B端产品学习-市场调研与分析

2024-01-01 19:44

本文主要是介绍B端产品学习-市场调研与分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

B端产品市场调研与分析

目录:

为什么要做产品调研

B端产品调研对比C端产品调研

B端产品调研要怎么做

为什么要做产品调研

杰克·特劳特说过:“成为唯一。如果不能争得第一,那就找到一个能够成为第一的细分,这就是定位的第一法则”

为什么这么说:在竞争这么激烈的大环境下,需要让用户记得我们,不然很容易被时代遗忘。

产品调研的目的:

在公司层面,产品调研可以拔高成战略选择,是公司对愿景和使命的选择;在业务层面,产品调研是为了确定业务的价值主张。

    

产品调研的战略意义

为了寻找蓝海市场,也就是相对竞争较小的市场;比如网购平台,拼多多就是看准了低价下沉市场

产品调研的执行意义

在产品开发的过程中失败是必然的,成功是偶然的,在前期产品调研的过程中通过科学的试错,可以有效的管理团队的预期,在业务转型起到鼓舞团队的作用。

B端产品调研对比C端产品调研

B端产品和C端产品的不同

B端和C端最根本的区别是“服务对象”的不同,个人消费者是C端,企业则是B端。要我们可以理解的概念来例假,C端是用户在某个生活场景下的需求,B端是企业员工子啊工作场景下的需求。

B端产品调研的不同之处

在产品调研中,由于B端的服务对象是组织,产品调研有所不一样。一方面,组织注重信息安全,市场上得公开数据非常少,不得不采用专家访谈。第二方面,组织的盈利能力不同,我们需要去理解客户的行业背景、未来趋势和驱动力,站在用户的角度去调研才可以服务好大客户。第三方面,组织里面有不同的角色写作,要全方位的了解组织的业务流程,MVP产品也至少要实现一个最小闭环。第四方面:不同组织服务的市场细分不同,会产生不同的定制需求,需要明确市场并收集细分市场的核心需求。

B端产品调研要怎么做

B端产品调研方法介绍

相比C端,B端产品调研数据获取难度更大,产品试错成本更高,因此在调研的时候要更加谨慎。

上图是常用的调研工具,PESTEL和波特五力是重要的理解行业背景的工具,可以帮助产品经理辨别行业驱动力,避免夕阳行业;蓝色和绿色部分是行业调研的范围。

上图黄色的部分是系统性调研的范围,是为了全部理解竞品和客户,工具叫做3C-STP-5P,

不管是行业背景调研,还是系统性调研,第一步都是收集数据,接下来我们介绍数据收集的方法。

数据调研方法:桌面调研和实地调研

桌面调研是通过电脑、书籍、网络寻找资料,调研的数据都是二手数据,实地调研是调研者直接参与数据收集过程,收集的是一手资料。

如何进行专家访谈

首先要进行背景调研,要有针对性有目的的进行聊天,产品经理不能头脑一片空白,要尽量问到问题的关键;可以给对方提供价值,保证在聊天的过程中给对方提供知识,给人一种获得感和愉悦感,在聊天过程创造良好的聊天氛围。

实地调研的使用场景

在网络上完全找不到历史资料,为了洞察市场变化以及为了解决客户的特殊场景;数据具有敏感性,实地调研可以保证数据的真实性,数据具有隐私性,不用传到网络上公开。

行业背景调研目标和工具

行业背景调研是为了简历行业宏观的认知,大概知道行业是做什么的。

下面详细的介绍行业背景调研的工具

PESTEL工具

每个公司所在的环境都是由6个因素构成的

  1. 政治因素
  2. 经济
  3. 社会
  4. 技术
  5. 环境
  6. 法律

这些构成因素中的每一个都可能影响与公司相关的产业环境和竞争环境

波特五力工具

5种力量决定竞争规模和程度:同业竞争者的竞争程度、新进入者的威胁、替代品威胁、购买者议价能力、供应商议价能力

力量来源

竞争强度因素

竞争武器

现有竞争者

需求放缓,转移成本低,产品差异小,产能过剩,竞争者数量增加

打折售卖

优惠券

加大广告力度

产品定制化

优化销售网络

提高品质担保

提供低息融资

供应商

产品服务供给、产品差异化、采购比重、产品成本比重

购买者

供给需求比、产品标准化、转换成本、采购规模

替代品

获得便利性、价格吸引力、产品质量、转移成本

新进入者

品牌忠诚度低、知识产权缺失、资本需求不高

这篇关于B端产品学习-市场调研与分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/560320

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者