去年双十一前两周，一个做小家电的朋友给我看他们的商品分析后台。销量、毛利、库存周转、退货率一应俱全，看板做得相当漂亮。我问了一句："你们竞品A的那款空气炸锅从299降到249，你们是什么时候知道的？"他愣了一下，说："运营刷手机看到的，大概过了三天。"三天，在空气炸锅这个类目，足够让他们的主力SKU从类目前五掉到二十名开外。这不是数据能力问题，这是商品分析体系里缺了一整个"竞争强度"模块的问题，它不属于销售分析，也不属于库存分析，它需要一套独立的系统搭建设置。
过去两年我参与过六七个不同规模团队的商品分析系统搭建，从三个人的小团队用飞书表格，到年GMV二十亿的品牌方自建数据中台，都踩过一遍。这篇文章不谈"数据是新时代的石油"这种废话，只回答一个具体问题：要把竞争强度分析跑起来，到底需要在系统里配置哪些东西，每一层分别设置什么，不同阶段该配到什么程度。
如果你只想记一句话，记这句：竞争强度分析系统的搭建，不是在商品分析看板上加一个"竞品"标签，而是要独立配置数据采集层、指标计算层、可视化层、预警层这四层，每一层都有必须设置的关键项，缺任何一层，这个模块都会退化成"人工刷手机"。
我把这四层拆成一张对比表，先让你看清楚每层的职责边界和最容易漏掉的配置项：
| 层级 | 核心职责 | 必须配置项 | 最容易被漏掉的设置 |
|---|---|---|---|
| 数据采集层 | 把竞品的价格、上新、评价、活动、库存状态变成结构化数据 | 竞品池定义、采集频率、字段映射、合规白名单 | 竞品池的"动态进出机制"，竞品不是固定的，掉队的要移出，新入场的要补进 |
| 指标计算层 | 把原始数据加工成可判断的竞争强度指标 | 指标口径、权重配置、聚合维度、时间窗口 | 权重必须可配置，而不是写死在代码里 |
| 可视化层 | 让业务人员三秒内看懂"现在竞争到什么程度" | 价格带分布、强度热力图、竞品动态时间线 | 看板的"决策指向"，每张图必须对应一个动作 |
| 预警层 | 在竞品动作发生时主动推送，而不是等人来查 | 触发条件、阈值、推送渠道、静默规则 | 静默规则，没有它，预警会变成骚扰，最后被全员屏蔽 |
这张表是全文的骨架，后面每一章都会展开。但先别急着往下看配置细节，你需要先理解一个更底层的问题：为什么竞争强度不能塞进现有的销售分析里，非要独立搭建。
销售分析依赖的是你自己的订单、库存、退款数据，这些数据在你自己的系统里，T+1甚至实时就能拿到，字段稳定、口径统一、更新可控。
竞争强度依赖的是外部数据：竞品价格、竞品销量估算、竞品评价、竞品活动、平台流量分配。这些数据你拿不到官方接口，只能靠第三方工具、公开页面采集、平台开放数据，更新频率不稳定、字段会变、随时可能断供。
我见过最典型的一个坑：某团队把竞品价格字段和自家商品价格放在同一张宽表里，结果竞品采集脚本一挂，整张表的刷新任务全部失败，连带自家商品的日报都出不来。这就是没做数据隔离的后果。
销售分析看的是趋势，月度、周度回顾都来得及。竞争强度看的是"瞬时挤压"，竞品今晚八点降价，你明天早上九点才知道，中间损失的成交已经发生了。
我在一个美妆类目的项目里做过统计：竞品调价后的前6小时，是价格敏感型用户流失的高峰期，这个窗口内没有响应，单日转化率平均下滑8%到15%（样本为该店铺三个主力SKU连续30天的调价对照，属于我自己的观察数据，不是行业基准）。这个时间敏感度，销售分析的T+1节奏根本扛不住。
销售分析的结果通常交给运营复盘、给老板看周报。竞争强度分析的结果必须直接触发动作：调价、加投、换素材、补库存。如果你的系统只把竞争强度做成一张漂亮的图，而没有连接到任何动作入口，这个模块等于没建。
竞品监控是"我看到竞品在干什么"，竞争强度分析是"我判断这个赛道现在挤压到什么程度、我该不该动"。前者是数据罗列，后者是决策依据。
具体区别在于：竞品监控配置的是"监控哪些竞品、监控哪些字段"；竞争强度分析配置的是"这些字段如何合成一个强度值、这个值超过多少触发什么动作"。只有监控没有强度合成，你的看板就只是一堆截图。
我接手过一个团队的系统，竞争强度看板上有27个指标：竞品数量、竞品价格均值、价格标准差、评价数增速、好评率差、上新频率、活动频次……问运营平时看哪几个，答："就看看有没有降价。"
27个指标里，真正驱动决策的不超过5个。剩下22个的存在，只会稀释注意力，让预警阈值无法设定。指标堆砌是新手最容易犯的错，也是系统越做越重、最后没人用的主要原因。
很多团队一提到"系统搭建设置"，脑子里就是中台、数据仓库、调度平台。但竞争强度模块的特点是数据源不稳定、指标口径还在摸索、业务需求变化快，这个阶段自建系统，大概率是花半年建了一个半年后就推翻的东西。
更现实的做法是分层推进：先用表格跑通指标口径，再用工具做半自动化，最后才考虑自建或深度定制。下面几章我会按这个顺序把配置清单拆开讲。
不是所有团队都需要四层齐全的系统。判断标准我总结成三个问题，按顺序问自己：
这三个问题的答案组合起来，基本决定了你该落在哪个阶段。我给一个粗略的对应关系：
| 决策周期 | SKU/竞品规模 | 竞争变量复杂度 | 建议配置阶段 |
|---|---|---|---|
| 周级 | 50以内 | 仅价格 | 手工表格阶段 |
| 天级 | 50-500 | 价格+上新 | 半自动化工具阶段 |
| 小时级 | 500以上 | 价格+上新+内容+活动 | 系统化阶段 |
| 小时级 | 50以内 | 高客单、低频次 | 半自动化+重点预警，不必全系统化 |
注意最后一行。高客单低频次的类目，比如家具、大家电，SKU不多但单笔金额大，这类团队不需要全系统化，只需要把预警层做扎实。因为决策频率低，但每次决策影响大，实时性比全面性更重要。
这个阶段不要追求自动化，先人工每周采集一次，把口径跑通。必采字段我建议这九项：
这九项里，最容易被忽略但信息量最大的是"最近一次改价时间"和"主图是否更换"。前者告诉你竞品的调价节奏，后者透露它是否在测试新的转化路径。
不写公式，只讲口径，因为不同类目差异太大：
这三个指标，用表格的透视功能就能算出来，不需要任何系统。关键不是算得多精准，而是先把口径固定下来，让团队对"竞争变激烈了"这句话有统一的判断标准。
手工阶段能撑住的上限大概是：20个核心竞品、每周采集一次、2到3个人维护。超过这个量，人工出错率会快速上升，而且改价这种高频动作根本抓不到。
什么时候该退出？我的判断是：当你连续两周出现"事后才发现在竞品已经降价两天了"的情况，就该升级到半自动化阶段。
半自动化阶段不要自己写爬虫，除非你有专人维护。工具选型我看四个维度：数据覆盖度、更新频率、字段可配置性、合规风险。
这里必须提一个现实问题：竞品数据的合规性边界，这两年一直在收紧。平台对公开数据的采集有明确限制，第三方工具的可持续性直接决定你的系统能不能长期运行。我的建议是：优先选择有公开数据授权、明确标注数据来源的工具，不要用来源不明的低价工具，一旦断供，你前面配的所有指标全部作废。
如果你们的类目覆盖跨境平台，可以关注一下数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）。它本身是九数云体系下的跨境数据产品，核心能力在于把跨境平台的公开商品数据做了结构化整理，包括价格、销量趋势、评价等多维字段，并且提供了可直接对接的分析模板。
我在一个跨境家居类目的项目里用它做过竞品价格带的日常监测，最大的价值不是数据多，而是省掉了采集层的稳定性和合规性维护成本，让团队能把精力放在指标设计上。
这里要客观说一句：工具解决的是采集层和部分可视化层的问题，指标计算层的权重配置和预警层的阈值设定，仍然是你要自己想清楚的，工具替代不了业务判断。
半自动化阶段，指标计算层最关键的一件事是把权重做成可配置项，而不是写死在脚本里。需要配置的参数包括：
我给一个示意性的配置片段，用 JSON 表达，方便你理解"可配置"的具体含义：
{
"category": "kitchen_appliance",
"weights": {
"price_squeeze": 0.45,
"review_catchup": 0.30,
"new_launch_pressure": 0.25
},
"time_windows": {
"short": "7d",
"mid": "30d",
"long": "90d"
},
"intensity_levels": {
"low": [0, 30],
"medium": [30, 55],
"high": [55, 75],
"extreme": [75, 100]
},
"update_frequency": "6h"
}
这份配置里最值得说的不是权重数值，而是"intensity_levels"这一项。把连续的强度值切成四档，业务人员才有明确的动作映射：低档不动，中档观察，高档准备调价方案，极高档立即触发预警。
不要做十几张图。半自动化阶段，三张图足够：
| 看板图 | 解决什么问题 | 关键配置 |
|---|---|---|
| 价格带分布图 | 我的主力价格带里，对手有多密集 | 按价格区间聚合，标注自家SKU位置 |
| 竞争强度热力图 | 哪个子类目、哪个价格段竞争最激烈 | 横轴价格带，纵轴子类目，颜色表示强度值 |
| 竞品动态时间线 | 过去30天竞品都做了什么动作 | 按时间轴排列改价、上新、活动事件 |
这三张图的共同特点是都指向动作：价格带分布图告诉你该不该避开某个价位，热力图告诉你该往哪个细分走，时间线告诉你对手的节奏规律。
反之，那些"竞品评价词云""竞品主图颜色分布"之类的图，看着花哨，实际不指向任何动作，半自动化阶段一律不做。
预警是这个阶段最有价值的功能，也是最容易配坏的功能。我的配置方法分四步：
第3步的静默规则，是我见过最多团队忽略的。没有静默规则的预警系统，一周内就会被运营全员屏蔽，然后这个模块就彻底死了。
系统化阶段，采集层要从"能采到"升级到"采得稳、采得合规、采得可追溯"。清单如下：
第二项"更新频率分档"是成本控制的关键。很多团队所有字段都按最高频率采，成本翻几倍，但评价数据和上新数据根本不需要6小时一次。
第三项"动作入口"是系统化和半自动化的分水岭。半自动化阶段看完图还要去别处操作，系统化阶段应该从看板直接发起动作。
第五项"效果复盘"最容易被跳过，但它是让预警系统越用越准的唯一途径。没有复盘，阈值永远停留在拍脑袋的水平。
如果你团队不到10个人，SKU在100个以内，我建议只做三件事：
这三件事加起来，一个月投入不超过2个人天，但能解决80%的信息滞后问题。中小团队最大的风险不是系统不够强，而是花大力气搭了系统却没人维护。
如果你是有一定规模的品牌方，SKU几百个以上，跨多个平台，那么有两个模块必须补齐：
第一个是跨平台价格监控。同一个竞品在不同平台的价格策略可能不同，只看单一平台会误判整体竞争强度。
第二个是竞品池的动态进出机制。竞品不是固定的，三个月前的头部竞品可能已经掉队，新入场的黑马你还没监测到。没有动态进出机制的竞品池，半年后就会失效。
平台型团队数据能力强，容易过度自信，两个坑最常见：
第一个坑是用内部数据替代外部数据。平台能看到自己生态内的数据，但看不到竞对平台的动态，容易形成信息茧房。
第二个坑是指标过度工程化。用复杂的算法模型算一个"竞争强度指数"，业务人员看不懂、不敢用，最后还是靠感觉决策。可解释性比精确性更重要。
这四条里，最后一条最容易被忽略。如果你的核心竞品数据来源本身就不稳定、随时可能断供，那么系统建得越复杂，沉没成本越高。这种情况下，轻量的半自动化方案反而是更理性的选择。
大多数团队其实不需要在"全系统化"和"全手工"之间二选一。我的建议是分层：
| 竞品层级 | 数量占比 | 监控配置 | 投入水平 |
|---|---|---|---|
| 核心竞品 | 约10% | 全字段、高频采集、全预警 | 重投入 |
| 次级竞品 | 约30% | 价格+评价、中频采集、关键预警 | 中投入 |
| 长尾竞品 | 约60% | 仅价格、低频采集、不设预警 | 轻投入 |
这个分层策略的价值在于，它让资源投入和竞品重要性匹配起来。80%的预警价值来自那10%的核心竞品，没必要给长尾竞品配同样的资源。
27个指标平铺在一个看板上，等于没有指标。规避方法：每个指标上线前，必须回答"它超过多少时，我会做什么动作"，答不上来的不上线。
只靠一个第三方工具的数据，工具算法一调整，你的判断全变。规避方法：核心指标至少两个数据源交叉验证，差异超过阈值时人工复核。
阈值定得太低，天天响；定得太高，形同虚设。规避方法：用历史数据回测，找出"如果当时预警了，能挽回多少"的临界点，用这个点作为初始阈值。
很多团队算预算时只算了工具费用，没算数据采集的合规成本和字段维护成本。规避方法：把"每年因数据源变更导致的返工工时"也计入预算，通常占总投入的20%到30%。
这是最致命的一条。规避方法：看板设计时，就绑定一个固定使用场景，比如每天早上9点的选品会，第一个打开的必须是这个看板。没有使用场景的看板，三周后访问量归零。
回到开头那个空气炸锅的例子。如果那家团队当时有一条"核心竞品降价超10%立即推送"的预警，那三天的信息差就不会发生。竞争强度模块的价值，不在于系统多先进，而在于把"事后知道"变成"事中响应"。
这篇内容里我给出几个可能和主流说法不太一样的判断。第一个是竞争强度必须独立于销售分析存在，因为数据更新节奏和决策响应窗口完全不同，硬塞在一起只会互相拖累。第二个是四层配置里，被最多团队忽略的不是采集层，而是预警层的静默规则和响应追踪，这两项决定了这个模块能不能活过三个月。第三个是不该对所有竞品平均用力，核心竞品配全字段高频采集，长尾竞品只需要低频价格监控，资源错配比配置缺失更浪费。
下一步该怎么做，我建议按这个顺序：
系统搭建设置这件事，最怕的不是配得少，而是配得早、配得重、配了不用。先跑通，再优化，比一步到位更容易活下来。
我们团队一开始就是把竞品价格、销量、评价全都塞进同一张商品分析宽表，结果跑了两个月发现指标互相打架，运营看板越看越糊涂。我就想知道，这俩到底该不该拆开，拆开的判断标准是什么。
建议拆开，但不用拆成两套系统，而是拆成两个逻辑层。判断依据看数据来源：销售分析的输入基本来自内部订单、库存、履约数据，字段稳定、更新频率可预期；竞争强度的输入大量依赖外部采集，字段易变、缺失率高、更新节奏不由你控制。混在一起最直接的后果是外部数据一断，整张宽表刷新失败，连内部销售指标都看不了。
可执行做法是：底层共用一套商品主数据和维度体系，保证商品ID、类目、时间口径一致；上层分成内部指标域和外部竞争域两张事实表，各自独立调度，再通过商品ID在应用层关联。这样既避免口径分裂，也不会因为竞品数据不稳定拖垮核心报表。
我看过不少方案，有的说价格权重给40%，有的说流量集中度才是核心，问题是这些数字从哪来的没人讲。我们品类又比较特殊，直接抄一套权重上线，我心里没底，怕拍脑袋定完以后没人认这个结论。
权重不要一次定死，用三步走。第一步先做等权基线，把竞品数量、价格带重叠度、流量集中度、评价差距这几个维度各占相同权重跑一版，得到一个竞争强度排序，先让业务方看这个排序是否符合直觉。
第二步做敏感性测试，每次只把一个维度权重提高或降低，看头部商品的排名是否发生大幅跳动，如果某维度一动排名就翻盘，说明它噪声大或者口径不准，需要先修数据而不是加权。第三步再引入业务锚点，比如让运营对20到30个已知竞争激烈的商品打分，用这组人工判断反过来校准权重。
行业基准值如果没有可追溯来源就不要直接引用，宁可用自己历史数据的分位数作为阈值，比如取过去12个月竞争强度的70分位作为预警线。
我们是十几个人的小团队，老板要求做竞品监控但预算卡得很死，第三方工具动辄几万一年。我就在纠结，是先把钱花在采集工具上，还是先用人工顶一顶，怎么分配才不算浪费。
先分清采集的是哪类数据再决定花钱顺序。价格、上下架、公开评价这类结构化程度高、页面变动不频繁的数据，优先用轻量工具或半自动方式覆盖，不必一上来就买全量商业工具。真正的坑在稳定性和合规性：页面改版会让采集直接归零，所以第一阶段要投的不是覆盖面，而是监控和告警机制，保证数据断流当天就能发现。
可以后置的是社交舆情、达人带货这类非结构化数据，投入产出比在早期很低。一个可执行的顺序是：先人工每周两次记录TOP20竞品的核心字段，验证这些字段到底有没有影响决策；确认有用后再上工具做自动化和频率提升。判断是否该升级的信号是，人工维护已经每周超过半天，或者因为更新不及时错过过至少一次调价窗口。
系统上线后最怕的就是一天弹几十条竞品变动提醒，运营看了两天就全部折叠，等于白做。我也试过把阈值调高，结果真的降价了反而没提醒到。这个平衡点到底该怎么找。
阈值不要按绝对值设，要按每个商品自身的历史波动来设。做法是先跑一段只记录不告警的观察期，至少4到6周，统计每个商品价格、评价、排名的日常波动幅度，取该商品自身波动的分位数作为基础阈值，比如价格变动超过其近90天日常波动的第90分位才触发。
第二步做分级，把告警分成提示级和行动级，提示级只进日报，行动级才推送到即时通讯，避免所有变动都打断人。第三步定期回看，统计每次告警后是否真的产生了跟进动作，如果某个规则连续几周告警的跟进率接近零，就调高阈值或直接下线。
判断标准很朴素：行动级告警的每日条数应该控制在人工能当天处理完的范围内，超过这个量就说明分级没做好，而不是阈值不够灵敏。
读者评论
看完挺有共鸣的。我之前做家电类目运营，竞品降价基本靠刷手机发现，等反应过来流量已经掉了一截。文章里说的四层配置我认同，但现实是小团队连采集层都跑不稳，更别说预警闭环。另外那个6小时响应窗口我觉得要分类目看，高客单低频的其实没必要那么紧张。
作为数据产品经理，我觉得这篇文章最有价值的是把竞争强度从销售分析里独立出来讲。竞品数据外生、更新不稳定，混进宽表确实容易一挂全挂。不过半自动化阶段的工具选型部分讲得略浅，合规边界和断供风险才是真正卡脖子的地方，建议后续展开。
作者说不建议一上来就自建，这点很实在。我见过太多团队花半年搭中台，结果指标口径还没定就推翻重来。手工表格阶段那九个字段清单可以直接拿来用，尤其是改价时间和主图更换这两项，确实是判断竞品打法的高信息量信号。
文章逻辑清晰，四层拆解很到位。但我觉得预警层的静默规则被低估了，实际落地时预警泛滥比没有预警更可怕，运营一周就会全部屏蔽。另外高客单低频类目那一段判断挺准，我们做家具的就是SKU少、金额大，把预警做扎实比全系统化更划算。