一张图读懂新平台的诞生

编者按：本文来自微信公众号 “峰瑞资本”（ID:freesvc） ，作者：李丰，36氪经授权发布。

这次我们聊聊新平台的诞生。

到底什么能够成就一个新平台？

我们分析了各大平台的发展规律后，发现形成新平台有一个核心因素——数据化。无论是阿里巴巴、大众点评、美团等电商平台，还是 Bilibili、抖音、快手等内容平台，又或者 Google、百度等搜索引擎平台，都绕不开这个规律。

在本篇里，我们将与你一起探讨：

• 我们熟知的平台是如何依靠数据化乘势而起，成长为估值百亿、万亿美金的平台级企业？

• 当下，新平台最有可能从哪里「破土而出」？如何捕捉并抓住数据化的发展机遇？

进入正文前，先分享两个结论：

• 需求和供给之间，通常有一个很长的链条。在这个链条中，当供需双方的数据化程度在某一个时间点同时实现了显著提升，或者在既有的数据化供需链条上，又有新的环节实现了数据化突破，就极有可能形成新平台。

• 推动数据化的因素有两类：一类是外部因素（通常是技术的进步与迭代），另一类是运营力量（通常包括需求和供给运营）。

希望能提供不一样的思考角度。我们强调数据化对于平台崛起的重要性，也清醒地知道，一个个平台崛起的背后有其复杂性与不容易。仅以此篇，向创造价值、书写出精彩故事的平台们致敬。我们期待持续与创业者、行业专家交流，欢迎添加峰小瑞微信号 （id：freesfund）与我们联系。

01 回到阿里巴巴与 Google 的起点

无论是早期撮合供求信息的 Alibaba.com 阿里国际站，还是后来撮合交易的淘宝、天猫，阿里巴巴作为一个新平台的崛起，某种程度上就得益于数据化。要了解这个逻辑，我们还需要回到 1999 年。

阿里巴巴的第一个产品

1999 年，阿里巴巴成立，它做的第一个产品是 Alibaba.com 阿里国际站。Alibaba.com 核心业务是帮助国内的中小企业找到海外客户，实现产品出口。

在其发展早期，阿里巴巴撮合的是供求信息，而非交易，牵涉的环节链条较短。这个生意的成立是基于将 B 端和 B 端的供求信息数据化，供给端是中国广大的中小企业，需求端则是来自美欧等全球其他地区的活跃买家。

阿里巴巴在将中国中小生产厂家数字化的过程中，赶上了两个外部因素：中国放开外贸自主权、中国互联网的发展。

1997 年亚洲金融危机之后，为了抵御亚洲金融危机对中国产业带来的冲击，中国进一步放开外贸自主权。从 1999 年开始，所有的私营企业都可以自行向外出口。私营企业获得外贸机会之后，想赚外汇的大有人在。可以说，外贸政策为阿里国际站带来了更多中国商户的供给，想卖全球的厂家在阿里巴巴国际站聚集。

此外，阿里巴巴还赶上了中国互联网发展的第一波浪潮。跟阿里同年成立的，还有携程网、当当网、盛大、天涯等互联网公司。越来越多地中国商户开始触网，去学习并适应在网络上展示商品信息，寻找潜在买家。

除了外部因素的促进，阿里也不断通过运营体系来推动中国生产企业的上线及后续数字化。

阿里国际站的「中国供应商」电子商务平台最初依靠地推模式，靠业务员挨个拜访企业，拿下客户。这支销售队伍后来被称为「中供铁军」。

拿下客户之后，数字化之路艰难、复杂。以身份校验这个环节为例。根据中国经营网报道，最早，阿里让商家进行实名认证时，需要商家把身份证等相关手续寄给阿里，阿里再拿着一摞文件去公安局做校验。后来，阿里想到的办法是，让商家用身份证去银行开户，阿里往商户账户上打钱，从而核验商户的身份信息。

后来，阿里借助旗下的「一达通」平台，为商家提供商检、报关、物流、金融、退税等外贸综合服务。在服务的过程中，一达通掌握了企业销售能力、销售规模等信息。通过一达通积累的数据，阿里了解到的商户数据，真实且全面。

淘宝又是怎么起来的？京东早期的差异化特色是什么？

与切信息撮合的 Alibaba.com 不同，淘宝做的是商品交易。2003 年，淘宝起步，中国网民数量接近 8 千万，这意味着大量消费者触网，然而绝大部分商家们还没上线。这也是淘宝首要解决的问题——将供给（商家）大规模数据化。

淘宝围绕商户运营做了无数尝试。比如，淘宝中的 TP（淘拍档，即优质电子商务服务提供商，为商家提供工具软件类、运营服务类、研究咨询类等服务）会帮商家找模特、拍照片、装修网站，等等，想尽一切办法为商户提供服务，让商家及商品上线。

总体而言，淘宝的做法是 C2C （客户到客户），偏轻资产。它将商户数据化之后，让商户们来运营商品，完成供需之间的关系对接。

然而，当用户的需求被充分数据化后，用户最终要买的不是商户，而是商品。

这也是京东早年的差异化所在。京东直接将商品/服务变成了自己的。也就是说用户在京东上下单一台冰箱，京东能很清楚，这台冰箱是什么型号，哪一年生产的，还有多少库存，什么时间能运到。于是，所有的商品/服务信息也都数据化了。

搜索引擎是怎么出现的？Google 的核心价值点在哪里？Facebook 如何提高信息分配的效率？

如果说，Alibaba.com 和淘宝都是显著提高供给数据化水平的典型案例，那么Google 则是实现需求数据化的范例。

搜索引擎平台出现之前，门户网站、各种各样的论坛已经让文本信息数据化了。然而，在浩瀚的文本信息海洋里，用户很难快速找到自己想要的信息。换个角度，搜索引擎要解决的最大的问题是怎么知道用户想要什么。

Google 做了一件非常有意义的事情。它发明了搜索框，让用户可以随意输入自己的搜索需求，使得多元、个性化的搜索需求被高度数据化。

纵观互联网发展史，在平台的发展过程中，将需求数据化的例子非常罕见。当 Google 解决了用户搜索需求的数据化之后，信息供需匹配的效率随即大幅提升。原来互联网上信息没这么多，用户的需求也没那么多，搜索引擎根据一维线性排列，给所有的信息排个队就行。

但是现在，不仅信息供给多了，用户需求也更加细分、个性化，如果搜索引擎没能及时进化，用户可能需要翻上四五页才能找到需要的信息，或者用户需要写越来越多的关键词，才能把搜索需求描述清楚。

从数据化的视角来看 Facebook，它在线性排列的信息供给上加了关系传递，使得信息排列的维度增加了一个，从而提高了信息的联通效率。换句话说，它把信息从原来规规矩矩地排队，转化为各种队形，用户不用一排排顺着找，只要抬头一看，就能找到想要的信息。

02 为什么美团、大众点评合体后，才做成了一个超级平台？

美团点评如今拥有万亿人民币市值。美团与大众点评各自发展、合并、一起做大的过程，说明了一个道理：只有供需两端同时完成了大规模的数据化，高效的供需关系匹配才得以可能，才有可能诞生新平台。

2010 年，美团刚创办时，主要做 PC 端的团购业务。团购依靠高折扣，把消费者的需求暴露出来。用户在美团上买了一家餐厅的优惠券，意味着告诉平台，我要去这家餐厅吃饭。

除开高折扣的团购本身难以形成一种可持续的商业模式。美团团购当时没有做得太大，也是因为只把需求这半边数据化做到位是不够的，它还需要在供给（餐厅）数据化这边有足够的积累。

这恰好是美团创立前，大众点评已经吭哧吭哧了做了 7 年的事情。通过 B2C（企业到客户）与一点 C2C（客户到客户）的方式，大众点评费了很大劲将餐厅数据化。整个过程在早期颇有挑战，且效率不算高。

早年餐厅信息在网络上非常匮乏，让餐厅在网上放自己的信息也并不常见。当时，也很少有人有上网查找餐厅的习惯，更别提吃完跑到网上给餐厅写点评了。据《创业家》报道，大众点评创始人张涛有段时间天天泡在图书馆里，找媒体刊登过的餐厅，录入到大众点评网；大众点评也曾派驻员工把一个城市里面，能找到的餐厅资料都收录到平台里。

到 2010 年，围绕「在餐厅吃饭」这件事，美团、大众点评已经依靠运营手段，分头去做了需求与供给的数据化。美团及千团大战培养了用户上网购买餐饮等服务折扣券的习惯，大众点评则教育了餐厅把信息放到网上。

同一时期，一个关键的外力—— 陀螺仪和定位传感器的进步，让智能手机开始承担 GPS 的功能。

加上地理位置这个数据化的维度之后，大众点评过往积累的已经数据化的供给（餐厅信息），开始变得格外有用。因为智能手机用户随身携带 GPS，用户的需求可以跟其所在的地理位置密切相关。简单点说，在智能手机上查找附近的餐厅或者服务变成迫切、实际的需求。这些需求与供给（大众点评积累的餐厅信息）连起来，价值就变大了。

2015 年，美团与大众点评合并。它们早前分头创造的高度数据化的需求与高度数据化的供给开始融合起来，合并后的新平台就能显著地提高供需匹配的效率。

这里，也讲一下美团外卖。

2013 年，美团做了外卖。按照我们反复提到的数字化逻辑，美团外卖有意思的一点是，多做了一步供给的数据化。

为什么这么说？以前用户在使用大众点评的时候，了解的主要是商户信息，很难拿到一张完整版的电子菜单；而在美团外卖平台上，我们能看到一道道的菜品。这相当于，供给数据化的颗粒度从餐厅进一步细化到了餐厅里的每一道菜，即用户可以直接购买商品，而不只是选择并寻找商户。

总结来看，美团点评之所以能够成为一个大平台，一方面在于美团通过团购把用户的需求上线，另一方面得益于大众点评把餐饮商户这部分供给上线。合并之后，需求和供给高效地连起来了。

美团点评通过外卖服务将餐饮行业数字化之路又往前迈了一步——通过运营商户实现了商品的数据化。

此外，美团点评的崛起过程，我的两点 takeway 是：

• 如果你像大众点评那样，早于需求爆发就提前埋头做了供给的数据化，这件事本身也足够有价值，即使当时还没有出现对应的商业模式，也可以等需求慢慢上线之后，再来解决商业模式的问题。否则，当时你需要投入很多资源来教育市场，告诉用户为什么要用你，以及怎么用。

• 相较于大众点评苦等数年才等到了需求的数据化，Uber 和滴滴的出现，则说明当供需两端同时实现数据化程度的质变，是新平台迅速崛起的绝佳契机。

伴随着智能手机普及度的提高，乘客人手一个 GPS，司机也人手一个 GPS 。乘客原来没法被精准表达的需求信息（在哪里、要去哪里）变成了数据，司机相关的信息（现在在哪儿、离乘客多远、多久能到）也被变成了数据。供需两端的位置信息同时被数据化了。

当然，加速移动出行供需两端数据化程度的，除了手机里的定位系统 GPS，还有地图导航 APP 等其他同样由技术驱动的外部因素。

03 为什么中国没有 Youtube，却有B站、抖音和快手？

Bilibili 是怎么崛起的，它对内容的数据化做了什么？

B 站这两年「破圈」的势头迅猛，越来越多的人在 B 站消费视频内容。

然而，回到 B 站成立的 2009 年，B 站上的内容供给不多，特别是 UGC。毕竟那个时候，智能手机刚刚开始占领市场，很多人还没用上。也就是说，当时大多数人没有拍视频的便携设备（智能手机），谈何自己创造视频内容并上传。这也是为什么那么多期待做成中国 Youtube 的视频平台们没能做成的原因之一。

当时，B 站跟优酷、土豆等在线视频网站采取的策略类似，把已经数据化的动画长片和动漫影像内容作为供给，放到自己的平台上。不过，B 站与其他内容平台不一样的地方在于，它在这类现成的供给之上，叠加了文本信息，也就是弹幕，这等同于创造了新的供给。当文本信息和数据化信息碰撞之后，产生了信息的交汇。这是 B 站的特色和文化，它也因此逐渐成长为一个二次元人群聚集的平台。

2013 年，我还在 IDG 任职，参与了对 B 站的早期投资。在我看来，让 B 站成为一个估值不断上涨的新型内容平台的主要推动来自外力——各种精度足够高、尺寸足够小、成本相对合理的光学传感器被塞进了智能手机里。

当摄像头像素大幅度提升，还具备了光学防抖、激光对焦功能，从成像、对焦到图像处理的功能都不断完善，拍照与拍视频成为了手机的核心功能之一。伴随着智能手机的普及，用户拍摄视频的能力逐渐增强，视频平台的内容供给开始增加。一个新的人群开始在 B 站上活跃—— UP 主。

视频内容供给的增加，以及视频内容本身相较于文本内容的丰富度，也进一步带动用户视频内容消费需求的上扬。这也是短视频平台快手与抖音崛起与流行的逻辑。

快手和抖音，把握供给的方式有什么不同？

你看过的好书大概率比你看过的好电影要多出一两个量级。这不难理解。生产高质量的视频内容，要比生产文本内容难许多；能够创造优质文本内容的人，远远多过能创造优质视频内容的人。

正是因为创造视频内容的门槛非常高，抖音动用了大量的运营力量，来增加内容供给，与此同时引导需求。

根据腾讯《深网》报道，抖音早期到全国各地的艺术院校，说服高颜值的年轻用户生产视频内容，并帮助他们获取粉丝。它还通过「挑战赛」的方式，输出视频「模板」，带动用户生产内容。比如，让抖音「出圈」的「搓澡舞」源自用户「劉西籽」的创意。抖音的音乐运营改编了这首音乐，抖音达人「夏沐」创意出舞蹈动作。然后，抖音通过 #搓澡舞# 挑战，吸引更多用户创作与「搓澡舞」有关的视频。

这两类办法都是奏效的，特别是在抖音引导用户将时间往短视频内容消费迁移的时期。因为，通过中心化分发，给用户推荐喜闻乐见的娱乐向内容以及运营出来的成熟内容，能够高效地完成内容分发或者转变用户习惯。

挑战在于，当用户的成熟度逐渐提高，如果视频的平均质量不如用户的成熟度上升快，视频平台供给稀缺的问题就会突显。用户会觉得「不好玩了」，随之而来的，可能就是用户活跃度下滑。

相反，在撮合供求关系的过程中，由于快手的推荐机制没那么中心化（流量兼顾普通人），有极强的社区属性，重视内容博主与用户关系的构建。从某种程度上，我倾向于认为，在快手上，博主和用户之间更像是「先是关系再是内容」。

有了关系的粘性，用户对内容供给的标准和要求，可以适度降低。当供给出现较大不足的时候，可以用关系来弥补内容质量的不足。

可以打一个简单的比方，无论我们长到多大，都得耐心听妈妈「唠叨」，不论她「唠叨」什么。要是别人「唠叨」，我们可能听不了两句，就抹脸走了。这正是关系在起作用，对于关系亲近且重要的人，我们对其输出的内容质量能有较高的容忍度。

04 新平台诞生的机会在哪里？

从阿里、Google、美团点评、B 站等平台的发展历程来看，最后成长为大平台的企业，都在不同的环境和条件下，显著提高了供需两端中至少一端的数据化程度。因为需求一般都跑在供给前面，大部分平台做的，是大幅提高供给的数据化程度。这是我们打造一个新平台或者说评估一个平台的价值时，可以去思考的一个角度。

数据化的过程，可以通过运营手段与外部因素来实现。而这种外部因素时常是新技术。这也是为什么我们看到，大量新平台的诞生，都与各类设备上安装的新传感器有关。或者说，当一个新传感器被装到一个新设备上，或者说原来没有装过这类传感器的设备上，都会产生新的数据维度，进而带来新的数据化。

除了前述提到的 GPS 定位系统之于 Uber、滴滴，高清摄像头之于抖音、B 站，2011 年微信起步时亦是如此。

微信刚面世时，还没有自动匹配手机通讯录之前，大量用户拿它当对讲机，向好友发送语音消息。于是，语音成了一个新的数据供给、新的数据需求、新的基础设施。

而微信之所以能够让语音数据化，一方面得益于智能手机上安装了较好的麦克风阵列，在较好的网络传输条件下，语音流信息得以顺利传输。另一方面，智能手机的耳机与扬声器都很好，也便于用户听语音信息。

时下最前沿的自动驾驶行业也是一样。我们还处于车辆状态及周围环境都亟待被数据化的阶段。当前最有可能先发生的事情，是会有越来越多的新传感器被装上现在的汽车，使汽车本身的信息被高度数据化。同时，也会有越来越多的传感器，被装到各个地方，使各种各样的环境信息也能够被数据化。等这两种信息都高度数据化，如果接下来，这些数据能够完成连接和流通，我们才会进入最终的驾驶自动化与智能化。

这也是我们当下寻找传感器相关创业机会的原因之一。影响创新的因素很多，但毫无疑问，当新传感器被安装到各种新的设备上，大概率会诞生新的商业应用，这里头将有诞生新平台的机会。

本篇总结

1，在供需两端，只有数据化程度发生质变，才有新平台的可能性。大部分平台的价值在于显著提高了供给的数据化（如果需求端的数据化程度已经较高），谷歌是极其少见地将需求高度数据化的例子。

2，平台本身的运营手段，以及包括政治经济、技术发展在内的外部因素，都有可能带来新的数据化。我们需要格外关注的，是技术发展与迭代带来的数据化的机会，这也是新平台崛起的重要契机。