5个维度看破O2O创业数据造假

标签:O2O创业数据造假

访客:31127  发表于:2015-07-30 09:49:36

5个维度看破O2O创业数据造假

O2O领域的热门程度毋庸置疑,半年之间资本暗涌,千树万树梨花开。

商业资本投资都是投入回报比驱动,财团经过严格的财务考察后,是否选择掏钱入伙可以直接表达对企业的商业价值的判断。但大众却鲜少有渠道和机会了解这种商业价值,被各路公司的公关混淆视听;甚至是专业的投资团队,偶尔也会因为跨领域投资被表面数据欺骗。

那么想要看透企业,有哪些维度的核心数据?

先看看有哪些最常接触到的浅层数据。

在可公开的信息和媒体报道中,用户数、订单数、市场份额是最常见的信息,首先减轻这些数据对你造成的影响,他们并不具有说服力。

一个原因是无从求证,留有作弊空间。成熟市场机制完善,数据可信度较高;但本文所分析的新兴市场监督规则匮乏,竞争混乱。

另一个原因是数据本身的价值有限。继一些前人的粗暴打法成功后,越来越多的创业团队投入大成本推广线下,企图短期聚集大量用户、订单,借以“爆发式增长”的帽子抬高公司估值。“一元体验”、“免费享受”这些字眼每天都能在办公楼底听到,再来看“爆发式增长”这个词儿,大家以后也就能有所思考了。

近几年,这种玩儿法有所创新,开始流行秀“峰值订单”,去年某团队的“万人圣诞大趴”就是类似的逻辑——免费体验,万人同场。

站在传播角度上确实是不错的案例,但站在拉新转换角度上,不能当真。当然也还有其他微创新玩法,比如复制做出类似的千人大趴,然后解读为最高库存能力和抗压能力。

但以这种方式,拥堵的现场反而会拉低用户体验,造成品牌伤害。另外以免费提供千人服务的投入成本来说,传播回报和订单转换回报也并不高效。

以上这几种粗暴的推广活动涌入的大多数用户都是垃圾用户,一旦活动结束,这部分用户也无法转换真实订单。

那么,我们如何透过现象看本质呢?要从总服务时长、总交易额、实付比例、工作饱和度和订单间隔时长来了解。

总服务时长(GrossServiceTime)

以本行业为例,现在有个愈演愈烈的趋势就是过于重视订单。因此某些企业会不计效果,在各大社区、超市进行免费下单推广,一时间几十个人的团队就能做到几千订单。

那么如果想要了解企业真实的订单水平,与其看订单数,不如看“总服务时长”,一个小时的体验可以被拆分成N个订单,但总服务时长仍然无法变化,这个数据更为代表性。

点到目前日均GST约12w分钟;下单峰值最高70w以上。而为什么说GST一般来说比较准确,很简单,因为所有企业都需要以这个真实数据来跟劳动者结算工资。

所以即使某些企业在前端把五分钟地推记做一个订单,但在后端仍然只能老实的记录实际服务时长。因此在这种计算方法下,五分钟的地推、刷单、邀请用户下空白单等等方式都立马失去意义。

另外,拆单在另一个角度来说也是拆分体验,本来经过成熟考虑推出的服务模式,被地推拆分成快餐体验,这种方式不仅伤害用户体验,也根本无法形成有效的黏性和口碑传播。

总交易额(GrossMerchandiseVolume)

总交易额 = 订单量 x 客单价。目前点到的日均流水30w,它是一个综合的指标,能直观的反映企业的整体状态,反映深层次的问题。

例如,某企业的真实订单量确实在大幅提升,但同时总交易额并未随之上涨,很可能就是它客单价出了问题。现实中,也确实存在一些创业公司为了冲销售业绩、保订单量,在地推、企业推广、合作等都给出远远低于市场正常水平的价格,换算下来的客单价远低于平台标准;也就因此拉低了总交易额。

这种做法最直接的影响就是破坏了自己的价格体系,而这样长久经营下去的结果,要不然就是持续亏本投入,要不然就只能选择损失这批亏本换来的用户。不仅如此,过低的价格促销会对品牌的定位和价值产生更为深远的影响。

实付比例(RealPaymentPercentage)

总服务水平很高,总交易额也很高,这样是不是就没问题了呢?

还存在一种情况,即企业虽然不会降低客单价,但是在大幅发放高价优惠券,企图留住用户下单。如果要判断是否有这种情况,就需要看实付比例了。

实付比例 = 用户付费金额 / 总交易额

目前行业内的补贴战十分常见,但一些没有计划的高价补贴并不合理。一旦停止补贴,高成本获得的用户很可能会立马流失。

消费者对产品的选择都是用脚投票,用实际的消费反应自己的态度。实付比例可以直接看出价值用户的比例。

这个数据才是平台规模的核心,它反应着用户真正的需求。

在我们的后台内,可以保持跟踪所有用户的支付消费情况,从创业初期到现在,我们的忠实用户的规模以裂变状态急剧扩大,这批人不仅来到了这里,并且一直保持全款下单。

这才是商业本质的回归。

上面的这两个数据都在用户维度,反应目前的发展水平;另外还有一个维度的数据则关切企业的长远发展——技师维度。

工作饱和度(WorkSaturation)

“技师数”跟“用户数”类似,都是包含大量噪音的浅层数据。

供给端是否能保证持续稳定的输出,确实对企业是否能保持高发展有着重要影响。我们团队为配合订单的高增长,技师团队也在同步壮大,全国总规模一直保持着行业第一。

但同时,比这个数据更重要的,是技师资源的使用效率。

事实上,行业内某些企业快速膨胀,导致资源闲置的现象反而更为常见,因此就需要“工作饱和度”(总订单量 / 总技师人数)来反映供应和发展的是否平衡,实现对技师、订单同步增长、技师资源是否被有效利用的动态监控。

更重要的是,可以通过设立饱和度合理值,及时进行调整——减缓技师招聘或加大订单增长,来保证平台技师的时间库存被有效利用合理比例,保持技师收入稳定。

订单间隔时长(orderspacetime)

单纯保证技师的工作饱和显然并不足够,为了保持对行业的敏感性,我们一直在试用各种不同类型的上门服务,发现有个行业隐患的改善效率缓慢。某些公司的上门服务者,他们为了赶订单经常需要从北京城的最东边到最西边,一天来回跑三趟;严重的时候甚至服务者会带有抱怨情绪。

这便带出一个新概念,订单间隔时长(订单与订单之间的路程总和 / 总订单数)。它反映了我们目前的上门经济,每服务一个订单需要付出的路程成本。

工作饱和度保证了技师的收入基础,而订单间隔时长的优化则是为了技师收入能持续提高。如果不对此进行优化,那么即使在订单完全充足的情况下,单人的日最高服务单数仍然固定;长久下去,技师收入瓶颈明显,缺乏可增长空间,无疑会成为他们考虑进入上门行业的巨大阻拦。

换个角度,对于企业来说,如果使用无法把技师的时间成本最大化利用,那无疑也会成为自我限制的关键。

而提高饱和度、降低订单间隔时长的唯一途径就是算法优化,潜藏在市场增长下面的技术积累,是这些初创团队度过初期的爆发增长后,是否能保持增值的关键。

也正因为如此,我们一直在不断完善自己的 BI 系统:从初期开发的派单系统 1.0,而后新增运营效率、企业成本的监测,用户消费行为跟踪,再到用户模型搭建、订单技师打点匹配图等等功能。

我们坚信这些功底才是互联网做上门经济的意义。上门经济不是单纯的让劳动者从坐店接单到疲于奔命,这些数据的意义,这些技术尝试的革命性才是在真正意义上实现“解放手艺人”。也只有这样,反过来企业的价值才有可能摆脱行业限制,成为一家伟大的互联网科技公司。否则,再新鲜的概念,也只能生产出无趣的“大型上门服务连锁店”,价值仍然沉淀在服务生产,而非真正的“科技改变生活”。

(via:百略网)

5个维度看破O2O创业数据造假

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");