
文 | 林超
本文獲得作者授權發(fā)布
林超
廳客app聯(lián)合創(chuàng)始人&CEO
成功創(chuàng)辦過三家高科技和互聯(lián)網消費類公司,中山大學數(shù)學和金融雙學位,在廳客的第二職業(yè)是:人類學家。廳客目前獲得PreA 數(shù)千萬人民幣融資。在1月8日舉辦的2016大數(shù)據(jù)生態(tài)縱覽峰會·共享經濟分論壇上,林超分享了他關于共享經濟在中國應用的觀點。本文是他主要觀點的集中體現(xiàn),收錄在此,以饗讀者。
最近CCTV財經頻道制作了一期共享經濟的節(jié)目,節(jié)目提到“共享經濟正在從一個新鮮事物變成我們生活的一部分,一個新時代被開啟了”。共享經濟的話題在中國又熱起來了。這一次,可能不再是虛火。
那么,共享經濟在中國該如何落地?
首先,共享經濟在美國是個環(huán)保問題,但在中國卻是個再就業(yè)和掙外快的問題,那么發(fā)源自美國的共享經濟成功模式遷移到中國來適用嗎?
我們先來看下面兩張圖。
第一張是《經濟學人》雜志某一期專門探討共享經濟主題的封面:
從這張圖里面,我們可以看到美國人是怎么理解共享經濟的。
總結起來,我們看到了兩樣東西:
第二:東西很多
第二,在中國落地就要抓住中國特色的機會
那么,中國的勞動力市場到底有什么主要特征呢?如果你是一個共享經濟的創(chuàng)業(yè)者,那么這里有三個維度可以幫助你更好的理解中國的獨特性。
城市維度
我們可以把中國的城市抽象成:鄉(xiāng)鎮(zhèn)、四線城市、三線城市、二線城市、一線城市,五個層次。
學歷維度
中國的勞動人口的學歷維度可以分為:小學學歷,初中學歷,高中學歷,大專與普通大學學歷,211/985大學學歷。
年齡維度
年齡是一個至關重要的維度,信息文明高速發(fā)展推動的年齡代際更迭使得每個年齡層的互聯(lián)網使用者都表現(xiàn)出完全不同的行為模式。所以,我們先粗略的把用戶分為50后、60后、70后、80后、90后。
把這三個維度組織起來我們可以得出一個三維的勞動力人群劃分圖:
上圖,實際上就是我們理解中國人口國情的一張藏寶圖,三個維度分別切分成五個類別,5的三次方,可以劃分125個區(qū)間,每個區(qū)間的勞動力激活都可能產生機會。
比如,我們可以舉個例子:達達快遞是利用移動互聯(lián)網的能力,成功的激活了在一二三線城市居住的,80、90后,中專及以下的勞動力的碎片化時間掙外快問題。
回家吃飯便是滿足了一二線城市居住的,50、60后,中專及以下的勞動力再就業(yè)需求。
廳客則是滿足了一二線城市居住的,80、90后,大專及以上勞動力的探索人生另一種工作方式的需求。
第三,分清你的產品是需求場景,還是需求品類
做共享經濟到底是“選擇品類”重要,還是“鎖定場景”更加重要。要理解這個問題,我們需要引入一個概念,就是引力。
重資產品類”引力強,圍繞自身形成場景;“輕資產品類”引力弱,需要圍繞場景構建品類。
比如,我們可以說 uber 捕捉的是打車需求產生的前后5分鐘的場景。Airbnb捕捉的是在旅行中最關鍵的住宿選購的場景。
他們的區(qū)別在于前者是從使用者的視角看問題,后者是從被使用的物品為視角看問題。
兩種不同的視角取決于品類的輕重。 比如,房子非常重,車子非常重,孩子非常重,所以圍繞他們就容易形成圍繞場景。但是,燈泡很輕,凳子很輕,電鉆很輕,吃個便飯很輕,所以這些往往會融入到其他的場景中。
當你切入共享經濟類別相對輕的時候,品類自身的引力不夠形成周邊場景,這個時候你就要轉化思路,主動融入其他場景考慮問題。
比如“Enjoy”從高體驗餐飲場景切入,構建了一個體驗經濟的核心場景,從而逐漸切入其他零食,甚至手工藝品就顯得順理成章。而“覓食”選擇了覆蓋所有飲食場景的全品類切入方式,反而有可能讓用戶覺得無所適從,最終只使用其最核心的一到兩個場景,使得其他場景枯萎。
或者,如果你是做個人手藝的共享經濟,那么你提供的共享服務層次和類別差異可能非常大。比如你提供主要是按摩、美甲、身體護理類的服務共享經濟,這就是一個輕品類,它其實隸屬于多個完全不同的場景,比如辦公室場景、家庭上門服務場景、周末姐妹聚會場景。服務于不同的產品完全可以形成徹底不同的產品形態(tài)。
第四,看清打開頻次與傳播率之間的關系
作為一個交易平臺,高頻打低頻的理論相信大家也是耳熟能詳。
不過,到底為什么高頻產品可以侵蝕低頻產品呢?
這個可以看成是一個進化生物學問題,不過最終還是一個數(shù)學問題。
理查德.道金斯在他的著作《自私的基因》里面對于原始海洋中基因間如何競爭有過精彩的描述。進一步用數(shù)學來解釋就是,如果有AB兩個產品:
A產品用戶體驗非常好,用戶滿意度極高,每次使用都能產生200%的傳播,但它一個月的時間只有5次用戶打開。
B產品用戶體驗做的一般,用戶滿意度一般,每次使用只能產生5%的傳播,但是它用戶打開頻率很高,一個月能打開200次。
那么一個月后,A產品傳播結果為243,而B產品的傳播結果則是驚人的17292。
所以,一個自我復制頻率高但是每次復制能力低的產品,會勝過一個自我復制頻率低但是每次復制能力強的產品。
以上四點即是我對于“共享經濟如何在中國落地”的一些看法。正如央視財經頻道所說,共享經濟在中國已不是新鮮話題,它將越來越成為我們生活的一部分,我們也會進入一個全新的經濟共享時代。
end
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11