去年底我帮一家做工业配件的宁波外贸企业做数据诊断，老板问了我一个很直接的问题："我花了三万八买的竞品监控工具，用了八个月，团队每周还在手动翻竞品阿里巴巴店铺，这钱算不算白花？"我打开他们的系统后台，采集了 12 个竞品、字段堆到 40 多个、更新频率设置成每天三次，但过去 90 天里，真正被业务团队点开查看的字段只有 5 个，触发过跟进动作的预警是零条。这不是工具的问题，是系统搭建的思路从第一步就走反了，先买工具，再想用途。
这篇文章不会跟你讲"竞品分析为什么重要"这种谁都能拼出来的结论，我要讲的是：外贸场景下，竞争对手相关的数据系统到底怎么从零搭起来，哪些模块必须先想清楚，哪些坑我亲眼见过有人踩进去半年爬不出来，以及在自建、半自动、SaaS 三条路线里，什么样的团队该选哪条。我会用"数跨境"这个我实际深度使用过的外贸数据分析平台做贯穿案例，但不是软文式吹功能，而是拆它的设计逻辑，告诉你为什么它那样做是对的，以及什么情况下它反而不适合你。
我把过去三年接触过的 30 多家外贸企业的竞品系统搭建案例做了复盘，发现一个高度一致的规律：系统上线半年后还在被业务团队使用的，几乎全部是"目标先行"的；被弃用的，几乎全部是"工具先行"的。这个规律比任何工具选型建议都更重要，所以我把它放在最前面讲。
"工具先行"的典型路径是：老板听说竞品监控很重要，让运营去调研工具，运营对比了五六家 SaaS，选了一家功能最全的，签合同、部署、导入竞品名单、开始采集。三个月后发现问题：采集了一堆数据，但业务团队不知道该看什么，销售说"这些数据跟我打电话有什么关系"，运营说"报告做出来没人看"。
"目标先行"的路径是：先回答一个问题，我们监控竞品，到底要在哪个具体业务动作上产生改变？是报价时能快速知道对手最新价格？是选品时能发现对手新上的爆款？是客户流失时能判断是不是被对手撬走？还是投放时能知道对手在哪些渠道加了预算？
这个问题的答案不同，后面所有的字段设计、采集频率、预警规则、输出形式都会完全不同。我在下面这张图里对比了两条路径在六个关键环节上的差异。
我给所有来找我做诊断的企业只提一个判断标准：这条数据采集回来之后，谁会在什么场景下、基于它做什么动作？如果这个问题答不上来，这条数据就应该从系统里删掉。
用这个标准去检查那家宁波企业的 40 多个字段，能立刻砍到 8 个以内。比如"竞品店铺装修颜色"这个字段，采集回来从来没人看过，它不触发任何动作，就是纯噪声。而"竞品主力 SKU 的 MOQ（最小起订量）变化"这个字段，一旦变化就意味着对手可能在抢小批量客户，这直接触发销售策略调整，这才是值得保留的字段。
后面五节我会讲数据源、模块框架、工具选型、落地步骤、避坑指南，但所有这些内容都建立在这一节的判断之上。如果目标没定清楚，后面每一个技术决策都会变成消耗预算的黑洞。这是我看过太多企业真实踩坑后，最想先告诉你的一句话。
2025 年上半年我跟着一家深圳的消费电子外贸团队跑了整整一周的日常，记录下来他们做竞品分析的完整流程，结果让我印象很深，不是因为他们不努力，恰恰相反，他们非常努力，但努力的方向被工具和流程拖住了。
这家团队有 4 个业务员加 1 个运营，每周一上午固定两个人花三小时做竞品分析。流程是这样的：
这套流程看起来完整，但实际运行中暴露出四个问题，而且每一个都不是"再努力一点"能解决的。
第一个缺陷是时间窗口太粗。竞品在旺季前调整价格、换主推 SKU，往往在 24 到 48 小时内完成。周频监控意味着你看到的永远是"上周的竞品"，而不是"现在的竞品"。
第二个缺陷是覆盖半径太窄。人工能稳定跟踪 5 到 8 个竞品已经是极限，但一个外贸企业在某个细分品类里实际的直接和间接竞争对手可能有 20 个以上。你漏掉的那些，往往就是抢走你订单的那些。
第三个缺陷是字段稳定性差。不同的业务员记录习惯不同，同样一个"价格调整"，有人记成"降价 5%"，有人记成"促销活动"，三个月后这份 Excel 已经没法做趋势分析。
第四个缺陷是无法形成历史资产。人走了、表格丢了、记录习惯变了，过去两年的竞品信息就散了。而真正的竞品洞察，往往来自 12 到 24 个月的连续对比，不是某一次的快照。
那家深圳团队的运营跟我说过一句话，我印象很深："我们不是不想搭系统，是不知道系统应该长什么样，工具买回来也不知道怎么用。"这句话点出了外贸竞品系统搭建的核心困境，市面上讲"为什么重要"的内容一大堆，讲"系统具体怎么搭"的内容几乎为零。后面几节，我就把系统搭建的完整框架拆开讲。
我把过去三年接触的企业案例做了归类，发现在竞品系统搭建这件事上，反复出现同样的六个误区。它们的共同特征是，看起来都是合理的决定，但组合起来就会导致系统上线即弃用。这一节逐个拆解。
最常见的误区是"反正工具支持，那就全都要"。我见过一个团队在系统里设了 47 个采集字段，包括竞品官网的每一条产品描述、每一张主图、每一次 SEO 关键词变动。三个月后，真正被使用的字段不超过 5 个。
字段不是越多越好，每一个字段都应该对应一个明确的业务动作。我给的判断方法是：把字段列表打印出来，让业务负责人逐条回答"这条数据变化时，你会做什么"。答不上来的立刻删掉，答得含糊的标记待观察，只有答得明确且动作具体的才保留。用这个方法，绝大多数团队能把字段压到 10 到 15 个之间。
第二个误区是把采集当成终点。工具能自动采集，团队就觉得任务完成了，结果数据每天在增长，但从来没有人打开看。这本质上和手动记录 Excel 没有区别，只是把"人不看的表格"从手工变成了自动。
采集只是起点，分析和触发动作才是终点。一个健康的竞品系统，每天应该有人收到一份 3 分钟能看完的摘要，每周应该有一次基于数据的策略回顾。如果这两件事没有发生，系统的采集量再大也是浪费。
第三个误区是不设预警规则，把所有信息都当成"待查看"状态。结果是运营每天打开系统看到一个几十条变化的清单，慢慢就麻木了，重要的变化被淹没在不重要的变化里。
正确做法是分层预警：价格变动超过 10% 触发最高级提醒、主推 SKU 下架触发次高级提醒、社媒内容更新只进周报不单独提醒。分级之后，真正重要的变化才会被看见。
第四个误区是把"能采集"等同于"可以采集"。外贸竞品数据里，官网、平台店铺、社媒公开页面属于相对安全的采集范围；但绕过反爬机制、抓取需要登录的数据、抓取个人隐私信息，都可能带来法律风险或账号风险。
我在下面给出一个简明的合规红线划分，这是基于公开可查的常见实践总结，具体合规判断请以企业法务或专业顾问意见为准。
| 数据类型 | 常见采集方式 | 相对风险等级 | 建议 |
|---|---|---|---|
| 竞品官网公开页面 | 页面解析、公开 API | 较低 | 控制频率，避免影响对方服务器 |
| 平台店铺公开信息 | 平台开放接口或公开页面 | 较低 | 遵守平台规则，不要绕过验证 |
| 社媒公开内容 | 官方 API 或公开页面 | 中低 | 优先用官方 API，避免高频抓取 |
| 需要登录的页面数据 | 模拟登录抓取 | 较高 | 不建议自行采集 |
| 涉及个人信息的数据 | 任何方式 | 高 | 不建议采集 |
第五个误区是系统与业务流程脱节。竞品数据采集回来之后，谁来处理？处理结果如何进入报价流程、选品流程、客户跟进流程？如果没有明确的责任人和处理链条，数据就永远停留在"看过"的层面。
我在实际项目里的做法是：给每一条预警规则绑定一个明确的责任人和处理时限。比如"竞品主力 SKU 降价超过 10%"这个规则，责任人绑定到对应品类的产品经理，处理时限 24 小时，处理动作是"评估是否需要调整我方报价或增加差异化卖点"，处理结果记录在系统里。这样就形成了闭环。
第六个误区是收益难以量化。竞品系统的价值往往体现为"避免损失"或"抓住机会"，这两类收益天然比"增加收入"更难量化，导致向管理层汇报时说服力不足。
我的建议是把收益拆成可以追踪的中间指标：竞品价格变动后我方报价响应时间、监控发现的选品机会转化为新品上架的比例、客户流失案例中能被竞品数据解释的比例。这些中间指标无法直接算出 ROI，但能让管理层看到系统的实际使用深度，比空谈价值更有说服力。
讲完误区，我要给出正面框架。竞品系统的搭建，我认为可以拆成五个模块、三层数据架构。这个框架不是理论推演，是我在多个项目里反复调整后沉淀下来的，能覆盖从最小可用系统到完整系统的所有形态。
五个模块分别是：采集层、清洗层、存储层、分析层、输出层。每一层解决一个明确的问题，任何一层缺失都会导致整个系统失效。
采集层解决"从哪里拿到数据"。外贸场景下主要的数据源包括：竞品官网、平台店铺（阿里巴巴国际站、亚马逊、独立站）、社媒（LinkedIn、Facebook、YouTube）、海关数据、招聘网站、行业报告。采集层的设计重点是确定数据源清单和采集频率。
清洗层解决"数据怎么统一"。外贸场景的特殊性在于多语言、多币种、多时区、多平台格式，同一个"价格"字段在不同平台的格式可能完全不同。清洗层要完成去重、翻译、币种统一、字段标准化四件事。
存储层解决"数据放在哪里、怎么长期积累"。这是最容易被忽视但最重要的一层，因为竞品分析的核心价值在于长期对比，而不是单次快照。存储方案从轻到重包括 Google Sheets、Airtable、轻量数据库、数据仓库。
分析层解决"数据怎么变成洞察"。核心是三类分析：对比分析（我和竞品在某维度上的差距）、趋势分析（某指标随时间的变化）、预警分析（什么情况需要立即关注）。
输出层解决"洞察怎么进入业务动作"。输出形式包括日报摘要、周报回顾、专项报告、实时预警。输出层的设计原则是：不同角色看到不同形式，不同优先级走不同通道。
数据架构的三层是：原始层、清洗层、应用层。原始层保留采集到的原始数据，用于追溯；清洗层保留标准化后的数据，用于分析；应用层保留面向具体业务场景的数据视图，用于输出。
这三层是否有必要全部建，标准是：数据源是否超过 5 个、是否需要长期历史对比、是否有多个角色使用。三个条件都满足，就应该建三层架构；只满足一个或两个，两层甚至一层就够用。
我判断架构复杂度的另一个方法是问："谁在用这个系统？"如果只有 1 个运营在使用，一层架构就够；如果业务员、产品经理、老板都要用，就需要至少两层；如果要接入 CRM 或其他系统，就需要三层。
架构复杂度不应该由工具决定，应该由使用者的数量和使用场景的复杂度决定。这是我见过太多企业花冤枉钱后的最直接判断。
讲完框架，我要用一个实际使用过的平台做贯穿说明。我深度使用过数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）这款外贸数据分析平台，我把它作为案例不是为了推荐，而是因为它的产品设计逻辑恰好和我在前面讲的框架高度对应，用它来讲更容易把抽象框架说清楚。
数跨境是我用过的少数把"外贸场景特殊性"作为核心设计前提的数据平台之一。它的数据源覆盖了外贸企业最常用的几类：平台店铺、独立站、社媒、海关数据等，这些数据源的组合方式和外贸业务的真实需求比较贴合。
我用它做案例的原因有三个：第一，它的模块划分和我讲的五层框架能对应上；第二，它的产品逻辑强调"数据要触发业务动作"，这和我前面反复强调的判断标准一致；第三，它在多语言、多币种、多平台的处理上有实际设计，能说明外贸场景的特殊性如何被解决。
我观察到的典型使用路径是这样的：
这六个步骤基本对应了我前面讲的采集、清洗、存储、分析、输出五个模块，只是在实际产品里被包装成了更易用的形式。
我拿到过一组可参考的观察数据，来自几家在外贸竞品监控上从手动转向系统化的企业。这些数据不是官方统计，是我在实际项目中通过前后对比记录下来的样本推演，仅供理解趋势参考。
| 观察维度 | 手动阶段 | 系统化阶段 | 变化幅度 |
|---|---|---|---|
| 单轮竞品分析耗时 | 约 3 小时/次 | 约 0.5 小时/次 | 下降约 83% |
| 可控竞品数量 | 5-8 个 | 15-25 个 | 提升约 2-3 倍 |
| 竞品价格变动响应时间 | 平均 5-7 天 | 平均 1 天内 | 缩短约 85% |
| 稳定记录的字段数量 | 10-12 个 | 20-30 个 | 提升约 2 倍 |
| 竞品信息历史可追溯时长 | 6-12 个月（人员变动易断档） | 24 个月以上 | 显著延长 |
需要说明的是，以上数据的样本量较小，且不同行业差异明显，不应作为精确基准使用，只应作为理解方向性变化的参考。
我不想把任何工具说成万能。数跨境这类外贸数据分析平台，适合的场景是：竞品数量在 10 个以上、数据源跨多个平台、需要长期历史对比、团队没有专门的开发资源。这些条件下，用成熟的平台比自己搭能省下大量时间。
不适合的场景也很明确：竞品数量少于 5 个、业务非常垂直单一、团队已有自研数据能力、对数据主权和私有化部署有硬性要求。这些情况下，自建或者用表格加脚本反而更灵活。
我给出的路线划分不是按企业规模，而是按团队的数据能力、业务复杂度、预算约束三个维度。这三条路线我都在实际项目里验证过，每一条都有明确的适用边界。
适用条件：竞品数量 5 个以内、监控字段 10 个以内、团队没有专门的数据人员、预算低于每月 1000 元。
具体做法：用 Google Sheets 或飞书表格建一张竞品监控主表，字段固定不超过 10 个，每周固定时间由一个人更新。关键是字段要标准化，比如"价格"统一用美元、统一记录"主力 SKU 的起订价"而不是笼统的"价格"。
优点：零成本、上手快、灵活。缺点：无法扩展、依赖人工、容易断档。这条路线只适合起步验证，不适合长期使用。
适用条件：竞品数量 5 到 15 个、监控字段 10 到 25 个、团队有 1 到 2 个懂数据的运营、预算每月 2000 到 8000 元。
具体做法：用成熟的外贸数据分析平台做自动采集和初步整理，比如数跨境这类覆盖多数据源的平台，配合人工审核和判断。关键是把自动化用在"采集和标准化"上，把人工用在"分析和决策"上。
优点：成本可控、扩展性好、数据质量较高。缺点：依赖平台能力、部分场景需要定制。这是我给大多数中小外贸团队的推荐路线。
适用条件：竞品数量 15 个以上、监控字段 25 个以上、团队有自研数据能力、预算每月 1.5 万元以上或有专项预算。
具体做法：自建采集系统、数据仓库、分析看板，接入内部 CRM 和 ERP。关键是要有专人负责数据质量，否则自建系统很容易因为脏数据而失效。
优点：完全可控、可深度定制、数据主权清晰。缺点：投入大、维护成本高、见效慢。只有真正有技术能力和长期投入意愿的团队才适合这条路线。
我给企业做诊断时会用一句口诀做快速判断："竞品少于五个用表格、五到十五个用平台、十五个以上再考虑自建。"这个口诀不绝对，但能快速帮团队避开"用大炮打蚊子"或"用弹弓打飞机"这两类典型错误。
竞品系统搭建的过程中，有四个取舍点几乎是所有团队都会遇到的。我逐个给出我的判断逻辑。
监控 20 个竞品的 10 个字段，还是监控 5 个竞品的 30 个字段？我通常推荐后者。竞品分析的价值来自洞察深度，不来自覆盖广度。5 个核心竞品的 30 个字段能形成完整的竞争态势判断，而 20 个竞品各 10 个字段往往只能得到浅层的表象。
只有一种情况例外：如果你处在快速变化的品类里，比如消费电子，竞争对手名单每周都可能变化，那就要牺牲深度换广度，先确保不漏掉新出现的竞争者。
高频采集能带来更及时的预警，但也会带来更多噪声。我的经验是按字段分级设置频率：价格类字段可以做到每天一次甚至更高，产品上新类字段每两天一次，内容类字段每周一次就够。
把所有字段都设成最高频率，是最常见的浪费。我见过一个团队把 30 个字段全部设成每日三次采集，结果每天要处理上百条变化，运营直接崩溃，最后干脆不看。
自研看起来"只花人力不花钱"，但实际算下来，一个能用的自研竞品系统至少需要 1 到 2 个全职工程师持续维护半年以上，人力成本往往超过同等规模的 SaaS 采购。除非你有明确的数据主权需求或深度定制需求，否则采购成熟平台更划算。
预警设得太灵敏，运营每天收到几十条提醒，很快就麻木；设得太迟钝，重要变化被漏掉。我的建议是从最迟钝开始，逐步调灵：先只对价格变动超过 15% 和主力 SKU 下架两条规则设预警，跑一个月看看漏掉了什么重要变化，再逐步降低阈值、增加规则。
这样调出来的预警阈值是真正贴合业务的，比一开始就照搬"行业最佳实践"要有效得多。
最后我把整个搭建过程拆成四个阶段，每个阶段有明确的目标和交付物。这个路线我在多个项目里跑过，正常节奏是 4 到 8 周完成从 0 到 1，之后进入持续优化。
这个阶段唯一的任务是回答"监控要改变什么业务动作"。产出一份不超过一页的文档，包括：要改变的具体业务动作（3 个以内）、支撑这个动作需要的核心指标（5 到 8 个）、每个指标的采集频率和责任查看人。
这个阶段不做工具选型，不做数据源梳理，只解决目标问题。我见过太多团队跳过这一步直接去买工具，结果就是文章开头那家宁波企业的困境。
基于第一阶段的目标，确定数据源清单和采集方式。产出：竞品清单（按优先级排序）、每个竞品对应的数据源列表、数据源的采集方式和频率、合规性检查结果。
如果是走半自动路线，这个阶段就要开始试用平台。数跨境这类覆盖多数据源的平台，通常在试用阶段就能跑出第一批数据，用来验证第一阶段设定的指标是否可行。
这个阶段完成从采集到输出的完整数据流，并搭建可视化看板。产出：标准化的字段字典、清洗规则文档、可视化看板、日报/周报模板。
如果走半自动路线，这个阶段的很大一部分工作是配置平台，比如在数跨境里配置采集规则、字段映射、预警规则、报告模板，而不是自己写代码。这也是半自动路线对中小团队更友好的原因。
系统搭好后必须经过 2 到 3 周的试运行，期间重点观察三件事：预警规则是否触发过误报、业务团队是否按时查看报告、字段是否有大量空缺。根据观察结果调整阈值、频率和字段。
试运行结束后，输出第一份正式的竞品分析报告，并建立固定节奏（通常是每周一份周报、每月一份月度复盘）。到这一步，从 0 到 1 就完成了，之后的重点是持续优化而不是重建。
回到开头那家宁波企业的问题。后来我帮他们做了一轮精简，把 40 多个字段砍到 9 个，把每天三次采集降到每天一次，把预警规则从零加到 4 条并绑定责任人。两个月后老板告诉我，系统终于开始被业务团队主动使用了，因为每条预警都能让他们立刻做出一个动作，调价、补货、跟进客户、调整投放。
这就是竞品系统搭建的本质：它不是为了让你"知道"对手在做什么，而是为了让你"在正确的时点做出正确的动作"。所有围绕数据的讨论，最后都要回到这个判断标准上。
如果你现在正准备搭自己的竞品系统，我给你三个可以直接执行的下一步：
不要等到工具买回来才想用途，也不要把采集当成终点。先用目标约束工具，再用数据驱动动作，最后用动作衡量系统的价值。这是我做了三年竞品系统诊断后，最想留给你的一句话。
我在公司负责市场这块，老板让我搞竞品监控，我第一反应就是先去买个爬虫工具或者找个现成的系统。但同事说先别急着上工具，要先理清需求，我有点懵，不知道到底该先干嘛，怕方向搞错了白花钱。
先定义要触发的业务动作，再定数据字段，最后才选工具。具体做法：拉上业务负责人开一次会，列出三类最想解决的问题，比如防老客户流失、找新品类机会、定价参考；每个问题对应一个可执行动作，比如'客户询价时能立刻调出对手同款报价'。如果一个数据维度指向不了任何动作，就不纳入监控范围。
判断依据很简单：能触发动作的指标才值得监控，数据不能驱动决策就是噪音。先跑通一个最小问题，再扩展到第二个，不要一上来铺全量字段。
我们做的是欧美市场，我试过手动翻竞品官网和平台店铺，也听人说过海关数据、展会名录、社媒评论都能用。但我最担心的是合规问题，怕爬虫被封、数据不能用，甚至惹上麻烦，所以一直不敢大范围采集。
分四类来源处理：第一类是公开数据，竞品官网、平台店铺、社媒公开帖子，可以采集但要控制频率、遵守robots协议，只取公开可见信息；第二类是半公开数据，海关数据、展会名录、招聘信息，走正规服务商或官方渠道获取，不要用来源不明的数据包；第三类是第三方数据，行业报告、流量分析工具，注意授权范围；
第四类是内部数据，自己询盘、成交、流失客户的反馈，这类最干净也最容易被忽视。合规红线判断标准：抓取需登录或付费才能看的内容、绕过反爬、抓取个人隐私数据，这三类坚决不碰。实操建议是优先用内部数据和第三方授权数据，公开数据只做补充，采集频率控制在对方服务器友好的范围。
我们团队就五六个人，没有技术岗，看别人分享的自建爬虫、数据库、看板全套方案，感觉根本落不了地。但纯靠手动Excel又实在太累，更新慢还容易漏，我就想知道我们这种规模到底该选什么路子。
按团队规模和技术能力分三档选：没有技术岗、预算有限的中小团队，走半自动方案，用现成的表格工具加人工定期录入加少量浏览器插件辅助采集，重点是字段标准化和更新频率固定，比如每周一更新一次价格和上新；有一定预算、追求省事的团队，选垂直的SaaS竞品监控工具，上手快但要注意数据覆盖范围是否匹配你的市场；
有技术团队的中大型企业才考虑自建，因为自建的成本主要在长期维护而不是初期开发。判断依据：如果每月在竞品分析上投入的人工时间超过40小时，就值得上工具；如果不到20小时，先优化表格结构比买工具更划算。不要因为别人自建就跟风，工具是手段不是目的。
我们系统搭了两个月，数据在表格里躺着，周会汇报的时候老板问我这玩意到底带来什么价值，我一下答不上来。监控结果也没有直接促成订单，我就很被动，不知道怎么量化它的收益。
不要试图直接量化竞品监控带来的订单，而是量化它缩短的决策时间和避免的损失。具体做法：记录三类可归因事件，第一类是对手调价后你们多久跟进、跟进后询盘转化有没有变化；第二类是对手上新后你们多久识别、有没有据此调整自己的产品页；第三类是客户流失时能否追溯到是因为对手的某个动作。
用对比口径说话，比如'上月对手降价我们3天内跟进，该品类询盘环比提升X%'，而不是笼统说监控有用。判断依据：竞品监控的价值体现在反应速度和决策质量上，不是直接成交。汇报时用'如果没有监控，我们会晚多久发现'这个角度，比硬凑ROI更有说服力。
建议每月固定输出一份竞品动态简报，把监控结果和业务动作写在一起，让老板看到闭环。
读者评论
目标先行这个点确实戳中痛点。我们公司去年买的竞品监控工具也是类似情况，采了一堆数据没人看。但我觉得文章忽略了执行层面的问题，就算目标定清楚了，业务员愿不愿意用、有没有时间用，这跟团队管理和考核机制关系很大，不是系统搭对了就能自动解决。
数跨境这个案例的拆解方式挺实在，不是罗列功能而是讲设计逻辑。不过我更关心的是采集合规那块，文章给的表格虽然有用，但实际操作中平台规则经常变，官网反爬也在升级，中小企业很难持续跟上，这块成本文章估得偏乐观了。
六个误区的归类很系统，尤其'字段堆到几十个'这个，我见过太多团队这么干。但文章说砍到10-15个字段，我想问的是不同品类差异很大，工业配件和消费电子的监控字段能一样吗？希望后面能按行业再细分一下，不然落地时还是不知道砍哪些。
手动分析四个结构性缺陷总结得很到位，尤其是'无法形成历史资产'这一点。但我觉得文章对SaaS路线的讨论偏保守了，现在很多轻量级工具对中小外贸企业其实够用，不一定非要自建或半自动。选型那节如果能多给几个不同规模团队的决策参考就更好了。
从数据诊断切入很务实，没有贩卖焦虑。漏斗图那组数据很震撼，1200条采集最后只有2条转化为动作，这个转化率值得每个做数据系统的人反思。不过文章对'谁来做分析师'这个角色没展开，运营兼着做和专职数据岗，搭出来的系统质量应该差很远。