行业研究有什么用？专门从事这个岗位的人就不说了。即使身在其他岗位，想说服老板拨钱时，能拿出数据、拿出案例、再扯一通行业大势，无疑成功率会更高一些。

正经来讲，即使没有行研技术，但是具备行研思维，也能有助于我们跳出自己岗位的局限，从宏观、市场、公司等更广阔的视角来思考和决策。

还有，个人择业选择或者想创业时，做好行业研究也能有效地减少信息差，减少犯错的概率。

当然不同身份的人对行业的关注点和角度也不一样：

券商、金融行业从业者，可能更关注周期、波动、价值位等。

产品经理可能更关注行业内的竞争、用户行为态度等等。

不过我既没做过金融行研，也没做过产品经理，以上都是瞎猜，哈哈。就个人而言，我通常会更多关注头部（标杆企业）、玩法（商业模式）、机会点。

因为个人职业的原因，平时也常会看看各种机构做的行业研究，特别是科技互联网和NEV领域。看得多了就发现各种报告也是良莠不齐。特别是有些写着写着就写成科普了，宏观大数一通罗列，趋势判断模模糊糊，总之就是新兴行业欣欣向荣遍地金……还是很期待能看到比较犀利的行业研究，实打实地解决问题点，不过这种报告往往可遇而不可求。

毕竟找准方向、找全资料、找对人、问对问题，哪个都不是件容易的事。

所以，这次想聊聊我自己对行业研究的一些思考，希望能抛砖引玉。因为我也不是100%做行业研究的，所以主要讲讲思维思路，不太涉及具体的操作流程（大家都差不多）和模型解读（都很基础）。内容包括“漏斗式”、面对新兴模式的局限、“鱼骨式”、和对数据源的对比与评价。

01 漏斗式：从宏观到微观

从宏观到微观的逐级研究思路应该是最常见，也是最全面的。这里面提到的PEST、SWOT、波特五力模型等等大家应该也是耳熟能详，一开口就知道是老商院人了。其实各类分析模型之间也有隐含的逻辑关系，适用于从大到小不同阶段的研究。

具体的模型介绍和解读都可以在网站上找到详尽的解释说明，百度一下，你就知道，这里就不赘述了。每种模型主要谈谈个人的一些思考。

首先宏观环境的分析，最常用的方法是PEST

即从政治（Political）、经济（Economic）、社会（social）和技术（Technological ）这四大影响产业的宏观因素开始分析。还有以此衍生出的PESTEL模型，其中E和L分别是指环境因素(Environmental)和法律因素(Legal)。

之所以把PEST/PESTEL放在最顶层，主要还是这些影响因素不单单影响单个企业，很多时候一条政策、或者一项技术、或者一种社会舆论风向，都是影响整个产业。

这里面政策和经济是相对比较清楚的，部委文件、补贴标准、规划量级等等都是公开可查而且很明确的。经济数据，其实也可以从统计局等官方口径拿到数据。倒是社会环境的影响比较难把控，特别是区域文化、社会道德、群体心态这些因素，更多还是定性分析，也没有太好的量化标准，需要对社会环境比较敏感，有洞察力，可能有社会学的基础会好一些。

PEST主要是识别出影响因素，从感觉上来判断风险、可行性。但是你说具体经济环境对产业造成多大影响，技术对行业造成多大影响，这个其实是很难量化的，无非也就是看一个模糊的趋势。

不过，有些行业其实是比较看政策，比如补贴，有时候都成了一个企业甚至行业的盈利来源和盈利模式，就是为了赚补贴才入的局。这时候就要好好研究政策导向和补贴的算法了。

产业链，首推波特五力模型

分析完政治、经济、社会、技术这些大因素对产业的影响之后，可以往下看产业链条内的情况了，首推波特五力模型（Five Forces Model）。

所谓波特五力，分别是：

除了桌面研究的方式看五力影响，其实还可以看财报。正好最近在B站看了清华大学肖星教授的财务分析课程，里面讲到从财报的角度看供应商议价能力、购买者议价能力、和行业内竞争者的竞争能力。

竞争激烈时，因为购买者数量有限，购买者的议价能力更强，这时购买者倾向占用企业资金，导致资产负债表里的应收账款/应收账款占资产比率就有可能比较高。

或者产业链上原材料供应不足，供应商比较强势，开始抬价，就会导致企业利润表里成本上升，或者企业应付账款低，因为不敢拖欠供应商太多钱。

可以对比相似行业的财报，比如同是制造业的造纸企业A和家电企业B（06年）。家电企业应收账款高，存货高，竞争激烈，下游强势，要求企业容忍更长时间的欠款。造纸企业原材料紧张，供应商强势，应付账款比率就相对低。

市场情况

再往下，进一步聚焦到产业内的市场情况了。这个市场有多大、多细分，市场里的用户们都有什么样的行为习惯和态度？

市场情况可以看总量、看分布、看趋势。也就是俗话说的“盘子有多大”。

看市场整体规模及增长情况时，各个行业用来做判断的指标也会有些差异。比如互联网行业因为流量经济的特点，一般是用用户数或者营收（用户数*ARPU）等来衡量整体市场规模。汽车行业就看销量。数据源可以从工信部、CNNIC等机构或者行业协会获得基础数据。

这里面常见的一个坑在于总量其实是一个很模糊的数，或者说是一个牺牲了很多内在信息的数。

比如新能源车的销量，看起来每年都有很高的增长，如果只看销量总趋势，那是涨势喜人，潜力无限。但是如果我们仔细多想一步，这些车都卖给谁了呢？

其实是有两个截然不同的市场在里面。一种是ToB市场，也就是卖给车队运营商，比如曹操、滴滴的子公司等等，这些车流入市场以后都做快车、做专车，拉活赚钱去了。而车队运营商，很多其实都是整车厂的子公司或者参股公司。另一种是ToC市场，就是实打实的有消费者想买，车卖给消费者了。把两个市场拆开再看，你就能看到几乎所有增长都是B端销量带来的，C端无论总量还是增长速度都不够凸显。这里面就很有故事了。

在估市场总量的时候，也可以用TAM – SAM– SOM的思路，结合企业自身情况综合分析。

在市场这个层面，还有市场集中度CR、市场吸引力等分析。还可以再看用户U&A（习惯和态度）等等。各个研究机构也有各自的方法偏好，比如巨量（字节跳动）就喜欢看TGI等等，这方面数理统计的方法也很多，这里就不多说了。

公司与竞争

了解市场情况后，就可以进一步结合公司具体情况，去推战略方向了。比较经典的SWOT和3C分析。

SWOT模型由海因茨·韦里克教授提出，基于企业自身资源、外部环境和竞争情况，分析企业的优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）和威胁（Threats）。并基于这几个元素推导出4种组合战略。

3C：客户customer，竞争对手competitor，自己的公司company，从外部环境到内部资源，审视自己

还有比较常用的矩阵分析，最经典的就是波士顿矩阵。横轴和纵轴也可以替换成其他的分析变量，比如价格和某个产品属性等。波士顿矩阵的图太常见就不放了，这里放个汽车行业的矩阵图做示例。

更具体到公司层面，就是看财报、看创始人讲话，做分析。如果要具体到策略和打法，就得具体问题具体分析，没有什么通用的模型了。

“漏斗式”的研究思路，最大的好处就非常全面，你可以从上到下搞清楚一个行业，还能看到各个级别的影响因素之间的互相作用与影响。不过，漏斗式的研究思路也不是万能的。

02 新的商业模式很难从宏观开始界定

就我个人感觉，漏斗式的研究思路比较适合传统或者成熟的行业。

但是很多时候新的技术或者新的商业模式一出现就是破坏性的，破坏行业界限、破坏传统认知。

Peter Thiel 2014年在斯坦福CS183B的演讲“competition is for Losers”里讲了这样一个逻辑。

一个看起来很广阔的市场其实很“糟糕”，比如美国的航空业，2012年销售额高达1956亿，妥妥的一个千亿市场。每张机票平均178美元，但是带给公司的利润只有2美分。反观google，同年收入550亿，21%都转化为净利润。

众多航空公司在这个广阔的航空出行市场里激烈竞争，但google却坐拥几乎全部在线搜索市场，所以google一家公司的市值比美国所有航空公司加起来还高。

所以，我们总在说竞争有益、竞争孵化出领头羊，企业要在竞争中脱颖而出。

但现实是，竞争只会让大家越来越相似，差异化慢慢被抹平，价格利润有波动但总会回归平均，最终大家都只能赚点微薄利润。

而一个真正有突破性的技术或者商业模式，是从一开始就带有“垄断”性，牢牢占据一整块需求、一整块市场，由于不必担心与任何人竞争，它有更广泛的维度来关心员工、内部文化，以及他们的产品对整个世界的影响。

换句话说，虽然大家都是大公司，但是有些企业（/商业模式/产品）是NB到自己开辟一个行业、定义一个行业、垄断一个行业的。

那从这个角度来看，我其实觉得可以把充分竞争（比如美国航空业）和充分垄断（比如google）当做一条坐标轴的两端，竞争或者垄断的格局可能可以分成这三种。

第一种就是很传统的大市场里的充分竞争，大部分传统商业都是属于这种模式。或者有一些挂了新模式名头的生意，其实也没有脱离竞争。比如互联网思维开餐厅、或者无人零售等等，实际上都是局部微创新，依然无可避免要与其他传统商家一起进入充分竞争之中。这种市场厮杀激烈，要去评估总量，要看自己如何能抢到一块蛋糕，要绞尽脑汁的去分析SWOT、3C等等各种分析。

第二种就是介于充分竞争和充分垄断之间的。这种企业或者说他的商业模式，有一定的突破创新性，让他可以大部分脱离于对手们的竞争，或者从不同行业切割并拼出一个新市场。但是还没有达到充分垄断，或者正走向充分垄断的路上。

比如瑞幸，虽然品牌营销上碰瓷了星巴克，但实际上并不会和星巴克充分竞争。星巴克、茶饮、新市场，每一个市场都有一部分被瑞幸切走了，这个不多谈，以后有机会单独讲讲瑞幸。

第三种，就是充分垄断了，产品一出来就开辟了一个新市场，比如DJI。甚至直接带来一个时代的变化，比如IPhone。

当然这个不是固定不变的，有些企业可能会从第三种滑落到第一种，竞争壁垒被攻破，但比较少见，毕竟能持续垄断，可能护城河是足够深的。也有可能从第一种走到第三种，比如特斯拉或者蔚来最终等来了智能网联和自动驾驶大突破，在新出行时代实现了贾老板的生（窒）态（息）化的美梦。

所以，当新的模式出来以后，特别是后两种，如果还是用上一部分从宏观到微观的研究思路，其实是有些困难。比如新模式往往领先于宏观环境，比政策、比社会反应要快，而且往往自成一行，你也很难找到他的标杆或者竞争对手。

就像斯蒂芬库里进NBA联盟时的选秀模板是穆罕默德·阿布杜尔-拉乌夫，你敢信？

03 鱼骨式：从点切入

所以除了从宏观到微观这种思路，也许可以试试从点切入，而不是从面切入。

所谓从点切入，就是聚焦到一个公司或者一种模式，甚至一个自己感兴趣的问题上。比如，“蔚来还能撑多久”，或者“瑞幸的商业逻辑是什么？为什么资本被说服？”。（瑞幸割美国韭菜这种段子，就和中国大妈扫货震惊全球一样，也就图一乐，可别当真。），或者“抖音怎么做商业化”。

这个切入的问题就是鱼头，为了回答这个问题，就衍生出一系列子问题。

比如你想知道“瑞幸的逻辑怎样说服投资人”，那就要先得回答“投资人看重什么”“瑞幸在讲的故事是什么？”“现状如何？从现状到目的途径是什么？”。

每个子问题还可以再拆解，直到你找到的资料、数据或者其他论据，能够回答单个问题点。

最终就推导出整个切入点的答案，在这个过程中，商业模式、市场环境或者宏观环境等等也都会涉及到，上面漏斗里讲的各种方法也可以用，只不过不再按照从大到小的顺序，而是都成了过程中的论据。

最近还想到一个思路是看钱的流向，从财报里经营和投融资的流入流出、利润表和资本投入这些财务信息，结合市场背景基础信息，看机会点空间大小、模式可行性等等：

04 公开报告和数据源

最后聊聊资料和数据，首先是公开报告和数据：

统计局年鉴、各部委统计的宏观数据，以及其他官方机构公布的产业数据。比如汽车行业有中汽协的销量数据，互联网行业有CNNIC的网民数据等等。

不过，官方数据不代表百分百准确，比如中汽协的销量和实际车辆上牌上险数会有差异，比如CNNIC用电话访问做抽样调查可能会导致人群有点偏差。

不过，通常可以认为官方发布是权威且真实数据，但是在一些具体解读情况时，还是需要注意数据的自带的偏差和特点。

券商/投资机构的研报：通常做得挺全面的，从宏观到产业，一般都会有一条整理好的故事线。不过他们的研报面向的人群和关注点不一样，而且有些还带了导向性。所以我一般也就看看数据，不太看观点。

第三方机构研究报告：一类是管理咨询公司的，MBB、四大都会出一些，但是内容大多都有点空，适合当成科普读物，也许是因为管理咨询公司主要面对大公司高管。

另一类是艾瑞、亿欧、易观、36kr研究院等等，这类机构报告一般比较综合和完整，但是水平很是良莠不齐，有些解读和数据甚至还有坑。

还有就是大厂们自己研究院的报告：比如比较高产的巨量（字节跳动），专注吃喝玩乐的企鹅智酷等等。这类报告最大的问题都是写到最后都会有导向性，多多少少带了些宣传的性质，而且大家都是用自己的独家数据，用这个数据推市场推行业，会有数据源偏差的问题。但是还是有价值的，巨量讲抖音，这个数据都是字节跳动自己的数，当然会比别人准。

公司层级主要是看各种一手信息。年报，企业投资者关系材料，创始人讲话。

还有一些外部指数，基本已经细到产品级了。比较广为人知的比如百度指数、微信指数。新媒体行业的新榜。出海App的APP annie。甚至还有更细的，比如专门监控B站UP主涨粉数的BiliOB。

除了这些公开的数据和报告，还有一些非公开的资料，比如商业计划书，这些就得有路子才看得到了。

当然，正儿八经的行业研究还是要做大量访谈的，专家访谈、用户访谈等等。

桌面研究往往只是基础，真想深入研究，害得当面唠。不过对于大多数非专业行研的人来说，能把基础桌面研究做好已经能拿到很多有用的信息了。