今天小编为大家带来生意参谋平台竞争情报背后的故事，让我们来看看竞争情报程序员给我们带来的技术干货吧。

　　生意参谋希望能真正提供一站式可定制化的商务决策方案，对竞争群体的分析研究，就必然成为产品中的重要一环。作为一枚数据背后的数据程序员，我也想来谈谈个人对竞争情报的理解。

　　战场上相争，武力固然重要。然而有勇无谋可不行，利用情报在战争中取胜是在列国纷争中制胜的一大法宝，就连《孙子兵法》也有记载“成功出于众者，先知也。”经营一家店也是一场持久战，卖家们搜集情报使得对环境有清晰的了解也格外重要。但是单靠一己之力采集情报信息很难，信息可靠性、数据准确性等也不得而知。竞争情报是对于卖家来说是非常重要的。

　　Q:竞争情报定位的用户人群是谁?

　　A:有一定流量基础，希望了解外部竞争对手特征的人群。

　　Q:竞争情报分析的是谁?

　　A:竞争对手定位的是行业中与本店在引流、经营品类乃至风格、目标群体与我店铺最相似的卖家群体，而非展现行业TOP卖家群体。

　　Q:怎么分析竞争群体?

　　A:目前版本的竞争情报依然比较侧重本店与群体的核心数据对比，在不触及数据安全与隐私的条件下，我们仍然在努力细化参照对比的条件，能够给出最命中要害的比较和更全貌的人群画像。

　　在不断地设问诸如此类的问题之后，其实可以发现本质问题是找准竞争群体。但是究竟什么叫“准”?一千个卖家心中也许有一千个答案。而我们能做的是利用过往数据并以尽可能公允的评价标准，通过算法设计得到每一个竞争场景下的对手。

　　Figure1竞争场景思路框架

　　现有的竞争情报分为了购买流失、搜索关键词相似和类目构成相似三个场景，实际上这三个场景既涉及了买家从搜索词入店，一直到成交行为的整条链路造成的多店铺竞争关系，又基于卖家本身的类目特点，希望能够找到与自身经营最像的那一批人。

　　Figure2 潜在买家行为链路

　　为了达成这一目标，算法采集了卖家基础经营信息还有入店的访客和成交买家的时间、访购商品详情等大量数据。整个算法流程经过了不断地数据加工，匹配和过滤，以及算法计算，最后才得到我们规定场景中的竞争群体，此处可以省略出一篇长长的技术文章，大家就不听我啰嗦了。

　　比如在搜索关键词相似和类目构成相似这两个场景中，都要求对手必须和本店铺的主营类目和经营层级必须是相似甚至相同的条件限制(这些概念在生意参谋里相信您已经不陌生了)，在这基础上我们需要用算法判断两家店铺的引流关键词在何种条件下才算是类似，如果两家店铺一家经营中老年服饰，另一家主打青春校园风，仅公有“连衣裙”，“衬衫”这样的大众化关键词，却在细节词语上丝毫不相似，那还能否让它们作为彼此较量的竞争对手呢?同理，在类目构成相似中，我们也要采用合适的机制，来保证两家店铺在经营细分类目上存在合理的一致性，才被判别为“类目构成”的相似。

　　可能有卖家还会注意到购买流失这个场景里的竞争对手与本店铺并不绝对相似，这是因为购买流失竞争场景希望能尽量客观地描述事实，只要确实存在流失了一个访客去购买同类商品，我们认为商品所属的店铺已经存在了较量。甚至，我们还过滤了数据比较异常不排除补单嫌疑的“问题”店铺。经过一系列筛查，最终呈现在大伙儿面前的才是竞争群体。

　　举个小栗子。在购买流失商品的场景中，分析一款10000mAh大容量迷你充电宝的竞争同款商品，可以先分析一下访客和购买人数的规模(图中数字隐去)：

　　Figure3 购买流失商品示意图

　　在访问到购买的链路中，最值得关注的是购买流失人数，即访问了这款魔盒，却最终移情他物，拍下同类商品的人群。在这个层面上，流失人群最多的同类商品就是魔盒的竞争对手了：

　　Figure4 购买流失商品示意图

　　可以发现，访问过10000mAh充电宝的用户对于移动电源的容量有一定要求，竞争商品都维持在10000mAh以上，它们价位上并不统一，既有高性价比商品，又不缺乏超薄便携款的中高价格充电宝。通过流失的人数、流失的金额，甚至流失人群的画像，卖家可以清晰地锁定这款商品的竞争目标。

　　在产品上线之后，数据程序媛也收到了很多卖家意见反馈，有人叫好当然也有人提意见。竞争情报在店铺经营中的必要性各位卖家亲们也懂：店铺经营想要长风破浪，就必须不再沉湎于闭门造车，竞争对手分析是利用数据挖掘与加工的手段加强市场竞争环境的良性信息互动。

　　而程序媛身上的重担也仍在继续：现有的三大场景是否能满足大伙的需求?是否需要更精细化的定义与筛选?此外，对竞争对手和买家两大群体的深度挖掘，构造人群画像也非常重要。我们对这枚“产品孩子”的畅享不单单是对人群的挖掘，而且是对竞争形成机理与竞争局势潜在变化的深度剖析，从而能够真正看到数据背后的行动点。

　　我们始终认为，一份完整的竞争情报，除了简单的数据工作，更如同战国时期雄辩六国般的说客般的大脑，更深层次地挖掘数据价值，才能拨开生硬数字的“云雾”守得见月明，真正发挥数据的魅力，创造应用价值。