產品經理如何獲取競品數據？
直接列舉方法：
1、Questmobile。付費版本能查看到App數據，如果加更多的錢能夠看到PC數據。數據層面主要是DAU、單個用戶打開次數以及單個用戶使用時長等常見指標。數據準確性還是很強的，而且按日更新和時間延遲較小（在1-2周之內）。以前那些號稱做各種產品監控的產品或者市場調研公司（各公司IPO的時候為了填滿招股說明書中的那一招，都要向他們交齊過路費），考慮到準確度及及時性，基本可以洗洗睡了；如果再考慮到這些產品的方法論以及商業模式極容易被花錢買通，基本可以裹裹埋了。
2、爬蟲。通過抓取競品網站上的商品（廣義的「商品」，可以包括真正的商品以及服務項目甚至信息等）的詳細信息，估算競品的業務數據。這一塊兒價值很大，尤其是考慮Questmobile不能反映到運營層面的數據，爬蟲數據能夠清晰地反映競品的成交量、庫存以及周轉時間等核心數據。這一招在電商、OTA以及外賣等行業都廣泛使用，甚至每個公司都有十人以上的爬蟲團隊專門從事相關事宜。
3、問人。問朋友、問對方的投資人、問對方的員工（有可能是考慮跳槽的員工，也有可能是對方嘴不嚴的在職員工，也有可能是有特殊目的的在職員工）……
4、奇葩一些的。揣摩和把玩競品是產品經理必備之功課，根據電話號碼、GPS以及微博微信等信息，能八九不離十得匹配出那些正在使用自己產品的競品的產品經理。把這些人圈成一個特殊的群體，觀察他們在自己產品中的一些行為，就能獲得一些特別的信息，比如：對手最關注的自己產品的哪些功能、對手針對自己的用戶在做哪些推廣等等。
…更多文章請到數據冰山 - 知乎專欄
…更多回答請看何明科的主頁
見過或用過的方法：
1、自己在使用中觀察，然後拍腦袋2、通過招聘等渠道去了解3、通過朋友去了解4、看第三方機構的各種數據5、看對方披露的數據，大公司上市公司經常自己會放出來6、詢問競品的用戶群7、從對方的團隊人數、收入、融資等去推測
8、求助上級，藉助他拍腦袋，或者藉助他的人脈如果必須獲得競品數據，肯定能想出各種方法。平時多接觸一些人，多積累一些經驗就行了。列幾個常用的：
1. 找「卧底」應該是最高效的方式，但不太合法哈哈哈。
2. 通過 IT 橘子、拉勾、天眼查，可以了解競品公司的基本情況，包括人數、融資狀況、專利等。
3. 通過 App Store、豌豆莢等查看版本記錄，估計下載量。
4. 通過抓取數據包分析，早期很多公司會用連續 ID 暴露體量。
5. 通過 Google 高級搜索，根據結果數量進行估算。
例如：
附個幾年前的文章：
競品數據偷窺
如何寫競品分析？
在競品分析之前需要對選擇的競品所在的市場進行分析，這個時候需要考慮的就是競品數據的獲取。競品數據的分類可以根據行業數據、產品數據、運營數據多個角度展開，這裡我做了一種最簡單的分類：一手數據和二手數據。
首先，我們先說二手數據。
二手數據自己大致分為
1.現有數據報告:如艾瑞、易觀、199it、Talkingdata、企鵝智庫、愛知客，艾瑞和易觀一般比較綜合，當分析某一個公司產品時不妨看公司的數據報告，比如分為微信、QQ等鵝廠產品時可以看企鵝智庫。
2.混入競品種子群:企業對外公布數據一般有些不實，混入種子群可以獲得更為準確的數據。
一手數據大致分為
1.通過一些網站進行數據監測、統計：比如下載量，蘋果市場可以通過app store，但是app store下載量數據一般需要付費，但可以通過平均數進行比較；而安卓市場，蟬大師是比較全面的，其次是是六大應用市場，應用寶、豌豆莢、華為、魅族、小米、360。
2.通過其他行業數據進行估量，通過其他公司公布新數據對數據進行估量，並通過對產品進行為期一周、一個月的測量。
產品類：使用場景，產品核心流程，用戶行為路徑，核心用戶，用戶畫像，用戶構成，用戶體驗框架（戰略層、範圍層、結構層、框架層、表現層），交互體驗，產品性能，商業模式，盈利模式，運營策略，版本迭代，產品更新方向，用戶評價
運營類：產品數據（下載量、活躍、新增、轉化、留存等），推廣模式（免費、付費、補貼），推廣渠道，ASO,SEO,運營活動，活動創意，文案分析，效果分析，成本估算，內容運營模式（UGC、PGC），內容質量，內容更新頻率，用戶激勵體系，種子用戶運營，公眾號運營，社群運營，公共PR新聞,百度指數，微博討論量，用戶滿意度
實際分析中，需要結合競品分析的目的來選擇幾個維度進行分析，通常不同的維度在不同類型的產品中重要性也不同，怎樣知道哪些維度會比較重要呢？
從產品的核心流程相關的維度就會比較重要，比如電商產品，瀏覽和下單是最核心的流程，所以和瀏覽、下單有關的，如UV、跳出率、下單率、SKU、GMV就肯定會在電商產品中比較重要，需要作為重點分析的維度。
最後，競品數據大多是用來確定競品的，最重要的不是獲取數據，而是怎麼利用數據為產品提出可行方案。搜，偷，買
大家的回答整理匯總
1.
查看第三方機構（如艾瑞）發布的各項行業數據
2.
通過自己或者上司的各項人脈關係獲取
3.
通過競爭對手自己發布出來的數據進行分析
4.
根據競爭對手的團隊人數、收入、融資情況進行推理
5.
通過招聘等挖牆腳方法從內部員工口中獲取
6.
對競爭對手用戶群進行調研（第一手資料）
7.
仔細整理統計下載量、評價及各種反饋信息，注意鑒別水軍（第一手資料）
8.
百度指數、站長工具等檢測工具
謝邀了....其實我想的和回答的答案基本上沒什麼區別。個人覺得，獲取競品分析其實和情報分析一樣，都是盡你所能去獲取，但是手法一定要是合法的。常用的基本上都是通過第三方機構或人脈關係等。
1. 網上有明確的下載量等直觀數據。
2. 網友對該產品的評論整理。如appstore及各個應用商店裡，網友的評分評論，這就是第一手資料。（當然也有水軍，要稍加鑒別區分）
3. 艾瑞等第三方數據網站。艾瑞經常會出一些PDF的+行業報告，裡面有很多數據可借鑒。
4. 百度指數等監測工具。
5. 市場調研。目前社交網路時代，我們隨時都可以在網上發一份調研問卷，用戶的溝通並不困難。之前我弄了一些競品讓網友進行選擇，當然，人家為什麼搭理你呢？你可以一個個去邀請，去留言。很多用戶是願意簡單投個票的。要真誠簡短，千萬不要造成騷擾。很多網友還會將自己的看法留言在下方，這也算搭建了個小溝通平台。
先佔個坑簡略說下，後再整理：）碰巧寫了篇文章，順便來來添個磚。
不同的競品之間，誰好誰壞很難說准。但如果你從以下渠道獲取信息，就很少有人會提出質疑。
權威機構
例如：世界銀行、各國政府等。
好處：足夠權威，沒什麼好質疑的。
壞處：這些機構很少針對具體產品給出數據。
專業調研機構
例如：Forrester Wave、艾媒諮詢等。
好處：有專業的調研能力，又站在第三方的視角，算是業界公認。
壞處：不能保證信息的完全準確。國外的調研機構可能對國內的情況不了解，而國內的機構又有可能因為利益而欠缺公正性。
Forrester Wave一份關於中國公有雲市場的報告:
艾媒諮詢對國內音樂APP的報告：
已發表的學術研究
例如：Google Schoolar等。
好處：這種個人的學術研究如果碰巧研究的是你想要調研的行業，那麼你就不用自己去大海撈針，直接用別人整理好的信息就夠了。
壞處：這種學術研究很少針對具體的產品，找到可用內容的幾率不高。
大數據分析平台
例如：Google Trends、百度數據等。
好處：數據較為真實客觀。
壞處：通常只能表達一家之言，不同的平台給出的同一種數據可能不一樣。
Google Trends：
百度2013年Q1移動應用報告：
A.從內部市場、運營部門、管理層等收集信息；B.行業媒體平台新聞、論壇及QQ群，搜索引擎，第三方數據平台（站長之家、alexa）；C.建立持續的產品市場信息收集小組；D.調查核心用戶、活躍用戶、普通用戶不同需求彌補和間接代替的產品；E.競爭對手官方網站、交流互動平台、動態新聞、產品歷史更新版本、促銷活動；F.季度/年度財報；G.各大人才網站同行業人才簡歷更新；對方的博客及聯繫方式；包括對手官方網站招聘信息；H.通過google搜索引擎找到國外同行業的官方網站及行業信息訂閱（市場直接競爭者機率不大，但盈利模式和功能定義用戶群體具備一定的前瞻性和市場趨勢導向性）；I.試用對方產品、客服諮詢、技術問答等等；J.挖競爭對手內部人士，應聘等方式；
TalkingData作為目前國內最大的獨立第三方統計分析平台，提供一個叫移動觀象台的公開免費產品，供大家查詢app的覆蓋量排名：
https://www.talkingdata.com/index/#/device/mob/zh_CN歡迎多提意見。利益相關，我來自TalkingData。講一個兩三年前的獲取競品數據的比較完整的案例。
我司當年在做一個答智力題的App，從新增和留存來說數據還不錯。所以想探討有沒有可能更深度地運營，做成一個社區。
而當時 http://33iq.com 是一個PC上運營多年的智力社區，累計用戶近百萬，自然就成了我們的研究對象。
我們想知道的數據主要有：
1. 網站每日pv、uv、ip
2. 每日新增註冊用戶數、註冊用戶的「留存」情況
3. 每日用戶答題的總數、人均答題數
4. 每日新增付費用戶數、總付費用戶數，付費用戶的「留存」情況
第一個問題可以直接從alexa得到大致數據，那麼其他數據該怎麼獲得呢？
我們把注意力投向了它的個人profile的頁面。
紫汀的個人資料 - 33IQ（嗯這個用戶是我）
這個頁面包括的信息有：
- 用戶id （鏈接是直接用用戶id組裝的）
- 最後登錄時間
- 用戶類型（免費、付費、終身會員、已過期付費會員）
- 答題數
更加感人的是，用戶id完全是按照註冊時間遞增排列的。
那麼好了，只要我們每天抓取他們的全部用戶數據，就能算出來以上的數字。
1. 每日新增註冊用戶數=第n天的最大id-第(n-1)天的最大id
2. 註冊用戶第i天的「留存」情況=i天前新增的id在抓取當天有上線記錄的人數/i天前新增的用戶id數（此處把留存定義為第i天的註冊用戶在今天出現的比例）
3. 每日註冊用戶答題的總數=用戶第n天總答題數-第(n-1)天總答題數
4. 「日活」人均答題數=每日註冊用戶答題的總數/當天活躍過的用戶數
5. 總付費用戶數=所有有付費標記的用戶數
6. 每日新增付費用戶數=第n天的總付費用戶數-第(n-1)天的總付費用戶數
7. 付費用戶的「留存」情況就是拿付費用戶的相關數據進行上述留存的計算
問題來了，對於新增的用戶，在每天抓取的情況下，我們是很容易知道他的註冊時間，從而計算留存率。但是對於老用戶，我們有沒有辦法知道他是哪天註冊的、從而推算出上面的數據呢？
【此處算是留一個思考題，寫不動了周末再更】
終於理論上解決了所有邏輯問題，開始交給研發抓取數據，又出現了新的問題。
對於對方的網站流量來說，每天近百萬個pv（遍歷一遍所有註冊用戶的頁面）是一個非常顯著的事情，當然會被發現並且封ip處理。一開始研發GG寫了分布抓取的程序，大家晚上各自帶回家抓，但很快發現由於程序的穩定性和對方的防禦措施，這個方法並不是很有效。
而且呢，如果集中地抓取雖然數據更好處理（排除抓取時間段用戶行為的影響），但是一不留神讓別人伺服器宕機這種事情我們的確也不太好意思做啊。
那要怎麼辦呢？
所以說還是研發小哥哥聰明啊！
我真是對不起從小到大的數學老師！
抽樣調查呀！
用抽樣的數據再反推回真實數據啊！
改成對老用戶1/10抽樣，對新用戶全部抓取的策略之後，果然再也沒有被封禁過。總算是順利抓取完所有數據並完成計算了，撒花！
?從歷史塵埃中翻出來當年的數據，貼張圖紀念一下。（此處因為周期太長，算的是月留存）
具體的數據在這兒談不大合適，這個案例肯定也不能完全借用，只是借題分享一下其中的思路。至於我們後來為什麼沒有繼續做智力社區而是開始做孕期知識平台，就是另外一個故事了。
最後，感謝33IQ！這大概是我做產品的第一年最有成就感的一件事情了~
p.s 我司長期招聘聰明的產品、運營、研發小夥伴，來一起玩啊~
競品分析分很多方面，市場、運營數據、用戶體驗數據等等，有一部分數據是可通過技術手段得出的。比如產品用戶體驗的一些數據，拿移動App來說：
- 應用大小
- 啟動時長
- 功能頁面載入時長
- CPU、內存消耗
- 崩潰率
- 市場用戶反饋數據，熱詞分析
- 好評率/差評率
- 版本迭代速度
- 各渠道下載量
等等，其實也有很多數據去分析一款產品和競品之間的硬性指標對比，這樣的數據會很客觀，利於對比，以及調整後的分析。
看到很多人說某瑞這種第三方機構。其實無論競品主動給某瑞這種第三方提供的數據，還是某瑞自己調研的數據都離真實數據差地太遠。這種第三方提供的數據的意義就是對比：雖然A和B競品的數據都不準，但是A B間的相對數據大小關係很可能性還是準的。
目前，只有兩種第三方的數據是接近準確的：百度統計這種安裝了代碼在競品網站上的第三方，百度關鍵詞這種自己有統計能力的第三方。提供三個獲得競品數據的方式，供參考- 給競品客服打電話。你可以以用戶的身份，以懷疑的口吻問客服一些問題，碰上沒有經驗多會和你說說，有經驗的會掛掉。這取決於你的溝通能力了
- 和百度sem工作人員溝通，雖然理論上他們不允許告訴你競品關鍵詞的搜索數量，但結果還是取決於你的溝通能力
- 和競品的合作夥伴溝通，可以知道競品與對方的合作模式、價格和一些數據。
觀看該公眾號文章即可，說的很詳細：http://mp.weixin.qq.com/s/myVxj8d90XaD1MwAOYKCPw
你知道通信運營商的網關數據嗎？利益太相關，匿了。