曾鸣 :点·线·面·体——智能商业时代的新定位 | 内部干货

简介:

本文2839 字,预计阅读时间 8 分钟 ,但绝对超值!

9d3c0cd1e2fd35e813e0b0f9c2c1afa92e884143

战略最核心的是定位,这是业界的基本共识。定位最传统的理论框架由迈克尔·波特最先提出——成本领先、差异化和利基市场的竞争战略。定位成为过去30年最重要的战略思想。

但是,在智能商业的时代,相对于产品在市场中的定位,一个更重要的定位需要认真考虑,这就是企业在协同网络中的定位,我把它具象地称为在“点-线-面-体”中的新定位选择。

在智能商业的时代,新定位成为战略思考的核心。

这个定位的选择之所以重要,是因为整个经济正在快速向智能生态的方向演化。而一个企业在这样的生态系统中的定位,直接决定了它的发展轨迹,所以是重要的战略选择。

点-线-面-体的定位逻辑

“生态”是智能商业的核心概念。一个商业生态就是一个协同网络,是多元角色的复杂在线协同对于传统供应链管理的超越,是平台和多元物种的组合。在新型的生态中,有“点、线、面”三种核心角色,从而有三种战略定位可选。

“面”即是平台。平台通过广泛连接不同的角色,使之合作协同,同时建立各种机制,促使全局利益优化。“面”通过匹配效率的大幅提升创造价值,这是一种全新的商业模式。淘宝是典型的“面”,核心价值是网络效应和协同机制。

“线”是平台上的众多商家。对消费者来说,“面”是各种服务和产品的聚合者。在“面”搭建的台子上,真正提供服务的是“线”,是海量的卖家。定位为“线”的企业的核心工作,是创造商品和服务,卖给客户。品牌商都属于“线”的范畴。

“点”是每一位服务参与者。“面”的崛起,必然催生新的“点”,如滴滴的司机、美团的外卖配送员、知乎的知识类大V、喜马拉雅的广播播主。

有很好生意感觉的人,未必擅长大公司的运作。他们可以凭借敏锐的嗅觉,在特定时间抓住商机,提供一个快速成长的行业最需要的能力。“点”也是一个很好的定位。“点”的战略足够简单,只需要在高速发展的“面”中发现好的“点”的机会。

“体”是由“面”扩张融合而生。“面”是“体”的最根本组成要素,在“面”的扩张过程中,如果有足够强大的基础,也许还会衍生出其他的“面”,进而形成一个日趋完善的“体”。以淘宝为例。因为支付和信用是淘宝市场的根基,淘宝孵化了支付宝。但支付宝也逐步走出了淘宝,变成了一个独立第三方的支付平台,并逐渐演化成蚂蚁金服。蚂蚁金服发展出多种创新普惠的金融服务,形成了另外一张新的“面”。这些“面”互相交错融合,推动中国经济升级换代,形成一个基于互联网的新型经济体。

“体”是多年演化出来的结果,企业家不可能在一开始就选择这样的定位。从“面”向“体”的演化,基本是千亿美元市值公司考虑的问题了。

如果要讨论企业下一步发展的战略问题,我会反问一句:“点-线-面-体,你的定位到底是什么?”先搞清楚自己的能力和愿望,然后决定:你是具体能力的提供者,还是产品和服务的整合者,还是市场/平台的建设者?这个问题一旦明确,后面的一系列问题便迎刃而解。

d38b1fcb5408d199080bfb6fa4eb22828690e48f

生态系统对供应链的降维攻击

当我们对“点-线-面-体”的框架有所了解后,就能更深刻地理解互联网企业相对于传统企业的优势何在。传统的供应链在限定的角色和条件之下,注重效率的线性优化。

一个开放的协同网则不同,其最大的价值是网络协同所带来的网络效应。“点”可以在一个巨大的“面”上获取比传统模式下大得多的商机,从而实现规模经济,提供高性价比的产品和服务,其优势远高于传统模式;同时,“线”可以按照需求随时调用“点”的服务,增加了灵活性及弹性,从而可以提供更好的服务,吸引更多的消费者。这又进一步带动生态圈的繁荣和发展,降低所有参与方的成本。唯有这样的协同网才能随时实现全局动态优化。

协同网络对于传统的供应链是典型的降维攻击。电商网红的品牌是一个非常典型的例子。这样的“线”能够在较短时间内迅猛发展,很重要的一个原因是淘宝和微博两个“面”搭建的交易和营销基础,两个“面”给网红品牌赋能。

网红品牌这样的“线”能够不断整合资源,获得今日的巨大成功,是因为智能生态新的运营规律。所谓降维攻击,就是指在互联网技术的帮助下,新平台不断打开过去供应链的封闭结构,纳入越来越多的“点”,共同参与互动。而在升维的“面”中,由于供应、需求以指数级别增加,大幅促进而非抑制“点”的活力,整合“点”和“面”的资源的“线”的活力也从而远大于传统行业。

传统行业中,几家巨头的生产力,就决定了一个产业的整体供给和效率。巨头的封闭供应链形成了强大的结构壁垒。但随着互联网的进一步发展,这些行业都会很快向“点线面体”的协同网络演化。

“点线面体”的共同演化

点线面体就是一个完整的生态系统,各个角色相互依存,共同演化。点线面体四者共荣互利,在真正的互联网生态中缺一不可。“面”最大的价值之一是让“线”到“点”,促成合作。这样的支撑使得“线”的效率优于传统打法。“线”凭借“点”和“面”提供的能力和支持,对传统供应链管理体系进行降维打击。

当“点”与“点”相连成“线”,“面”也逐渐繁盛。“面”一方面支撑了“点”的繁荣,给“点”赋能,另一方面,当“面”与“面”引起化学反应时,或许也会交织成负载更多商的“体”,其势能往往足以冲击传统行业。

未来的商业竞争,将是互联网商业体之间生态意义上的竞争。假如“面”不能提供足够丰富的基础设施,让“点”发挥最大的活力并不断创新,刺激新的“点”和“线”出现,更有活力的“面”就可能会吸引这些“点”而去,并对过去的“面”取而代之。

点-线-面-体的战略思维

点-线-面-体的思考框架给我们许多启示,我总结出四条指导原则。

1.对于绝大多数的点和线,选好合作的“面”是最重要的战略选择之一。选对了面,对企业发展是事半功倍。

2.必须从新的角度思考谁是你的竞争对手,谁是你的合作伙伴。本质上,同类才竞争,“点”和“点”竞争,“线”和“线”竞争,“面”和“面”竞争。

3. Access(调动)远比ownership(拥有)重要。传统思维强调的是对重要资产,如供应链的拥有和控制。而新思维强调的是影响和调度的能力。在网络时代,越来越重要的不是你拥有多少资源,而是能调动多少资源。

4.“升维”不是自然进化,需要脱胎换骨的努力。这是物种的演变,不是简单的提升,实际挑战往往比想象的大,需要战略眼光和气魄,需要众多资源的支持,也需要运气。

“点”“线”都要努力利用好“面”提供的公共服务和网络效应,而“面”的重要价值就在于赋能“点”“线”的发展。三者相互依存的发展带来了整个生态系统的繁荣,这就是智能商业的运行规则。所以,“点线面体”即是宏观经济发展的一个基本脉络,也是网络时代战略新定位的核心


原文发布时间为:2018-08-10

本文作者:曾鸣

本文来自云栖社区合作伙伴“阿里味儿”,了解相关信息可以关注“阿里味儿”。

相关文章
|
机器学习/深度学习 人工智能 监控
智慧交通AI算法解决方案
智慧交通AI算法方案针对交通拥堵、违法取证难等问题,通过AI技术实现交通管理的智能化。平台层整合多种AI能力,提供实时监控、违法识别等功能;展现层与应用层则通过一张图、路口态势研判等工具,提升交通管理效率。方案优势包括先进的算法、系统集成性和数据融合性,应用场景涵盖车辆检测、道路环境检测和道路行人检测等。
977 1
|
5月前
|
JSON API 数据格式
淘宝天猫店铺订单列表、订单详情、订单物流 API 接口全攻略
淘宝天猫订单API接口简介:支持订单列表查询、订单详情获取及物流轨迹追踪功能。通过taobao.trades.sold.get等接口批量查询订单,按状态/时间筛选;taobao.trade.fullinfo.get获取订单详细信息;taobao.logistics.trade.trackget实时跟踪物流状态。开发者需注册账号、申请权限,并使用编程语言调用API,传递必要参数(如App Key、订单ID),处理JSON返回数据。适用于多场景订单管理与物流同步。
|
SQL 开发框架 关系型数据库
不会使用 EF Core 的 Code First 模式?来看看这篇文章,手把手地教你
不会使用 EF Core 的 Code First 模式?来看看这篇文章,手把手地教你
806 0
|
11月前
|
人工智能 监控 安全
自学记录鸿蒙 API 13:实现人脸检测 Core Vision Face Detector
本文介绍了基于HarmonyOS Next API 13中的Core Vision Face Detector API实现人脸检测小应用的过程。通过研究发现,该API不仅支持人脸检测框的定位,还能识别关键点(如眼睛、鼻子和嘴角位置)及人脸姿态信息。文章详细记录了开发历程,包括项目初始化、权限配置、图像加载与人脸检测、用户界面设计,以及性能优化和功能扩展的思路。应用场景涵盖身份验证、照片管理和实时交互等。未来计划将技术应用于智能照片管理工具,提供更高效的照片分类体验。欢迎对人脸检测技术感兴趣的读者一起探讨和进步。
425 7
|
Java Linux Maven
IDEA如何用maven打包(界面和命令两种方式)
【10月更文挑战第14天】本文介绍了两种Maven项目打包方法:命令行与IDEA界面。首先确保已安装Maven并配置环境变量,通过`mvn -v`检查安装。命令行打包需进入项目目录,执行`mvn package`,之后在`target`目录查看结果。IDEA打包则需配置Maven路径,打开Maven Projects窗口,双击Lifecycle下的`package`阶段,同样在`target`目录查找生成文件,并在Build窗口查看日志以排查问题。
4762 1
|
机器学习/深度学习 人工智能 算法
别emo,EMO来了!你的照片也能开口讲相声、飙情歌
阿里云推出AI面部驱动工具EMO,可在通义APP的【全民舞台】体验。用户上传图片,选择模板即可生成动态说话效果。目前模板丰富,包括《野狼Disco》等,但因体验者众多,生成时间约10分钟。EMO由阿里集团智能计算研究院研发,能根据音频生成逼真的表情和头部动作视频,保持人物身份一致,支持跨语言和风格。技术原理涉及深度学习和面部识别,有望应用于影视、教育等领域,但也面临隐私和伦理挑战。官方尚未开源模型和源码,期待未来改进和社区发展。
|
数据中心
100Base-TX以太网媒体标准详细解析
【10月更文挑战第16天】
1506 1
|
Java
Java中的匿名内部类(看这篇就够了)
Java中的匿名内部类(看这篇就够了)
1877 0
|
C#
C# WPF 将第三方DLL嵌入 exe
C# WPF 将第三方DLL嵌入 exe
285 0
|
自然语言处理 Java 测试技术
序列化性能之巅:使用Fury替换Protobuf/Flatbuffers实现10倍加速
问题背景Protobuf/Flatbuffers是业界广泛使用的序列化库,服务于大量的业务场景。但随着业务场景的复杂化,Protobuf/Flatbuffers逐渐不能满足性能需求开始成为系统瓶颈,在这种情况下,用户不得不手写大量序列化逻辑来进行极致性能优化,但这带来了三个问题:大量字段手写序列化逻辑冗长易出错;手写重复序列化逻辑开发效率低下;难以处理发送端和接收端字段变更的前后兼容性问题;这里将
5024 0
序列化性能之巅:使用Fury替换Protobuf/Flatbuffers实现10倍加速