2022年教培行业研究报告

简介:

教培行业.jpg

第一章 行业概况

1.1 行业概况

教育培训及相关产业是指国家学校教育制度系统和非学制系统有计划、有组织地为社会公众提供各种教育培训及相关产品(货物和服务)的生产活动集合。
中国教育培训主要可以划分为三个阶段:学前教育、K-12阶段、职业教育。其中K-12阶段又可以分为学科类培训和素质教育,学科类培训以提高学生的学科成绩为目的。
2021年,校外学科类培训政策全面收紧,教育部下发的《义务教育阶段校外培训项目分类鉴别指南》从培训目的、培训内容、培训方式、评价方式明确了学科类培训的范围,将虚拟者、人工智能等授课主体也涵盖在内,严防学科类培训变相违规开展。
素质教育注重学生创造力培养和个性化发展,包含艺术类、体育类、STEAM教育(代表科学 Science,技术 Technology,工程 Engineering,艺术 Arts,数学 Mathematics)、 社会化素养等。职业教育包含资格考试、技能培训、家庭教育以及其他。

图 中国教育培训行业阶段以及基础规模


image.png


资料来源:千际投行 资产信息网 国家统计局


根据国家统计局数据显示,截至2020年,我国学前教育、K-9阶段、普通高中、普通高校的在校学生数分别为4818万人、15639万人,2494万人和3285万人。学前教育和K-12阶段的学生是素质教育的主要目标群体,潜在市场广阔。随着考研、考公人数的逐年上升,职业教育成为当前热门赛道。

1.2 相关政策

政策重塑教培行业,学前教育、学科类培训步入严监管时期,素质教育、职业教育迎来政策利好站上风口。

1.2.1 学科类培训全面受限

2021年7月24日,中共中央办公厅、国务院办公厅印发《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》(又称“双减政策”),明确了降低学生课业负担、严格监管校外培训、提高学校教学质量的基调。该新规从多个维度限制了校外学科类培训机构的发展,切断了新机构的准入途径,消除了资本向学科类培训机构输送的可能性,对原备案的学科培训类机构采取严格监管审批的机制。
2021年9月6日,教育部发布了《关于坚决查处变相违规开展学科类校外培训问题的通知》,明确了校外学科培训变异形态,严禁“直播变录播”等方式违规开展学科类培训。
在市场规模的断崖式下降的背景下,相关学科类培训机构将面临经营上的长期压力以及亏损、破产的风险。根据天眼查数据显示,“双减”政策颁布的两个月内,我国已有超1250家教育培训机构被法院强制执行,其中包括华尔街英语、启文教育等机构,教培巨头新东方在线已宣布将停止经营中国内地义务教育阶段学科类校外培训服务。市场内剩余的学科类培训机构亟待战略转型,素质教育和职业教育成为机构转型的主要向。

图 “双减”政策相关内容


image.png


资料来源:千际投行 资产信息网

1.2.2 学前教育政策收紧

2021年3月31日教育部发布《关于大力推进幼儿园与小学科学衔接的指导意见》,提出改变过度重视知识准备,超标教学、超前学习的状况,规范学校和校外培训机构的教育教学行为的重点任务,小学严格执行免试就近入学,严禁以各类考试、竞赛、培训成绩或证书等作为招生依据,坚持按课程标准零起点教学。
“双减”政策进一步要求统筹做好校外学前教育治理工作,不得开展面向学龄前儿童的线上培训,并严禁以学前班、幼小衔接班、思维训练班等名义面向学龄前儿童开展线下学科类(含外语)培训。

1.2.3 政策层面利好职业教育

图 职业教育培训行业相关政策


image.png


资料来源:千际投行 资产信息网


图 素质教育培训行业相关政策


image.png


资料来源:资产信息网 千际投行

第二章 产业链、商业模式和技术发展

2.1 产业链和商业模式

图 教育培训行业产业链


image.png


资料来源:千际投行 资产信息网

2.1.1 教培行业模式

教育培训行业可以分为线上和线下模式,在线教育培训行业由技术提供商、平台、内容提供商三方构成。技术提供商通过提供技术解决方案获利,平台通过内容收入分成和广告获利,内容提供商通过出售内容获利。
(1) 内容付费
内容付费模式下,教培机构依靠独有的专业内容向客户收费,方式比较多元,主要可以分为一次性购买、课时费、会员费和增值服务费。一次性购买指的是用户单次购买即可解锁课程所有内容,会员付费指的是用户充值一定金额可以解锁特定内容,此外还有按课时收费,机构按照课时定价,用户观看课程会消耗相应数量的课时。
(2) 平台抽成
部分教育机构受制于资源匮乏等因素会选择在第三方网课平台上发布网课,平台会根据卖出的课程抽取分成,或者为相关机构提供推广分发服务收取费用。
在线教育业务模式

图 在线教育业务模式


image.png


资料来源:千际投行 资产信息网

2.1.2 从业模式

在线教育从业务模式上可以分为:B2C、C2C、O2O、B2B。
(1) B2C模式
指的是机构面向学生提供教育辅导服务,授课形式有录播、直播、1对1、1对多等。B2C的机构大多主打精而深的垂直格局,深耕语言培训、职业培训、编程培训、出国留学等特定领域,具有鲜明的品牌形象。
(2) C2C模式
指的是平台模式,平台本身不提供内容,通过引入其他机构或者是独立的讲师团队为用户提供教学辅导服务,平台主要负责流量整合以及内容分发,优点是可以避免内容滞销的风险。
(3) B2B模式
指的是机构对机构的业务,以好未来为例,未来魔法学校是好未来2B业务的布局,通过发挥自身教研经验丰富的优势,为培训机构提供解决方案和工具,帮助机构实现线上转型以及运营管理,“双师课堂”提供以名师主讲为核心的解决方案,“未来好课”为教研机构提供一站式面授课堂解决方案,提供全场景支持的标准化教研产品,“校长学员”为教育管理者提供运营管理平台。2021年12月21日,公司推出全新品牌“美校”,为教育行业提供完整的直播、教研、AI系统解决方案。
(4) O2O(Online to Offline)模式
常见的形式是机构通过线上内容运营获取流量,再将流量引导至线下的面授机构,使线上用户成为线下的学员,或者原本的线上教育机构开展线下业务。以资质类培训机构为例,机构通过线上为学生解答专业问题获得流量,与学生建立联系,并提供相关证书咨询服务,逐步将线上用户发展为线下面授课的学员。
当前 OMO(Online-Merge-Offline)代替O2O成为发展趋势,OMO是一种行业平台型商业模式,将线上线下教学资源相整合实现效率最大化。

2.1.3 细分行业

教育培训按细分行业划分主要有职业教育和素质教育两大赛道。
职业教育可以分为学历职业教育和非学历职业教育,学历教育可以分为中等和高等职业教育。非学历职业教育以就业和技能提升为导向,主要分为职业资格考试培训、职业技能类培训和企业培训。职业资格考试和职业技能培训是主要热门赛道。

图 职业教育市场规模(亿元人民币)


image.png


资料来源:千际投行 资产信息网 多鲸资本


职业教育市场规模近五年持续增长,非学历教育是主要增长因子,根据弗若斯特沙利文数据,职业技能培训细分近五年复合增长CAGR为10%, 职业考试细分近五年增长为4.5%。 2024年市场规模预计可以达到12000亿元人民币。

图 非学历职业教育培训图谱


image.png


资料来源:千际投行 资产信息网


图 职业教育培训机构商业模式


image.png


资料来源:千际投行 资产信息网


大型职业教育培训机构品牌效应明显,具有先发优势。职业教育培训机构获客渠道可以分为线上线下,头部机构在两种渠道上都与其他机构形成明显壁垒。
首先,头部机构借助资金优势,通过信息流广告投放获得一定知名度,加深用户对品牌的印象,其次发挥教学资源优势,为用户积极解答专业问题,财经类培训机构的典型代表是东奥会计在线和高顿网校,二者通过答疑解惑进一步增强品牌形象、提升品牌口碑。
依赖销售人员获客、获客成本高是培训行业的特点,大型机构销售管理团队通常规模庞大,因此拥有更多的资源进行客户跟踪管理,在线下渠道容易形成先发优势。自身品牌效应与线下销售推广的结合,使大型机构在获客难易程度方面要远远小于中小型机构。
线上、线下融合,多种形式授课成为当前行业发展趋势。线上授课可打破地缘限制,与线下面授形成互补,使教学环节更加灵活。疫情的爆发催生了线上教学的需求,打破地理空间的限制对于教学推进至关重要,当前传统头部企业纷纷开始探索OMO形式,借助科技手段完善教学环节,智能化管理学生档案、评估学生掌握程度,实现课前、课中、课后全覆盖。课程方面衍生出直播、录播、AI互动、1V1私教、双师等形态相互结合的模式,拓宽了用户学习场景,满足了上班族等群体的需求。
行业两级分化明显,市场格局分散。当前大型的职业培训机构已经形成“获客+授课+就业”的完整生态,品牌效应与获客实现正向良性循环,小型机构则数量众多、竞争激烈、布局分散,充分下沉市场,该特征在考研培训赛道和公考赛道尤为明显,地级市和县公职类招录岗位的大量需求催生了深耕区域的小型公考培训机构,该类培训机构具有地理优势和信息优势,是市场的重要组成部分。
近年来,大型公考机构加速市场下沉,中公教育2020年已实现31个省级市和319个地级市的覆盖。考研培训行业则形成“大型机构辅导公共科目+小型机构服务专业科目”的格局,考试科目主要可以分为标准化的公共课和非标准化的专业课,大型机构在公共课上优势显著,可以充分利用雄厚的师资力量,通过学生群体广覆盖形成规模效应。
然而在非标准化的专业科目上,小型机构更胜一筹,由于不同学校考试参考书目存在较大差异,小型机构可以借助信息优势精细化运营,瞄准报考特定学校、特定专业的考生群体,形成竞争壁垒,该壁垒大型机构难以逾越,大小机构互补、共同发展格局将长期存在。
政策出台优化竞争环境,以质为本促提升才能行稳致远。营销推广是机构获客的重要环节,为了降低获客成本,提高用户传化率,不少机构存在过度营销、虚假营销、通过激发学生焦虑心理变相引导学生购买课程等问题。
虽然教育培训机构处于信息链中优势的一方,但是信息不对称的优势会随着客户年龄、经验的增长而消失,通过非正当竞争手段获客,长期来看将有损品牌的形象,用户价值无法进行长期、多次开发。
2021年7月教育部颁布的《教育部办公厅关于加强社会成人教育培训管理的通知》明确将严格招生管理,加强对社会成人教育培训机构招生管理,不得进行虚假广告和宣传,不得隐瞒或混淆机构性质。市场监管趋严,教育培训机构只有打造以产品质量为核心的竞争优势,才能实现可持续的发展。

图 职业教育行业图谱


image.png


资料来源:千际投行 资产信息网


素质教育按科目可以分为体育类、艺术类、科学创造类、启蒙素养类。

图 素质教育培训行业图谱


image.png


资料来源:千际投行 资产信息网


素质教育赛道格局较为分散,处于早期发展阶段,众多机构涌入,原K-12教育机构逐步加码素质教育行业,寻找新的增长点。
在模式探索上,OMO将是未来的发展方向,线上线下共同推进可以弥补单一渠道发展的缺陷。在线素质教育对于技术要求高,相比于传统的学科教育,素质教育注重对学生兴趣和综合素养的培养,需要提供更强的交互性。然而目前语音识别、图像识别等技术仍处在早期阶段,在学习体验上与线下面对面交流差距较大。
线下素质教育的缺点是受地理空间限制,加上当前学生对素质教育的需求远不及对学科类培训的需求,线下素质教育培训机构难成规模,OMO或是打破僵局的关键。该模式下,机构将按照课程体验需要选择线下或线上教授,同时将部分标准化环节例如学员管理、课程管理等放在线上,以实现降本增效。

2.2 技术发展

人工智能借助图像识别、语音识别、增强智能、神经网络等辅助教学并实现部分教学环节的覆盖。应用场景众多,可以分为教学、学习、考试、能力测评、人生规划管理。

图 人工智能教学应用场景


image.png


资料来源:千际投行 资产信息网 亿欧智库

第三章 行业估值、定价机制和全球龙头企业

3.1 行业估值分析以及估值方法

图 教育行业估值


image.png


资料来源:千际投行 资产信息网


图 2021年三季度销售净利率


image.png


资料来源:千际投行 资产信息网

3.2 行业发展和驱动机制

3.2.1 需求驱动

考研、考公人数逐年上升,职业教育赛道迎来供需双增长。

图 考研报名人数以及录取人数


image.png


资料来源:千际投行 资产信息网 教育部


我国考研人数自2016年以来逐年上涨,2021年报考人数同比增加11%至377万。在政策支持下,过去十几年本科生规模大幅增加,本科就业人数规模庞大,市场供需出现失衡,企业招聘标准不断提高,研究生学历已经成为优质就业必备,在经济增速放缓、就业压力增加的大环境下,考研人数规模将保持持续增长态势,需求拉动下,相关培训机构数量有望增长。

图 历年国家公务员考试招录情况


image.png


资料来源:千际投行 资产信息网 教育部


我国公务员考试招考人数近五年维持在高位,除了2019年国家政府机构2021年国家公务员考试审核通过人数达到136万,同比增长6.25%,最终参考人数为98万,而考试招录人数仅有2.57万人,招录比达到了38:1。公务员岗位稳定的性质使其成为热门就业方向,在非编制岗位就业、工作压力大,竞争激烈的环境下,考公是追求稳定就业的重要途径,未来我国公务员考试或将维持在高位。

3.2.2 资本驱动

素质教育、职业教育成为吸金赛道。

图 2016-2020年国内素质教育行业投融资趋势


image.png


资料来源:千际投行 资产信息网 睿兽分析


国内素质教育赛道近投融资规模较为稳定,案例数量有所减少,单次融资金额规模逐步增大。

图 国内职业赛道股权融资情况


image.png


资料来源:千际投行 资产信息网 IT桔子


国内职业赛道股权融资数量2016年以来呈现下降趋势,但是股权融资总额在2020年出现爆发增长,平均单笔融资金额不断放大。

3.3 行业风险管理

3.3.1 政策风险

职业教育行业景气度与政策环境具有较高的相关性,易受到职业教育政策的影响。
近年来,为支持职 业教育行业发展,国家陆续出台了多项产业扶持和鼓励政策。但相应的配套法律法规和规章全面落实尚需时间,未来仍存在一定的不确定性。
如果未来相关法律法规或产业政策存在重大变化和调整,将可能对职 业教育行业发展趋势产生影响,从而可能影响公司未来的业务开展及业绩情况。
此外,公司分支机构众多,培训场所分布广,不排除未来各省、自治区及直辖市相关监管部门出台针对当地教育培训行业更加严格的监管规定,从而可能影响公司在该地区的经营情况。

3.3.2 竞争风险

教育培训行业整体市场规模大,市场需求广泛分散于全国各地,初期投资规模相对较小,由此催生了大量的地方中小型培训机构,产品同质化比较严重,行业恶性竞争普遍存在。同时,随着未来家庭收入的上升,公众对优质教育资源的重视程度不断提升,行业将继续保持高景气度,这势必引起越来越多的资本涌入教 育培训行业,导致市场竞争日趋激烈。

3.4 中国企业重要参与者

1/ 公考类典型-中公教育(002607)
公司主营业务横跨招录考试培训、 学历提升和职业能力培训等 3 大板块, 提供超过 100 个品类的综合职业就业培训服务。公司在全国超过 1,600 个直营网点展开经营,深度覆盖 300 多个地级市,并正在快速向数千个县城和高校扩张。
公司最早从国家公务员考试培训开始做起,逐步扩展到了省级公务员考试培训、事业单位考试培训和教师招录考试培训等公职类招考培训新领域。已初步形成了存量业务不断壮大、新业务后来居上赶超存量业务的双线增长模型,并在各类资格证考试培训领域进行了全面的覆盖。

图 中公教育商主要业务


image.png


资料来源:千际投行 资产信息网 公司官网


2/ 金融财会类典型-高顿教育(招聘平台:Hi实习)
高顿教育成立于2006年,是一家以科技为驱动,以财经教育为核心,以大学教育、学历教育、职业教育为重点发展方向,集教育培训、教育服务、教育科技与产品研发于一体的综合性国际职业教育集团。致力于构建全品类、全领域的多元化终身教育生态系统,为个人解决职业规划及终身教育问题,帮助企业高效、系统提升财务运作水平。

图 高顿教育商业模式


image.png


资料来源:千际投行 资产信息网 公司官网


高顿教育在多年运营中已经形成“获客+授课+就业”的完整生态,以财会专业学生为目标客户群体,在垂直领域提供CFA、CPA、FRM等资格证书辅导课程和相关领域从业资格培训课程,为学员定制专业学习备考计划,并配备学管师进行课程跟踪管理,精细化运营,以提升用户体验。同时,高顿教育在横向领域不断拓展,开设了编程、四六级等相关课程,满足用户职业技能提升的需要,增加用户的消费频次,在大类业务上设立考研、公考、留学等子业务,瞄准学员的多种就业去向,扩大目标用户的年龄范围,尽可能延长用户的生命周期。

3.5 全球企业重要竞争者

1/ 2U [TWOU.O]

image.jpg


2U, Inc.于2008年4月作为2Tor公司而成立,并于2012年10月改名为2U。该公司是一家提供云技术软件服务化解决方案的领导者,该方案使得那些非营利性学院或大学能够将高质量的教育传送到任何地方合格的学生。2U创新在线学习平台和捆绑式科技促成服务满足了全面的基础设施操作大学的需求,使这些大学吸引、录取、教育、扶持和授予学位给其学生。2U认为,通过利用它的解决方案,其客户提供给他们那些在线学生的教育交流合作、经验和效果将媲美甚至超过在校园内的学习所获,那么它的客户将会有能力扩大他们的目标市场。
2/ Wonder Workshop

image.png


Wonder Workshop 是一家位于美国硅谷的教育和机器人初创公司。 Wonder Workshop 前身为 Play-I, 2013 年 11 月公司成功通过众筹推出了自己的第一批产品,包括了机器人 Bo 和 Yana,随后又在 2014 年更名为 Dash 和 Dot。该公司目前已从 Madrona Venture Group、CRV、WI Harper、Google Ventures 等筹集了 1590 万美元的资金。

第四章 未来展望

  1. 职业教育、素质教育将成为教育培训行业主要赛道,随着学科类培训政策的收紧,K-9阶段学生的需求将部分转向素质教育,素质教育机构数量将进一步增加,培训内容逐渐多元化以满足学生个性化发展的需求,新兴赛道不断涌现。
  2. 教育培训机构在垂直领域纵深发展的同时将保持横向的探索,拓展覆盖群体,提高学生消费次数和复购率。
  3. 各机构将加深OMO模式的探索,OMO模式打破地理空间限制,增强授课灵活性,与线下面授形成良好互补。
  4. 人工智能等技术的发展推动行业进一步发展,优化各教学环节,与多种应用场景结合,提升教学效率。
相关文章
|
机器学习/深度学习 人工智能 监控
|
机器学习/深度学习 人工智能 资源调度
|
传感器 算法 安全
车距检测的国内外研究现状
车距测量技术对于减少交通安全事故,提高行车安全具有重要的意义。目前车距检测技术多是以车辆为参照进行测距,检测结果为两车的直线距离,但在弯道情况下则与实际车间距误差较大。
1082 0
车距检测的国内外研究现状
|
存储 机器学习/深度学习 人工智能
|
自然语言处理 文字识别 供应链