美团和饿了么分别有什么优势和劣势?

简介: 美团与饿了么是现在外卖界的两大主要平台,2017年H1中国在线餐饮外卖平台用户份额显示,饿了吗与美团外卖加一起占82.7%的份额。

美团与饿了么是现在外卖界的两大主要平台,2017年H1中国在线餐饮外卖平台用户份额显示,饿了吗与美团外卖加一起占82.7%的份额。

两者一起所占82.7%的份额中,饿了么占41.7%,美团占41%。饿了么和美团的外卖市场份额差距并不大。

美团和饿了么相比,优势主要集中在提供服务多样化、市场占有率高(美团网在团购市场占有60%的份额)、流转资金充足。

TB1gnEslFzqK1RjSZFoXXbfcXXa.jpg

美团在2010年成立,在此之前,其CEO王兴做过一个叫饭否的类似网站,但没有成功。美团在创业初期,压力很多,困难重重。那时候团购集团很多,美团、拉手、糯米、酷团等等。虽然当时获得了红杉资本超过千万美元的风投,但是2012年,资本进入寒冬,中国团购网站有一半以上的网站倒闭。幸运的是,美团在2011年推出了一项新政策“过期可全额退款”,这项服务看似自断财路,却为美团赢得了好的口碑,其他团购网站纷纷效仿。这为其熬过资本寒冬提供了支撑。寒冬过后,美团并购了一些团购网站,又获得了资金投入。而王兴留美的经历让他吸收了一个崭新的互联网发展模式O2O,这个模式让他清楚的知道,自己做的是一个大市场,不是仅仅有团购,也不是仅仅有外卖。因此,美团从一开始的定位就是提供多样化的服务,只要是能够采用O2O模式的,都可以被纳入他们的服务。到2013年,美团宣布实现盈利,2014年又获得2亿美元C轮融资,其中阿里巴巴跟投。2015年,美团网与大众点评合并,达成战略合作新公司。今年获得腾讯的投资。但是,随着国内科技巨头们财大气粗用资金猛砸伸向住宿、旅游、电影、团购、机票领域,美团的多样化业务也开始受到挫折。最近一年,机票和酒店投资失利,唱空美团的消息接连不断。美团对自己的投资线与资金状况要进行更谨慎的判断与选择。

TB1rCQplH2pK1RjSZFsXXaNlXXa.jpg

饿了么其实和美团类似的是,他们的创始人都是高等大学毕业后自主创业,而对于饿了么的ceo张旭豪来说,显然他看上去更加乐观而容易满足。2009年在读研期间,他与同学创办了饿了么网上餐厅。他们是看中了餐饮外送行业这个点,然后开发了网上订单系统。而王兴是看到了一个大的销售模式。所以,从一个是切入点不同,使得饿了么的业务主要集中在外卖领域。但是,饿了么的成长显然很迅速,一步步市场扩大,一轮轮融资,2017年8月,饿了么收购了百度外卖,结束了三足鼎立的局面。饿了么专注于打造数字化餐饮生态系统,使得他对餐饮外卖最为重视,这是其主要的业务。据数据显示,饿了么外卖的用户粘性也是所有外卖app中最高的。

不同的餐饮商家可以和某个平台独家合作,也可以都进行合作。但是同质性颇大的业务必然会使得竞争加大,美团出现了胁迫商家签订独家协议等行为。在前不久也被认定为不正当竞争行为。总的来说,只在外卖方面,两个平台差距并不大,消费者大都是看谁家优惠多用哪一个,或者喜欢的饭店在哪个平台用哪一个。可真是苦了小编这种手机内存不够,只下载了一个外卖app的人。

相关文章
|
人工智能 自然语言处理 API
AutoAgent:无需编程!接入DeepSeek用自然语言创建和部署AI智能体!港大开源框架让AI智能体开发变成填空题
香港大学推出的AutoAgent框架通过自然语言交互实现零代码创建AI智能体,支持多模型接入与自动化工作流编排,在GAIA基准测试中表现优异。
1775 16
AutoAgent:无需编程!接入DeepSeek用自然语言创建和部署AI智能体!港大开源框架让AI智能体开发变成填空题
|
SQL Java 数据库连接
SPL介绍
【10月更文挑战第5天】
|
前端开发 Java 数据库
SpringBoot入门(3) - 对Hello world进行MVC分层
本文介绍了如何在Spring Boot项目中实现MVC分层架构,通过将代码划分为controller、service、dao和entity四个部分,实现高内聚低耦合的设计。示例项目包括用户增删查改功能,详细展示了各层的具体实现及运行测试。
422 11
|
网络虚拟化 网络架构
三层交换机的详细配置步骤
三层交换机的详细配置步骤 1、三层交换机 三层交换机就是具有部分路由器功能的交换机,工作在OSI网络标准模型的第三层:网络层。三层交换机的最重要目的是加快大型局域网内部的数据交换,所具有的路由功能也是为这目的服务的,能够做到一次路由,多次转发。
4261 0
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,大模型在各领域的应用日益广泛。然而,将其私有化部署到企业内部面临诸多挑战,如硬件资源需求高、数据隐私保护、模型可解释性差、更新维护成本高等。本文探讨了这些挑战,并提出了优化硬件配置、数据加密、可视化工具、自动化更新机制等解决方案,帮助企业顺利实现大模型的私有化部署。
1420 1
|
数据采集 机器学习/深度学习 API
爬虫过程中如何处理验证码?
【2月更文挑战第22天】【2月更文挑战第69篇】 爬虫过程中如何处理验证码?
1285 1
|
机器学习/深度学习 人工智能 并行计算
GPU 和 CPU 处理器的架构
CPU(中央处理器)和 GPU(图形处理单元)是计算机系统中最重要的两种处理器。它们各自的架构设计和技术体系决定了其在不同应用领域中的性能和效率。
1152 1
|
机器学习/深度学习 算法 前端开发
集成学习任务七和八、投票法与bagging学习
集成学习任务七和八、投票法与bagging学习
455 0
|
存储 前端开发 Java
JavaWeb:servlet+jsp+mybatis商品管理增删改查
商品管理通常包括增加(添加)、删除、修改和查询商品信息
499 2
JavaWeb:servlet+jsp+mybatis商品管理增删改查
|
C# 开发者 数据处理
WPF开发者必备秘籍:深度解析数据网格最佳实践,轻松玩转数据展示与编辑大揭秘!
【8月更文挑战第31天】数据网格控件是WPF应用程序中展示和编辑数据的关键组件,提供排序、筛选等功能,显著提升用户体验。本文探讨WPF中数据网格的最佳实践,通过DevExpress DataGrid示例介绍其集成方法,包括添加引用、定义数据模型及XAML配置。通过遵循数据绑定、性能优化、自定义列等最佳实践,可大幅提升数据处理效率和用户体验。
333 0