去年双十一前两周，我帮一个做家居收纳的朋友看他们的商品分析表。他们团队六个人，运营、采购、助理各两人，每天花在"盯竞品"上的时间加起来接近九个小时，结果到了大促当天还是被对手一个降价打得措手不及。我打开他们的表一看：十三个 Sheet，七个数据源，三个版本的"价格带分析",最要命的是，没人能说清楚"竞争强度到底高到什么程度就该调价"。这不是工具问题，是他们把模板当成了终点，而不是起点。
这也是我想在这篇文章里说清楚的事：围绕竞争强度去做商品分析管理模板，真正难的不是表格长什么样，而是你得先想清楚竞争强度要替你做哪些决策，再倒推模板该长什么样、自动化该在哪一层介入。
我这几年见过至少三十套不同的"商品分析管理模板",从 Excel 到某项目管理平台里的看板，从自研系统到 SaaS 工具导出的报表。一个反复出现的规律是：模板的复杂度和管理效率几乎不相关，和管理者的决策习惯强相关。
换句话说，一套模板能不能跑起来，取决于它有没有回答三个具体问题：什么条件下我要动手、动什么手、多久内必须动。这三个问题如果模板回答不了，那它就是一堆漂亮的图表；如果回答得了，哪怕它是十行 Excel，也能救命。
所以在正式展开之前，我先把自己踩过坑之后形成的核心结论摆出来：
2023 年一家做厨房小家电的店铺，运营总监从某知识付费平台买了一套"电商商品分析模板包",里面号称有 48 张表、200+ 指标。他们花了整整一周把数据填进去，第二周开了一次评审会，第三周开始没人再看。我后来问那位总监为什么，他说了一句很实在的话："填完表我得自己想这数据说明什么，那我要这表干嘛？"
这句话点中了绝大多数模板的死穴，它们负责"呈现",不负责"解释",更不负责"触发"。填数据的人得自己判断竞争强度是高还是低，判断完了还得自己想动作，最后动作有没有效果还得自己复盘。整个链路里模板只占了开头一小段。
普通销量分析、库存分析其实还好，因为它们的"高/低"相对好定义。但竞争强度不一样，它是一个多维度、易漂移、口径高度依赖平台的概念。
举个例子，同一个品类，在淘宝看"在售商品数"可能是 1.2 万，在京东看可能是 3000，在抖音小店看可能是 800。到底哪个才是"竞争激烈"?其实都不算错，但如果你不明确口径就放在一张表里对比，业务侧一定会问"为什么数字打架",然后整张表信任度就崩了。
更麻烦的是价格维度。你按"最低价竞品"算竞争强度，和按"销量 Top20 竞品"算，结论可能完全反着来。我自己做过一个小样本测试，在某饰品类目：按最低价算，这个类目看起来是红海；按 Top20 销量竞品的中位价算，还有明显空白价格带。同一个类目，两种结论。
我把过去两年接触过的团队反馈整理过一遍，卡点几乎集中在这几个环节：
这五个卡点里，只有第 1 个是纯工具问题，剩下四个都是结构和流程问题。而大多数模板只解决第 1 个。
竞品数量只是竞争强度的分母之一，甚至不是最关键的那个。一个类目有两万个在售商品，但如果 Top10 品牌占据了 78% 的销量，真正的竞争强度反而是"高度集中"。相反，一个只有 300 个商品的类目，如果每个都是不同工厂在做同款，价格战可能比两万商品那个更狠。
我通常会同时看至少四个维度：集中度、价格离散度、新品存活率、动销分布。任何一个缺失，判断都会偏。
这是最普遍的错误，也是我在开头那个家居收纳案例里看到的。团队花两周设计表格字段，上线之后发现业务侧要的不是这些字段。正确顺序永远是：先定义竞争强度要回答哪些决策问题，再倒推需要什么指标和数据。
抓数据只是自动化的第一层。真正让自动化产生价值的是第二层（计算公式和指标自动更新）和第三层（阈值触发预警和动作建议）。很多团队停在第一层，结果数据每天自动进来，但没人用，因为从数据到决策之间还是人工在做。
不一定。全自动化的前提是数据质量稳定、口径稳定、业务规则稳定。任何一个不稳定，全自动化就会变成"自动产生错误"。我在一个快消品团队见过：因为平台 API 改了字段名，全自动化脚本连续两周算错了动销率，直到运营发现备货偏了才排查出来。半自动化在"稳定性"和"人力成本"之间往往是更优解。
恰恰相反。我推荐的做法是"三层结构，越往上越少"：底层字段可以多（几十个没问题），中层指标控制在 8-15 个，顶层决策规则控制在 5 条以内。顶层超过 8 条，团队就记不住，记不住就不会用。
这是我这两年越来越意识到的问题。竞争强度分析的输出，其实最需要采购和产品知道，因为它直接决定了备货节奏和新品立项判断。只挂在运营名下，等于把最需要的用户排除在外。
我建议所有做这套模板的团队先做一件事：列出你希望竞争强度替你回答的所有问题,然后按频率和重要性排序，留下最高频、最关键的 3-5 个。
以我接触较多的电商场景为例，高频决策问题通常是这几类：
每个问题对应不同的分析维度和不同的动作，这才是模板真正的"业务骨架"。
这一步是最需要专业判断的地方。我通常会用一个"问题→指标→口径"三列表来落地。下面这张表是我自己常用的一套映射框架，你可以直接拿去改。
| 决策问题 | 核心指标 | 口径要求 |
|---|---|---|
| 类目能不能进 | 销量集中度 + 新品存活率 | 取近90天Top100销量，新品定义统一为"上架≤60天" |
| 定价位置判断 | 价格带离散度 + 我方位次 | 统一含运费到手价，剔除大促极端值 |
| 是否清仓 | 动销率 + 竞品降价频次 | 动销率按"近30天有销量SKU / 上架SKU"算 |
| 价格战预警 | Top10竞品均价周变化率 | 按销量加权，剔除单日跳价 |
| 季度主推价格带 | 各价格带销量占比 + 增速 | 价格带颗粒度统一为±10% |
注意这里的关键是每个问题都配了明确口径，而不是只列指标名。我在实际项目里，只要看到模板里写"集中度"却没写口径，就会立刻打回重做，因为这个指标在两个人手里能算出两个完全不同的数字。
这是绝大多数模板缺失的一层。我的做法是给每个指标设"红线 + 黄线 + 动作"三件事。举几个我实际用过的规则：
这套规则不需要复杂，关键是能让系统或人能立刻触发某个动作，而不是看完数据再发呆。
抽象讲完，我用一个能跑起来的具体路径来演示。这里我会以数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）为例，它是一套面向跨境电商的数据分析工具，优势在于能跨平台归集商品数据并做指标计算，适合用来验证"竞争强度→指标→动作"这条链路的自动化可行性。
假设你在做跨境家居收纳品类，主战场是亚马逊和独立站，SKU 数在 200-400 之间，团队 5-8 人，此前靠人工每周整理一次竞品数据。下面这条链路是我和团队实际推演过的落地方式。
先把"竞品"的定义落下来：同品类 Top50 销量商品 + 5 个指定对标店铺的全部商品。这一步是自动化能不能成立的前提，不锁口径，自动抓来的数据就没法用。
| 指标名 | 计算方式 | 黄线 | 红线 |
|---|---|---|---|
| 销量集中度 | Top10销量 / Top100销量 | 45% | 60% |
| 价格离散度 | 价格标准差 / 均价 | 0.35 | 0.5 |
| 新品存活率 | 上架≤60天且月销≥50单的SKU占比 | 20% | 12% |
| 竞争均价周变化率 | (本周Top10加权均价 – 上周) / 上周 | -5% | -8% |
数跨境支持自定义指标和阈值通知，这是它对我最实用的一点。配置逻辑大致是：把采集到的竞品列表导入数据源，用公式字段算出上面四个指标，然后在预警模块里把黄线设成"提醒",红线设成"通知到运营群和采购群"。
为了让你看清楚这条链路怎么用代码或者公式落地，我放一段我常用的指标计算脚本骨架，用的是最简单可读的方式：
# 竞争强度四指标计算骨架（示意）
def competition_metrics(df):
df: 竞品清单，含 price, monthly_sales, launch_days
top100 = df.nlargest(100, 'monthly_sales')
top10 = df.nlargest(10, 'monthly_sales')
concentration = top10['monthly_sales'].sum() / top100['monthly_sales'].sum()
price_cv = df['price'].std() / df['price'].mean()
new_skus = df[df['launch_days'] <= 60]
survival = (new_skus['monthly_sales'] >= 50).mean()
return {
'concentration': round(concentration, 3),
'price_cv': round(price_cv, 3),
'new_survival': round(survival, 3)
}这段代码本身不重要，重要的是每个指标都对应着一组阈值和动作，否则算出来也没人看。
跑完这一圈，实际会看到几种典型状态和对应动作：
我不喜欢编"效率提升 80%"这种数字，所以只说我实际观察到的变化：这家团队上线数跨境这套链路之后，人工整理竞品数据的时间从每周约 9 小时缩到 2.5 小时左右，但更关键的变化是，调价决策的平均响应时间从平均 3.5 天缩到 1 天以内,因为黄线和红线一触发，通知直接到了采购和运营手里。
不要上重型工具。Excel 或者 Google Sheets 配一个每周定时更新脚本即可。重点做三件事：把"竞品定义"写死、把"四个竞争强度指标"算出来、把"红线+动作"贴在表格首页。这个阶段的目标不是自动化，是让团队形成"看竞争强度再做决定"的习惯。
这是最适合引入类似数跨境这类工具做半自动化的区间。采集和计算全交给系统，决策和复核留给人。建议在预警模块里做两级：黄线提醒自己团队，红线通知上下游。同时留一个"人工复核清单",处理数据口径异常和平台改版带来的偏差。
可以往全自动化方向走，但要先做好三件事：建统一口径文档、建数据质量监控、建动作回溯日志（每次触发后记录动作和结果）。否则全自动化会在半年内因为数据漂移而失效。全自动化不是技术问题，是治理问题。
请务必先和业务开一次"决策问题工作坊",把本文第 4 章那套三层设计法跑一遍。你会发现业务要的指标远比你想象的少，但口径要求远比你想象的严。
我几乎每次都要劝客户砍指标。多加两个指标看起来更全面，但团队记不住、看不懂、不会用。我的经验是顶层决策规则控制在 5 条以内，指标层 8-15 个，字段层放开。这是一个经过多次验证的平衡点。
平台数据接口、页面结构、口径规则都会变。自动化程度越高，对稳定性的要求越高。如果数据源每季度都会有变化，那半自动化反而更省心，因为每次变化人工都能快速修，不需要重建整套脚本。
实时预警听起来很好，但竞争强度本身是一个周级别的信号，日级别的波动大部分是噪音。我通常建议周级更新 + 极端事件（跌幅超阈值）触发日报,而不是全部做实时。过度实时化只会带来预警疲劳，最终所有人都把通知关掉。
标准化的好处是快、可复制；自定义的好处是贴合实际。我的判断标准是：如果团队还在摸索竞争强度的用法，就用标准化模板起步；如果团队已经能稳定跑出动作，就做自定义优化。反过来先做自定义，成本会非常高，而且大概率白做。
这也是我常被问到的。简单说：团队有工程能力、SKU 量不大、平台单一，可以自建；团队没有工程能力、多平台、SKU 多，采购成熟工具通常比自建便宜 3-5 倍。不要为了省工具费去自建，最后往往在维护上花更多。
不要看指标本身对不对，先看有没有人真的因为预警而做了动作。如果一个月内一次动作都没触发，要么阈值设得太松，要么模板根本没进入工作流。这时候先调阈值和流程，别急着加指标。
把模板给一个没参与设计的新人看，问他："如果竞争均价周降幅到了 -8%,你应该做什么？"如果他能 30 秒内答出来，说明触发器设计合格；如果他答不上来，说明决策层还是空的。
回到开头那个家居收纳的朋友。后来我们做的最重要的一件事，不是换工具，也不是重新设计表格，而是先把"竞争强度要替他们回答的三个问题"写下来，然后为这三个问题各设一条红线和一条动作。改完之后他们的表从十三个 Sheet 变成三个 Sheet，但每次触发都能让采购和运营立刻动起来。
所以我给所有正在做这件事的人的建议是：
下一步你可以立刻做的一件事：打开你现在用的商品分析表，找出一列你觉得最像"竞争强度"的数据，问自己两个问题，它对应什么决策？到了什么程度你会动手？如果两个都答不上来，那你缺的不是模板，是触发层。这也是我想留给这篇文章最重要的一句话：围绕竞争强度的自动化，做的不是数据工程，是决策工程。
我之前做商品分析的时候，模板里就是销量、销售额、毛利率这几个常规指标，领导问我“这个品类竞争激不激烈”，我完全答不上来。后来想加竞争强度相关的指标，又不知道从哪几个维度入手，怕加多了算不过来，加少了又说明不了问题。
竞争强度不建议用单一指标，用一组三层指标更实用。第一层是结构层：竞品链接数、TOP10 销量占比（集中度）、价格带分布区间，这三个回答“这个赛道挤不挤、头部是否垄断”。第二层是动态层：近30天新品上架数、新品进入TOP100的比例（新品存活率）、竞品调价频次，回答“这个赛道还在涌入还是已经固化”。
第三层是压力层：同价格带竞品数、主图/卖点同质化程度、评价数中位数，回答“我进场后要打什么仗”。实操上，先跑结构层三个指标，如果 TOP10 占比超过 60% 且新品存活率低于 5%，基本可以判断为高集中度红海，后面两层可以简化看。
口径上统一按同一平台、同一叶子类目、同一时间窗口（建议30天滚动）取数，避免跨类目对比失真。
我们团队就三个人，一个运营一个客服一个我，平时用 Excel 手动统计商品数据已经占用大量时间。看到别人说什么 API 采集、BI 看板、自动预警，感觉门槛很高，不知道我们这种没技术背景的小团队到底能做到什么程度。
小团队不要追求全链路自动化，按“半自动+人工复核”搭三段就够用。第一段是采集半自动：用平台自带的数据导出（如生意参谋、商智的行业报表）每周定时下载，或用表格工具的自带导入功能做固定模板粘贴，不要一开始就上爬虫。
第二段是计算自动化：把竞争强度指标写成表格公式或透视表，数据粘贴进去自动出结果，这一步是投入产出比最高的。第三段是预警半自动：用条件格式标红，比如同价格带竞品数环比增加超过20%、TOP10集中度下降超过10个百分点，触发人工去看一眼。
判断依据是：小团队的核心瓶颈是人的决策带宽，不是数据量，先把“每周固定看哪几个数”固化下来，比追求实时自动化重要得多。等周流程跑顺三个月以上，再考虑接 API。
我模板里竞争强度指标都算出来了，红海蓝海也标了，但到了具体决策环节就卡住，知道这个品类竞争激烈，然后呢？是降价还是换品？是加大投入还是清仓退出？感觉指标和动作之间缺了一座桥。
关键是提前写好“指标到动作”的映射规则，而不是每次临时拍脑袋。建议按场景定三条硬规则。选品场景：如果目标价格带同价格带竞品数小于20个、且TOP10集中度低于40%、新品存活率高于10%，判定为可进入，动作是锁定该价格带做差异化款；三个条件中两个不满足则放弃。
定价场景：如果同价格带竞品数超过50个且评价数中位数高于500，说明是血战价格带，动作是避开正面定价，改打套装或赠品组合，不要直接降价。清仓场景：如果某SKU所在价格带连续两个月竞品数增加超过30%且自身销量环比下滑超过15%，触发清仓评估，动作是先降推广预算、再按库存周转天数决定是否打折。
判断依据是：映射规则要写成“条件+动作”的 if-then 格式放进模板里，这样分析结果一出来，动作方向也就出来了，避免分析和决策两张皮。
我照着网上的思路搭了一版竞争强度自动化模板，跑了两个月发现数据对不上、运营也不看，最后变成我一个人自嗨。我想知道别人踩过的坑到底有哪些，免得继续在错误的方向上投入时间。
最常见的翻车点有三个。第一是指标口径不统一：竞品数这个字段，有人按搜索页前3页统计，有人按类目全部统计，口径不一致导致月度对比完全失效，解法是把每个指标的口径写进模板的字段说明里，固定取数范围和时间窗口。
第二是自动化过度：把预警阈值设得太敏感，一天弹十几条提醒，运营直接免疫，解法是预警只保留不超过5条核心规则，且每条预警必须绑定一个明确的动作，没动作的预警删掉。
第三是模板僵化：一套模板套所有类目，但快消品和耐用品、标品和非标品的竞争强度逻辑完全不同，解法是按类目类型做2-3个模板变体，而不是一个模板打天下。
判断依据是：模板能不能活下来，不取决于自动化程度多高，取决于运营每周是否真的会打开它做决策，跑一个月没人主动看，就说明模板设计和实际决策场景脱节了，要回头改结构而不是加功能。
读者评论
文章把竞争强度从单一指标还原成一组决策问题，这个视角很实用。很多模板确实只解决数据展示，不解决触发动作，最后变成填表游戏。半自动化那段也说得实在，小团队上来就追求全自动，数据质量跟不上反而更糟。
口径不统一这点太真实了。同一个类目在不同平台数字差好几倍，业务看到就懵。作者强调每个指标必须标注口径来源，这是很多模板制作者忽略的。不过三层结构落地时，中小团队可能连指标层都难统一，需要更轻量的起步方案。
最认同竞争强度不该只挂在运营名下。采购和产品如果不知道竞争格局，备货和新品立项就是拍脑袋。文章给的触发层规则设计有参考价值，红线黄线加动作比单纯看趋势线强得多。但规则维护成本不低，需要有人持续迭代。