人的效率低下 我们用算法大规模扩张

庄辰超

在中国目前大环境下，想要实现大规模开便利店，需要把日常经营环节中“人”的决策都拿走，全部由计算机通过复杂的数据结构进行沟通，这样才能效率最佳，并且每一家店都经营良好。

2016年，我们卖掉了去哪儿。接下来应该做什么？我們当时想，希望能在未来10-20年里，非常大规模地参与科技给中国产业升级所带来的机遇里。

但什么是巨大的商业机会？什么是科技所能带来的改变？那时候，大家都没有清晰的想法。所以，我们先做了一个基金。通过投资摸索各种各样的领域，我们发现，一个商业模式已经得以验证但在中国多年未爆发的行业——便利店，存在巨大潜力。

从被称为“便利店死地”的北京出发，到现在为止我们开了大概800多家店。在北京、天津和南京，我们的便利店数量和销售额都是第一。

为什么要做便利店？

市场潜力有多大？

首先，画一个坐标系，纵轴代表行业集中度高低，横轴代表行业创新机遇。位处不同象限的行业，你能采取的投资和创业策略都不同。

第一象限：容易被收购或合并。处于这一象限的行业创新机遇高，集中度也高。当年，去哪儿所在的在线旅行行业就处于这样一个领域。在这个领域创业，由于行业集中度高，最后的结果往往是被收购或与行业老大合并。

第二象限：创业机会少，投资机会多。在创新机遇低、产业整合水平比较高的领域，留给创业者的机会就不多了，但是作为投资者还是有很多机会的，因为可能存在不同企业的估值波动。

第三象限：投资成功概率较低。最差的情况是，行业整合度低，创新机会也低，这样的市场很难出现巨大的企业，所以我们基本放弃。举个例子，本地活动的供应商，比如潜水和滑雪，在我们看来都是自然分散的行业。

第四象限：适合创业，但也可能承担商业模式风险。如果一个领域创新机遇不高，但是市场集中度非常低，则意味着市场风险比较低，创新者可能成为老大。但反之，你可能要承担巨大的商业模式风险。

我们通常认为，市场的低分散度是可以改变的，但经济学上有一种现象叫自然分散。如果你对市场形成的内在动因不了解，投入大量资源之后发现这是一个自然分散的市场，就可能面临巨大风险。

用这个模型，我们发现了处于适合创业的典型第四象限行业：便利店。它的市场非常分散，而且由于人工智能、物联网等基础设施的兴起，存在巨大的创新机会。

还有一点非常有意思，便利店不存在商业模式风险——因为它在东亚其他国家已经被证明，而且40年来经过了一轮又一轮的技术浪潮，被证明是不会被技术浪潮颠覆的。

这让我们产生了极大兴趣。

一个很重要的理念是，我们投资10年以后中国人的消费水平，不是今天中国人的消费水平。我们相信中国会越来越好，中国人的消费水平会不断上涨。这一前提下，中国人的消费范围中，哪一类占比高？

高盛的报告显示，消费必需品和药品占中国国民个人消费的30%以上，每年消费额约1万亿美元以上。二者都是便利店的主要经营范围。

一个国家的城市，人均拥有的便利店数应该是什么水平？韩国现在大概是1500个人一家便利店，日本是2200个人一家便利店，泰国是2500人一家便利店。

北京有2200万官方统计人口，中国台湾是2400万人口。北京消费水平并不比中国台湾低，以相同的人数，至少应该有5000家便利店。但事实上，中国台湾有1万家便利店，北京到今天只有700多家。所以，北京有着巨大的市场潜力。

我们对便利店定义是两个15——15块钱，15分钟。

15分钟：当我坐在办公室里想吃这个东西，要么在15分钟内坐在原地吃到它;要么花5分钟走到附近的店铺，5分钟买东西，再花5分钟回到办公室或者家坐下来，来回不超过15分钟。

15块钱：平均客单价是15块钱。

15分钟和15块钱的结合，构成了我们所理解的便利店商业范围，即食性、高频率，这是我们定义便利店最重要的两项指标。

为什么中国没有便利店巨头

市场看起来很美好，但为什么中国的便利店始终不发达？7-11、FamilyMart和罗森进入中国超过15年时间，在中国发展速度一直很慢。我总结后发现，最大的问题是标准化。

困难1：店面无法标准化，每张图纸都重画

7-11和罗森在日本都有非常标准的店型模板：100平米左右，四方的标准规模。店型应该怎么选、货架应该如何陈列、如何施工，都有现成的标准。

但这一招在中国很难适用，因为中国的店铺建造是没有标准化的，每一家商铺的施工材料、结构都有可能不同。7-11在过去15年来按照模板在北京找店开，也只找到了不超过200家店。所以进入中国十几年来，它的规模始终做不大。

如果没有一个标准的模板，每家店仅十几张图纸都要付出很大成本。而由于货架的摆放不一致等问题，导致能够做到多少营业额等也都要重新动态计算。

困难2：管理成本过高，无法通过加盟解决

有一个现象很有意思，肯德基、麦当劳、星巴克，全世界95%的店铺都是加盟店，但在中国几乎都是直营。如果你去问海底捞，也非常坚持全部直营。为什么？

我们请教了很多业内顶级的CEO和CFO，他们告诉我几点：

第一，加盟的重要因素是激发加盟主主动经营的意识，但是在食品行业，主动经营获得最大利润的意识，有可能变成违反食品卫生、破坏品牌的行为。比如过期食品不废弃，偷换标签等。

第二，中国加盟主相对来讲人均素质和发达国家不同，学历没有那么高，自我优化经营的能力没那么强。

一家肯德基和麦当劳店都是几十个员工，店长基本都是本科水平。便利店平均每个店铺只有5-8名员工，整个店铺的营业收入是支撑不了高学历水平的店长薪资的。

这就产生了一个很大的矛盾——如果你用大量的低学历加盟主，很快店铺质量和形象就一落千丈;但如果你提高加盟主的门槛，首先很难招到足够多的优质加盟主，其次扩张速度会受到影響。

从根本上来讲，要统一品牌商跟加盟主的利益关系，在中国是非常困难的一件事。在这种情况下，我们认为只有一种方法能解决这个问题——用算法把人覆盖掉。

如何用算法提升服务效率

近来无人店概念很火，无人店是指没有营业员的店。但我们的无人店不是指没有营业员，而是说整个经营决策过程中没有人。今天如果你走进北京任何一家便利蜂，售卖、上货、清洁都是有人的，但它的经营决策是由一台系统自动完成，每15分钟推送给店铺的。

我们认为，每一个有人的节点，都会导致整体效率的下降。比如说，如果店长培训不能自动化，选址陈列自动化也没有用。有些连锁企业最近两三年开了好多店，但都是关着的。因为它招不到足够的店长和店员，招来了也培训不了。

反之，如果一开始的选址和设计不能自动化，即使你能大量签约店铺和员工也没有用，因为无法保证店铺的管线、电路、施工、灯饰等十几张图纸都按时跟上。

所以，在店面规模化的所有环节中，全链条都需要自动化，节奏才能匹配得上。举几个自动化的例子：

1、员工职能自动化。

很多数据说，在高速变动的事件面前，系统的决策效率低于人类。但是在80%-90%的情况下，系统的决策都比人更慎密。所以，我们把员工的技能列了很多项，最重要的是订购、生产、排班、定价，这些都要智能化。

7-11培养一个优秀店长需要两年，才能把所有功能都记明白，图表都看懂，不会出大的纰漏。但今天，如果是一个从来没有接触过便利店或快餐行业的员工，便利蜂的整套系统培养他成为店长只需要6个月。

2、订购、陈列自动化。

便利店里有大量的短保商品，所有的商品都需要按照不同的时间、天气的变化、地域、气候需要来订购。

例如，我们有大量快餐和热餐，热餐是需要提前生产的，生产多了浪费，订货少了损失销售机会。在我们的订购界面，每个店铺大概有2000多种商品，日配品就有300多种，数据非常复杂，不可能有人每天晚上订货时，能对300多项产品进行精准分析和数据输入输出。

同样是下雨，如果这个商铺是街铺，它的销售量是下降的;但如果这个商铺是大厦店铺，销售量是上升的，员工很难综合考量做出决策。大家都在说数据赋能人类决策，但我认为，对于一个复杂的店铺，数据就算赋能，一个店长也无法决策。所以，我们的订购决策都是通过系统进行的。

货物陈列也是如此。便利蜂平均每周都要换接近150个以上的产品。更复杂的是，我们的每一家店铺结构都不一样，货架和陈列图也不一样。这意味着，我们每周都要对店铺的商品陈列进行一次大规模的调整。

为了大规模开店，我们的员工平均训练5天就要开始进店管理，他们如何管理和识别店里的2000多个商品呢？我们会有陈列图，一步步告诉他如何进行货物的摆放。店员可以什么都不知道，甚至不认识商品，也能完成任务。

3、动态定价：像机票打折一样对面包打折。

我们卖的很多商品都是24小时或48小时过期的，属性非常像航空公司或者酒店。因此，我们店铺借鉴了航空公司大量采用的动态定价方法，效果非常不错，目前能够提升30%左右的收益。也就是说，店长完全不用操心也不用懂商品的销售情况，店铺的任何一个商品打折，自动电子价签都会提醒店长。

比如，今天卖100个面包和明天卖100个面包，可能完全是两码事。在我们的系统中，几点钟面包的销量低于预期，几点开始打折，打几折，几点恢复原价……都存在一系列的按时间排布的数据序列。第二天订货的时候，系统会通过数据分析，动态更改面包定价。

我们认为，在中国目前大环境下，想要实现大规模开便利店，需要把日常经营环节中“人”的决策都拿走，全部由计算机通过复杂的数据结构进行沟通，这样才能效率最佳，并且每一家店都经营良好。

一线员工最重要的职责是什么？服从系统指令，以及为消费者提供良好的服务体验。