新美大和阿里本地生活的竞争趋势是如何的？

上半年的时候，跟两位BA大厂VP级的老大哥聊起本地生活的业务，赶上最近阿里本地生活开了「商业操作系统」的发布会，正好规整下当时的一些判断，记录下来，当然我们说的也不一定对。

本地生活这场仗阿里是输不起的

之前阿里集团明面上对本地生活的定位和期许是，成为阿里集团核心电商的护城河，在O2O领域占据绝对份额，以「即时配送能力」服务全集团的业务。

实际上当阿里把自己的定位和想象力都围绕着「数据智能」展开时，就意味着本地生活领域的「业务数据」是不可或缺的一环，一旦在这个领域失去绝对份额，那意味着将来阿里在所有数据应用环节，都因为数据源的缺失，产生指数级的影响，只是现在这个问题的价值还显现不出。

本地生活的竞争策略

电商业务具备「网络效应」，但本地生活业务并不具备，本地化的业务只能依托庞大的地面团队，形成区域性的运营模式；

饿了么和口碑合并后，本地生活的决策者们就在考虑

• 集团的用户，如何有效的供给本地生活业务，

• 本地生活尤其是餐饮业务的数字化操作系统，比电商落后5-10年，如何借鉴集团的经验？

• 集团的海量数据如何应用于本地生活服务营销效率的提升；

• 如何阻拦美大未来短途电商对集团电商的威胁；

另外一方面跟朋友交流，提到阿里的竞争策略很清晰，拼烧钱补贴，把美团、京东定在温饱线上，盯着对方粮仓打，让对方不敢轻易做新业务，等美团犯错，或等新模式出来迭代掉...我们日常看到和讨论的很多只是现象和细节，背后的思路是德州扑克深筹打浅筹的打法，我上点筹码，对手就得all in才能跟...错一次就没啥了。

想的是挺好，但阿里实际上是错过了线下和下沉两个窗口期，现在是拿强资源在生生的补，效率自然低，全靠资源筹码多。

但新美大没犯什么大错，市场份额愣是没怎么打动，反而把自己强资源强组织执行的商业神话打破了一下下，也说明了窗口红利期对于一个赛道的重要性。

阿里本地生活的问题出在哪儿？

到店业务生错了地方；外卖业务我没那么了解，就不造次瞎说了。

口碑生在了蚂蚁体系，一定程度上就决定了他今天的困境；

第一年天然的要服务于支付场景「蚂蚁KPI」，左右互搏，跟蚂蚁内部铺支付的团队冲突，铺了场景最终发现支付太浅，对商家价值有限；

第二年开始做营销，其实是已经因为到店团问题被商家诟病的团购业务，心智已经被美团占据，一年下来事倍功半；

第三年汇报线变更到逍遥子，全面入淘，但当初订单体系，营销中心等都是当初重复造轮子在蚂蚁体系新搞了一套，现在对接还要工作量，这里边的损耗很大。

阿里本地生活还有机会么？

王磊表示，在刚刚过去的天猫双11全球狂欢节，肯德基和星巴克成为销售额突破亿的本地生活品牌。事实上，本地生活服务走到今天，经历高速发展，但目前也遇到了一定瓶颈：餐饮行业线上部分占比不到15%，外卖行业增速放缓。他认为，当下用O2O来形容本地生活服务是不准确的，曾经是简单粗暴的优惠券和满减，线上、线下被割裂开来，对电商而言通过支付可以打通整体流程，但本地生活服务行业由于服务半径小，需要用户去切身体验，这样的服务方式注定其不能直接中心化解决。正是在这样的背景下，阿里本地生活提出了数字化差异的“新服务”战略：硬件数字化，产品数字化，运营数字化。王磊认为，本地生活服务的产品比实物零售更容易数字化，而只有帮助商户数字化，商户才有更多时间去做不一样的事情，也将为不同用户人群带来差异化服务——数字化是这一切的基础。

全局来看，以阿里云、支付宝等为底层基础，整合饿了么口碑前台，为商家针对性搭建中台，并打通阿里巴巴集团生态数据后台。首先是线上线下一体为消费者提供全场景服务，多端链接促进引流、成交、转化，基于集团共享平台，实现账户通、营销通、交易通、流量通，即“一店多端”。其次是借由前厅后厨的数字化改造提升经营效率，比如POS机可帮助商家归集订单信息，获得数据分析报告，即对“场”的改造。最后是阿里巴巴集团生态数据的打通，洞悉用户的精准画像与标签，完成全场景营销。

新美大依托「找店+优惠」心智建立起的到店综合业务广告模式，曾占了新美大50%以上的收入贡献，那时人效方面，人均GTV美大是口碑的4倍，人均日收入是口碑的25倍，人效差距巨大，在找店的C端心智上，口碑几乎没什么机会了，即便阿里投入了庞大的资源和人力，也没看到追上的趋势。

但在上文提到的「本地生活数字化」上，双方几乎都在同时布局，起跑点近似，份额虽然有差距，但未来如何不见得能说清楚。

当下的规模不到，其实是没法向供应链求「降成本」，通过供应链经营损耗上「降成本」目前还是个空话，但什么时候阿里真能依托自身数据源的广度、深度，最终在数字化提效上，效果明显优于美大，这场仗就还有机会，这个本质上就是差异化竞争，他有你没有的东西，之前靠钱多强补贴严格意义上并不是差异化。当然也有可能，在这一天到来之前，战争就已经结束了。

热门文章

直戳泪点！数据从业者权威嘲讽指南！

数据分析师做成了提数工程师，该如何破局？

全栈型VS专精型，团队到底需要什么样的人？

数据驱动业务，比技术更重要的是思维的转变

最近面了十多个数据分析师，聊一聊我发现的一些问题