是誰真正擊倒了摩拜單車?
是誰真正擊倒了摩拜單車?

曾經,摩拜是我最看好的物聯網營運商。

不僅因為它是「共享經濟」風口上最炙手可熱的角色,更是因為它的營運模式,很接近電信營運商,具備長期健康成長的特質。

作為一家網路公司,摩拜主要的收入來自於前向收費(從使用客戶那裡收錢),而且基於連接開展營運,怎麼看都像是電信營運商的升級版。

如果這種模式成功,那麼電信營運商領域積累的人才和經驗就有了用武之地,而電信營運商也可能找到自己進一步進步的空間。

去年,在和很多人討論共享單車時,我曾經堅定地認為:共享單車兩巨頭玩的是不同的生意經,如果時間夠久,按照互聯網模式發展的ofo,一定會輸給搞精細化營運的摩拜。

ofo小黃車
圖/ ofo

遺憾的是,4月初的一則傳聞最終成為現實,摩拜被美團收入囊中,經營管理團隊隨即調整,原來的前向營運方式難以持續。

我並不是說美團管不好摩拜,而是覺得自此之後,營運模式的質變會讓摩拜變個樣子,很可能不再是個物聯網營運商了。

帶著些許遺憾,我第二次去盤點某一家網路公司的歷程(上一家是滴滴打車)。

共享單車的興衰

2016年4月,摩拜單車在上海上線,在APP上實名註冊,繳納押金即可租用的模式,讓人眼前一亮。

而在此之前的2015年6月,ofo就在北大推出了共享計劃。

可以說,在共享單車興起之初,兩家之間的合作大於競爭,盡量避免相互攻擊和比較,畢竟是在一起做大市場空間,尤其是在輿論方面,既要引導客戶和監管部門接納新鮮事物,又要斥責那些破壞共享單車的「壞用戶」,還要吸引投資者的關注和參與。

沒有直接對壘,並不等於兩家公司不相互較勁。尤其是20016年下半年到2017年上半年這段時間裡,兩家公司交替發布融資成功的信息,讓人目不暇接。

此時,共享單車已經成了熱門生意,除了紅黃之外,街上充斥著五顏六色的自行車和各色投資者,他們紛紛憧憬著,將這一低門檻的業務發展到一定規模,然後被大佬收購。

他們等來的不是接盤俠,是交通部等十部門聯合發布的《關於鼓勵和規範互聯網租賃自行車發展指導意見》。

隨著對營運的監管規範化,共享單車的營運成本越來越高,越來越多的玩家退出,市場上除了兩巨頭還繼續發聲,其他聲音漸漸消失。

此時,市場上時不時傳來兩家共享單車企業合併的消息,貌似滴滴和快的合併的故事又要重演。

然而,2018年3月,ofo宣布融資8.66億美元,領投的是阿里巴巴,這則消息讓兩公司合併的可能性迅速降低。

半個月後,就出現了文章開頭提到的場景:雖然CEO王曉峰投了反對票,但是根據遊戲規則,美團還是如願將摩拜收入囊中。

摩拜的營運邏輯

曾經有人比較兩家公司的領軍者認為,ofo的創辦人是從校園直接創業,沒有路徑依賴,所以更有敢想敢幹的網路思維,在試錯中前行;而摩拜則是傳統產業專業人士轉身,三思而後行,所以走的每一步都是相對完整的解決方案。

而我一直覺得,兩家共享單車企業是不一樣的經營模式。

ofo走的是互聯網的路子,做平台實現人與車的連接,把入口做大到一定規模之後,透過平台獲益。

摩拜則是基於人與車的連接,透過開展精細化營運,在較長周期內持續獲取收益。

將摩拜的營運流程和規則與營運商進行對照,會發現很多相似之處:都有訂單管理、計費結算、預存和套餐、客戶服務以及投訴處理等等。

甚至連摩拜創造的「紅包車」,也可以提煉出營運框架模型:根據車輛活躍度選擇和發放紅包,被定義為「紅包車」的多是難以被發現的車輛,被紅包吸引的騎行者成了車輛的啟動者。

透過IT手段節省了尋找和搬運的人工成本,這不就是傳說中的資源管理嗎?

猛一看,兩者都是互聯網創新領域的獨角獸,但在事實上,一個玩的是短平快,另一個卻是打算跑馬拉松的。

ofo車輛製造成本低,能夠更快地將資源部署到位,再結合互聯網的宣傳迅速收割入口流量;而摩拜立足於長期經營,所以車輛質量、投入規模、產品優化等,都是基於數位化營運,圍繞改進和提昇營運效率是核心。

摩拜的理想很豐滿,但是殘酷的現實是:企業的規模和業務量以超常規的速度發展起來了,但在營運和管理方面積累和沈澱不足。

作為一家營運企業,當營運管理能力跟不上業務發展速度時,各種問題就暴露出來。

成也資本,敗也資本

在企業家眼裡,企業就像自己的孩子一樣,希望他健康成長,走得更長遠。

而對於資本來說,投資企業就像養豬,盡快催肥然後賣掉,再去尋找下一頭。

這個比喻也許不雅,也許會讓人不爽,但至少對於某些場景,是非常形象的比方。在互聯網的世界裡,很多創新可以在資本的推動下,讓理想成為現實。所以,尋找投資是創業者必須做的事情。否則,在如今的市場環境下,光靠自己的力量,再好的創意也很難落地。

看起來投資者是大爺,其實他們也不容易,既要從浩如煙海的專案淘到真金,還要幫助投資的企業成長壯大。要獲取回報,而且最好是高額回報,投資者的付出並不比創業者少。

在這個遊戲中,企業發展的各個環節都可能被加速或者放大。

就像用化學原料催化動植物加速成長,生長周期短了,產量上去了,然而並不是所有的都能催化,基礎打不牢,就很難蓋起高大的建築物。

對於摩拜來說,初期借助資本獲得發展動力,在研發、生產、佈局等方面得以超常規發展。發展到一定規模時,理論上企業應該潛心梳理沉澱經驗,優化營運規則和管理,為下一階段的突破積蓄力量。

然而,從資本和競爭的角度看,2016到2017年上半年這段時間正是摩拜和ofo較勁的關鍵時期,如果任由各個城市被小黃車覆蓋,客戶沒了,再好的營運計劃也是白搭。

此時,摩拜只能按照互聯網的發展節奏做事,進一步融資,獲取和ofo抗衡的資源和裝備,然後簡單粗暴地砸錢、造車,讓摩拜單車佔領每一個街口。

也許摩拜的經營者期待著能喘息一下,調整好呼吸和步伐後再接著跑,但是無論是ofo帶來的競爭壓力,還是資本給與的成長壓力,都在鞭策著摩拜狂奔下去。

也許有人會指責摩拜經營不善,比如租用了那麼多倉庫,不僅需要支付租金,還降低了車輛的營運效率。不可否認,這些都是可以改進的地方,但是對於一個剛剛成長起來,還在競爭中不斷摸索還要快速成長的企業來說,我們是不是對摩拜有些苛責?

結語

以共享經濟為代表的互聯網浪潮之下,投資者才是真正的玩家,各種概念的公司只不過是他們遊戲的工具和表演的舞台。

翩翩起舞的ofo背後,也是強大的資本在支撐,如果沒有它參與,共享經濟不會那麼熱鬧,摩拜也不會引入那麼多投資。

如果ofo堅持不住,也許摩拜的營運之路還能走下去;如果投資者的耐心再多些,摩拜做得再好些,也不會有最後的一幕發生。

可惜,沒有那麼多如果,事實就是事實,真實地發生了。

故事如此之透明,參與各方如此之坦蕩,足見只有陽謀,願賭服輸。

時也,運也,命也。

本文授權轉載自:鈦媒體

關鍵字: #共享經濟
往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓