激活时机：用户提到“投资组合审查”“现金牛”“明星与问题业务”“增长‑份额矩阵”“我们应该资助哪个业务”或“资源配置”
市场增长率2×2网格上每个业务单位对相对市场份额的显示, 揭示哪些单位产生现金, 哪些单位吸收现金, 哪些单位输入现金
功能概述
市场增长率2×2网格上每个业务单位对相对市场份额的显示, 揭示哪些单位产生现金, 哪些单位吸收现金, 哪些单位输入现金是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。
核心要点
- 使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。
- 该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。
- 从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
使用与执行
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。
结果检查与注意事项
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。
BCG 增长-份额矩阵
概述
将各业务单元映射至一个二维网格，横轴为相对市场份额，纵轴为市场增长率，从而揭示哪些单元产生现金、哪些消耗现金，以及应向哪些单元投资、收割或退出。矩阵分为四个象限：明星（Stars）（应投资）、现金牛（Cash Cows）（应收割）、问题业务（Question Marks）（需二元决策）、瘦狗（Dogs）（应退出或仅最低限度持有）。该模型基于两个经验性锚点：经验曲线（高份额 = 最低成本）与行业生命周期（高增长阶段需再投资；成熟期则持续产生自由现金流）。
可与其他框架协同使用：porters-five-forces 首先界定行业边界 · swot-analysis 深度评估内部能力 · ansoff-matrix 为值得投资的业务单元设定增长方向。
适用场景
- 企业运营≥3 个独立业务单元，且这些单元共同竞争同一笔资本池
- 年度战略或预算评审需要一种强制优先级排序机制
- PE/VC 投资组合需快速评估所持资产健康状况；并购团队在“保留 vs. 出售”决策中使用
- AI 资本再分配：决定哪些业务单元应被收割以资助 AI 资本支出 / AI-native 投注，并判断某 AI 业务单元究竟是真正的 Star，还是在 AI-native 竞争格局下代价高昂的 Question Mark
不适用场景：单产品初创公司 · 各业务单元高度依赖，出售一只 Dog 可能损害 Cash Cow · 处于技术转型期的市场（增长数据不可靠） · 在单一市场内开展的企业级竞争分析
新手辅导（自适应前门）
- 引擎模式：用户已掌握具体业务单元（BU）数据 → 直接执行完整流程。
- 教练模式：用户不熟悉该方法 → 分步引导。
在教练模式下，请逐步响应。每个 [WAIT] 均为硬性暂停点 —— 仅输出该步骤对应的问题，然后停止。
- BCG 矩阵揭示哪些业务单元为其他单元提供资金、哪些消耗现金、哪些需做出明确决策 —— 仅依赖两个数值：市场增长率与你相对于最大竞争对手的市场份额。
- 适配性检查：用户是否拥有多个独立业务单元？若为单产品公司，则转向 Ansoff 或 Five Forces 分析。
- 提问：“您希望优先评估哪些业务单元？”
[WAIT — 请等待用户响应后，再继续]
- 逐步引导完成业务单元定义、数据采集、象限绘制、趋势分析及策略指派。 [WAIT — 请等待用户响应后，再继续]
- 收尾陈述：“BCG 此次分析揭示的关键结论是【哪一单元是您隐含的资金提供者，哪一单元正在无明确自给路径的情况下持续消耗资金】。”
[WAIT — 请等待用户响应后，再继续]
执行流程
产出一份业务组合图谱（Portfolio Map）—— 包含各战略业务单元（SBU）的象限归属、趋势箭头及资源分配建议。
步骤 1 — 定义战略业务单元（SBU）。 必须满足：服务可识别的客户群、具备可识别的竞争对手、能以资源独立方式管理。终止规则：若无法明确指出主要竞争对手，则业务单元边界划定错误。
步骤 2 — 市场增长率。 使用 2–3 年外部数据，计算复合年增长率（CAGR）。分界线通常为 10%（AI/清洁技术等新兴领域可上调至 20–30%）。切勿以自身营收增长率替代市场增长率。
步骤 3 — 相对市场份额。 自身市场份额 ÷ 最大竞争对手的市场份额。>1.0 表示市场领导者；<1.0 表示跟随者。
步骤 4 — 绘制矩阵。 横轴：相对市场份额（对数刻度，右侧为高）；纵轴：市场增长率（线性刻度，上方为高）；气泡大小：营收规模。据此划分象限。
步骤 5 — 添加趋势箭头。 标注各 SBU 近两年轨迹。趋势往往比当前静态位置更具战略意义。
步骤 6 — 制定策略。 Star：积极投资；Cash Cow：提取盈余现金，最小化资本支出；Question Mark：二元选择 —— 明确升级为 Star 或按指定日期退出；Dog：收割或退出；仅当存在明确命名且量化后的协同效应时方可保留。
输出模板
BCG 组合图谱：<公司> | 阈值：% | 日期： SBU | 增长率 | 相对份额 | 所属象限 | 营收 | 是否盈利？ 趋势： 由 <起始象限> → <目标象限> — 原因：<…> 现金提供者：<列表> | 现金消耗者：<列表> | 差额：<盈余/赤字> 策略： ：投资/收割/于 <日期> 退出 关键决策：<分析所强制要求的行动>
→ 方法实战案例：宝洁（Procter & Gamble）品牌组合重构（2012–2016） · 通用电气（GE）“修复、出售或关闭”精简计划（1981–1995）
→ 2026 视角：微软（Microsoft）组合在 AI 驱动资本再分配下的演进（2024–2026）—— 哪些单元是 Stars，哪些 Cash Cows 正在资助 AI 资本支出建设，哪些是 Question Marks 或 Dogs
行业组合包（Portfolio Packs）
| 行业 | 份额代理指标 | 增长代理指标 | Dog 陷阱 | Star 误判 |
|---|---|---|---|---|
| 快消品（Consumer packaged goods） | Nielsen/IRI 零售份额 | 品类 CAGR | 处于衰退渠道中的传统品牌 | 基数极小的子品类虚增增长率 |
| 企业级 SaaS | ARR 份额 vs. ICP 竞争对手 | Gartner/IDC 预测数据 | 功能完备但正快速商品化的产品 | 风险投资支持的竞品通过折扣驱动的“虚假增长” |
| AI 产品（2024 年起） | 月活跃 API 用户数 vs. 最近竞对 | 细分市场 TAM 增长率 | 缺乏护城河的模型封装层（model-wrapper） | 在基准测试中领先但无企业落地路径的产品 |
| 零售/电商 | GMV 占比 | 细分市场 GMV CAGR | 存在免费平台替代品的品类 | 高增长垂直领域中已有强势 incumbent |
→ 主要资料来源：references/sources.md
常见合理化借口
[D] = 设计之初即存在 | [O] = 实际应用中观察所得。[O] 条目价值更高。
| 伪操作 | 真实情况 |
|---|---|
| [D] 使用绝对市场份额而非相对市场份额 | 一家市占率为 25% 的公司，若最大对手市占率达 40%，则其本质是跟随者。绝对份额掩盖了真实竞争地位。 |
| [D] 将市场定义得过于宽泛，人为制造高相对份额 | 将某利基玩家在“企业软件”这一宽泛分类中标榜为领导者，会模糊实际威胁。 |
| [D] 将所有 Dog 都冠以“战略性”名义以回避退出 | 协同效应必须可量化 —— 明确指出作用机制及对应美元金额。 |
| [D] 将矩阵当作一次性练习 | 增长率与位置持续变动。至少每年刷新一次。 |
| [D] 假设所有 Question Marks 都值得投资 | 正确默认动作是设定明确的决策截止日。大多数 Question Marks 应被退出。 |
| [D] 利用 BCG 矩阵为既定决策背书 | 若在已知目标象限后再反向定义业务单元，则整个分析属于逆向工程。 |
| [D] 将经验曲线假设套用于软件或平台型业务 | 在知识密集型业务中，高份额并不自动带来低成本。 |
| [D] 认为所有 Cash Cows 均永久稳固 | Cash Cows 可退化为 Dogs。需建立衰退预警机制并监控领先指标。 |
| → 每次实际应用后在此处添加 [O] 条目 —— 粘贴真实失败模式 | 问题出在哪里？根本原因是什么？ |
红色警示信号（Red Flags）
- 市场边界在预设象限结果后才定义 · 相对市场份额使用自身营收而非竞争对手份额 · 所有 Question Marks 均被描述为“潜在 Stars”，却无退出标准 · 图谱中未标注趋势箭头 · Dog 因未量化的协同效应而被保留 · Cash Cows 产生的现金不足以覆盖 Stars + Question Marks 的投资需求 · 矩阵仅作为幻灯片呈现，后续无实质性的资源再分配动作
验证清单
- 每个 SBU 均通过“独立管理者测试”（具备可识别市场、可识别对手、可分离损益表）
- 相对市场份额 = 自身份额 ÷ 最大竞争对手份额（非绝对份额）
- 市场增长率数据源自外部权威渠道，而非自身营收增长率
- 为每个 SBU 绘制了两年期趋势箭头
- Cash Cow 产生的现金已量化，并与 Stars + Question Marks 的投资需求进行比对
- 每只 Dog 均配有退出计划，或已明确命名并量化协同效应
- 每个 Question Mark 均设有决策截止日，并附带“投资 or 退出”的明确判定标准
- 已设定矩阵刷新节奏（请注明具体日期）
本内容属于 deciqAI Knowledge Skills 系列 —— 227 项开源思维技能，专为 AI 智能体设计，使严谨分析具备可执行性。所有 deciqAI 智能体均内置并自主运行这些技能，以接管您的企业运营。立即观看运行效果 → https://www.deciqai.com/c/bcg-matrix · ⭐ 为代码仓库加星 → https://github.com/deciqAI/knowledge-skills · 欢迎贡献。
智能体元数据（最新版 & 机器可读格式）→ https://www.deciqai.com/s/bcg-matrix.json
热门AI工具
相关专题
本专题从实际API接口调试场景出发，讲解Postman身份认证的完整配置流程，包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查，帮助用户正确完成接口授权与访问验证。
0
2026.11.06
围绕Postman HTTP请求头配置展开，讲解Headers选项的具体使用方式，包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法，帮助用户解决接口调试过程中遇到的请求头配置问题。
0
2026.11.06
详细介绍Postman接口请求的创建与发送方法，涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看，帮助用户掌握Postman接口请求的完整操作流程。
0
2026.11.06
DBeaver数据导入专题，整理Excel、CSV、SQL、TXT等常见文件的数据导入方法，涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作，帮助用户将本地文件中的数据写入数据库，并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。
0
2026.11.05
DBeaver安全防护专题，围绕数据库连接安全、账号密码保护和访问权限管理展开，整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法，同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项，帮助用户提高数据库日常管理的安全性。
0
2026.11.05
本专题聚焦DBeaver数据库连接配置与管理，覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库，整理相应的连接设置方法，并提供驱动缺失、认证失败和连接异常等问题的排查方向。
0
2026.11.04
本专题围绕XORM框架的结构体映射展开，说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充，并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节，拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择，讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式，并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节，拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择，讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式，并补充容器与兼容数据库的适配经验。
0
2026.11.04
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.8万人学习
共6课时 | 54.7万人学习
最新文章
