網(wǎng)絡(luò)協(xié)同：Uber錯在哪
Uber是有史以來成長最快的公司，創(chuàng)立不到六年，估值已經(jīng)攀升到600多億美金。更重要的是，這家公司產(chǎn)生了巨大的社會示范效應(yīng)。Uber開始代指共享經(jīng)濟，成了最熱門的詞，一段時間很多人都在說要做某某領(lǐng)域的Uber。
但是在高速發(fā)展之后，這一年多Uber碰到了很大的挑戰(zhàn)，增長乏力。 Uber到底做對了什么？又在哪些方面有什么樣的欠缺？深入地解剖Uber可以更好地幫助我們理解和把握新商業(yè)模式的核心要素。
Uber做對的事：數(shù)據(jù)智能
毫無疑問Uber是共享經(jīng)濟的先行者。特別是在美國，傳統(tǒng)出租車在大部分城市受到牌照的限制，供給嚴重不足，價格高昂，而且很多地方根本就沒有出租車的服務(wù)。
Uber鼓勵很多業(yè)余司機加入進來提供出行服務(wù)，釋放了大量的社會閑置資源，極大提高了客戶體驗，帶動了共享經(jīng)濟的發(fā)展。這肯定是Uber成功的關(guān)鍵要素之一。
但大部分人可能沒有意識到， Uber的成功很大程度上也是建立在數(shù)據(jù)智能的基礎(chǔ)之上的。 Uber把一個傳統(tǒng)行業(yè)改造為了一個基于數(shù)據(jù)和算法的智能商業(yè)。由于移動互聯(lián)網(wǎng)的普及，智能手機變得極為廉價，GPS的實時地圖服務(wù)也足夠的準確，乘客和司機的位置可以實時在線。而云計算、人工智能、機器學習的高速發(fā)展，使得實時匹配海量乘客和車輛成為可能。乘客和司機能夠得到的高效和便捷，遠遠地超出了傳統(tǒng)出租行業(yè)。
同時，由于數(shù)據(jù)智能引擎的存在還有很多創(chuàng)新被引進。最核心的就是市場定價。通過高峰期加價，引導乘客用不同的出價方式表達自己的需求，打破了傳統(tǒng)定價的剛性，這是非常典型的用市場化的方法解決社會問題。沒有數(shù)據(jù)智能的基礎(chǔ)是做不到的。
但是近兩年Uber的發(fā)展似乎進入了瓶頸期，一方面追趕者的腳步日益迫近，同時它進入新的領(lǐng)域也屢遭挫折，這些都表明它正在面臨一些根本性的挑戰(zhàn)。理解這些挑戰(zhàn)一方面可以幫助我們理解互聯(lián)網(wǎng)時代商業(yè)模式的關(guān)鍵，同時更重要的是，幫助那些想模仿Uber模式的創(chuàng)業(yè)者，對于自己未來的取舍有一個更清晰的認知。
Uber忽略的事：網(wǎng)絡(luò)效應(yīng)
Uber問題的核心在于沒有真正意義上的網(wǎng)絡(luò)效應(yīng)。 互聯(lián)網(wǎng)時代價值創(chuàng)造最重要的源泉是網(wǎng)絡(luò)效應(yīng)。Facebook、微信都是非常典型的需求端的網(wǎng)絡(luò)效應(yīng)，用戶會主動傳播，幫助企業(yè)接近零成本地獲取新用戶；用戶越多就會吸引更多的人加入這個網(wǎng)絡(luò)，這個網(wǎng)絡(luò)的價值自然就越來越大。
如果我們認真思考Uber的核心優(yōu)勢，從經(jīng)濟學的角度來說，Uber其實并沒有享受到多大的網(wǎng)絡(luò)效應(yīng)。它更大的價值還是來源于傳統(tǒng)的規(guī)模經(jīng)濟。快速擴張供給端，吸引眾多的司機到這個平臺上，帶來規(guī)模優(yōu)勢。原來被擋在專業(yè)門檻之外沒有牌照的服務(wù)者，加入了市場提供服務(wù)，大大地提高了服務(wù)質(zhì)量，也降低了價格。
一個重要的推論是沒有網(wǎng)絡(luò)效應(yīng)，單靠規(guī)模經(jīng)濟是沒有辦法形成壟斷的。 那些依靠網(wǎng)絡(luò)效應(yīng)的企業(yè)，類似微信，才能夠贏者通吃。如果在需求端沒有網(wǎng)絡(luò)效應(yīng)，供給端的規(guī)模效應(yīng)再強大，用戶的轉(zhuǎn)移成本依然很低。
就像很多人手機上曾經(jīng)裝過好幾個租車的App，無論是滴滴、優(yōu)步、神州還是易到，使用時可以隨時切換。這么重要的高頻應(yīng)用為了使用時的方便，獲得確定性的服務(wù)，對于用戶來說，多下載一個App并不算太高的成本。同時由于在波峰時期，幾乎沒有任何一個網(wǎng)絡(luò)能夠提供足夠好的體驗，所以給跟隨者也留下了生存的空間。更不用說司機們，同時安裝幾個App、同時接單幾乎是常態(tài)。
這其實是說， 規(guī)模經(jīng)濟的壁壘比網(wǎng)絡(luò)效應(yīng)的壁壘要低得多，可以使用海量資本進行密集轟炸而克服。 就像今天我們看到的，在中國即使滴滴和Uber合并了，神州依然在擴張，同時首汽約車、曹操專車等新的玩家還在不斷進入。滴滴即使取得了這么大的規(guī)模優(yōu)勢，它依然沒有辦法形成壟斷，防止不了新的玩家進入這個市場。
另外值得強調(diào)的一點，Uber能夠如此快速擴張的根本原因之一，是打車作為一個用戶場景相對簡單，從一個簡單的點切入，可以帶來快速的發(fā)展。但是這樣一個簡單的場景，同時也制約了Uber發(fā)展，限制了它成為更加復(fù)雜的多邊市場和更有生命力的生態(tài)潛力。
這一點很重要，因為這關(guān)系到網(wǎng)絡(luò)協(xié)同是怎么在實際中發(fā)揮價值的。
網(wǎng)絡(luò)協(xié)同的力量
我們拿Uber和淘寶作一個對比，就能夠比較清楚地看到這一點。
相對于打車，淘寶要處理的是復(fù)雜得多的商品交易。當年為了完成這個幾乎不可能完成的任務(wù)，淘寶逐步地摸索出了在線支付、擔保交易、信用評價、消費保證等一系列看起來不那么重要，但是實際上至關(guān)重要的知識體系。
為了逐步摸索出這些服務(wù)，淘寶早期的發(fā)展速度并不算快。一直到2007年，大部分人并沒有把淘寶當作一個快速發(fā)展的互聯(lián)網(wǎng)企業(yè)。但是當這些體系一旦建立了，加上淘寶從服裝等主打類目快速擴張到更多的類目，最后形成萬能的淘寶概念的時候，這個平臺的橫向擴張能力就非常大了。所以它會快速地從2008年的1000億擴大到2012年一萬億的年銷售額。
同時由于這個橫向積累是很厚實的，在縱向方面平臺也有了強大的拓展能力，淘寶逐步從零售走到廣告、營銷、物流、金融等新的創(chuàng)新領(lǐng)域。 淘寶能有這樣的廣度和深度，很大程度上是由于網(wǎng)絡(luò)自己有很大的擴張動力。不同類型的賣家聚集在一起，不但可以分攤各種基礎(chǔ)服務(wù)的成本，也能分攤獲取客戶的成本。淘寶的核心是商品的豐富性，不是簡單的規(guī)模。
而Uber上的司機也好、乘客也好，都是相當簡單和同質(zhì)化的角色，這樣的網(wǎng)絡(luò)是缺乏自主生長動力的。Uber在打車之外一度被寄予厚望的快遞服務(wù)、送餐服務(wù)的業(yè)務(wù)擴張并不順利，根本原因在于這不是原有網(wǎng)絡(luò)的自然延伸，而需要靠管理者去復(fù)制在原有領(lǐng)域的成功。
但是在這個時代，靠管理去復(fù)制原有模式，是很難比得過在另一個領(lǐng)域里面有更深積累的創(chuàng)業(yè)者的爆發(fā)力的。所以我們可以看到，其他所謂Uber化的場景，反而是創(chuàng)新的團隊贏了，而Uber并沒有擴張出去。
當我們把Uber跟淘寶做了一個直接的對比之后，大家就能看到商業(yè)模式DNA的重要性。淘寶作為一個協(xié)同網(wǎng)，是在廣度跟深度上不斷快速自我擴張。在這個基礎(chǔ)之上，又加入了數(shù)據(jù)智能帶來的價值，所以淘寶帶動整個阿里巴巴集團快速推進到了3000億美金這樣的市值。
但回過頭來看Uber，如果我們扮演一個事后諸葛亮的角色的話，可以說Uber在短短的時間內(nèi)突破到600億美金的估值，核心是數(shù)據(jù)智能這個引擎在出租車這個足夠大的市場瞬間得到了爆發(fā)，創(chuàng)造了巨大的價值。但是Uber這兩年發(fā)展的停滯，包括我們沒有聽到它要上市的計劃，原因在于大家不清楚Uber下一個價值創(chuàng)造的源泉是什么。
也許可以做個判斷，Uber在網(wǎng)絡(luò)協(xié)同的方向上已經(jīng)不太有什么可能性了，這是因為它的DNA天然就比較局限。它起步于一個很薄、很簡單的用戶場景——打車，這個場景本身不太具備相關(guān)擴張的可能性。所以我們也可以看到Uber把自己下一步的發(fā)展方向定為了自動駕駛。但是自動駕駛本身又是一個巨大的挑戰(zhàn)，除非Uber在這個領(lǐng)域有足夠大的進展，它的整個發(fā)展，包括市場對它的估值暫時都不會有一個大的突破。
今日小結(jié)
今天我們結(jié)合之前的理論，具體分析了Uber這一案例。
在Uber的發(fā)展過程中，它做對的是用數(shù)據(jù)智能來提升了打車這一雙邊市場的匹配效率。而它忽略的，是沒有在網(wǎng)絡(luò)效應(yīng)上有真正的突破，網(wǎng)絡(luò)協(xié)同的廣度和深度都不夠。
希望通過這一講對Uber案例的深入分析，你可以對比、認真思考，自己所在企業(yè)在商業(yè)模式方面的積累。在哪一個方面積累的商業(yè)DNA比較強，往哪個方向發(fā)展的可能空間更大。歡迎你與朋友分享，一起參與討論。
? ? ? ? ? ? ? ? ? ? ? -----曾明
