钛媒体新平台诞生的机会在哪里?( 三 )


除开高折扣的团购本身难以形成一种可持续的商业模式 。 美团团购当时没有做得太大 , 也是因为只把需求这半边数据化做到位是不够的 , 它还需要在供给(餐厅)数据化这边有足够的积累 。
这恰好是美团创立前 , 大众点评已经吭哧吭哧了做了 7 年的事情 。 通过 B2C(企业到客户)与一点 C2C(客户到客户)的方式 , 大众点评费了很大劲将餐厅数据化 。 整个过程在早期颇有挑战 , 且效率不算高 。
早年餐厅信息在网络上非常匮乏 , 让餐厅在网上放自己的信息也并不常见 。 当时 , 也很少有人有上网查找餐厅的习惯 , 更别提吃完跑到网上给餐厅写点评了 。 据《创业家》报道 , 大众点评创始人张涛有段时间天天泡在图书馆里 , 找媒体刊登过的餐厅 , 录入到大众点评网;大众点评也曾派驻员工把一个城市里面 , 能找到的餐厅资料都收录到平台里 。
到 2010 年 , 围绕「在餐厅吃饭」这件事 , 美团、大众点评已经依靠运营手段 , 分头去做了需求与供给的数据化 。 美团及千团大战培养了用户上网购买餐饮等服务折扣券的习惯 , 大众点评则教育了餐厅把信息放到网上 。
同一时期 , 一个关键的外力—— 陀螺仪和定位传感器的进步 , 让智能手机开始承担 GPS 的功能 。
加上地理位置这个数据化的维度之后 , 大众点评过往积累的已经数据化的供给(餐厅信息) , 开始变得格外有用 。 因为智能手机用户随身携带 GPS , 用户的需求可以跟其所在的地理位置密切相关 。 简单点说 , 在智能手机上查找附近的餐厅或者服务变成迫切、实际的需求 。 这些需求与供给(大众点评积累的餐厅信息)连起来 , 价值就变大了 。
2015 年 , 美团与大众点评合并 。 它们早前分头创造的高度数据化的需求与高度数据化的供给开始融合起来 , 合并后的新平台就能显著地提高供需匹配的效率 。
这里 , 也讲一下美团外卖 。
2013 年 , 美团做了外卖 。 按照我们反复提到的数字化逻辑 , 美团外卖有意思的一点是 , 多做了一步供给的数据化 。
为什么这么说?以前用户在使用大众点评的时候 , 了解的主要是商户信息 , 很难拿到一张完整版的电子菜单;而在美团外卖平台上 , 我们能看到一道道的菜品 。 这相当于 , 供给数据化的颗粒度从餐厅进一步细化到了餐厅里的每一道菜 , 即用户可以直接购买商品 , 而不只是选择并寻找商户 。
总结来看 , 美团点评之所以能够成为一个大平台 , 一方面在于美团通过团购把用户的需求上线 , 另一方面得益于大众点评把餐饮商户这部分供给上线 。 合并之后 , 需求和供给高效地连起来了 。
美团点评通过外卖服务将餐饮行业数字化之路又往前迈了一步——通过运营商户实现了商品的数据化 。
此外 , 美团点评的崛起过程 , 我的两点 takeway 是:

  • 如果你像大众点评那样 , 早于需求爆发就提前埋头做了供给的数据化 , 这件事本身也足够有价值 , 即使当时还没有出现对应的商业模式 , 也可以等需求慢慢上线之后 , 再来解决商业模式的问题 。 否则 , 当时你需要投入很多资源来教育市场 , 告诉用户为什么要用你 , 以及怎么用 。
  • 相较于大众点评苦等数年才等到了需求的数据化 , Uber 和滴滴的出现 , 则说明当供需两端同时实现数据化程度的质变 , 是新平台迅速崛起的绝佳契机 。
伴随着智能手机普及度的提高 , 乘客人手一个 GPS , 司机也人手一个 GPS。 乘客原来没法被精准表达的需求信息(在哪里、要去哪里)变成了数据 , 司机相关的信息(现在在哪儿、离乘客多远、多久能到)也被变成了数据 。 供需两端的位置信息同时被数据化了 。
钛媒体新平台诞生的机会在哪里?
本文插图


推荐阅读