美团点评上市,王兴的野心和局限

9月20日,王兴终于带着美团在香港实现了上市的梦想,从校内网和饭否的失败创业经历到美团的上市,美团点评IPO成为了王兴过去的一个注脚。

王兴这个富二代,终于用事实证明了自己。

一、美团成长史

美团成长的8年也是中国移动互联网从萌芽到蓬勃发展的8年。

2009年底,看到Groupon在美国发展迅速的王兴开始酝酿做团购网站。2010年3月,美团正式上线。

2011年,美团从腥风血雨的千团大战中脱颖而出,抢占市场份额后率先拥抱移动互联网。

2013年,O2O行业由于移动互联网的成熟而成为风口,美团开始逐步扩张,全面对接O2O行业,从最初的餐饮团购网站发展成为包揽吃喝玩乐酒店上门等服务的大型平台,与此同时美团开始孵化并于年底上线日后将成为其主要业务的美团外卖。

2014年,百度和腾讯双双入局O2O行业,美团的对手从原来的散户上升为巨头,此时美团占据超过50%的市场份额,百度糯米和腾讯系的大众点评也各占不少份额。

2015年,美团点评合并,百度O2O业务宣布破产,美团成为大平台。2016年,美团与阿里巴巴的关系恶化,阿里出售美团所有股权,并以12.5亿美元入股美团外卖的对手饿了么,而阿里旗下的本地生活服务电商平台口碑开始重新运营。2017年,美团继续扩张,从O2O平台向电商平台跨越,打车、新零售、旅行等新业务加入。

直到2018年,美团仍在扩张,但至今仍未实现盈利。据美团点评招股书显示,美团点评2015年、2016年及2017年,分别录得亏损105亿元、58亿元及190亿元。经调整EBITDA分别为57亿元、50亿元、27亿元。

2018年9月20日,美团点评在香港上市。

从小型团购网站到O2O大平台到本地综合服务电商平台再到纽交所上市,美团终于站到了巨头的对面。

二、美团点评上市以及王兴的成长路线

美团点评上市,外界给了王兴很多的评价,有人说美团点评已成为与BAT并肩的互联网公司,也有人说王兴正在超越雷军刘强东。但在玺哥看来,美团点评上市是王兴成长的结果。

回看美团走过的路,它其实说不上有多优秀。在它成立之年,除了靠着移动互联的人口红利积累了大量的用户之外,它在商业模式上很少有创新之处。在2013年之前,王兴对线上线下都还没有形成清晰的认知,就算有干嘉伟的支撑,美团在这个时候在线上线下也没有什么优势。要说在这个阶段美团做对了什么,就是王兴在广告营销投入上的谨慎。这一时期,王兴对资金使用的谨慎使得美团的现金流足够充沛,最后熬死了大多数的竞争对手。

进入2014年,王兴所在的赛道发生了改变,巨头开始入场。在巨头的压力和资本的驱动下,王兴开始改变自己。2015年,在资本的推动下,美团和大众点评完成合并,王兴成为了最后的赢家。今天回看当初美团和大众点评的合并,我们发现,当初的美团并没有多么优秀,除了美团外卖恰好是哪个在点评之外的高频变现工具外,资本在并购中选择了王兴。

也因为资本的驱动,美团开始变得激进,王兴开始变得更有进攻性。那个在过去趋于谨慎的王兴,选择了一条资本为其规划的前进路线。

所以,我们看到了外卖大战,看到了美团打车,看到了美团收购摩拜......这样做的结果就是,我们会发现,美团走上了一条“烧钱”的路。因为太烧钱,所以美团不得不选择IPO进行融资输血,维持美团点评的下一步发展。

或许有人会说,美团点评烧钱是王兴的阶段性战略,其目的就是为了冲刺IPO。这种论调或许有些道理,但真正走上资本路线的美团点评,这种“烧钱”行为,在竞争对手和股东压力之下,想要停住恐怕没那么容易。

三、未来,本地生活竞争是更深层次的商业模式和用户体验的竞争

据研究机构数据显示,2017年,本地生活服务行业整体市场达到11457.4亿元,同比增速高达49.6%,预计在2022年将达到29373.2亿元的规模。在如此大规模市场的引诱下,阿里巴巴、饿了么、京东、美团点评都将自己的视野放在了本地生活消费这个大市场。这是一个比外卖市场大得多的领域。不止阿里、饿了么、美团点评,京东、拼多多等巨头都在对本地生活服务这块大蛋糕虎视眈眈。

在本地生活消费领域,过去的竞争优势将会被极大削弱,大家的竞争也将进入更深层次的商业模式和用户体验的竞争。对美团点评来说,想要保持或者进一步扩张自己的市场份额那么就必须要做出相应策略。

所谓的更深层次的商业模式和用户体验,是指以用户为基础,对盈利能力的挖掘能力。以腾讯为例,它的盈利模式主要有3类,互联网增值服务、移动及通信增值服务和网络广告。其中网络广告属于第一层级,也是最初级的盈利方式,移动及通信增值服务属于第二层级的盈利方式,互联网增值服务则属于第三层级的盈利模式;当然,还有更高层面的投资层级,通过资本+流量的方式,对整个行业进行×××,实现全域覆盖。这是更深层次商业模式探索。美团点评必须在商业模式上有更深层次的探索,找到自己的商业之道,方能在和巨头的竞争中实现真正的突围。

所谓更深层次用户体验竞争,不仅仅是外卖的速度更快,售后更好,也不是价格更低。而是真正和用户成为朋友,为用户提供综合性的全方位的服务,并且在个性化体验上优于竞争对手,比如AI+美食消费,AI+旅游等……呈现千人千面又不局限于千人千面。

在这一点上,美团点评相比阿里、腾讯、百度来说还差得远。特别是阿里和饿了么的融合,早已走在了美团点评的前面。在未来,这种更深层次的商业模式和用户体验的竞争,拼的不仅仅是用户,更是平台的综合实力。

本地生活消费市场的竞争,是一场长期的战争。

三、王兴的野心和局限

美团点评IPO成为了王兴过去的一个注脚。但王兴的野心并不止带领美团点评IPO,他的野心是打造一个超级平台。玺哥曾在过去的文章中有说,王兴有一个超级平台梦。

在商海沉浮多年的王兴,在巨头之间周旋,在努力保持自己对美团的控制权的同时,把美团做成超级平台,成了王兴最大的野望。这个野望来自王兴的内心深处的欲望,他的边界不止美团。

王兴也清楚,如果美团不能做成超级平台,就有被吞噬的危险。

商业格局的变化使得超级平台的黑洞效应更加明显。想想看,腾讯阿里是不是都已经建立了自己的“虚拟国度”。在腾讯阿里的国度中,黑洞俘获的不只是人,还有数不清的竞争对手。

在腾讯阿里的“虚拟国度”里,腾讯阿里就是规则的制定者。作为规则的制定者,腾讯阿里都有稳定的收入来源,腾讯的收入来自用户在平台上的各种消费(增值服务、游戏道具等),阿里的收入来自商家企业在平台上的消费(服务费、广告费)。

阿里是电商帝国,腾讯是社交帝国,美团是什么?团购、电影、酒店旅行、外卖、出行……这些都不足以支撑美团的超级平台梦想。因为他们都有可替代者。

美团做不成行业的帝国,但是美团可以做自己,做美团超级平台!这就是王兴的野心。

美团成功IPO看似使得王兴的超级平台梦更近了一步,但实际上并不如此。我们先不说行业竞争带给美团点评的压力,就说王兴本身,也存在不少问题,而且,这些问题或是阻碍他达成自己梦想的最大局限。

比如王兴的战略能力。可以说在2013年以前,王兴和它的美团都没有特别清晰的战略,美团的发展,更多的是靠着市场驱动着它向前行进。曾经有竞争对手如此评价王兴的战略能力:我不认为他的战略能力很好;又比如王兴的管理能力。猫眼电影创始员工徐梧曾这样评价王兴“王兴的独立思考能力很强,你在他手底下干活很累,他质疑一切,逻辑性又强,你给他汇报工作必须把逻辑搞得特别清楚,有一点问题都不行。”

原美团点评到店餐饮事业群总裁干嘉伟也曾对王兴说:“你得抓大放小,授权给别人管理。如果每件事都按照这种风格来做,你会累死的”。王兴自己也说,自己的管理水平段位比较低。虽然这个话已经过去有一段时间了,但从这些地方我们也能看出,在管理上,王兴确实说不上高明。

其实,相比王兴在战略和管理能力上的不足,玺哥认为,多疑和不擅长放权是王兴更需要面对的问题。如果王兴和美团点评在未来的发展中不能很好地解决好这些问题,它必将成为阻碍美团点评进一步发展的绊脚石。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
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