4. 新品冲击：近 14 天上榜新 SKU 数
   df["new_entry"] = df["new_sku_14d"]
5. 评论增速：竞品评论日增量中位数

df["review_velocity"] = df["review_delta_median"]

标准化后加权求和

def z(series):

return (series – series.mean()) / series.std()

df["ci_raw"] = (

0.30 * z(df["price_shift"]).fillna(0)

+ 0.25 * z(df["promo_density"]).fillna(0)

+ 0.20 * z(df["cpc_shift"]).fillna(0)

+ 0.15 * z(df["new_entry"]).fillna(0)

+ 0.10 * z(df["review_velocity"]).fillna(0)

)

映射到 0-100 区间，便于业务沟通

df["ci_100"] = 50 + 15 * df["ci_raw"]

输出最近 14 天的指数，用于和自身动作时间线对齐

print(df["ci_100"].tail(14))

权重的设定不是拍脑袋。30% 给价格位移、25% 给促销密度，是因为在大多数快消和家居类目里，这两项对转化率的直接解释力最强；广告出价给 20%，是因为它主要影响成本端而非需求端；新品和评论增速各给 15% 和 10%，是因为它们反映的是中长期格局变化。

这套权重的意义不在于精确，而在于一致性。只要你连续用同一套权重跑三个月，就能看出趋势；权重本身是否最优，从第二个月开始就可以用实际转化率做回归校正。

4. 竞争干扰在转化路径上的分布：它不是均匀衰减的

很多人以为竞争影响是均匀地摊薄在整条链路上的。我实测下来不是这样，竞争干扰在链路各环节的衰减幅度差异很大。

这张图改变了我们团队的一个长期做法。过去高竞争期的标准动作是"优化详情页提高转化"，但数据显示，70% 的竞争干扰损失发生在点击之前，你在转化环节做的努力，最多只能挽回 30% 的损失。

5. 高竞争期和低竞争期的竞争结构完全不同

用雷达图对比这两个时期，能看得很清楚：竞争不是"变强了"这么简单，而是结构变了。

五、具体案例：用数跨境把竞争强度做成可盯的指标

理论讲完了，讲落地。上面那五个维度的数据，如果靠人工一个个页面去翻，一天两小时都未必够。我自己的做法是用工具把采集这件事固化下来，这里以我常用的数跨境为例，讲一下完整的操作路径。

需要说明的是，不同平台的功能和字段迭代很快，下面的路径是我自己的使用习惯，具体字段命名和位置以你打开时的实际版本为准。文中涉及的具体数值均为示意数据，用于说明方法，不代表任何真实商业结果。

1. 第一步：建类目盯盘清单，把"感觉"变成"名单"

竞争强度的第一步不是算指数，而是确定"你到底在跟谁竞争"。很多团队的竞品名单是拍脑袋定的，结果盯了一堆根本不在同一价格带、不在同一搜索词下出现的 SKU，数据自然没有解释力。

我的做法分三层：

1. 核心竞争层（5-8 个 SKU）：和你在同一价格带、在核心关键词搜索结果前两页反复同时出现的 SKU。这一层的变化直接决定你的即时数据。
2. 威胁层（8-15 个 SKU）：价格比你低 10%-20%、或者增长速度明显快于类目均值的 SKU。这一层决定你未来 1-3 个月的压力。
3. 标杆层（3-5 个 SKU）：类目头部，价格可能和你差很远，但它的动作会影响整个类目的用户预期和平台规则。

在数跨境的类目榜单和商品维度数据里，可以按类目、价格带、销量增速这类条件筛出候选名单，再人工确认。我一般两周更新一次名单，避免盯着已经出局的竞品做无意义的分析。

名单的稳定性比名单的完整性更重要。每次换名单，时间序列就断了，你之前积累的对比基准全部作废。

2. 第二步：拉时间序列，和自己的动作节点对齐

有了名单之后，我固定采集五类数据形成周表。这一步的关键不是数据本身，而是对齐时间轴：把你的每一个运营动作（改价、换素材、加预算、上活动）在时间轴上打标记，然后看竞争强度曲线在哪些节点发生了跃升。

我用的对齐规则很简单：

• 如果自身动作和竞争强度跃升在同一天或前后一天发生，这次动作的效果评估必须打上"受竞争干扰"的标签，不能作为纯动作效果的证据。
• 如果竞争强度在动作前一周就已经开始上行，那么动作上线时看到的"效果不佳"，很大一部分在动作执行前就已经注定了。
• 只有竞争强度在动作前后保持平稳（波动幅度小于 15%）的时间窗口，才能作为干净的效果评估窗口。

这条规则听起来简单，但它把复盘从"事后解释"变成了"事前选窗口"。我们后来做了一个调整：所有素材和详情页的 A/B 测试，都不在高竞争期内启动，因为那个窗口里测出来的结果没有泛化价值。

3. 第三步：做归因表，把竞争干扰单独列成一行

下面是我实际在用的归因表模板。它的核心设计是：把"竞争干扰"作为一个独立的、必须有数值的行，而不是散落在备注里。

这张表出来之后，团队的对话方式变了。过去是"这周为什么跌了"，现在是"可控项已经拿了 +8.6 个百分点，不可控项扣掉了 -15 个百分点，残差 -6.6 说明模型还有缺口，下一周补采什么数据"。从追责转成了补数据，这是复盘质量的分水岭。

六、不同情况下的行动建议

讲完方法，讲决策。竞争强度不同，行动逻辑不应该一样。下面按四种典型情况给出具体建议。

1. 高竞争期：把资源从"提升"转向"保住"

高竞争期的核心矛盾不是增长，是失血速度。这个阶段最容易犯的错，是继续沿用低竞争期的成功动作。

• 预算结构：把付费预算从"拓新词"转向"守核心词"。核心词的转化确定性最高，即使 CPC 上升，单位成本仍优于新词。
• 价格响应：把调价审批链路压缩到 24 小时以内。我在第五章提到过，48 小时的审批链路直接导致大促首日失去应对能力。
• SKU 结构：收缩到 3-5 个最优 SKU，把库存和流量集中。高竞争期铺得越开，单位 SKU 获得的流量支持越少。
• 用户资产：加大复购和老客触达。前面的漏斗图显示，复购环节的竞争敏感度最低（留存 91%），这是高竞争期最稳的一块收入。
• 内容动作：降低优先级。雷达图显示内容维度的相对影响在高竞争期是下降的，把预算从内容转向价格响应和展示位争夺更划算。

2. 低竞争期：把资源从"保住"转向"拉开差距"

低竞争期最容易被浪费。因为数据自然好看，团队会产生"策略有效"的错觉，把资源浪费在无效动作上。这个阶段的正确做法是主动加杠杆。

• 测试窗口：把所有的 A/B 测试、新品试销、新素材验证都放在这个窗口，因为此时的测试结果最干净、最可泛化。
• 拉新投入：CPC 低、竞争干扰小，此时获取的用户 LTV 更高，单位 CAC 更低，是加投放的最佳时机。
• 心智建设：做品牌词、内容种草、评价积累这类见效慢但在高竞争期能提供护城河的动作。
• 库存前置：在竞品还没反应过来的窗口完成备货，为下一轮竞争做准备。

下面这张百分比堆叠图，是我建议的高低竞争期流量与预算结构（示意数据，非真实投放结果，用于说明配置逻辑）。

3. 竞争格局切换期：新玩家进入或老玩家退出

这是最容易被误判的时期。格局切换期通常只有 2-4 周，窗口短，但影响大。老玩家退出时，你会看到数据自然回升；新玩家进入时，你会看到数据突然恶化。这两种变化都不应该按常规复盘处理。

我的做法是在格局切换期执行"双轨复盘"：一条轨道评估自身动作，另一条轨道单独记录格局变化事件。两条轨道的数据分开看，不做混合归因。切换期的复盘结论只用来做短期应对，不作为长期策略调整的依据，因为格局还没稳定，样本量不足。

4. 跨境与国内的差别：竞争强度的采集口径不同

我做跨境类目时发现，竞争强度的维度权重和国内有明显差异。

跨境复盘的最大误区，是直接套用国内的权重。如果你在跨境类目里把 55% 的权重压在价格和促销上，会严重低估评论和广告出价的影响，导致复盘结论长期偏斜。

七、不同情况下的取舍：没有最优解，只有匹配

1. 追份额还是保利润

高竞争期最常见的两难。跟价能保住份额，但会持续侵蚀毛利；不跟价能保住利润，但份额会缓慢流失。

我的判断标准是看用户获取成本的可逆性。如果这个类目的用户复购周期短、复购率高，那么短期让利换份额是划算的，因为份额最终会转化为复购资产。如果复购周期超过 12 个月，让利换来的份额很可能是"一次性份额"，用户下次购买时早就忘了你，这时候保利润更理性。

2. 跟价还是不跟价

不是所有降价都值得跟。我在前面那张气泡散点图里给出的拐点是 10%：竞品降价 10% 以内，非价格因素仍然有效，不必跟；超过 10%，进入价格主导区间，不跟价就要接受份额损失。

但要补一个前提：如果你在类目里是价格跟随者而非价格领导者，跟价的收益通常低于主动定价策略的收益。因为跟随者的成本结构往往不如领导者，跟价打的是消耗战，消耗战里成本高的一方先出局。

3. 铺 SKU 还是收 SKU

高竞争期我建议收 SKU，理由前面讲过。但有一种例外：如果你的类目里存在明显的长尾需求且竞争集中在头部 SKU，那么在高竞争期用低竞争的长尾 SKU 获取流量，反而是一种避开正面战场的策略。

判断标准是长尾 SKU 的单位获客成本是否低于核心 SKU。如果长尾 SKU 的获客成本高出 50% 以上，那它就不具备"避战"价值，只是分散资源。

4. 复盘的颗粒度：日、周还是月

• 日复盘：只适合竞争强度剧烈波动的窗口（比如大促首日、竞品突然降价）。日复盘只看异常点，不做归因，因为样本量太小。
• 周复盘：主力颗粒度。竞争强度指标按周采集，动作效果按周评估，这是信息量和成本的最佳平衡点。
• 月复盘：做结构性判断。只看相对份额、SKU 结构效率、用户资产变化，不看单次动作效果。

下面这张浮动区间图，展示了三种典型取舍策略在"份额"和"利润"两个维度上的合理区间（情景模拟数据，用于说明决策边界，非真实经营结果）。

八、把竞争变量写进复盘模板：一份可以直接抄的清单

前面讲了这么多，最后给一份可以直接用的操作清单。我做成了三段式：复盘前、复盘中、复盘后。

1. 复盘前：先标竞争强度，再看自身数据

1. 确认复盘周期内的竞争强度趋势：用前面的五个维度，判断这段时间是竞争加剧、缓和还是平稳。这一步必须在打开自身数据看板之前做。
2. 标记竞争强度跃升节点：找出指数变化超过 15% 的日期，这些日期是后续归因的关键锚点。
3. 列出自身动作时间线：把这段时间内的所有运营动作（改价、换素材、调预算、上活动）按日期排列。
4. 确认竞品名单是否变更：如果复盘周期内竞品名单变动超过 20%，需要在结论里注明样本不连续，降低结论置信度。

这四步的顺序不能颠倒。先看自身数据再看竞争数据，人的大脑会自动为已有数字寻找解释，这是确认偏误，我自己也踩过好几次。

2. 复盘中：用"三问法"过一遍每个关键节点

1. 第一问：自身动作是什么？具体到日期、动作类型、执行幅度。模糊的动作记录（"优化了详情页"）无法做归因，必须写清改了哪几个模块。
2. 第二问：同期的竞品动作是什么？不要求覆盖全部竞品，但核心竞争层的 5-8 个 SKU 必须查。
3. 第三问：两条时间线是否重叠？如果重叠，这次动作的效果评估必须打上"受竞争干扰"标签，其效果数值不能作为独立结论使用。

三问法看起来简单，但它能过滤掉大部分错误归因。我在团队里推行这套方法之后，复盘报告里"因为素材变差导致转化下滑"这类结论出现的频率下降了大约七成。

3. 复盘后：结论里必须包含竞争变量说明

我要求所有复盘报告的结论部分，必须包含以下三个要素，缺一不可：

• 竞争强度定性：本周期竞争强度处于什么水平（可用高/中/低，也可用指数数值）。
• 竞争干扰量级：估算了多少个百分点的影响，以及估算依据。
• 下一轮假设：如果竞争强度维持、上升、下降，分别对应什么动作。三种情况都要写，不能只写一种。

4. 一份可打印的周复盘检查表

九、结语：复盘的价值不在于解释过去，而在于校准下一轮

写了这么多，我想说的核心其实只有一句：竞争强度不是复盘里的干扰项，而是必选项。把它放进模型，你的复盘才有解释力；把它排除在外，你的复盘就只是在为已经发生的结果找一个听起来合理的理由。

我见过太多团队在竞争加剧期做大量的自我检讨，把外部挤压的账算到内部执行头上，结果是团队士气受损、真正该改的机制却没动。也见过团队在竞争缓和期把自然回升当成能力证明，加码投入一个其实无效的策略，等到竞争重新加剧时才发现基础没打好。

这两种错误，本质上都是同一个问题：复盘时没有区分"我能控制的"和"我控制不了的"。

如果说这篇文章里有一个我最希望被记住的判断，那就是：在高竞争期，评价一个团队的标准应该是相对份额，而不是绝对增长；在低竞争期，评价标准应该是能否拉开差距，而不是是否还在增长。用错标准，比不做复盘更危险，因为它会让你在错误的方向上越走越远。

下一步怎么做，我给三个具体动作，从最低成本开始：

1. 今天就能做的：打开你最近一次的复盘报告，看看归因表里有没有"竞争干扰"这一行。如果没有，说明你的复盘模型缺了一个关键变量。
2. 本周能做的：用前面讲到的五个维度，手工采集一次类目竞争强度数据，形成第一个时间序列点。下周再采一次，你就有了一条曲线的起点。
3. 本月能做的：把竞争强度指数接入日常工作流。我自己的做法是用工具把采集固化下来，比如前面提到的数跨境这类平台，把类目和竞品数据按周拉成固定报表，减少重复劳动。工具不是重点，重点是让采集这件事不依赖人的记性。

最后一个提醒：不要追求一次做对。我第一版竞争强度指数的权重是拍脑袋定的，跑了三个月之后才用实际转化率做了校正。这套方法的价值不在于第一版有多准，而在于它能持续迭代，并且让团队在同一个坐标系里讨论问题。只要方向对了，权重可以慢慢调。

免费注册

咨询方案

扫码咨询方案