京公网安备 11010802034615号
经营许可证编号:京B2-20210330
文 | 林超
本文获得作者授权发布
林超
厅客app联合创始人&CEO
成功创办过三家高科技和互联网消费类公司,中山大学数学和金融双学位,在厅客的第二职业是:人类学家。厅客目前获得PreA 数千万人民币融资。在1月8日举办的2016大数据生态纵览峰会·共享经济分论坛上,林超分享了他关于共享经济在中国应用的观点。本文是他主要观点的集中体现,收录在此,以飨读者。
最近CCTV财经频道制作了一期共享经济的节目,节目提到“共享经济正在从一个新鲜事物变成我们生活的一部分,一个新时代被开启了”。共享经济的话题在中国又热起来了。这一次,可能不再是虚火。
那么,共享经济在中国该如何落地?
首先,共享经济在美国是个环保问题,但在中国却是个再就业和挣外快的问题,那么发源自美国的共享经济成功模式迁移到中国来适用吗?
我们先来看下面两张图。
第一张是《经济学人》杂志某一期专门探讨共享经济主题的封面:

从这张图里面,我们可以看到美国人是怎么理解共享经济的。
总结起来,我们看到了两样东西:
第二:东西很多

第二,在中国落地就要抓住中国特色的机会
那么,中国的劳动力市场到底有什么主要特征呢?如果你是一个共享经济的创业者,那么这里有三个维度可以帮助你更好的理解中国的独特性。
城市维度
我们可以把中国的城市抽象成:乡镇、四线城市、三线城市、二线城市、一线城市,五个层次。

学历维度
中国的劳动人口的学历维度可以分为:小学学历,初中学历,高中学历,大专与普通大学学历,211/985大学学历。

年龄维度
年龄是一个至关重要的维度,信息文明高速发展推动的年龄代际更迭使得每个年龄层的互联网使用者都表现出完全不同的行为模式。所以,我们先粗略的把用户分为50后、60后、70后、80后、90后。
把这三个维度组织起来我们可以得出一个三维的劳动力人群划分图:
上图,实际上就是我们理解中国人口国情的一张藏宝图,三个维度分别切分成五个类别,5的三次方,可以划分125个区间,每个区间的劳动力激活都可能产生机会。
比如,我们可以举个例子:达达快递是利用移动互联网的能力,成功的激活了在一二三线城市居住的,80、90后,中专及以下的劳动力的碎片化时间挣外快问题。
回家吃饭便是满足了一二线城市居住的,50、60后,中专及以下的劳动力再就业需求。
厅客则是满足了一二线城市居住的,80、90后,大专及以上劳动力的探索人生另一种工作方式的需求。
第三,分清你的产品是需求场景,还是需求品类
做共享经济到底是“选择品类”重要,还是“锁定场景”更加重要。要理解这个问题,我们需要引入一个概念,就是引力。
重资产品类”引力强,围绕自身形成场景;“轻资产品类”引力弱,需要围绕场景构建品类。
比如,我们可以说 uber 捕捉的是打车需求产生的前后5分钟的场景。Airbnb捕捉的是在旅行中最关键的住宿选购的场景。
他们的区别在于前者是从使用者的视角看问题,后者是从被使用的物品为视角看问题。
两种不同的视角取决于品类的轻重。 比如,房子非常重,车子非常重,孩子非常重,所以围绕他们就容易形成围绕场景。但是,灯泡很轻,凳子很轻,电钻很轻,吃个便饭很轻,所以这些往往会融入到其他的场景中。
当你切入共享经济类别相对轻的时候,品类自身的引力不够形成周边场景,这个时候你就要转化思路,主动融入其他场景考虑问题。
比如“Enjoy”从高体验餐饮场景切入,构建了一个体验经济的核心场景,从而逐渐切入其他零食,甚至手工艺品就显得顺理成章。而“觅食”选择了覆盖所有饮食场景的全品类切入方式,反而有可能让用户觉得无所适从,最终只使用其最核心的一到两个场景,使得其他场景枯萎。
或者,如果你是做个人手艺的共享经济,那么你提供的共享服务层次和类别差异可能非常大。比如你提供主要是按摩、美甲、身体护理类的服务共享经济,这就是一个轻品类,它其实隶属于多个完全不同的场景,比如办公室场景、家庭上门服务场景、周末姐妹聚会场景。服务于不同的产品完全可以形成彻底不同的产品形态。
第四,看清打开频次与传播率之间的关系
作为一个交易平台,高频打低频的理论相信大家也是耳熟能详。
不过,到底为什么高频产品可以侵蚀低频产品呢?
这个可以看成是一个进化生物学问题,不过最终还是一个数学问题。
理查德.道金斯在他的著作《自私的基因》里面对于原始海洋中基因间如何竞争有过精彩的描述。进一步用数学来解释就是,如果有AB两个产品:
A产品用户体验非常好,用户满意度极高,每次使用都能产生200%的传播,但它一个月的时间只有5次用户打开。
B产品用户体验做的一般,用户满意度一般,每次使用只能产生5%的传播,但是它用户打开频率很高,一个月能打开200次。
那么一个月后,A产品传播结果为243,而B产品的传播结果则是惊人的17292。
所以,一个自我复制频率高但是每次复制能力低的产品,会胜过一个自我复制频率低但是每次复制能力强的产品。

以上四点即是我对于“共享经济如何在中国落地”的一些看法。正如央视财经频道所说,共享经济在中国已不是新鲜话题,它将越来越成为我们生活的一部分,我们也会进入一个全新的经济共享时代。
end
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01