上篇文章發出來後得到了許多業内好朋友的支持，也表達了一些相同或不同的觀點，甚至幫我找到了一些理論支撐，特别感謝。這次我打算在上次的基礎上做進一步的延伸，從理論模型到更具象的實際情況。

為了保持大家在一個頻道，先回顧下我在《三維零售-我的最終幻想》中構建的三維模型：

這是我在思考過程中順手勾畫的一張圖，想表達的是企業在三維世界中構建的一張能力網，能力網越靠近原點，企業的競争力也就越強。通過對現實世界的觀察，推演出原點是一個極限情況，也是我的最終幻想。

但實際上這張網畫的并不準确，因為沒有企業可以打造這麼平滑、完整的網，基本上企業都是在各自擅長的領域不斷突圍，多拓展一點能力網都意味着困難指數級增加，能力網和能力網之間發生重疊時，是企業與企業的正面交鋒，未重疊時就是替代品或潛在競争者的關系。

01 全渠道零售的困局——令人絕望的熵增定律

我之前講過，時間和價格的考量推動企業全渠道布局，所以我們看到阿裡、京東開始嘗試做各種模式的線下業務，高鑫零售、永輝超市開始做線上業務，不管他們做什麼本質上是在構建時間和價格的曲線，如下圖：

為什麼我畫的是這樣一條反抛物線，有的朋友會說不對，現在企業都在說同品、同質、同價，不論什麼渠道都要一樣，應該是下圖這樣的：

但這是一個悖論，我們終歸是生活在一個物理世界，所有事情最終都會依循經濟學、物理學規律發展，從最宏觀、最終極的角度講，令人絕望的熵增定律已經告訴我們，所有事物都會經曆從簡單到複雜，從有序到無序的過程，交易成本會不斷增加。如同一個人從出生到死亡，當熵增加到一定程度時，人會不堪重負死去，企業會不堪重負變革或破産。

我解釋一下交易成本，一個最寬泛定義是，當一個主體的世界不存在，多個主體的世界中存在的就叫交易成本。當任意活動中涉及到的主體越多時，也就越混亂，資源的耗散越大，交易成本就越高。

想象下，世界上隻有一個企業A開了唯一一個電商平台，它涉及到的主體大體上就是研發、供應商、消費者、快遞員，基本上就解決了，他可以根據商品的需求情況定價，賺取利潤。當增加了一個企業B也做電商平台，競争出現了，為了保持競争力，企業A可能會增加市場人員、運營人員，複雜度瞬間增加了。

此時企業A要拓展大賣場的銷售場景，以前的運營不夠了，要增加線下運營、導購、拓展、采購，相關主體增加了大賣場、加盟商、售後網點等等，這些主體不是白白加入進來的，他們也要分一杯羹的，也讓事情的複雜度、交易成本成幾何增加。

互聯網公司内部調整、改革通常以6個月為一個周期，如此頻繁的變動帶來人員流動、學習成本增加，但為什麼各大公司還樂此不疲呢？與其說主動調整，不如說是被迫調整，因為業務發展快，拓展的場景越來越多，涉及的主體越來越多，熵增的速度太快，已經不堪重負了。一次有效的調整就是一次負熵的輸入，是為了延續企業的生命。

回過來說為什麼全渠道同價從長遠來看不成立，但目前卻是很多企業的口号？

實屬無奈之舉，中心電商交易成本較低，為了擊敗傳統的線下渠道，把利潤出讓給了消費者，而消費者在若幹年的教育下已經形成了認知，這也成為了中心電商的大殺器，當這些電商重新回到線下場景時雖然面臨交易成本的幾何增長，為了不失去優勢，隻能不斷内化這部分成本，也就是通過内部變革來企圖消滅這部分缺口。正如我标題裡寫的，熵增定律是令人絕望的，也就是他不可能消失，除非有一天某位偉大物理學家颠覆了這個定律。

基于這個基礎，如果企業堅持同價，隻有兩個結果：

• 第一，線上商品漲價保持和線下同價，這麼做意味着放棄了曾經的大殺器，結果可想而知，瞬間會有其他企業補位；
• 第二，線下商品降價保持和線上同價，目前大部分做全渠道布局的企業都是這麼選擇的。這麼做短時間看還可以，但長期來看基于熵增定律，企業及合作主體的收益都減少，不符合資本家追求極緻利益的本質。

通過以上推演，我判斷未來企業價格、時間的曲線一定是反抛物線，一定會有價格歧視，無法做到絕對的同價。

企業在做全渠道布局時如何能降低熵增的速度，主要兩個關鍵點：

第一步，搭建統一目标的業務組織架構

舉個例子，如下左邊是一種組織架構，右邊是另一種組織架構。站在企業管理者的視角，如果要做全渠道布局，哪種組織架構更有效？我個人認為右圖是更有效的組織，他的交易成本更低。

解釋原因之前，我想先給大家講一個故事。

上個世紀當火車還使用煤炭作為燃料時，一輛冒着黑煙的火車快速駛過一片亞麻地，煙囪中噴出的火星點燃了農場主堆放在鐵道旁邊的亞麻。于是農場主将鐵路公司告上法庭，農場主說“你燒了我的亞麻，你要賠償”，而鐵路公司也很委屈的說“誰讓你把亞麻堆放的距離鐵路這麼近”。

如果你是法官會怎麼判呢？你可以先思考10秒鐘再看答案。

我想不論你判誰勝利，基本上都可以找出一套自洽的道理，是不是像極了企業裡兩個部門扯皮的場景？怎麼解？

很簡單，假設自己同時擁有鐵路公司和亞麻農場時，是不是答案就簡單了？那就看誰避免麻煩發生的成本更低，誰就負主要責任。這個故事裡，是讓火車不噴火星，或者讓火車改道的成本高，還是農夫在堆放亞麻時就選擇遠離鐵道的地方成本高呢？當然是讓把亞麻堆遠一點成本低多了，所以農夫應該負主要責任。

我是從一本經濟學書裡看到的這個故事，給我留下了深刻印象，實際這是美國曆史上一個非常著名的真實案例，深刻影響着美國司法制度的發展。我曾經多次跟我的小兄弟們講起，目的是告訴他們凡事要從更高一層的角度看，要有大局觀。

但實際上屁股決定腦袋是每個人都會存在的問題，我們不要做挑戰人性的事情，要從組織上來保障這個大局觀。那就是搭建目标、利益共同體，讓一個事業部即擁有鐵路又擁有亞麻，這樣内部的交易成本才足夠低，才能建立統一目标，一個聰明的事業部負責人自然會做好内部權益的平衡。

這個實際上也是有理論支撐的，有一位非常令人尊重的經濟學家叫羅納德.科斯，他曾經提出“隻要交易成本足夠低，資源總是會流向能夠将它使用得更好的一方，達到資源最優化配置，即帕累托最優境界”，俗稱科斯定律。

第二步，搭建統一的全渠道業務中台系統

做業務離不開IT部門的支撐，很多業務部門在初創時都以創新業務命名，說白了就是業務太小，沒有足夠的資源，在公司找不到支持時就會轉而自己搭建整套解決方案，從0開始搭建整套系統，誠然，各個業務有自己的個性化要求，但如果每個創新業務都重新造輪子，先不說你成本有多高，重複建設有多少，最關鍵市場機會不等人，等你造出輪子，别人都用上噴氣式飛機了，老闆也失去了耐心。

我在下圖中增加了技術支撐的部分，左圖是搭建的兩套IT系統，猶如兩個煙囪，各自生産各自冒煙，無法做到力出一孔。更優的方案是右圖，搭建一個全渠道業務中台，把商品、訂單、交易、庫存、售後、營銷都統一到一起，其他個性化的東西變成敏捷的前台，嵌入到事業部中。

中台的道理，大家其實都懂，這幾年一直很火熱，尤其是阿裡提出的大中台 小前台的概念，但這不像是組織架構調整，老闆想清楚了馬上就可以調整，系統開發是要真金白銀砸進去的，本身經營不好的企業如果貿然搭建這個中台，很可能是毀滅性的，還是要因地制宜慢慢沉澱，有條件的企業可以嘗試。但一定要控制決策者的預期，不是1，2年就可以出結果，如果某個企業決策者讓你2年内打造中台系統，那你就要掂量掂量了。

無論從組織架構還是系統搭建，我都是有切身體驗的，畢竟花了不少錢買來的教訓。記得曾經有人說過，為什麼市場喜歡那些屢次創業失敗者，因為他們買過的教訓夠多，而且都是花的别人錢。不善良的笑了。

02 C2B：未配妥劍，出門已是江湖

我在《三維零售-我的最終幻想》提到過，商品力的考量推動C2B，這是一個多麼美好時刻，消費者想要什麼，企業就生産什麼。這是零售的第三維，也是未來商業的核心模式。

雖然各大企業都在說C2B，但當你去仔細了解以後會發現，到目前為止沒有一家企業可以真正意義做到C2B，如果未來真的有這麼一家企業實現了C2B，那麼他至少在兩個方面要做的很優秀，網絡協同和數據智能（DT）。

網絡協同，是指事物之間可以高效的傳遞信息和互動反饋，而且是成網狀的協同，不是線性協同。想要協同必須先連接，而連接可以分為三大階段：

（1）人腦的連接

可以追溯到電話、電報的發明，使人類之間可以快速的溝通信息，讓地球變小。

（2）機器的連接

可以追溯到互聯網的發明，從第一台PC接入互聯網，到現在的5G IOT，都屬于這個範疇。

（3）人腦與機器的連接

這是很多科幻電影中描述的場景，而我相信這一天終究會來到，事實上特斯拉的老闆馬斯克創辦的一家公司Neurolink（腦機接口公司）就是聚焦這個領域

數據智能（DT），跟我們平時經常說的BI（商業智能）完全不是一個概念，事實上我們目前對數據的使用大都停留在BI的階段。DT是指基于大數據引擎，通過大規模機器學習和深度學習等技術，對海量數據進行實時處理、分析和挖掘，提取數據中所包含的有價值的信息和知識，使數據具有“智能”，并通過建立模型尋求現有問題的解決方案以及實現預測等。而BI隻是把記錄的數據按照要求進行展現，作為輔助決策的信息。

目前DT最成功的實踐就是電商的千人千面，這個過程不需要運營的介入，機器自動完成記錄、分析和反饋，讓用戶有實時的反饋，也沒有産生過多額外的運營工作。

網絡協同和數據智能，是實現C2B的兩個源頭，就如同DNA的雙螺旋。沒有這兩點的支撐，做C2B要麼成本太高，要麼效率太低，或者兩者都有。其實有些行業的實踐還是很有啟發意義的。

舉個例子，有一家企業叫瑪尚定制，我們曾經一起合作過線下業務，他們起源于一個傳統行業量體制衣，其實是一個帶有強烈C2B基因的行業。我記得小時候還很流行找裁縫做衣服，既便宜又合體，但為什麼現在很少看到了呢？C2B不是未來商業的核心嗎？

這裡最大的還是成本問題，傳統量體不僅要親自找上門，還要經過多輪測量，多輪溝通款式、尺寸，由于個性化需求沒法規模化，全都是手工縫制，要等好久才能收到成衣。不是說商品不夠吸引人，而是大家都花不起時間了，成本太高了，不論是消費者還是裁縫，都不願意做了。

那這件事怎麼解呢，瑪尚定制就是從網絡協同和數據智能兩個角度考慮的。

首先他們定制了一款測量人體三維數據的機器鋪設到了客流量很大線下場景裡，消費者隻要站進去，不用10幾秒就把以前需要多次上門測量的事情解決了，拿到了很準确的數據，誤差率很低。

其次，通過數據智能把中國人體型和偏好的服飾風格分析了一遍，給出了若幹關聯數據，用戶在他們的官網上隻要輸入基礎的身高、體重、胖瘦，系統就給出了其他關聯數據，然後發送到工廠開始制衣。雖然拿到成衣差不多1個星期，仍遠遠超出了其他标品的收貨時間，但在很好的商品力吸引下，仍然有很多用戶買單。同時他們也獲得了資本市場的青睐。

我想這應該算是C2B實踐路上的一個很正向的案例，但仍然還有問題，履約時間能不能更短些，價格能不能更低些。而且考慮到女裝的款式多樣，目前他們隻能定制男士标準商務服裝。

我想另一個比較好的例子應該是尚品宅配，很遺憾我沒跟他們合作過，也沒在他家買過家具，不過我猜他之所以成功，也是因為C2B的實踐。

至于其他行業，我目前能看到的最好實踐，應該就是電商平台基于用戶曆史購買數據、評論反饋、模拟上架測試等，推動廠家的産品叠代。無論從網絡協同、數據智能的角度，還是從時間、效率的角度來說都跟我的最終幻想有很大差距。

難道隻能等基礎科技、深度學習算法發展後，才可以做C2B嗎，答案是否定的，競争激烈，市場不等人，未配妥劍，出門已是江湖。我發現市場逐漸出現了一個過渡方法，而且也挺有效果的。

C2B的核心是用戶為導向，用戶從被動的接受者變為主動參與者，甚至是決策者。人的想法是複雜多變的，再摻雜進情感因素後，變得更難以琢磨，到底想要的是什麼呢？有時連自己也說不清。

《烏合之衆》是一本研究大衆心理學的著作，書中有一個重要的結論，當人是一個孤立的個體時，他有着自己鮮明的個性化特征，而當這個人融入了群體後，他的所有個性都會被這個群體所淹沒，他的思想立刻就會被群體的思想所取代。大家明白我的意思了吧，一個群體有了KOL，他的個性就變成了群體的個性，那麼隻要控制了KOL，就控制了整個群體。

于是C2B的一個過渡方案S2b2c就出現了，這裡的S是指供應商，b是指小商戶，不同于大B，他們的規模更小，更靈活，與消費者的互動更頻繁，能夠提供更個性化的服務，圍繞這些小b，聚集了一批帶有情感認同，忠誠度較高的粉絲。大量的小b的人肉工作，完成了一部分網絡協同和數據智能的工作，在海量商品中找出符合小群體個性化的東西，并推廣出去。

S2b2c最典型的代表就是直播網紅和社群團長。小b的價值體現在他能夠聚集多少人，統一多少人的思想，讓他們變成烏合之衆。而成功的關鍵在于，小b的獨立性、創造性和服務能力，他們的服務不完全是标準化的，而S也不能夠要求小b提供标準化規範，否則就變成傳統的授權加盟之類的模式了。

基于以上的分析，我把商品力和價格的曲線繪制如下：

在我看來，這些手段雖然一定程度影響了商品力，但離我所暢想的最終幻想的絕對距離并沒有更近，因為我既不想忍受标準化商品對消費者的漠視，也不願意成為烏合之衆，哈哈。

後記

有時間把做新零售這幾年的一些隐性想法落到紙面上還真是不容易，希望朋友們看了能有一些幫助，當然最大的幫助是把你自己的看法也分享給我，說不定能碰撞出什麼新想法呢。

相關閱讀

三維零售：我的最終幻想

本文由 @劉生 原創發布于人人都是産品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部