被玩坏的社区团购

cd49a8592beaf5ca3b86c3f50572d729.png

59d401f07125e25fed675646101393ff.png

社区团购从热得发烫的新风口,到集体降温,也就花了一年多的时间。

去年下半年,滴滴推出橙心优选,喊出“投入不设上限”的口号,如今几轮区域调整都伴随裁员和关城;京喜拼拼请出“沉寂许久”的刘强东亲自带队,而今已经偃旗息鼓。

没家底的创业公司就更难了。社区团购平台呆萝卜倒闭,只因在破产重整的21个月内始终无人接盘;食享会在吃尽苦头后转去了社区零食赛道。同程生活一度估值10亿美金,破产的时候“丢盔弃甲”,连名字都换成了蜜橙生活。

生鲜电商似乎一直是门苦生意。叮咚买菜上市即破发,虽然在交易第二天暴涨95%,最后却证明是美股散户错把叮咚当成了滴滴。

e63ad060e28ebf6d9067d8cb623fa741.png

这一乌龙事件后,公司股价开始迅速飘绿。根据叮咚买菜今年的三季报,公司第三季度净亏损20.1亿元,差不多是去年同期的2.5倍。

生鲜行业如此惨淡,而大厂们却还是不肯放手这门生意。那么,问题来了:

1、生鲜电商到底能赚钱吗?

2、社区卖菜这件事有壁垒吗?

3、被玩坏的社区团购,还有未来吗?

01

优化的降本模式

社区团购之所以如此火爆,很大程度上是因为兴盛优选模式带来的诱惑。

虽然前置仓熬出了叮咚买菜、每日优鲜两家上市公司,但盈利遥遥无期。而社区团购却以更优的模式,展现了盈利潜力。

疫情期间,兴盛优选的社区团购模型已经实现初步盈利[1]。这也是大厂们跟风“抄作业”的原因。对比可知,相比前置仓,社区团购在履约模式、成本控制上更具优势。前置仓是大包大揽,什么都自己做,吃力不讨好,社区团购则是能分担的都分出去。

dca607820db5f68e7b9d1b87c764f544.png

首先,前置仓为了高品质,大多做产地直采,自营模式下平台要承担运输和所有存货风险(损耗及退货)。社区团购是代销,供货的本地供应商替平台承担了部分成本及风险。在品类方面,生鲜高频但易亏损,社区团购将生鲜的比例降至1/3(前置仓则高于50%)。以生鲜引流、日用标品赚钱的思路实现了扬长避短。

其次,在仓储上,前置仓会密集铺设点位,自营的仓储投入巨大。社区团购采用三级仓体系,前端的共享仓和后端的网格仓都是外包的,平台自营的只有中心仓。

让前置仓最头疼的是履约成本。要保证即时配送,要建仓储空间保证食材新鲜,工人分拣要快,运输还要用上大量的骑手去实现“最后一公里”的配送。以叮咚买菜为例,2020年,公司亏损20亿,与之对应的是20元/单左右的履约成本。按照国信证券的估算,即使叮咚能把履约成本降至7元/单,2020年仍会亏损6.6亿[1]。

怪不得盒马CEO侯毅炮轰前置仓是“做给VC看的模式”。虽然有点同行相轻的意思,但在巨额亏损面前,前置仓也无话可说。

社区团购的王牌则是“预售+自提+次日达”。社区团购的体系下,没有骑手,只有团长,不是送货上门,而是等着取货。光是模式本身,就省下了一大笔钱。

43588cd68bd73e7c270fa472bff70ff5.png

像兴盛优选,在大厂入局前在湖南的履约费用一度降至3%,实现了初步盈利。如今在成熟地区,社区团购的履约成本平均每单可以降至1块钱[2],差不多是前置仓的1/20。

更加诱人的是,社区团购还能兼顾便宜。如果说前置仓是用高投入换取“多和快”,那么社区团购则是妥协“多和快”来换取“省”。据UE模型估算,其价格优势有10%来自进货价优势、5%来自流通效率提升,5-10%来自平台补贴[3] 。

平台能取得进货价优势,主要因为单个SKU的采购规模大,以及给供应商的账期短。相较超市往往2个月的账期,社区团购因为不备存货,能将账期缩短至3天,最快次日打款,这种优势让其能向供应商压价。

流通效率的提升,在于社区团购精简了分销链条。传统生鲜分销链路多,加价环节也多。据安信证券调研,在陕西农户3.65元/斤的苹果,到上海市场要卖到9.8元/斤。社区团购的三级仓体系,只有共享仓、网格仓和团长三个提价环节,相比传统分销的六个加价环节,减少了中间商赚差价。

然而,本来模式更好的生意,却被大厂的疯狂补贴坏了规矩。大厂入局推出了的生鲜爆品,便宜的离谱程度堪比拼多多,还不用去“砍一刀”。一分钱一斤的大白菜、九毛钱一盒的鸡蛋让消费者大呼真香。但巨额的补贴让公司无缘盈利。截至今年5月,美团优选、多多买菜的亏损普遍在10%以上[1]。

烧不起钱的平台则直接倒闭,食享会创始人戴山辉无奈道,“前进的方向已被巨头封杀”。

那么,看起来谁都可以来掺一脚的社区团购,到底有没有壁垒?

02

买菜的两个壁垒

从竞争壁垒来看,供给难度越大,改造门槛越高,其形成的壁垒也会越高。

比如快递的时效件市场,既有重资产壁垒,又有政策壁垒。顺丰做的好,是因为投入大量资金建设运力,还拿到了成立航空公司和购买飞机的审批。顺丰每年航空运输量占全国航空货运量的1/3,同行根本打不进来[5]。再如送外卖,虽然赚的是辛苦钱,但在平台吸纳了足够多的商家和骑手后,不仅能产生规模效应,这种供给体量也很难被同行复制。

那么,社区团购的竞争壁垒会是什么?

从行业来看,生鲜本就是块难啃的硬骨头。保质期短带来高损耗、冷链运输成本高;生鲜品类非标,供应链管理难度大。这些特质天然抬高了改造门槛。之前的生鲜电商没能做成很好的生意,更多还是因为盈利模式不够好。

社区团购靠着模式的优化,让生鲜生意没那么难了。但相比打江山,守住阵地对平台的考验更大,它牵涉到两个壁垒要素:平台的本地化能力以及组织能力。

本地化能力是基于社区团购的生意属性而言的。社区团购是个典型的区域性规模经济,其链条十分依赖本地供应商。这种生意要一城一城开拓,很难在全国快速复制。行业格局很少是赢者通吃,更多是区域性的胜利。

兴盛优选初期能盈利,就因为其在湖南多年的耕耘——不仅本地供应链成熟、还拥有大量团长和社区便利店。在搞社区团购之前,兴盛优选已经是长沙本土的零售巨头,拥有超过1.8万个社区便利店,而每一个小店都是一个自提点。后来互联网巨头进入长沙,纷纷挖起兴盛优选团长的墙角——“得团长得天下”这句话,就是本地化重要的一种证明。

c6bdba3fed42a16dccb0e905e835e9cf.png

运营组织能力,关乎的是如何在区域里做好团购这个生意。社区团购的链条环节较多,上游关乎供应商,中游涉及网格仓加盟商,下游或许还要争取优质团长。这是对管理能力的综合考验。

那些倒下的平台,就提供了不少反面教材:同程生活宣布破产的当天,有近6000名供应商上门讨债;有些网格仓为节省成本,让司机兼任分拣员角色。而那些运营中的平台,也把管理提上了日程,比如美团优选加强了网格仓的考核,平台要求司机出车前清点货物、到货后核对送货清单;提醒团长避免生鲜损耗等等[6] 。

互联网大厂入局时,或许抱的是“宁可亏钱也要饿死对手”的想法。不过,一系列政策让撒币行为不再可持续。加上行业格局自身的变化,于是到了公司思考拼综合实力的时候。

03

效率先于规模的转变

2020年底,国家市场监管总局提出“九不得”,反对社区团购的低价倾销,此后对包括橙心优选、多多买菜在内的五家企业开出顶格罚单。《人民日报》一句“别只惦记着几捆白菜、几斤水果的流量”,更是让平台瑟瑟发抖。

虽然各个App上的补贴仍然层出不穷,但有明文规定在前,补贴都有所收敛。包括“九不得”在内的一系列成为引导平台趋向健康发展的转折点。眼见烧钱无果的大厂也转变了思路,把效率放到了规模的前面。

大厂从一开始就惦记着效率。只是过于激烈的竞争让提升效率出现了许多畸形的行为,比如在中心仓装计时器,监督工人打包(这种不可取的行为或许依然存在)。但随着在烧钱上的收敛以及一些厂家出清带来的格局变化,仍然在场的公司能从结构上改善效率。

公司架构层面,集中资源收缩业务。根据《晚点》的报道,多多买菜从5月以来,把业绩不好的省区负责人撤回总部,并把它并入表现更好的省区。美团10月将优选、快驴、买菜等业务整合,由高级副总裁陈亮统一负责[4]。

与之匹配的,是在经营范围上不再盲目扩张而守住阵地。8月以来,兴盛优选暂停了东北的扩张计划[4]。现在的格局也正往区域为王的方向靠拢:兴盛优选在长沙、武汉、南昌等区域具有优势;多多买菜和美团优选虽然基本完成全国性覆盖,但在下沉市场,美团的表现稍逊于拼多多。

在管理上,由以前的粗放转向精细。在大厂疯狂扩张时期,不仅相互抢夺团长,甚至连美容院和算命先生都纳入团长。如今大厂在选择团长也能从源头把控——数据显示,拥有实体店的团长占比由2020年上半年的73%,上升至2021年初的90%,无实体店的团长由27%降至10%以内[7]。

从结果来看,一些公司也确实在向盈利靠近。今年3月,王兴在财报电话会上表示,美团优选已经开始产生毛利润。根据《晚点》的报道,在三季度以来订单量和新用户没有明显增长的情况下,美团优选开始提价——这在以前也是平台不敢想的事。美团优选希望年内20%的SKU实现正毛利。

总而言之,当竞争格局稳固清晰,烧钱内卷的行为终止,互联网的公司们距离兴盛优选当初描绘的蓝图才会越来越近。

尾声

近年来的商业话题中,最不缺少的,恐怕就是模式美好却没能善终的生意。在用户规模等于一切的那些年,疯狂烧钱,在烧死自己的前一夜烧死别人,就等于胜利。

共享单车曾有过理想的盈利模型,最终还是死于烧钱和无序扩张下,成了一片坟场。消费者已经不奢望ofo归还200块押金,而把“北大毕业生欠我200块”当成了调侃。

在追风口的过程中,巨头那股哪怕亏死自己也要拖死同行的劲头,不仅让竞争对手害怕,更让普通人“遭了秧”。

滴滴的目标本是“全球最大出行平台”,而年初为了推广橙心优选,鼓励司机在车身上张贴卖菜广告。司机有没有拉到生鲜生意还不知道,但“175元奖励还没捂热乎,先去交了200元交通罚款”的新闻,倒是为互联网贡献了新的段子。

5b36111f5baa7bfdb7e1ba4216bc429c.png

[1] 社区团购行业深度报告:聚焦家庭厨房,回归供应链升级本质,光大证券

[2] 生鲜电商战事升级,路向何方:叮咚买菜v.s.每日优鲜v.s.社区团购,东吴证券

[3] 社区团购深度研究:硝烟进行时,品牌/平台/团长都在想什么?东吴证券

[4] 社区团购一周年:各家已投入数万员工、烧钱百亿,没有退路可言,晚点

[5] 快递的最后一战,远川研究所

[6] 社区团购两强争霸,王兴、黄峥「死磕」到底,豹变

[7] 社区团购的淘汰赛开始了,双壹咨询

[8] 深陷“亏损”漩涡,社区团购网格仓何去何从,itlaoyou

↘好文推荐:

Notion:后office时代的新生产力平台

张小龙力荐的贝索斯演讲:善良比聪明更重要

腾讯分享:AB实验,归因和解读才是王道!

652484f8dac78a58eddaf26711191bee.png

b70ed0216e2565ba05739486657ba925.gif点个“在看”吧

内容概要:本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法,并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点,通过优化扩散模型的结构与训练策略,有效捕捉历史数据的概率分布特征与时序相关性,从而生成高质量、多样化的出力场景。文中详细阐述了模型的数学推导、网络架构设计、损失函数优化及采样算法改进,并通过实验证明其在拟合精度、场景多样性与稳定性方面优于传统生成模型,为电力系统在高比例新能源接入下的规划、调度与风险评估提供了可靠的场景输入支持。; 适合人群:具备一定Python编程能力和机器学习基础,从事新能源发电预测、电力系统分析、智能优化、场景生成等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①用于高海拔地区风电、光伏出力的不确定性建模与多场景生成;②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策与风险评估;③为相关学术研究、论文复现与算法改进提供可运行的技术方案与代码基础; 阅读建议:建议读者结合所提供的完整资源(代码、数据集、说明文档)进行实践操作,重点关注扩散模型的前向加噪与反向去噪过程的设计细节,以及如何将其适配于新能源时序数据的生成任务,通过参数调优与对比实验深入理解模型的生成机制与性能边界。
内容概要:本文围绕基于静态约束法的配电网电动汽车接入容量评估展开研究,提出了一种在新型电力系统背景下评估主动配电网对电动汽车承载能力的方法。研究通过构建数学模型,结合潮流计算与关键约束条件(如电压越限、线路过载等),量化分析配电网可承受的最大电动汽车充电负荷容量,旨在识别规模化电动汽车接入带来的潜在运行风险,并为电网规划与运行提供科学依据。文中配套提供了完整的Matlab代码实现,便于仿真验证与结果复现。此外,该研究与分布式光伏承载力评估、电动汽车可调能力分析等方向形成技术联动,展现了多主题协同的研究体系。; 适合人群:具备电力系统分析基础理论知识及Matlab编程能力的高校研究生、科研机构研究人员,以及从事新能源并网、智能配电网规划与运行等相关领域的工程技术人员。; 使用场景及目标:①用于学术研究中的模型复现与论文撰写支撑;②评估实际配电网中电动汽车大规模接入的可行性与安全边界,指导充电基础设施布局;③作为高校教学案例,帮助学生深入理解电网承载力评估的核心原理、建模方法与仿真技术; 阅读建议:建议结合文中提及的相关研究方向(如二阶锥规划、多面体聚合方法等)进行对比学习,充分利用所提供的Matlab代码与网盘资料开展仿真实验,重点关注约束条件的设定逻辑与潮流计算模块的实现细节,以深化对评估模型机理与工程应用价值的理解。
内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种基于Python实现的联邦学习框架,旨在解决居民或行业电力负荷预测中用户电表数据隐私泄露的风险。该研究通过构建分布式机器学习模型,使各参与方在不共享原始数据的前提下协同训练全局模型,有效实现了数据“可用不可见”。文中详细阐述了联邦学习的整体架构设计、本地模型训练流程、参数加密传输与安全聚合机制,并结合差分隐私等技术进一步增强系统的隐私保护能力。同时,研究利用真实电力负荷数据集进行了实验验证,展示了方法在预测精度与隐私保障之间的良好平衡,并提供了完整的代码实例与复现指南,便于后续研究与应用拓展。; 适合人群:具备一定机器学习基础和电力系统背景知识,从事智慧能源、隐私计算或人工智能相关方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 实现跨区域、跨主体的电力负荷协同预测,打破数据孤岛;② 在确保用户用电数据隐私安全的前提下提升负荷预测准确性;③ 推动联邦学习在智能电网、需求响应、虚拟电厂等场景中的实际部署与应用。; 阅读建议:建议结合文中提供的Python代码与网盘资料进行动手实践,重点关注联邦学习的通信轮次设计、模型聚合算法(如FedAvg)的实现细节以及差分隐私噪声添加策略,深入理解其对模型性能与隐私强度的影响,为进一步优化与创新奠定基础。
VDA_Band_19.1_3rd edition_2026 English Inspection of Technical Cleanliness 内容概要:本文档为德国汽车工业协会(VDA)发布的第三版《技术清洁度检验:功能相关汽车部件的颗粒污染检测》(VDA 19.1),系统规范了汽车行业中零部件技术清洁度的检测方法与流程。文件涵盖从取样、提取、过滤到分析的全流程标准化操作,重点更新了干法提取(如 Stamp Test 和刷吸法)、小于50µm颗粒的检测、光学子系统和SEM/EDX标准分析方法,并引入统一材料分类体系以提升结果可比性。同时明确了“标准分析”与“自由检验”的区别,前者用于高兼容性检测,后者允许客户与供应商协商定制参数。文档还强化了对非可测组件的技术清洁保障、测量不确定度评估及方法验证的要求,并提供了多个实际案例支持应用落地。; 适合人群:适用于汽车制造业中从事质量控制、工艺开发、供应商管理及相关检测实验室的技术人员和管理人员,尤其适合具备一定质量管理或洁净度检测基础的专业人员。; 使用场景及目标:①用于制定和执行零部件清洁度检测标准;②指导 incoming/outgoing 检验及生产过程监控;③支持失效分析与质量改进项目;④作为企业内部审核和技术交流的依据; 阅读建议:建议结合VDA 19.2及其他相关标准配套使用,重点关注各章节中的起始参数设定、方法选择逻辑及附录中的检查表示例,在实际操作中同步开展方法验证与人员培训,确保检测结果的有效性和可追溯性。
内容概要:本研究聚焦于电动汽车(EV)作为灵活可调资源的能力评估,提出了一种基于多面体聚合与闵可夫斯基和的数学建模方法,用以精确刻画大规模电动汽车集群的可调能力范围。通过将单辆电动汽车的充放电行为抽象为几何空间中的多面体可行域,并利用闵可夫斯基和实现对群体可行域的高效聚合,从而构建出能够反映整体调节潜力的统一数学表达。该方法在Matlab平台上实现了完整的仿真代码,支持对不同场景下电动汽车集群的上、下调能力进行量化评估,为电网调度、需求响应及电力市场机制设计提供了理论依据与工具支撑。; 适合人群:具备电力系统分析、优化理论及Matlab编程基础的研究生、科研人员及从事新能源、智能电网相关工作的工程师。; 使用场景及目标:①用于评估大规模电动汽车接入背景下系统的灵活性资源潜力;②支撑含高比例可再生能源的电力系统调度与规划决策;③为需求响应项目中EV聚合商参与电力市场提供能力申报的技术手段;④作为教学案例帮助理解集合运算在电力系统中的应用。; 阅读建议:学习者应结合Matlab代码深入理解多面体建模与闵可夫斯基和的实现细节,建议从单车模型入手逐步过渡到集群聚合,并尝试调整参数(如数量、SOC分布、功率限制)观察聚合结果的变化,以增强对模型特性的掌握。
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