別錯把需求當市場

简介: 2014年2月5日星期三 別錯把需求當市場 作者:Hands Up 創辦人 洪大倫 創業團隊經常弄混了「需求」與「市場」的差別,從根本上說,需求是需求,但市場的構成除了有需求存在,還得有供給,同時透過共識的價格交集而成交,方能形成市場。

2014年2月5日星期三

別錯把需求當市場

作者:Hands Up 創辦人 洪大倫



創業團隊經常弄混了「需求」與「市場」的差別,從根本上說,需求是需求,但市場的構成除了有需求存在,還得有供給,同時透過共識的價格交集而成交,方能形成市場。簡單說,有需求未必能形成市場,那得看供給與價格;反過來說,只有供給而不存在需求,或者供給與需求具備但價格沒有共識,市場也不存在。

雖然是很簡單的道理,但我還是經常發現多數團隊並沒有把重心擺在談論「市場」,而是談論「需求」,甚至連需求也沒碰觸到,只談自己做了什麼、想做什麼,彷彿產品、服務做出來就賣得掉,這當然是比較不成熟的創業觀點,但事實上多數團隊就是如此。

當局者迷是很正常的事,即便我自己創業過幾次,每每聽到不錯的點子還是會瞬間陷入「過度放大」的迷思裡,一下子以為可以接觸的市場很大,可以滿足的需求很多,但實際上根本就只有很少數的消費者才可能採用這個產品或服務,這當中最大的問題還不在於消費者少,而在於你根本不知道這群消費者在哪裡。

等到奮不顧身執行下去才恍然大悟,原來要搜尋出這群人得花非常多錢,然而業績成長速度跟不上你的燒錢速度,自己都開始懷疑當初的想法是否真的有這麼好,追本溯源來說還是老話那一句,只想到自己想做的,以為點子很好,但這都是供給端、製造端的思維,完全忽略了「需求」,更別提到底有沒有存在那個你自以為存在的「市場」。

舉一個最近朋友的案例,一個多月前他偶然知道,原來自己某個遠親是在種蘋果的,品質優良又可口,當他了解零售的蘋果價格與生產端有不小的差距後,自己興起了想直接跟遠親批蘋果去賣的念頭。他認為他有巨大的成本優勢,透過網路去賣應該可以有不少的利潤,於是跑來跟我聊他的點子可不可行。

於是我問他是否知道蘋果零售市場一年多大產值?市售蘋果有幾種?消費者多半都在哪裡購買?是菜市場、大賣場、便利商店還是其他?分別是哪些人去買?買蘋果的理由或需求是什麼?不同品種的蘋果大約落在什麼價位?如果多數消費者在實體通路賣,那虛擬通路是加分還是減分?

他聽完我的問題,頓時愣了一下,不知道該怎麼回答。不過他這樣的情況還算是好的,因為至少「蘋果零售市場」是存在的,也就是說最差的情況下,他就是去菜市場租個小攤位賣蘋果,再怎麼糟糕應該一天也能有個幾百塊進帳,划不划算就是另一回事,但很多團隊是自己做了一個產品,卻不知道最後應該跟誰收錢?哪些人會付錢?這就是因為沒弄清楚到底最後該走向什麼市場的原因。

如果是我,我會先把上述的「市場」問題先弄清楚,接著才是思考應該怎麼切入「蘋果零售市場」。比方說,假設蘋果零售市場一年有50億的成交值,其中實體通路與虛擬通路大約是9:1,實體通路中菜市場、大賣場、便利商店各占1/3,網路與電視購物則是各1/2;菜市場購買的族群是婆婆媽媽,平均年齡40歲以上;大賣場則是以小家庭為主,便利商店則是25歲左右的OL;以需求來說,媽媽們買蘋果可能是給家人吃,或者新手媽媽是打成蘋果泥給小baby吃;為了健康因素吃的可能占了50%,為了加入沙拉當作正餐的因素可能占了20%。

分析完之後可能你最後賣的未必是蘋果本身,而是選擇賣蘋果泥,切入蘋果零售的網路市場,同時針對新手媽媽爲銷售對象,也因此產生了廣告費該買什麼關鍵字,或者該與有許多新手媽媽存在、活躍的網站策略合作,部落客也專找有影響力的新手媽媽撰寫專文推薦。

這裡我想說的重點是「順序」,就是你得先有「市場」為基礎的分析,於是有了某種商業出發點,接著才去探討消費者行為背後的需求,進而衍生出你可能可以做什麼產品或服務,去滿足這個需求,進而切入該市場。這樣就能確保你做出來的東西可以對應到某個市場去,而不是做出來了卻不知道自己應該怎麼走下去。

這道理不會只用在賣蘋果,賣任何東西都一樣,必然會指引你走向某個特定的市場--「有供、有需、有共識價格的市場」,而不是你自以為會有的需求。誠如我所說,Google並不是經營一個「搜尋市場」,因為沒有人爲搜尋付費,這是一個只有供給沒有付費的「需求」,同理Facebook是經營一個「社群網站」而非「社群市場」,但他們兩者都從「(網路)廣告市場」賺錢,而廣告市場老早就存在,至少網路興起之前,多數廣告是買在報紙、雜誌跟電視。

因此,無論你的創業多創新,你的收入來源最終必然指向某個「市場」,而且通常是既有的、存在許久的市場。歷史上,只有非常非常少數的發明可以創造「新市場」,你會不會是那個引領潮流的人要看你的本事,但如果你沒什麼資源,或者創業經驗還不夠,我會建議你盡可能別去做「創造市場」的創業路,而是去做一個可以從既有市場賺到錢的創業路,應該會比較妥當一些。即便你認為自己的產品很創新,但產品的創新未必能真正創造新市場,因為最終它還是得回歸到能解決某些問題,對應某個市場,你才賺得到錢。

總而言之,別錯把需求當市場,需求只是市場的一部份,有人真正願意為你所做的事情掏錢才是商業的基礎,也是你創業的根本之道。勝兵先勝而後求戰,敗兵往往是先戰而後求勝,雖然看起來只是次序不同,但其中風險與經營智慧卻是天壤之別。
目录
相关文章
|
4天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站,马上报名
大会以“智能跃进 创造无限”为主题,设置主会场峰会、分会场研讨会及展览区,聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
|
21天前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
24天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
16天前
|
并行计算 前端开发 物联网
全网首发!真·从0到1!万字长文带你入门Qwen2.5-Coder——介绍、体验、本地部署及简单微调
2024年11月12日,阿里云通义大模型团队正式开源通义千问代码模型全系列,包括6款Qwen2.5-Coder模型,每个规模包含Base和Instruct两个版本。其中32B尺寸的旗舰代码模型在多项基准评测中取得开源最佳成绩,成为全球最强开源代码模型,多项关键能力超越GPT-4o。Qwen2.5-Coder具备强大、多样和实用等优点,通过持续训练,结合源代码、文本代码混合数据及合成数据,显著提升了代码生成、推理和修复等核心任务的性能。此外,该模型还支持多种编程语言,并在人类偏好对齐方面表现出色。本文为周周的奇妙编程原创,阿里云社区首发,未经同意不得转载。
11572 11
|
9天前
|
人工智能 自然语言处理 前端开发
100个降噪蓝牙耳机免费领,用通义灵码从 0 开始打造一个完整APP
打开手机,录制下你完成的代码效果,发布到你的社交媒体,前 100 个@玺哥超Carry、@通义灵码的粉丝,可以免费获得一个降噪蓝牙耳机。
4052 13
|
16天前
|
人工智能 自然语言处理 前端开发
用通义灵码,从 0 开始打造一个完整APP,无需编程经验就可以完成
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。本教程完全免费,而且为大家准备了 100 个降噪蓝牙耳机,送给前 100 个完成的粉丝。获奖的方式非常简单,只要你跟着教程完成第一课的内容就能获得。
6782 10
|
28天前
|
缓存 监控 Linux
Python 实时获取Linux服务器信息
Python 实时获取Linux服务器信息
|
14天前
|
人工智能 自然语言处理 前端开发
什么?!通义千问也可以在线开发应用了?!
阿里巴巴推出的通义千问,是一个超大规模语言模型,旨在高效处理信息和生成创意内容。它不仅能在创意文案、办公助理、学习助手等领域提供丰富交互体验,还支持定制化解决方案。近日,通义千问推出代码模式,基于Qwen2.5-Coder模型,用户即使不懂编程也能用自然语言生成应用,如个人简历、2048小游戏等。该模式通过预置模板和灵活的自定义选项,极大简化了应用开发过程,助力用户快速实现创意。
|
3天前
|
机器学习/深度学习 人工智能 安全
通义千问开源的QwQ模型,一个会思考的AI,百炼邀您第一时间体验
Qwen团队推出新成员QwQ-32B-Preview,专注于增强AI推理能力。通过深入探索和试验,该模型在数学和编程领域展现了卓越的理解力,但仍在学习和完善中。目前,QwQ-32B-Preview已上线阿里云百炼平台,提供免费体验。
|
10天前
|
人工智能 C++ iOS开发
ollama + qwen2.5-coder + VS Code + Continue 实现本地AI 辅助写代码
本文介绍在Apple M4 MacOS环境下搭建Ollama和qwen2.5-coder模型的过程。首先通过官网或Brew安装Ollama,然后下载qwen2.5-coder模型,可通过终端命令`ollama run qwen2.5-coder`启动模型进行测试。最后,在VS Code中安装Continue插件,并配置qwen2.5-coder模型用于代码开发辅助。
725 5