电商20年：中国商业生态的重塑与未来

阿里巴巴新零售旗舰商城“亲橙里”的大屏幕实时显示着消费大数据。图/视觉中国

回顾中国电商20年的发展，它们在给消费者带来全新的购物体验的同时，也已经深深地改变了中国整个商业环境。随着线上线下从冲突、对立走向融合，以全渠道、新零售为代表的全新商业模式的逐渐形成，这一冲击和改变对参与其中的各种企业都提出了新要求。未来，成功的企业将不仅是那些首先发现并拥抱这一趋势的企业，更是那些能进行全面变革，强化自身能力的佼佼者。我们期待在中国电商的新阶段——新零售时代，产生更多的变革的力量，在世界范围内进一步引领商业生态的进化。

过去：从模仿者到引领者

电商市场份额指电商平台零售额占全社会消费品零售总额的比例

中国电商起步稍稍晚于美国，但后来居上，目前是全球电商渗透率最高的市场——电商占社会消费品零售总额超过18％。更重要的是，中国电商创造了一个庞大的商业生态，带动了移动支付、快递物流、数字商业服务、原创品牌等多个产业的发展，也重塑了服饰、美妆个护、家电等许多行业的运营模式。从电商开始，本土数字化创新掀起一波又一波浪潮，在2C数字化领域已成为全球引领者。

相比欧美市场，中国电商的一个突出特点是：流量高度集中于少数平台，品牌自营和传统零售商自营电商从未真正起步。

欧美电商格局相对分散，其中一股重要的力量是品牌商和传统零售商的官网自营电商。在美国，沃尔玛是前五大电商之一；在英国，Tesco是第二大电商。在中国，探索自营电商路线的线下零售商们前仆后继，前有沃尔玛一号店，后有大润发飞牛网，绝大多数惨淡收场。目前，尚有部分国际品牌在中国坚持官网自营，包括定位高端因而兼顾品牌营销功能的美妆品牌如Chanel、Gucci等，及以品牌限量款独特优势获得10％－15％电商份额的国际服饰品牌如Nike等，但在中国电商生态下无不面临成本收益远远低于平台品牌电商旗舰店这一局面。

这种高度集中的市场格局也深刻影响了中国电商此后的发展轨迹和形态。一方面，流量高度集中，导致了大范围、跨品类的海量消费者行为数据集中于头部平台。资源和数据的集中，给了头部平台巨大的能量，快速推进迭代创新。另一方面，由于线上第三方平台是电商革命的绝对主导，品牌方无法通过自营电商实现渠道和数据自主。品牌商与平台的博弈贯穿电商发展历史，在进入“新零售”时代后愈加凸显。

尽管流量高度集中，但中国电商行业始终是一个多元主体的庞大生态。电商平台是一个巨大孵化器，其中不只有大小卖家，还有各类平台服务商（如：代运营TP、eCRM、电商营销策划）、基础设施供应商（如：物流、仓储）、在线支付和金融等。进入新零售时代后，更接入了各类线下零售商、经销商、智能硬件供应商等。在20年的飞速发展中，电商行业除了诞生出阿里巴巴、京东、拼多多等数个明星平台之外，这一生态也孕育出一大批乘势而起的上市企业与独角兽，构建了数字化新经济的半壁江山。

这一庞大生态中，移动支付和快递物流是影响最为深刻和广泛的两大领域，影响范围远超电商，构建了消费数字化革命的基础条件。此后在中国，消费数字化领域本土企业高歌猛进，对国际巨头形成压倒性优势——电商对阵亚马逊，移动支付对阵Apple Pay，移动出行对阵Uber。中国成为全球2C数字经济领域最先进的市场之一。

现在：从IT到DT

电商生态系统中多种主体的博弈、要素的重组，塑造出当前数字消费多样化的新模式。而自新零售概念提出以来，五光十色的模式创新更是“乱花渐欲迷人眼”。然而，拨开各种纷杂的概念，这一阶段零售革命的实质是从IT （information technology，信息技术）向DT（data technology，数据技术）的升级，即，数字化渠道从单纯的信息交流的平台，升级到可以挖掘底层数据价值的“商业资源引擎”。随着数据成为新时代的能量之源，电商生态中的各方也正在围绕数据展开激烈的争夺。

模式创新

经过20年的高速爆发，当前中国电商在规模上已经进入平稳增长的阶段。根据国家统计局的数字，2019年1月－2月，全国网上零售额同比增长14％；而在2018年全年这一数字是24％，2017年为32％。尽管高速扩张期已过，但行业并未僵化，反而积极探索各类新模式，期望再造新浪潮。巨头和新进入者纷纷从品类拓展、流量模式、价值链重构等角度探索突破空间。

新零售“近场化”——重货鲜货的机遇：中国电商市场中规模最大的品类为服装、家电、消费电子，这些品类中，电商渗透率已达30％以上，进一步增长空间有限。相比而言，食品饮料的零售体量庞大，但电商渗透率只有5％－10％，是渴望增长的电商玩家眼中的一块潜力巨大的处女地。但是，食品饮料的品类特性不适合传统电商：低客单价（平均低于100元）、低毛利（10％－20％）、高运费（重货多、每单物流成本10％－20元）——传统电商模式下，一单订单的毛利可能还不足以覆盖运费。因此，为释放食品饮料品类的销售潜力，各类线上线下相结合的新零售形式应运而生，即“三公里生活圈”模式——一方面打造“近场化”的消费场景，捕捉社区型、即时性的消费需求；另一方面，将传统线下门店转化为前置仓，就近配送，压缩物流成本。盒马鲜生是其中的典型成功样本，当前正在兴起的社区生鲜业态也是遵循这一思路。

社交流量裂变——品牌自营的另一种可能性：随着网民增量减少及平台的垄断地位，流量成本攀升是当前电商之痛。而拼多多的强势崛起，正是因为它在流量模式上实现重要突破。

第一，拼多多切入“电商边缘人群”，避开流量争夺的核心战场，大大降低了获客成本。在中国，淘宝天猫的活跃用户有5亿－6亿，这些是较成熟的电商用户，兵家必争；而微信活跃用户超10亿，其中覆盖了4亿－5亿平时不用淘宝的人。拼多多依靠微信平台，以及自身的性价比定位，成功触达并激活了这批“电商边缘人群”。

第二，拼多多通过社交裂变，实现了单次获客的价值最大化。在流量昂贵的年代，许多垂直电商烧钱至死，很重要的一个原因是无法实现留存——高昂的成本引来一个用户，交易一次之后就流失了。而拼多多的模式下，一个用户通过社交分享，可以引来更多的用户——一次获客带来了数倍的价值。

拼多多高歌猛进之外，社交电商模式的价值正在被电商生态圈中的另一个群体重视——广大品牌商。前文提及，品牌自营电商网站在中国从未成功，品牌商与巨头电商平台长期处于互相依存又彼此博弈的状态，平台电商数据不自主是品牌商的一大痛点。而现在，基于微信小程序的社交电商，让品牌商看到了自营电商的一种新的可能性。在美妆领域，欧莱雅集团已经率先开始了尝试。欧莱雅旗下的兰蔻和YSL于2018年上线了自营的微信快闪店，围绕七夕等特定节点，通过小程序进行社交传播。小程序电商模式，易于拉新，但不易留存，当前更适合于“快闪店”类的短期活动，长线运营模式尚在摸索之中。事实上，对于欧莱雅这类品牌商而言，这类社交快闪店的最大价值，并不在于销量规模，而在于获取线上新用户，并将新用户的数据留存在自有体系之中，进而跟品牌自有的CRM（customer relationship management）系统打通，从而进行全链路的客户运营。

C2M的探索——释放上游制造业的能量：在中国这个制造业大国，淘系平台型电商的发展给了许多传统OEM、ODM企业转型做品牌的机会，这些企业可以在电商这一相对低成本的渠道直接接触各线城市消费者。然而，近年随着电商流量成本上升，中小型制造企业通过自有资源获取流量建立品牌的门槛大大提高。与此同时，一些集成型的C2M （consumer to manufacturer）电商应运而生，通过平台资源，向上整合制造资源，向下打通对消费者的通路。这类C2M电商的代表，一为类似西方零售商“自有品牌”模式的“网易严选”，二为制造商拥有品牌的“必要”。

C2M模式关键风险在于商品品类管理，其中包括选择合适的品类和产品、商品复杂度控制、需求预测管理等。与其他垂直电商面临流量难题不同，网易严选在流量上具有先天优势——可以借助网易旗下邮箱、游戏、新闻等高流量的产品矩阵进行低成本的引流。凭借流量优势，严选在2016年－2017年高速增长，也让管理层对GMV寄予了更高的期望。为了实现2018年200亿的GMV目标，严选这一“精品电商”开始了激进的品类扩展——SKU数量从2016年上线时的几百个，到2018年时已增至上万，覆盖几乎全品类生活用品。严选走自营而非平台模式，需要承担全部商品的库存和资金风险。在对新的品类市场需求还没有充分理解的情况下过于激进的品类组合扩张导致适销对路问题难以避免，给运营和供应链管理造成沉重压力，使库存积压问题在2018年下半年爆发。

在品类管理策略上，必要选择了与网易严选不同的路线——先接单，后生产，消灭库存环节。这种模式在大大降低平台库存风险的同时，付出了消费者体验的代价——在必要上订购一个床垫，可能需要一个月的时间才能收到货，这对当前已经习惯隔日收货的中国网购用户而言是一个突出的劣势，GMV的增长也自然大打折扣。

盒马鲜生的日日鲜是另一种自有品牌模式的尝试。相对于网易严选，盒马鲜生的日日鲜自用品牌一方面因其生鲜特点品类管理风险更大，而另一方面，盒马在推进过程更为循序渐进，目前在盒马的品类占比和销量占比都还很少，盒马运行良好的非自有品牌业务足以支撑其在自用品牌方面的尝试和早期的损失。但同时，盒马鲜生拥有积极的扩张目标，主流业务利润状况良好，相对于门店扩张，自用品牌发展需要的资金和资源投入难以在短期获得高优先级的支持。

总体而言，C2M电商模式还处于起步阶段，未来能否爆发并重构消费价值链，取决于领先企业能否有效提升商品品类管理经验，提升消费者体验，以及获得充分的资源投入支持。

以数据为核心的变革：从IT到DT

从电商到新零售，五光十色的模式创新只是表象，根本内涵在于数据应用程度的深化，这是一场是从IT到DT的革命。在英文语境中，Data多指基础性、未经过深度处理的原始数据；而Information指经过提炼的、有明确指示意义的信息，Information是Data处理后的产品。在IT时代，电商是信息（information）交互的平台，卖方说明自己有什么，买方说明自己想要什么，平台起到需求配对的作用。而在DT时代，电商及新零售平台的功能深化了——它收集了海量的消费者行为数据（data），通过大数据和人工智能技术，从基础性原始数据中提炼意义，分析消费者偏好、预判消费者行为。IT时代的电商是需求配对，DT时代的电商在需求配对之前进行需求深度解读和预测。

盒马鲜生被称为新零售的样板，不仅仅在于它打通了线上线下的消费场景，更是在于它对数据价值的深度挖掘。据了解，凭借阿里巴巴生态内的强大数据能力，盒马鲜生实行大数据选址和选品。在选址上，由于盒马定位于消费升级能力和意愿较强的客群，大数据系统可以识别出此类客群集中的商圈和区位。在选品上，凭借淘系电商多年积累的用户行为数据，盒马可以分析出门店周边3公里内人群的商品偏好，对各门店进行定制化选品。新零售构想中“人-货-场”，其核心要义就在于通过数据技术深入挖掘“人”的需求。

反观网易严选，在其品类管理不具备盒马拥有的选品数据基础的情况下，步伐太快可能带来库存风险。

数据战争

在数据驱动的新零售浪潮下，“得数据者得天下”，这已成为消费品和零售行业的信条。因此，电商和新零售生态内的各方，围绕数据进行着激烈的争夺。2017年中顺丰与阿里的数据接口之争，让数据战争第一次进入媒体和公众的视线。事实上，各方隐性的数据战争，一直在持续进行中。消费品领域中，美妆是线上线下数据应用程度较深的行业，以下以美妆为例，展示这场多方的数据角力的冰山一角。

品牌方vs.服务商——深挖线上数据价值：长期以来，外资头部快消品企业的电商业务大多由电商代运营公司（TP）处理日常事务，部分品牌甚至将电商业务整体外包给TP公司代理。在美妆行业，丽人丽妆、悠可、网创这三大公司占据了TP服务60％－70％的市场份额，它们操作着大部分知名美妆品牌的线上营销运作和消费者数据应用。随着电商对美妆企业的战略重要性日益突出，品牌方开始意识到由第三方TP操盘电商业务乃至线上数据的风险。以最大的美妆集团欧莱雅为例，在中国，电商贡献了其大众化妆品部门30％－40％的销售和高端化妆品部门15％－20％的销售，是关键增长杠杆之一。有鉴于此，欧莱雅已从2018年逐步回收TP电商业务至内部团队和内部企业百酷，以全面掌握电商业务及相应数据。美妆电商另一领先外资品牌雅诗兰黛也在采取类似的举措。

品牌方vs.经销商——推动线下数据整合：广泛的分销网络是快消品企业在中国的关键制胜要素，但进入DT时代后，复杂的分销体系却成为了品牌方推进数据整合的一大障碍。在快消品行业，领先企业纷纷建立经销商管理系统以整合经销商进销存数据，但痛点在于确保经销商真正有效使用系统从而获取及时真实的数据，而整合零售商数据对于商品遍及传统渠道的大型企业在中期更是难以实现。在美妆行业，大众化妆品则高度依赖经销商将产品铺至广大美妆店、商超等，终端结构分散，许多本土大众化妆品品牌因此尚未建立成型的消费者数据系统。在向新零售转型的过程中就面临着数据缺失的痛点，CRM体系的健全和提升是当务之急，也是领先本土企业如自然堂等的重要举措。但是，由于主体分散，且许多连锁美妆专门店也在打造自己的CRM系统，品牌与渠道的利益难以协调，线下数据收集与整合并非易事。

品牌方vs.平台方——线上线下一体化的困境：“打通线上线下数据”是新零售的新闻公关稿中常见的表述方式，但在实际业务运作中绝非易事。因为线上和线下两套消费者数据背后，是不同的利益主体——简要来说，线下数据归品牌商所有，线上数据由电商平台掌控。双方都有数据整合的需求：为推进线上线下融合的新零售，需要获得完整的消费者全渠道行为画像；线上线下打通的会员体系也有助于提升消费者体验。然而，与数据整合的收益相比，品牌方更担心与电商平台共享线下数据（主要是品牌CRM系统中的消费者个人信息和消费记录）后流失品牌核心客户资源。因为这一担心，即使阿里在推进智慧门店的过程中有较大的激励机制和门店转换率明显提升的案例，主流服饰和美妆大型品牌在过去两年更多是观望而非积极参与。积极参与的往往是期望通过智慧门店弯道超车的中型品牌，如林清轩、玛丽黛佳等。

谁能用好数据

网购已成了很多人生活中不可缺少的一部分。图/视觉中国

尽管数据战争如火如荼，但掌握数据不代表能够用好数据。当前电商生态中各方的数据应用能力存在显著差距。

阿里巴巴对数据价值的开发水平远远领先。首先，阿里体系内多个平台上的消费者行为数据互相打通，包括天猫、淘宝、优酷、高德等，形成了尽可能立体的消费者画像。其次，基于算法建立丰富的用户标签体系，建立了“千人千面”精准营销的基础。此外，至关重要的是，阿里开发了一系列面向品牌方的对外数据服务，以产品化的方式实现对外数据赋能，包括聚焦于行业洞察的策略中心，服务于精准营销的达摩盘营销平台，专注于消费者洞察的数据银行，支持产品创新和新品上市的创新中心，以及旨在支持销售有效性的生意参谋。其中达摩营销平台、数据银行、生意参谋等已较为成熟，创新中心还在积极推广中，而策略中心则尚在商品化尝试阶段。

其他电商平台在数据利用方面正积极追赶，但差距客观存在。京东内部正积极尝试深度利用数据，但各部门各行其是，缺乏统一中台整合资源和成果；并且，京东对外尚未形成产品化服务，与品牌的数据合作仍以出售数据的初级方式为主。腾讯旗下微信体系内虽然开放数据接口，但并不提供深度数据服务。

品牌商方面，它们虽然力争数据主导权，但对数据的开发利用仍有很大优化空间。大部分品牌对自有数据的应用仍以传统CRM模式为主，即积分礼遇和活动提醒，并未充分挖掘数据的价值。当然，在数字化转型的过程中，成功的企业是有意识地建立数据基础、积极挖掘数据价值的企业，至于数据运用是通过内部团队还是外部力量并不重要。实际上，成功企业往往在短期借助外力挖掘数据价值、建立数据能力，同时循序渐进建立内部数字化能力。找到合适的各类外部生态系统合作伙伴（如CRM、DMP、大数据分析等等），并建立有效的合作模式以最大化合作伙伴的价值，是企业数字化转型成功的第一步。

未来：从前端革新到后端革命

尽管20年的电商历程塑造了全新的消费者互动模式和商业生态，但我们也面临行业性挑战：第一，对品牌方来说，随着流量红利消失，近五年来的电商营销费用越来越高，对品牌利润造成压力。第二，对渠道方来说，除阿里巴巴外，各类电商和新零售业态的整体盈利情况并不乐观。在当前的宏观经济环境下，盈利性对企业的重要性前所未有。电商和新零售，除了要创造新的体验之外，商业效率的提升也变得愈加重要。

正如阿里CEO张勇所言，“过去十年中，绝大多数对互联网和数字技术的应用，都发生在销售端、营销端和消费者端。”而在未来十年，“怎么通过消费者端更好地推动供给侧改革，在数字经济时代显得尤为重要”。商家及品牌商在红利消失后，面对变化越来越迅速的市场，正处在阵痛中， 消费者洞察能力不足，导致市场需求预判不准确；销量难以预测，导致计划准确性低；分货策略及补货规则不清晰，产品在不同渠道孤立流转，导致库存过时、降价销售等等陷阱，使得关注重点开始转向企业内部。

效率为王：基于数字化供应链的全方位提升

我们相信，下一轮零售革命的浪潮，将更关注研发、供应链、组织管理等商业价值链的后端。以供应链为例，数字及技术的应用将贯穿供应链整个生命周期，在成本控制、效益、用户体验三方面实现全面提升，从而在变化迅速的市场中帮助企业立于不败之地。这将包括五方面的优化：合理的商品结构和配置、精准的销售预测、动态并实时调整的铺货计划、前瞻性及快速反应的生产/采买计划、高效的库存周转及快速的履约能力。

互联网企业也已经意识到商业价值链后端效率提升的重要性，并纷纷提出各种赋能方案、平台及技术。2017年，京东物流集团联手京东Y事业部正式推出了“诸葛·智享”智慧供应链商家开放平台，提供大数据和算法能力，帮助京东入驻商家更好地精选商品、优化定价。2018年中，腾讯高调宣布转型ToB，加码腾讯云等行业解决方案，推动产业互联网升级。2018年阿里供应链平台事业部也推出了阿里供应链平台，实现精准选品、智慧预测、最优布局。2019年初，阿里发布“阿里巴巴商业操作系统”，融合体系内的销售平台、物流、供应链和云计算，形成整体零售升级方案。这些都是数字化浪潮正从价值链前端向后端延伸的明显信号。如下文阐述，在平台推动下，部分品牌已开始受益于数字化供应链。但这还只是数字化供应链变革的开始，随着品牌的更多参与和自身能力的提升，平台赋能能力的进一步优化，数字化供应链将推动中国零售价值链效率的全方位提升。

选品优化：商品适销对路是零售业成功的首要因素，准确选品、品类优化是京东多年自营业务后积累的能力，是盒马鲜生依托数据迅速建立的能力，也是网易严选需要积极提升的能力。京东借鉴传统品类管理理念，并结合电商特点进行改进，明确品类角色，分析诊断品类消费者需求结构，在计算商品真正效能之后优胜劣汰，保持品类的健康发展。阿里也推出了选品机器人，首先基于不同商品定位进行选品，第二根据市场变化动态优化品类结构，第三是商品生命周期预测。目前，针对天猫电器行业商家的销售预测，准确率已接近90％。

而线上展示页面有限，消费者一旦失去兴趣就将离开购物场景，从而丧失销售机会。因此选品之外，产品的陈列一方面必须综合考虑爆品及整个品类的布局，哪个商品有潜力变成爆品，剩下的产品如何满足客群其他方面的需求，而另一方面还需要通过数据和技术手段进行千人千面的个性化展示。千人千面的个性化展示可直接带来商业效益，以科尔尼近期为某领先服饰行业进行天猫旗舰店千人千面展示设计为例，千人千面展示后，旗舰店客户平均停留时间增长一倍，转换率增长两倍。

智能预测及补货：销售预测是供应链计划的核心，但又是痛点。销售预测时需要综合考虑历史销量、品类发展趋势、外部市场环境、竞争对手动向及促销、突发事件等各方面因素。此外需要确保库存商品在最合适的地方，既不会距离消费者过远,也不会在局部地区产生过多积压，保证周转和现货达到最优平衡点。

京东Y事业部通过对过去5年－6年销量及影响因素的分析，建立了相应的预测，可以自动化配置自有商品的库存，保证全国库存平衡及健康。京东帮助雀巢展开联合预测与补货项目，帮助雀巢的“订单满足率”从60％提高到87％，平台“产品有货率”从73％提高到95％。仅现货率这一指标，就能够促使雀巢每年提升超过3000万元的线上销售。

物流协同及全网优化：数据优化在物流中发挥的作用更大。一般商家或电商企业均存在多层物流网络，确保货物暂存及时流向客户。但不同商品（如核心产品及周边产品）在不同销售季节和时期（如新品和季节性商品），特别是在生命周期的不同阶段，需要不同的备货机制，确定货物高效且低成本地运送到客户手中。

以蒙牛与菜鸟的合作为例，通过全国物流网络的协同和优化，其线上履约下降超过40％。过去蒙牛沿用传统的物流体系，所有的线上发货基本都由一到两个仓库完成。蒙牛一般只能依据经验将商品发给各地经销商，一旦出现断货的情况，就只能从全国各个地方来回调货，频繁的调拨次数不仅导致大量商品过期，更平添了高额的运输成本。蒙牛与菜鸟达成全品入仓的协议后，菜鸟根据蒙牛各地方销量历史数据预测，确定最合适的分仓位置，蒙牛的商品便由工厂或经销商提前送到菜鸟在各地的大仓，商品因此能够从距离消费者最近的仓库发出，大幅减少了流转距离。