汽车O2O成大风口 易到用车估值30亿美金

1

美国汽车O2O  服务商Uber  估值达182  亿

 

  近日创投圈再传重磅消息:

  2014年6月7日美国打车服务商UBER官方正式对外宣布,公司已完成了一轮12亿美金的融资,总估值达到182亿美金。

  UBER是一个按需服务的O2O网站。网站以最简单的方式,使豪华轿车司机网络化。每一个有需求的用户通过iPhone、SMS、Android向UBER发送请求,从而找到自己的私人司机进而再购买私家车搭乘服务

  伴随资本注入,拿到粮草弹药的美国的打车软件开始大规模跑马圈地,据UBER官方数据,UBER业务已遍及全球37个国家的128个城市,有数十万交通运输服务提供商和数以百万计的消费者接入了平台。

  “  中国版Uber”易到用车厚积薄发 疯狂“逆袭”

  反观本土,嘀嘀打车和快的打车的补贴战役虽已偃旗息鼓,而经过近几个月的疯狂的市场扩张,移动支付和O2O打车市场得到充分培育,消费者利用移动互联实现O2O打车的习惯得到培养。

  而易到用车可能成为最大受益者,易到用车在商业模式上无疑是最接近UBER的一个。

  针对本土的政策进行了大量微创新,采用与租赁公司合作的模式规避政策风险,以此来保证服务的品质。

  从第三方数据了解,成立于2010年的易到用车,是中国首家专业提供商务用车服务的平台。用户通过易到用车APP或官方网站,可以随时预定专车接送服务。目前,易到用车已经覆盖北京上海、广州、深圳、成都杭州、香港等57座城市,2015年将继续扩张步伐,服务普及至国内外超过100个城市。

  就目前而言,易到每月整合租车和司机劳务公司创造近5000个新的工作岗位,降低传统汽车租赁公司汽车空载率,提高汽车和司机的使用效率。而随着易到业务的增长和扩张,易到用车短短四年时间已经从中关村一家普通的科技创业公司成长为全球汽车共享领域的领军公司。

  资本为翼,易到估值或达30亿

  此前易到用车共融资3轮:天使轮获徐小平真格基金投资;2011年8月A轮融资,获得晨兴创投、美国高通风险投资公司千万美金级投资;2013年4月B轮投资,获得晨兴创投、美国高通、宽带资本2000万美金投资。

  2013年12月19日,易到用车成功完成C轮融资,总金额近6000万美金,由携程和DCM领投。华兴资本担任财务顾问。按创投圈预估C轮出让10%左右的股权,C轮融资之后易到估值达6亿美金。

  而易到C轮的融资,不止体现在财务的数据上,携程的入股带来的不仅是真金白银,作为国内OTA绝对的龙头老大,还有实实在在的流量入口:包括机票、酒店、火车票、度假等全线产品中推荐、捆绑易到用车产品,并全面为易到开通服务城市加速。

  携程作为上游流量方战略投资易到用车,同样的技术性资本运作,腾讯京东案是最好的案例。

  腾讯入股京东之前,根据电商上市公司估值模型,并参考京东历年融资/估值、财报数据、发展状况、市场潜力、同业竞争等因素,预测,京东上市估值约在75到100亿美金之间。

  而坊间最多的分析是:从招股书来看,京东前一轮融资数额为3.03亿美金,投资方沙特投资公司王国控股公司持股5%,由此得出,京东在IPO前的估值为60.6亿美金,并不存在“流血”行为。

  转折出现在2013年3月10日,腾讯作为基石投资者携拍拍、易迅等电商资产入股京东。

  后来的事,大家已暗熟于胸,5月22日,京东集团在美国纳斯达克正式上市,开盘价为21.75美金,较19美金的发行价上涨14.5%。按开盘价计算,京东市值约为297亿美金。

  按此估值模型,辅之UBER半年近4倍估值增速,易到用车估值接近30亿美金。

  汽车O2O将是下一个风口?

  伴随移动终端和移动支付的普及和成熟,中国巨大人口和移动社交红利将成汽车O2O最强大的推动力。未来可预见的易到所代表的汽车O2O市场巨大潜能。

  在中国出行消费升级的背景下,创新性地为用户出行提供了便捷、轻松、舒适的汽车O2O服务将成为主流,汽车O2O市场在中国将迎来爆发,作为当前中国汽车O2O领导者的易到极有可能成长为下一个百亿市值的企业。

本文出自义乌用友网:www.yiwuyongyou.com


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值