做得好的標準

1. 全面且多維的分析
   • 高標準：設計師應該分析多種類型的競爭對手和市場解決方案，不僅限於直接競爭者，還應包括跨領域的成功案例。這樣可以提供更廣泛的參考範圍和更多的創新靈感
   • 多角度分析：應從功能設計、用戶體驗、行銷策略和市場定位等多個方面來研究外部解決方案。這樣的多維度分析有助於識別出成功與失敗的關鍵因素
2. 基於數據的評估
   • 數據驅動的洞察：好的外部分析應該基於公開數據、行業報告、用戶反饋和競爭對手的績效指標，而不僅僅依賴主觀觀察。這樣可以確保分析結果的準確性和可行性
   • 驗證成功與失敗的原因：識別的關鍵因素應通過數據或用戶反饋進行驗證，確保這些因素確實是成功或失敗的主要原因，而不是偶然的結果
3. 清晰的行動導向
   • 具體的成功或失敗原因：好的分析能夠明確指出競爭對手方案中的具體成功因素（如某功能的用戶接受度高）或失敗因素（如界面設計不直觀導致用戶流失）。這樣的結論應具體且可行
   • 提出可應用的改進建議：根據識別出的成功和失敗原因，設計師應能提出具體的設計建議和優化方案，這樣的建議應可在產品中實施

做得差的標準

1. 分析範圍狹窄或片面
   • 低標準：如果分析僅局限於某個競爭對手或單一市場解決方案，未能涵蓋多種類型和不同領域的解決方案，則可能導致視野狹窄，缺乏創新性
   • 忽略關鍵領域：若分析未考量用戶體驗、技術可行性或行銷策略等關鍵領域，那麼結論可能會有偏頗，無法全面反映外部案例的成功或失敗原因
2. 缺乏數據支撐或驗證不足
   • 依賴主觀觀察：如果分析主要依賴設計師的個人觀察和推測，而未基於真實數據或行業報告，那麼結論的可信度和實用性會大大降低
   • 數據不具代表性：如果分析基於過少的樣本量或僅限於特定市場的用戶反饋，那麼分析結果可能會有偏差，無法反映多數情況
3. 結論模糊或無法應用
   • 無法提供具體的設計建議：如果分析結果過於籠統，如「市場方案優於內部方案」或「用戶喜歡競爭對手的設計」，但沒有具體的成功要素或可操作的建議，那麼分析無法產生實際價值
   • 行動導向不足：如果分析的結論無法轉化為具體的設計方案或調整措施，那麼這樣的分析無法在產品開發中起到積極作用

總結

• 要做好「外部案例參考」，設計師需要進行全面的、多角度的數據分析，並提出具體且可操作的建議。而做差的情況通常是範圍狹窄、數據不足和結論模糊。