分类
用技术指标进行交易

趋势2外汇交易系统下载

03-09 1544

2022年化妆品行业专题研究 从产品矩阵视角,探寻影响化妆品企业增长的关键因子

产品矩阵对化妆品企业增长的意义,体现在影响其未来天花板、成长性、增长的确定性与持续性上。1)产品矩阵越完备,企业未来天花 板更远;2)产品矩阵处于1→N扩充期/细分赛道景气度越高时,企业成长性更好。3)产品矩阵的打造思路决定企业增长的确定性、持续 性,打造思路无优劣之分,全在于品牌取舍:①产品扩充趋于稳态,“取”确定性,但上新节奏相对较慢,“舍”增长持续性;②紧追趋 势高频上新,“取”增长持续性,但产品扩充缺乏稳态,“舍” 确定性。

1、底层驱动:从产品矩阵视角,探寻影响化妆品企业增长的关键因子

1.1、产品矩阵的完备程度决定企业未来天花板

产品矩阵覆盖更多功效、品类、价格带、目标客群的化妆品企业,潜在受众范围更大,未来天花板更远。以对比自然堂和玉泽的产品矩阵为例:功效、品类:自然堂覆盖全功效、全品类,布局更均衡。1)自然堂:覆盖全功效且布局均衡,每类功效对应的产品均覆盖全品类。2)玉泽:仅修护线 产品覆盖全品类,尚未布局抗衰线,美白线虽有布局但sku明显较少。价格带:自然堂价格带更宽,延伸更充分。1)自然堂:位于30-600元之间;2)玉泽:位于50-300元之间。目标客群:自然堂覆盖更广人群。1)自然堂:几乎每类功效对应产品均覆盖16岁以上人群;2)玉泽:每类功效对应产品覆盖人群年龄层不同,最重要 的修护线主打18-45岁特定敏感肌人群。

1.2、产品矩阵发展阶段+细分赛道景气度共同决定企业成长性

1.3、产品矩阵的打造思路决定企业增长的确定性、持续性

产品矩阵的打造思路决定企业增长的确定性、持续性,打造思路无优劣之分,全在于品牌取舍。品牌取舍不同,产品矩阵打造思路各异:1)产品扩充趋于稳态,“取”确定性,但上新节奏相对较慢,“舍”增长持续性。如雅诗兰黛产品迭代主线围绕大单品“小棕瓶”展开, ①单品升级:从1982年至今,升级小棕瓶精华至第七代,②品类拓展:在小棕瓶系列下拓展品类至面膜、眼霜、眼膜、精华胶囊等产品。据 赢商网报道,常青小棕瓶上市距今四十年,复购率高达40-60%,确定性强;但拉长时间看,雅诗兰黛集团2006-2021年营收CAGR仅为6%, 增长持续性较弱。

2、产品矩阵评价体系:完备的产品矩阵全方位满足消费者各类需求

2.1、标准一:完备的产品矩阵覆盖全功效、全品类

评价标准一:完备的产品矩阵全面解决消费者护肤的四大功效需求:保湿、美白、修护、抗衰。每类功效对应的产品覆盖全基础品类:爽 肤水、乳液、面霜、面膜、精华;此外,特定品类适用于部分功效,如:防晒仅适用于美白,洁面仅适用于保湿(清洁),眼霜适用于保 湿、抗衰、修护。

2.2、标准二:完备的产品矩阵覆盖最大范围的目标客群

评价标准二:完备的产品矩阵覆盖最大范围的目标客群,体现在:产品覆盖全性别、全年龄层的美妆消费者。 对比自然堂、丸美目标年龄层客群:自然堂覆盖16岁以上人群,丸美覆盖20岁以上人群(主打30岁以上抗衰人群),自然堂产品覆盖更广 客群。

2.3、标准三:完备的产品矩阵覆盖全应用场景

2.4、标准四:完备的集团产品矩阵覆盖全价格带、美护全细分领域

3、海外龙头:重长期研发轻短期趋势,推新节奏+爆品迭代普遍较慢

3.1、巴黎欧莱雅:基于强研发+追趋势打造产品矩阵,推新节奏快、爆品打造力强

产品矩阵完备,价格带仍有上拓空间。1)功效、品类:产品覆盖全功效、全品类,优势功效为抗衰。2)价格带:位于50-700元区间,价格带宽度适中,仍有上拓空间。 3)目标客群:客群覆盖广,品牌拥有女性、男性护肤线,覆盖18岁+人群;保湿、美白产品多覆盖全客群,抗衰、修护产品主打20岁+人群。4)品牌规模:2021年,营 收约50亿美元。 研发实力强,独家专利成分+本土化研发。

3.2、兰蔻:基于研发积淀打造产品矩阵,产品系列生命周期长、推新慢

仅抗衰线产品储备完备,价格带延伸较为充分。1)功效、品类:产品覆盖全功效,主打抗衰+修护,仅抗衰线覆盖全品类。2)价格带:位于300-4300元区间,价格带 较宽。3)目标客群:客群覆盖广,品牌拥有女性、男性护肤线,覆盖18岁+人群,主打25岁+抗衰人群;其中,抗衰线年龄区隔明显,分系列满足18岁+/25岁+/40岁+ 抗衰需求。4)品牌规模: 2021年,营收约40亿美元。

3.3、雅诗兰黛:基于研发积淀打造产品矩阵,推新节奏平稳偏慢

产品矩阵完备,价格带延伸较为充分。1)功效、品类:产品覆盖全功效,主打修护;覆盖全品类,主打高附加值品类(精华、眼霜、面霜)。2)价格带:位于300- 4300元区间,价格带较宽。3)目标客群:客群覆盖广,产品覆盖18岁+人群,主打25岁+有修护、抗衰需求的人群。4)品牌规模: 2021年,约40亿美元。 精于研发,基于珍稀原料+尖端科技搭建产品矩阵。

3.4、理肤泉:基于医研共创打造产品矩阵,推新节奏慢、新品表现平淡

仅修护线产品储备完备,客群拓展较为充分。1)功效、品类:产品覆盖全功效,主打抗敏、祛痘,仅修护线覆盖全品类。2)价格带:位于100-500元区间,价格带适中, 仍有上拓空间。3)目标客群:客群覆盖广,产品覆盖12岁+人群;不同产品精准定位细分人群,主打20岁+存在皮肤问题的人群。4)品牌规模: 2021年,营收约20亿美元。 基于医研共创搭建产品矩阵,聚焦皮肤细分问题拓宽目标客群。

4、国货龙头:推新节奏普遍较快,趋势跟踪紧密度决定爆品迭代节奏

4.1、珀莱雅:紧跟趋势打造产品矩阵,推新节奏+爆品迭代快

产品矩阵处1→N扩充期,价格带仍有上拓空间。1)功效、品类:产品覆盖全功效、全品类。2)价格带:位于50-500元区间,价格带宽度适中,仍有上拓空间。3)目标 客群:客群覆盖广,覆盖18岁+人群;抗衰线产品主打20岁+抗初老人群。4)品牌规模:2021年,护肤类收入39.8亿元。 产品策略升维,发力大单品后产品力迎来质的提升。

4.2、薇诺娜:基于医研共创打造产品矩阵,推新节奏快、爆品迭代慢

产品矩阵处1→N扩充期,价格带仍有上拓空间。1)功效、品类:产品覆盖全功效,保湿、美白、修护线覆盖全品类。2)价格带:位于50-400元区间,价格带宽度适中, 趋势2外汇交易系统下载 仍有上拓空间。3)目标客群:客群覆盖广,品牌拥有女性、男性护肤线,覆盖18岁+人群,主打敏感肌人群。4)品牌规模:2021年,护肤品收入36.3亿元。 依托植物科技+医研共创打造产品矩阵,占据敏感肌护肤心智。

4.3、润百颜:基于科技壁垒+紧跟趋势打造产品矩阵,爆品迭代快

4.趋势2外汇交易系统下载 4、夸迪:基于硬核成分打造产品矩阵,推新节奏+爆品迭代慢

4.5、米蓓尔:基于复制+创新打造产品矩阵,爆品迭代慢

4.6、肌活:基于独创精粹+明星成分打造产品矩阵,推新快、爆品率不高

5、主打线上的新锐品牌:多凭借紧跟趋势快速起量,紧跟品类趋势优于成分趋势

5.1、PMPM:紧跟品类趋势打造产品矩阵,推新节奏+爆品迭代快

产品矩阵处1→N扩充期,价格带上拓空间较大。1)功效、品类:产品覆盖全功效,保湿、抗衰、修护覆盖全品类。2)价格带:位于50-400元区间,价格带较窄,上拓 空间较大。3)目标客群:客群覆盖广,覆盖16岁+人群( 几乎适用于所有年龄层) 。4)品牌规模:2019年10月成立,2021年GMV破10亿元。踩准品类风口是起量快的最根本原因。

5.2、HBN:紧跟成分趋势打造产品矩阵,推新不快、爆品接替乏力

产品矩阵处0→1培育期,价格带仍有上拓空间。1)功效、品类:产品覆盖全功效,抗衰、美白线覆盖全品类。2)价格带:位于100-600元区间,价格带适中,仍有上拓 空间。3)目标客群:客群覆盖广,覆盖20岁+人群,主打20岁+抗初老人群 。4)品牌规模:2019年成立,2021年GMV近10亿。 紧跟成分趋势,最早踩准A醇风口,产品强调功效真实性。

5.3、溪木源:基于自然成分+研发实力打造产品矩阵,爆品集中于同产品线

产品矩阵处1→N扩充期,价格带上拓空间较大。1)功效、品类:产品覆盖全功效、全品类。2)价格带:位于50-400元区间,价格带较窄,上拓空间较大。3)目标客群: 客群覆盖广,覆盖15岁+人群,主打15-25岁敏感肌人群。4)品牌规模:2020年1月产品上线,2021年全渠道GMV破8亿元。 基于独特自然成分+研发实力打造产品矩阵。

5.4、HFP:紧跟成分趋势快速起量,产品力被证伪+无爆品接替显颓势

6、如何判断国货龙头未来产品矩阵的完善方向?

6.1、国货VS海外大牌:最大差距在于研发实力,国货越发重视产品力提升

国货VS海外大牌:最大差距在于研发实力,国货在趋势跟踪的紧密度及反应速度上普遍优于海外大牌。海外大牌优于国货之处:基础研发积累时间更长,形成专利成分/技术壁垒;产品价格带普遍更宽(强研发带来议价权,高端线拓展更顺 畅)、生命周期更长。国货优于海外大牌之处:因其国内电商渗透率远高于海外,国货对于趋势跟踪的紧密度、反应速度普遍优于海外大牌,体现在:推新节奏 更快、爆品迭代更快。

@@=it.name$$

@@=it.status_text$$ @@=it.title$$ @@=it.start_time$$

@@??$$ @@? it.extraInfo.live_status === '2' || it.extraInfo.live_status === '3'$$ @@? it.detail.baseInfo$$ @@? it.detail.baseInfo.m3u8url$$

MATLAB实现消除趋势项

zxcwxkp 于 2020-10-14 11:14:17 发布 7734 收藏 59

一、函数调用

1.消除线性趋势项

2.消除多项式趋势项(趋势为非线性曲线)

3.使用sgolay滤波器消除趋势项

1.问题背景

(1)使用polydetrend去除趋势项

在这里插入图片描述

(2)使用sgolay滤波器消除趋势项

在这里插入图片描述

Detrended Fluctuation Analysis,DFA,DFA是1994年由Peng等基于DNA机理提出的标度指数计算方法,用于分析时间序列的长程相关性。 DFA 方法的一个优点是它可以有效地滤去序列中的各阶趋势成分, 能检测含有噪声且叠加有多趋势信号的长程相关, 适合非平稳时间序列的长程幂律相关分析。

自用的DFA算法,需自设参数,用于数据处理,信号处理,机器学习等方面。全称:Detrended Fluctuation Analysis,DFA,DFA是1994年由Peng等基于DNA机理提出的标度指数计算方法,用于分析时间序列的长程相关性。 DFA 趋势2外汇交易系统下载 方法的一个优点是它可以有效地滤去序列中的各阶趋势成分, 能检测含有噪声且叠加有多趋势信号的长程相关, 适合非平稳时间序列的长程幂律相关分析

03-03 6万+

01-14 趋势2外汇交易系统下载 7098

一、带你了解基线漂移 1. 什么是基线漂移? 一个特别低频的曲线叠加到了原始信号上,使得原始信号有缓慢的轻微的上下浮动的趋势。如下图: (参考:信号基线漂移是什么意思?) (参考:心电 基线漂移的处理研究论文) 2. 基线漂移的危害? 如果不消除基线漂移/趋势,那么会把趋势当作真是采集的原始信号,会影响信号的准确性和后续的数据处理结果。 存在基线漂移时,在进行 FFT 分析、相关性分析和功率谱密度分.

04-12 1948

1.介绍 去趋势处理可以去除传感器获取数据时产生的偏移,可以将数据分析集中在波动上 2.原理 对数据减去一条最优(拟合)的直线,平面或者曲面,使得处理后的数据均值为零 3.函数 3.1连续线性趋势 y = detrend(x) # 从x的数据中去除最优的直线拟合 y = detrend(x, n) # 当n = 0 , 去除均值;n = 1, x去除线性趋势;n = 2 ,去除二次线性趋势 clc; clear all; close all; t 趋势2外汇交易系统下载 趋势2外汇交易系统下载 = 0:20

03-09 1544

1.数据格式:n行数据保存在txt里面 2.命令行窗口输入:a=load(‘E/filepath/filename’) 3.取第列做计算:b=a(:,n) 4.命令行输入:cftool 5.结果: 其中p1为趋势,若需要±则由括号内两数相减得到。

03-18 1510

文章目录1、引言2、采用多式拟合的方法3、使用Numpy去除信号趋势 1、引言 在我们采集传感器信号的时候,由于传感器受温度影响,使得采集到的信号存在频移现象(趋势),这种频移现象往往影响对信号的分析和识别。所以我们要消除这种趋势。 2、采用多式拟合的方法 原理暂时pass 3、使用Numpy去除信号趋势 import numpy as np import matplotlib.pyplot as plt def trend_remove(x, y): # param = np.p

05-06 271

光谱去趋势的目的:消除传感器在获取数据时产生的偏移对后期计算产生的影响,将分析集中在数据趋势本身的波动上。 去趋势:数据去趋势,就是对数据减去一条最优(最小二乘)的拟合直线、平面或曲面,使去趋势后的数据均值为零。 操作步骤: 1.长度为N的时间序列,计算其累积离差值并转换为新序列: 2.将y(t)以等长度划分为不重叠的m个区间,n为区间长度,即时间尺度,m为区间数量,为𝑁𝑛N/n的整数部分; 3.对每一段序列采用最小二乘法线拟合出局部趋势y_n (t) 4.对y(t)剔除每个区间的.

06-15 8174

预处理丨去趋势(Matlab和C++) 预处理丨去趋势(Matlab和C++) 介绍 原理 MATLAB 实现 C++ 实现 本科没学过信号处理,对采集的数据需要做预处理,如去趋势,本文介绍一下去趋势的作用和方法! 介绍 1. 去趋势波动分析(detrended fluctuation analysis,DFA)算法是由 Peng 等提出的,适合分析信号的长.

10-20 2161

文章目录趋势分量对频域分析的影响detrend去趋势函数(Matlab、Python)detrend的C语言实现 趋势分量对频域分析的影响 在对信号做频域分析时,如果有趋势的存在,会对分析形成干扰。仿真一个有斜率的线性信号,仿真信号及其经过傅里叶转换后的频谱如下图(左图为时域图、右图为频域图)。由此可见斜坡信号中低频信号幅值较大,随着频率增加,幅值减小。 我们再来仿真一个线性信号与正弦信号的叠加信号。正弦信号周期为100s,幅值为0.2。该信号的时域图和频谱图如下图所示(左图为时域图、右图为频域图)。由

03-11 1万+

原文地址:时间序列趋势提取(Matlab)作者:我爱春秋matlab可以使用detrend函数去除时间序列x中的均值或线性趋势,这在FFT处理中尤其常用。 格式: y = detrend(x) % 消除时间序列中的线性趋势 y = detrend(x,'constant') % 消除时间序列中的均值 y = detrend(x,'linear',bp) % 分段消除时间序列中的线性趋势,bp

90%的人都知道分子诊断的趋势,可惜80%的公司都做不出来产品!

抗生素滥用催生超级耐药微生物,如果不采取有效措施,预计到2050年全球每年将有1000万人死于耐药菌的感染,经济损失将达到100万亿美元,微生物耐药已经成为全球公共卫生危机。传统的细菌培养需要较长的检测时间,大多数病毒在体外难以培养甚至不能培养,而分子诊断可以快速诊断微生物的耐药性,赛沛在2020年推出的Xpert® Carba-R Assay 碳青霉烯耐药基因检测试剂盒,同时报告5大碳青霉烯耐药基因blaKPC,blaNDM,blaVIM,blaIMP和blaOXA-48。

04 新冠疫情加速行业发展,国内PCR实验室遍地开花

疫情前PCR实验室主要是在大型三甲医院、CDC、科研院所实验室等机构,对人员素质、设备、实验室环境都有非常高的要求。疫情发生以来,二级以上医院加上第三方ICL新建了近10000家PCR实验室,使我国的核酸检测能力短期内大跨步提升,有效缩短了“全民检测时间”。后疫情时代,如何发挥这些“花巨资”建设的PCR实验室功能成为一个新课题,院内通过开展分子诊断既可以解决检测周转时间(Turn-around time,TAT),减少PCR实验室空置问题。

全球市场规模也呈现稳步增长的态势,有数据显示,2013-2019 年全球分子诊断市场规模由57亿美元增长至113.6亿美元,年复合增长率为12.18%。BCC Research报告预计,全球分子诊断市场将从2021年的176亿美元达到2026 年的426亿美元,复合年增长率为19.3%。

02 分子诊断行业发展趋势

自1983年Kary Mullis发明了PCR技术,PCR技术被广泛应用于产前诊断、肿瘤早筛、传染病检测、伴随诊断、耐药性检测等诸多场景。目前市场上分子诊断的技术主要分为PCR技术、基因测序、荧光原位杂交(FISH)和基因芯片四个大类,PCR技术是应用最成熟、市场份额最大,国内获批的分子诊断产品中,基于 PCR 技术的产品超过90%。

①改良温控模块,提升变温速度:一方面,半导体致冷片(Thermo Electric Cooler,TEC)模块随着技术的突破可大幅提升升降温速度,加上算法优化可将PCR反应时间控制在20分钟以内。另外,通过设置温区,让扩增容器或液体在不同温区间来回移动实现扩增反应,也是一种思路。

②改良反应容器(即PCR管)

③减小反应体积PCR反应体积越小,升降温速度更快,精度更高。

除了上述改良,更加需要试剂性能的同步提升,快速Taq酶筛选及反应体系优化成为助力快速PCR实现的关键步骤。

快速,必须以不降低性能为前提!

02 试剂液体保存

产品开发与应用场景是紧密关联的,临床分子诊断与其他应用相比有极大的区别,临床分子诊断行业想要真正发展起来,必须要洞察临床应用场景的终端需求,才能开发最符合临床使用的产品形态。

01 样本随到随检

这是近年来国内外最为热门的领域!国际上有一些分子POCT玩家,市场上认可度比较高的有:赛沛GeneXpert、生物梅里埃 Filmarray,这两家企业在2021年分别销售35亿美元和12.6亿欧元,虽然销售价格昂贵,但因为产品性能和使用简便依然大卖。其他不错的产品还有Roche Liat & GeneMark、QiaStat-dx、Visby,其中Visby是一款无需设备的微流控手持PCR检测卡,操作简捷,30分钟出结果。

04 大型全自动流水线,全集成

市面上比较知名的是Roche Cobas 6800/8800核酸分析系统,该款产品为Blood Screening血液筛查(HBV HIV HCV)而设计开发。

③ 通量太低。Roche Cobas 6800的通量是 96 results /3 h、864 results/8 h、1440 results/24 h;Cobas 8800的通量是96 results /3 h、1824 results/8 h。整体通量并不算快。国内某发光企业推出的全自动核酸分析系统,100min出第一个结果,200测试/8小时,一小时只能处理25个测试;杭州某公司,通量是32测试/小时。