Konkurranseintelligens mislykkes sjelden fordi dataene ikke finnes, det mislykkes fordi ingen gikk å lete. De fem produktene nedenfor ble ikke tom for penger eller gikk glipp av sine tekniske mål. De ble lansert inn i problemer som allerede var dokumentert i offentlige konkurrentdata, brukerrecensioner og markedsforskning som var tilgjengelig på den tiden. Her er hva hvert team mistet, og hva en riktig pre-launch-analyse ville ha avdekket.
Hvorfor de fleste produktfeil er informasjonsfeil
Når et produkt mislykkes, ser du oftest at det blir skyldt på gjennomføringen. Teamet beveget seg for sakte, markedsføringen mistet, salgsmotoren konverterte ikke. Men en betydelig andel av produktfeil er ikke gjennomføringsproblemer i det hele tatt. De er informasjonsproblemer. De er et resultat av beslutninger som blir tatt uten å konsultere dataene som var offentlig tilgjengelig på den tiden.
Årsakene kan variere. Markedet var allerede mettet. Prisen var allerede vare. Kjernedifferentiatoren hadde vært tilgjengelig i konkurrentprodukter i årevis. Posisjoneringen forvirret kjøpere som allerede hadde en klar mentalmodell av hva den kategorien betydde. I hver av tilfellene nedenfor ville en pre-launch-konkurranseanalyse ha avdekket problemet. Hvorfor produkter mislykkes konkurranseanalyse er sjelden et mysterium i ettertid.
Tilfelle 1: Produktet som gikk inn i et mettet marked
I 2020 lanserte Quibi en mobilfokusert strømmeplattform med 1,75 milliarder dollar i finansiering og et all-star-innholdsroster. Den unike ideen var å dele originalt langformats innhold i 10-minutters trinn som du kunne se når som helst. Det stengte ned seks måneder senere.
Metningen var ikke vanskelig å se. Innen 2020 hadde TikTok allerede passert 700 millioner månedlige aktive brukere og registrert 313,5 millioner nedlastinger i Q1 alene — nøyaktig kvartalet Quibi ble lansert. YouTubes mobilvisning vokste raskere enn desktop. Netflix, Disney+ og HBO Max hadde hver nylig gått inn i markedet, og komprimerte puljen av tilgjengelig forbrukeroppmerksamhet.
Formatet Quibi satset på var høykvalitets, kortformats, portrettmodus mobilvideoer. Formatet ble allerede kolonisert av plattformer som brukere hadde dannet dype vaner rundt. Med andre ord løste Quibi et ikke-problem. Bortsett fra å ignorere hvor fascinerte brukere var med lignende apper i samme marked, satte Quibi prisene sine ganske høyt.
Men kanskje den største feilen var innholdet selv. Quibi trodde folk ville ville bruke det for plattformen selv. Selvfølgelig antok de det uten å snakke med potensielle kunder. For å lage et konkurransedyktig bibliotek, begynte Quibi å bulkkjøpe lavere kvalitetsinnhold som ofte ble avvist av andre store strømmingstjenester.
En konkurranseanalyse av det mobile kortformats-videolandskapet ville ha vist ikke bare hvem som var i rommet, men hvor forankret brukere allerede var i konkurrerende produkter. Det ville ha stilt spørsmål ved om de faktisk løser et problem. Og det ville ha latt dem forstå at folk registrerer seg for strømmingstjenester på grunn av innholdet, ikke plattformen. Det ville ha reist mange spørsmål som lanseringsteamet måtte svare på før de forpliktet seg til 1,75 milliarder dollar .
Klar til å vokse bedriften din?
Start din gratis prøveperiode i dag og se resultater i løpet av få dager.
Tilfelle 2: Prisen som allerede var vare
Juicero lanserte i 2016 med en $700 tilkoblet juicepress, som de senere reduserte til $400. Maskinen var designet eksklusivt for proprietære juicepakker som koster $5 til $8 hver. Produktet samlet inn omtrent $134 millioner og ble beskrevet av investorer som fremtiden for helse og ernæring.
Bloomberg publiserte en video av reportere som knuste de proprietære Juicero-pakkene for hånd, uten juicepresseren. Han fikk samme mengde juice på samme tid som maskinen ville gjort. $400-pressen viste seg å være helt overflødig mot de samme pakkene den var designet for å knuse. Selskapet stengte ned innen måneder etter at historien ble publisert.
En prisanalyse av konkurranselandskapet ville ha flagget kjerneproblemene før en dollar ble samlet inn. Hva koster det forbrukere å få juice? Hvilken premie, hvis noen, betaler kjøpere demonstrerbart for tilkoblede kjøkkenutstyr til denne prisen? Hva er brukere av sammenlignbare helsematkategorier villige til å bruke? Dataene eksisterte i saljesfigurer for apparater, detaljhandelstrender for dagligvarer og recenjonerlandskapet for hver konkurrerende produktkategori.
Prisfejlen var ikke et produksjonskostnadsproblem. Det var et informasjonsproblem om hva referanseprisen var i tankene til målkjøperen, og denne referanseprisen var null, fordi alternativet var deres egne hender.
Tilfelle 3: Funksjonen konkurrenter hadde i årevis
Amazon lanserte Fire Phone i 2014 med “Dynamic Perspective” som sin hjelpefunksjon. Det var en 3D-displayeffekt som brukte fire frontvendte kameraer for å spore hodepositionen og skifte bildet på skjermen. Det var den sentrale differentiatoren i lanseringskeynotalen. Telefonen ble avviklet innen et år. Amazon tok en $170 millioner nedskrivning .
Hva en funksjonsanalyse av konkurranselandskapet ville ha funnet, er at de primære kjøpsdriverne for smarttelefoner på den tiden var app-økosystembredde, kamerakvalitet, batteritid og transportørens tilgjengelighet. Dynamic Perspective adresserte ingen av dem. Det var sikkert nytt, men det var ikke verdifullt. En undersøkelse av konkurrentstyrker sammen med offentlig brukerrespons på iOS- og Android-fora ville ha gjort det synlig måneder før produktet ble lansert.
Feilen her var ikke uvitenhet om konkurransen. Amazon visste at iPhone- og Android-økosystemet eksisterte. Informasjonsfeilen var i ikke å kartlegge hva disse konkurrentenes brukere sa de verdsatte mest, og kryss-referanse det mot funksjonen som ble posisjonert som grunnen til å bytte. Produktfeil gjennom konkurranseforskningstap kommer ofte fra ikke å lese hva konkurrentenes brukere faktisk bryr seg om.
Bli med i vårt nyhetsbrev
Få de siste tipsene, trendene og tilbudene gratis.
Tilfelle 4: Posisjoneringen som forvirret kjøpere
Google Glass lanserte sin forbruker Explorer Edition i 2013 med en posisjonering som aldri løste en fundamental spenning om dette var et produkt for teknikkentusjaster, for bedriftsarbeidere eller for hverdagsforbrukere.
Resultatet var et produkt som fremmedgjorde alle tre grupper. Entusiaster fant maskinvaren begrenset. Bedriftskjøpere fant ingen klar arbeidsflyintegrasjon. Hverdagsforbrukere fant de sosiale implikasjonene av å bære en opptaksenhet på offentlig sted aktivt fientlige. Begrepet “Glasshole” kom inn i vanlig bruk innen måneder etter lansering.
En posisjonsanalyse av konkurranselandskapet ville ha avdekket denne spenningen i den offentlige posten før lansering. Hver tidligere head-mounted display-produkt var posisjonert som bedrift eller industri. Forbrukerposisjonering av wearable-kameraer hadde en konsistent historie med offentlig motreaksjon og dårlig oppbevaring. Mønsteret var synlig i mottagelseshistorikken for konkurrenter, i forumsdiskusjoner, i hver tech-journalistanmeldelse av lignende produkter over de foregående fem årene.
Google Glass fant til slutt et levedyktig marked i bedriftsapplikasjoner. Men forbrukerlanseringen skadet merkevaren nok til at det tok år å gjenopprette posisjoneringskredibiliteten som var nødvendig for å gjentre markedet. Informasjonen var der. Analysen var ikke.
I dag har Metas Ray-Ban-briller en solid tilhengerskare, men de er langt fra hype-en Google Glass ønsket å skape. Etter å ha overkommet hauger med juridiske og kvalitetshindringer, resonerer denne nisjen av produkter fortsatt bare med et begrenset antall entusiaster.
Tilfelle 5: Økosystemet som ingen kunne konkurrere med
Microsoft lanserte Zune i 2006 som en direkte iPod-konkurrent. Maskinvaren var konkurransedyktig. Zune Marketplace tilbød en abonnementsmodell år før streaming ble standarden. Den trådløse synkroniseringsfunksjonen var teknisk foran sin tid.
Zune ble avviklet i 2012. Det toppet seg på rundt 9% av det amerikanske MP3-avspillingsmarkedet i lanseringsuken, og falt deretter til bare 2% innen 2009 .
Analysen som ville ha betydd noe, var ikke av iPod som enhet, men av iTunes-økosystemet som en byttekostnad. Da Zune ble lansert, dominerte iTunes det juridiske digitale musikmarkedet og hadde allerede passert en milliard sangkjøp tidligere det året.
Hver sang en bruker hadde kjøpt gjennom iTunes var låst til Apples DRM og ville ikke spilles på en Zune. Konkurrenten var ikke maskinvareenheten og dens funksjoner, men biblioteket med kjøpt innhold som brukere ikke kunne migrere. Snart ble begge enhetene faset ut for å gi plass til en ny enhet, smarttelefonen.
En konkurranseanalyse av økosystemet, ikke bare produktet, ville ha reframed go-to-market-strategien. Ikke nødvendigvis for å unngå markedet, men for å adressere migrasjonsbarrieren. Pre-launch-konkurranseanalysens viktighet kommer nettopp fra disse andregradsdynamikkene som maskinvareonly-sammenligninger helt mister.
Hva AI-produktanalyse ville ha oppdaget i hvert tilfelle
Hver av disse feilene hadde signaler i den offentlige posten før lansering:
- Quibis metning var synlig i TikToks og YouTubes offentlige engasjementsfigurer og mobilvideokonsumsjonstrender
- Juiceros prisproblem var synlig i sammenlignbare apparatanmeldelser og betalingsvilje-signaler i helsematkategorien
- Fire Phones funksjonsusikkerhet var synlig i konsistente brukerprioriteringer på tvers av iPhone- og Android-anmeldelsesekosystemer
- Google Glass-posisjoneringskonfusjonen var synlig i mottagelseshistorikken for hver tidligere konsument head-mounted produkt
- Zunes økosystemulempe var synlig i iTunes markedsandelsdata og DRM-låsedynamikk
En AI-produktanalyse dekker nøyaktig disse dimensjonene: funksjonslagre, prisbenchmarks, brukersentiment, konkurransepositisjonering og markedskontekst, hentet fra live-kilder på tidspunktet for spørringen. Dette åpner dørene for små og mellomstore bedrifter som ikke har råd til å betale dedikerte analytikere i uker med forskning. For en fullstendig oversikt over hva AI-produktanalyse dekker og hvordan du kjører din første rapport, se hvordan du gjør AI-produktanalyse .
For pre-launch-beslutninger spesifikt, ved å kombinere analyser på produktnivå med en markedsanalyse avdekkes segmentnivådynamikkene — hvem eier hvilken andel av oppmerksomheten, hvilke brukere allerede har sterke vaner rundt, og hvor migrasjonsfreksjon er høyest. En selskapsanalyse legger til det organisatoriske laget, sporer hvor godt utstyrt nøkkelkonkurrenter er, hvor nylig de har beveget seg, og hvilke strategiske prioriteringer deres nylige aktivitet signaliserer.
Bygge en pre-launch analysenavne
De fem tilfellene ovenfor deler en strukturell feil: konkurranseintelligens ble behandlet som valgfritt i stedet for som en forutsetning for lanseringsbeslutningen. Det er mønsteret som en pre-launch-konkurranseanalysevane direkte bryter.
En praktisk prosess trenger ikke å være utarbeidet. Før du forplikter deg til en posisjoneringserklæring, en prisingsbeslutt eller en hjelpefunksjon, bør tre spørsmål ha dokumenterte svar:
- Hvem er allerede i dette rommet, og hvordan er de posisjonert? Kjør produkt- og funksjonsanalyser på de fem beste konkurrentene.
- Hva sier brukerne deres de verdsetter, og hva klager de over? Sentimentanalyse på tvers av offentlige anmeldelsesplattformer avdekker de uoppfylte behovene produktet ditt bør adressere.
- Hva ville det koste en bruker å bytte til deg? Prisanalyse kombinert med en økosystem- eller vanevurdering identifiserer de virkelige barrierene go-to-market-strategien din må adressere.
Å kjøre disse med et AI-produktanalyse-verktøy før en stor lanseringsbeslutning tar en ettermiddag, ikke en uke. For en steg-for-steg-gjennomgang av plattformen, se AI Product Analysis-veiledningen . For produktleder-spesifikke arbeidsflyter som dekker roadmap-planlegging, prisbenchmarking og salgsaktivering, se 5 måter produktledere bruker AI-produktanalyse . Informasjonen eksisterte for Quibi, for Juicero, for Fire Phone, for Google Glass og for Zune. Feilen var ikke at dataene var utilgjengelige, men at ingen gikk å lete. Sammenligner du AI-konkurranseintelligens-verktøy for å finne det rette? Se vår sammenligning av FlowHunt vs Crayon vs Klue vs Kompyte vs Battlecard .
