「拼多多」:大棋局里,一只棋子的自我修养
拼多多或许是中国移动互联网兴起以来,成长最快的公司。
11 月 20 日晚间,拼多多公布了 2019 年第三季度财报。财报显示,过去的 12 个月,平台年活跃买家数达 5.363 亿,较去年同期净增 1.508 亿,创上市以来最大单季增长。
这意味着,拼多多已经正式成为 5 亿人都在用的拼多多。5.363 亿的用户,远超同期京东的 3.344 亿,距离阿里的 6.93 亿也越来越近。
很难想象,在厮杀疯狂的中国电商市场,拼多多用不过四年就打破了电商阿里、京东对垒的格局。
就连中国最擅长捕捉独角兽企业的顶级投资人之一,红杉资本中国负责人沈南鹏曾感叹,原来以为电商这个行业不会再有机会的。然而,在看起来没机会的市场中,拼多多还在以平均每年增加 1 亿多新用户的速度狂奔。
伴随着拼多多的迅速壮大,关于它模式的争论和质疑逐渐减弱,大家思考更多的是,拼多多做对了什么?更深一层的问题是,为什么在这个时间节点诞生了拼多多?拼多多的崛起,是偶然还是必然?抑或,是必然之中,偶然性因素推动的结果?
一开始,人们以为拼多多只是运气好,赶上微信社交流量红利,进入移动互联网的小棋局;后来大家渐渐发现,广袤的中国大地存在多种消费需求,拼多多发掘了「五环外」的新增市场;最后连上供给端一看,传统工厂还有那么多优化空间,原来这是中国制造业的大变局。
美团创始人王兴曾在美团上市前感慨,「好棋手通常都知道并接受自己同时也是更大棋局里的棋子」。2015 年从微信闯入,同在移动互联网中下棋的拼多多也不例外。事实上,每一个成功的企业都是时代棋局的一部分。身为大时代棋局的棋子,你需要有棋子的自觉,知道棋局的大势所在,也知道如何日拱一卒。
「拼团」 背后的电商棋局腾挪
要说拼多多和传统电商哪里不一样,「拼团」无疑是最显著的一个标签。
「拼团」并非新鲜事。2010 年团购 O2O 公司大规模涌现,最后只有美团独自生还。只不过相隔数年,两种「拼团」模式兴起的时代背景已经发生变化。
当年那波「千团大战」,本质上是线下行为的线上迁移。而拼多多起家时,机遇已经转向了移动互联网,拼团已经不是一种线上线下的迁移,而是彻底扎根于线上的流量聚合新手段。
十年间,阿里通过手淘和天猫,建立了 5 亿用户的流量池,而移动互联网的发展,却逐渐形成了一个电商流量池和全域用户的缝隙:理论上同样有网络购物需求的 10 亿用户,只有一半被传统电商所承接。如何让这些用户迅速「转化」为电商用户,最有效率的方式,是植根于社交之中的「拼团」。
拼团模式,从第一个层面看,可以为拼多多低成本带来用户和收入。据《海豚智库》估算,2017 年拼多多的获客成本不超过 8 元,同期,阿里的获客单价已经超过 200 元。2018 年,拼多多获客成本虽然已经上涨至 140 多元,但仍是其他电商平台的三分之一。
而拼多多的拼团作为电商平台的初始流量模型,也悄悄埋下了后续变革的种子。
拼团模式的本质,是在短时间内汇聚爆发性流量需求,一方面,以最短的速度实现了「5 亿用户上网购物」的流量扩展目标,另一方面,拼团模式是将需求前置,平台从而可以通过需求信息来协助改造后端供应链,从而创造出新的供需模型。
什么是真正的「消费升级」?
中国人口众多,地区差异很大。很长一段时间,人们对「消费升级」的理解相对分裂。
一种认为,只有高收入群体存在消费升级的需求。他们追求品牌和品质的升级,主要表现为品牌溢价。众多轻奢品牌、小众品牌的创业公司涌动,是希望通过创造品牌来收获品牌溢价。
一种认为,所有人都存在消费升级的需求。上海人和巴黎人的消费差距已经很小,反倒是更多四五线城市的人,更需要「从无到有」的体验。这背后是商品准确匹配需求的升级,主要方向是不断了解、匹配市场需求,这也是拼多多奉行的路线。
至少从 GMV、用户数量来看,前者仍然只是一小部分人的「小趋势」。
去年为一二线城市白领提供品牌商品的平台,GMV 大约只有 20 亿元,而早一年成立的拼多多 GMV 为 4716 亿元;在一年发展后,今年 618 期间,前述平台的日活用户甚至不到 20 万,而拼多多的日活用户超过 1.2 亿。
至于阿里和京东,由于受产品定位和发展阶段限制,目前仍然是渠道销售的逻辑,只能在双 11 搞复杂的活动营销。一个典型的案例是,天猫在双 11 购物节期间,早已经悄悄地开始了宣传「品牌新品首发」,而不再是「折扣让利」。
事实上,过去几年,有着一二线城市惯性依赖的电商平台都走向了「品牌+租金」的路线,而相应而来的,是流量成本、渠道成本越来越高,但是中国全域消费者的「性价比」需求却没有得到满足。
人人都追求「性价比」。但中国电商发展 20 年,纯粹做性价比的平台却一直没有出现。
拼团模式的价值,是拼多多借助这样一个爆发性的流量模型,降低了流量成本,再通过分布式人工智能算法,率先走上利用模式+技术优势来实现「性价比」的电商平台,将对手因为发展产生的互联网阶层落差给拉平了,电商也重新成为「简单高效率」的购物工具。
去年 9 月,接近 1.9 亿一二线城市用户使用拼多多,超过中国一二城市总人口数量的一半。近一个季度,拼多多的活跃买家年度平均销售金额,较去年的 894 元增至 1567 元,较上季度的 1468 元也已经增长了 99 元。
高密、中国工厂和供应链未来
天猫不会允许另一个「天猫」成长起来,言下之意,拼多多必须找到自己的增量路径。在通过拼团模式在移动互联网的江湖里掘金,解决了流量增长路径之后,拼多多还需要为「供给端」寻找增量路径。
近日,在各家电商平台纷纷上线各类「百亿补贴」、「领现金」等竞争性策略产品试图与拼多多近身肉搏的同时,拼多多却罕见地跑到了山东高密,和当地政府联手针对当地家纺产业带推起了「新品牌计划」。
这或许也是另一个增量的路径:深入改造供给侧。
中国有很多这样的企业,要么拥有强大供应链,在区域市场有强竞争力,但亟需突破全国;要么长期为国内外一线品牌代工,却没有自主品牌利润很薄;要么营销资源和能力较弱,品牌影响力与生产制造能力不匹配。
而另一端,中国的消费者长期以来很难享受到这些顶级工厂的红利。这些工厂制造的商品,70% 都流向了境外,服务了海外的消费者,而剩余的 30%,又因为品牌难以被中国消费者感知,变成了白牌商品,进入了低端市场。
移动互联网浪潮下,这些工厂都要改革,他们的商品、品牌和制造能力,才是中国供给侧最重要的资源。
而互联网平台可以通过需求侧的改革,可以推动中小企业的供给侧改革。互联网平台至少可以做到两点:一是基于用户需求的精准定位,二是消除生产的不确定性,精简供应链环节。
关于这一点,黄峥曾在《把资本主义倒过来》一文中阐述:每个人的规划和意愿,以及个体对自身某个行为的确定性的把握,对满足需求的供给方往往是有价值的。它可以降低组织生产的不确定性,可以帮助实现资源以及资本的更有效配置。
意思是,传统工厂生产,商品是经过层层代理商再到消费者,流程是工厂-供应链-大商家-小商家-顾客,倒过来之后就是只有顾客- 工厂,消费者和厂家直接对,没有中间商赚差价。
(高密孚日股份的生产车间。过去二十年,中国积累了罕见的制造业优势,但制造业与内需市场之间还存在着断层)
这一方面,黄峥希望拼多多学习 Costco。这是查理·芒格「最想带进棺材的企业」,以通过会员制预测消费者需求,实现货物供需量的相对稳定著称。
这种「半计划经济」,正是当前中国工厂转型需要的。
2018 年底,拼多多开始全面推行「新品牌计划」,希望用三年实现 10 亿级别的定制化产品年订单量。今年 7 月,该计划的合作方已经超过 60 家,合作厂商基本都是那些过去没有办法直面消费者品牌的厂商。
比如,位于安徽凤阳县的大型玻璃器具制造厂德力,产品占据国内 20% 的市场份额,还能销往 70 多个国家。之前由于不直面消费者,公司对产品的议价权并不高。但在 2018 年底,拼多多的「秒杀」页面上线了专供平台的玻璃杯。一个月后,这款玻璃杯销量超过了 15 万只,远超预期。
一位合作商家分析称,拼多多虽然对上架商品价格要求严格,客单价下降了,但由于能够做到较准确的供需管理,可以减少仓库压货,实际上整体一年还能省 8 万块。
类似的案例,还有可心柔和植护这两个准一线品牌,在几乎没有广告营销等资源投入的情况下,两者总销量已突破 3 亿包。还有深圳家卫士扫地机器人,自主品牌价格只有贴牌的四分之一也乏人问津,拼多多专供款却一年创下十几万销量。
并不是拼多多为品牌投了多少广告,而是拼多多站在中国制造业改革的关口上,以平台身份介入,帮它们做了些升级改造:比如集中用户需求,开发出更符合目标客群的产品,比如减少中间环节,为工厂保留更多利润。
回到本文开头那个问题:拼多多做对了什么?为什么在这个时间节点诞生了拼多多?
商业并不依靠奇迹,依靠的是对棋局的感悟和对自我身份的体察。拼多多、美团、小米等企业的出现,都是有纵览棋局的能力,并在棋盘之上寻找企业生存发展的空间。唯有如此,拼多多才会真正成为「4 岁的 YAO(姚明)」,才能在日拱一卒中,坚持做一个「随时保持赚钱能力的小大人」。
作者暂无likerid, 赞赏暂由本网站代持,当作者有likerid后会全部转账给作者(我们会尽力而为)。Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: