其实可说的很多,但想写的全面就得更细化各个场景,还有很多只起了个头的躺在我的备忘录里,所以这里就想到哪写到哪吧。
共享单车的概念是解决用户痛点的一个最好的案例,首先这个市场规模很大,原则上来说每天乘坐地铁和公交设备的用户都属于这个市场,再就是对于用户来说确实更好的完成了最后一公里的解决方案。
对于摩拜和ofo最终谁能笑到最后我是一直在押注Mobike的,看好的原因就是因为它的用户数据有更大价值的想象空间,只要能坚持下去放到一个足够长的时间中,可能在市场初期,ofo的成本优势可以让它的覆盖量更大,但只要不会出现太明显的差别,最终用户数据才是决定胜负的关键。
写出来的起因是前段时间马校长的一个演讲,其中一个点让我直接联想到到ofo和Mobike这两家企业上,拥有同样的用户量,但摩拜的数据化管理能力更强大,数据处理能力直接关系到运营能力和运营成本,运营能力又关系到用户的体验和单车的使用率上,用户的体验又决定流失率,而单车的使用率又关系到成本回收和盈利上,这是我认为Mobike能赢ofo的关键点。
但为什么题目里又包含哈罗呢,是因为我看到了哈罗除了Mobike的运营能力之外在二三线市场的布局做的很好,这些市场虽然可能看起来不像一线城市这样拥有大量的外来人口,但人群数相对稳定,用户走向规律也比较容易运营,而且如果所有二、三线市场加起来肯定是高于几个一线城市的量级,更何况背后有大金主阿里的支持,用户可以直接在支付宝扫码使用,信誉好的话可以直接免押金,在ofo依然深陷退款风波的情况下,让用户的接受门槛变得很低,所以我认为哈罗才是其中最大的赢家。但这篇文章主要是思考产品运营上的事情,所以还是以Mobike和ofo为主。
从2015年共享单车的概念出现,ofo、Mobike、小鸣单车、小蓝单车数十家单车品牌最后只留下了ofo和Mobike,2019年小黄车黄了,Mobike也“黄”了,反而是最后进入市场的哈罗单车稳抓稳打,上演了一部从农村包围城市的战役。一贯以来企业所讲的先发优势并没有让ofo占领老大宝座,教育了多年市场最后被哈罗摘了桃也只能怪自己从一开始就没有建立完善的运营机制,急功近利的去靠铺量占领市场就已经注定了这个结局,在没有运营和产品上做到智能化的情况下,投放出去的单车都处于失控的边缘。在缺少智能化和数据运营的情况下,只靠一味的铺量只是让毒性发作的更慢一些,所以2017年的一纸禁令成了压垮小黄车的最后一根稻草。
共享单车模式本身其实是租赁的性质,跟Airbnb这样的共享不一样,需要自己去拿钱生产车辆再投放到市场让用户去更多的去用才能换来收入,线下资产更重,ofo投资人朱啸虎是这么算的:假设ofo每天每辆车的使用频率是8次,每辆车成本200元,骑一次0.5元,两个月回本,之后一辆单车的营收几乎等于净利润。他计算,校园一天可到200万单,一年收入3亿多元人民币,利润3000万~4000万元。其实我一开始也是这么算的,怎么都觉得这门生意确实来钱很快,假设一台车成本800,一台车按1元/30分钟计算,一天算下来只要一辆单车有2.5小时在路上,那么160天就可以回收车辆本钱,一辆单车的寿命怎么也可以撑到1年吧,那剩下的200多天就完全是利润了。但其中错误的点就在于运营的成本,单车的损耗度、丢失率和使用率在现实中达不到我们的设想,更何况在有竞争的情况下需要大量的补贴去拉拢用户。
数据运营是Mobike打败ofo的资本,唯有技术驱动、数据驱动才能让企业走到最后
在这里我们先列一下ofo和Mobike的特点。
ofo:造价低,量大,快速铺量市场,早期是机械锁,后期开始增加智能锁,机械锁占多数。
Mobike:造价高,产量慢,智能锁sim卡+蓝牙通讯,扫码即可开锁,双向通信可获取单车数据。
对于共享单车的用户需求是在想用车的时候随时都能有正常的车可用,所以把硬件做的足够好是一方面,把硬件做的足够智能是更高的一方面,怎么去更好的满足用户的需求就需要依靠运营数据来完成最佳的调度和管理。而这正是ofo最终失败的原因,ofo的前几代都是没有GPS的机械锁,缺乏准确的硬件定位数据和成交数据,这就造成了运营方面的数据缺失,最终也反映在后期运营上的短板,马化腾就称其为小灵通,而摩拜的智能锁可以精确定位每辆单车的位置,用户在什么地方骑了哪辆车,骑了多久,骑的路线是什么都可以传递到摩拜方,不仅自己在后期运营上节省了大量人力资源,同时对于单车的维修、迁移,对用户行为的预测,以及未来在大数据方面的布局,都是有利的。
“精细化运营才是这个领域真正的门槛”
“如果共享模型不能永远在线,不能连网,无法产生实时数据和内容,仅仅是绑定第三方支付,那未来价值不大。”
数据怎样提高运营效率、降低运营成本的
运营的根本在于对用户行为的预测和车辆的管理,从而在单车的骑行率、丢失率、调度效率、维护效率、维修效率做到很好的控制。所以当我们能准确的拿到车辆的投放时间、服务次数、累计里程、周转次数、运营人员、车辆位置、电池量、预约率、毁约率、使用率、闲置率、故障率、骑行轨迹、热点图这些信息后。
准确投放和调度
大方向来说单车的连接点主要在办公、家庭、地铁站这三个区域,车辆投放数量需要适中,既不会出现闲置车辆过多,使得资源浪费,也不能让用户的需求得不到满足,这个可以一方面通过市场调研获取大概数据,同时前期饱和铺量,通过减量的方式获知大概的范围值,但如果想精确的去运营就要搞清楚哪个区域当前有多少用户、用户大概在什么时间需要用到车辆、车辆最终流向哪里,这些都需要实时计算,不只是简单的完成这一步,还要让车辆快速的进行下一个循环。同时为了解决潮汐效应的影响,就得及时的清理或者补充单车数量,这些是日常状态下,通过提高车辆的利用率不仅能更及时的满足用户需求,还可以减少单车的生产量,原来一块区域可能用户5000人,那么可能需要3000辆才可以满足需求,而当通过用户出行的地理数据,通过位置、用车时段的把控进行干预就可以更好的处理时间差,可能只需要1000辆就可以满足用户需求。
我们再假设一个场景,比如某个区域有大型活动,大量车辆汇聚到这里,后台就可以获得一个热力图,当密度过高时,那么是不是就能及时的把这块的单车分散开,然后当热力图开始移动的时候,就可以判断是不是用户正在需要离开,就可以及时的补充回车辆。
维护和维修
因为可以获取车辆的状态,当单车在一个地点长时间没有移动时,或者当单车解锁后又很快锁上,就可以向运维人员发起疑似故障工单,及时减少用户遇到故障车辆的概率。
丢失率
通过智能锁将车辆的数据联网,如果某些车辆的数据连接断开,就可以获知车辆最后定位的位置,可以帮助找回。
其他
比如mobike的红包车,必须要依靠这些数据计算出某些单车的停放位置和用户骑行的概率,当位置较偏远离人口聚集地或者被用户骑行的概率比较低时就可以设置为红包车让用户帮助车辆的调度。
未来可以做些什么?
单车的覆盖用户数足够多,用户的行为轨迹、居住地址、工作地址、信用,城市的道路规划、人口的密集度都可以从其中挖掘出很多价值,依靠这么多的数据就可以跟商家、政府这些合作去做推广活动、选址推荐、城市管理等。
网友评论