上篇文章发出来后得到了许多业内好朋友的支持，也表达了一些相同或不同的观点，甚至帮我找到了一些理论支撑，特别感谢。这次我打算在上次的基础上做进一步的延伸，从理论模型到更具象的实际情况。

为了保持大家在一个频道，先回顾下我在《三维零售-我的最终幻想》中构建的三维模型：

这是我在思考过程中顺手勾画的一张图，想表达的是企业在三维世界中构建的一张能力网，能力网越靠近原点，企业的竞争力也就越强。通过对现实世界的观察，推演出原点是一个极限情况，也是我的最终幻想。

但实际上这张网画的并不准确，因为没有企业可以打造这么平滑、完整的网，基本上企业都是在各自擅长的领域不断突围，多拓展一点能力网都意味着困难指数级增加，能力网和能力网之间发生重叠时，是企业与企业的正面交锋，未重叠时就是替代品或潜在竞争者的关系。

01 全渠道零售的困局——令人绝望的熵增定律

我之前讲过，时间和价格的考量推动企业全渠道布局，所以我们看到阿里、京东开始尝试做各种模式的线下业务，高鑫零售、永辉超市开始做线上业务，不管他们做什么本质上是在构建时间和价格的曲线，如下图：

为什么我画的是这样一条反抛物线，有的朋友会说不对，现在企业都在说同品、同质、同价，不论什么渠道都要一样，应该是下图这样的：

但这是一个悖论，我们终归是生活在一个物理世界，所有事情最终都会依循经济学、物理学规律发展，从最宏观、最终极的角度讲，令人绝望的熵增定律已经告诉我们，所有事物都会经历从简单到复杂，从有序到无序的过程，交易成本会不断增加。如同一个人从出生到死亡，当熵增加到一定程度时，人会不堪重负死去，企业会不堪重负变革或破产。

我解释一下交易成本，一个最宽泛定义是，当一个主体的世界不存在，多个主体的世界中存在的就叫交易成本。当任意活动中涉及到的主体越多时，也就越混乱，资源的耗散越大，交易成本就越高。

想象下，世界上只有一个企业A开了唯一一个电商平台，它涉及到的主体大体上就是研发、供应商、消费者、快递员，基本上就解决了，他可以根据商品的需求情况定价，赚取利润。当增加了一个企业B也做电商平台，竞争出现了，为了保持竞争力，企业A可能会增加市场人员、运营人员，复杂度瞬间增加了。

此时企业A要拓展大卖场的销售场景，以前的运营不够了，要增加线下运营、导购、拓展、采购，相关主体增加了大卖场、加盟商、售后网点等等，这些主体不是白白加入进来的，他们也要分一杯羹的，也让事情的复杂度、交易成本成几何增加。

互联网公司内部调整、改革通常以6个月为一个周期，如此频繁的变动带来人员流动、学习成本增加，但为什么各大公司还乐此不疲呢？与其说主动调整，不如说是被迫调整，因为业务发展快，拓展的场景越来越多，涉及的主体越来越多，熵增的速度太快，已经不堪重负了。一次有效的调整就是一次负熵的输入，是为了延续企业的生命。

回过来说为什么全渠道同价从长远来看不成立，但目前却是很多企业的口号？

实属无奈之举，中心电商交易成本较低，为了击败传统的线下渠道，把利润出让给了消费者，而消费者在若干年的教育下已经形成了认知，这也成为了中心电商的大杀器，当这些电商重新回到线下场景时虽然面临交易成本的几何增长，为了不失去优势，只能不断内化这部分成本，也就是通过内部变革来企图消灭这部分缺口。正如我标题里写的，熵增定律是令人绝望的，也就是他不可能消失，除非有一天某位伟大物理学家颠覆了这个定律。

基于这个基础，如果企业坚持同价，只有两个结果：

• 第一，线上商品涨价保持和线下同价，这么做意味着放弃了曾经的大杀器，结果可想而知，瞬间会有其他企业补位；
• 第二，线下商品降价保持和线上同价，目前大部分做全渠道布局的企业都是这么选择的。这么做短时间看还可以，但长期来看基于熵增定律，企业及合作主体的收益都减少，不符合资本家追求极致利益的本质。

通过以上推演，我判断未来企业价格、时间的曲线一定是反抛物线，一定会有价格歧视，无法做到绝对的同价。

企业在做全渠道布局时如何能降低熵增的速度，主要两个关键点：

第一步，搭建统一目标的业务组织架构

举个例子，如下左边是一种组织架构，右边是另一种组织架构。站在企业管理者的视角，如果要做全渠道布局，哪种组织架构更有效？我个人认为右图是更有效的组织，他的交易成本更低。

解释原因之前，我想先给大家讲一个故事。

上个世纪当火车还使用煤炭作为燃料时，一辆冒着黑烟的火车快速驶过一片亚麻地，烟囱中喷出的火星点燃了农场主堆放在铁道旁边的亚麻。于是农场主将铁路公司告上法庭，农场主说“你烧了我的亚麻，你要赔偿”，而铁路公司也很委屈的说“谁让你把亚麻堆放的距离铁路这么近”。

如果你是法官会怎么判呢？你可以先思考10秒钟再看答案。

我想不论你判谁胜利，基本上都可以找出一套自洽的道理，是不是像极了企业里两个部门扯皮的场景？怎么解？

很简单，假设自己同时拥有铁路公司和亚麻农场时，是不是答案就简单了？那就看谁避免麻烦发生的成本更低，谁就负主要责任。这个故事里，是让火车不喷火星，或者让火车改道的成本高，还是农夫在堆放亚麻时就选择远离铁道的地方成本高呢？当然是让把亚麻堆远一点成本低多了，所以农夫应该负主要责任。

我是从一本经济学书里看到的这个故事，给我留下了深刻印象，实际这是美国历史上一个非常著名的真实案例，深刻影响着美国司法制度的发展。我曾经多次跟我的小兄弟们讲起，目的是告诉他们凡事要从更高一层的角度看，要有大局观。

但实际上屁股决定脑袋是每个人都会存在的问题，我们不要做挑战人性的事情，要从组织上来保障这个大局观。那就是搭建目标、利益共同体，让一个事业部即拥有铁路又拥有亚麻，这样内部的交易成本才足够低，才能建立统一目标，一个聪明的事业部负责人自然会做好内部权益的平衡。

这个实际上也是有理论支撑的，有一位非常令人尊重的经济学家叫罗纳德.科斯，他曾经提出“只要交易成本足够低，资源总是会流向能够将它使用得更好的一方，达到资源最优化配置，即帕累托最优境界”，俗称科斯定律。

第二步，搭建统一的全渠道业务中台系统

做业务离不开IT部门的支撑，很多业务部门在初创时都以创新业务命名，说白了就是业务太小，没有足够的资源，在公司找不到支持时就会转而自己搭建整套解决方案，从0开始搭建整套系统，诚然，各个业务有自己的个性化要求，但如果每个创新业务都重新造轮子，先不说你成本有多高，重复建设有多少，最关键市场机会不等人，等你造出轮子，别人都用上喷气式飞机了，老板也失去了耐心。

我在下图中增加了技术支撑的部分，左图是搭建的两套IT系统，犹如两个烟囱，各自生产各自冒烟，无法做到力出一孔。更优的方案是右图，搭建一个全渠道业务中台，把商品、订单、交易、库存、售后、营销都统一到一起，其他个性化的东西变成敏捷的前台，嵌入到事业部中。

中台的道理，大家其实都懂，这几年一直很火热，尤其是阿里提出的大中台+小前台的概念，但这不像是组织架构调整，老板想清楚了马上就可以调整，系统开发是要真金白银砸进去的，本身经营不好的企业如果贸然搭建这个中台，很可能是毁灭性的，还是要因地制宜慢慢沉淀，有条件的企业可以尝试。但一定要控制决策者的预期，不是1，2年就可以出结果，如果某个企业决策者让你2年内打造中台系统，那你就要掂量掂量了。

无论从组织架构还是系统搭建，我都是有切身体验的，毕竟花了不少钱买来的教训。记得曾经有人说过，为什么市场喜欢那些屡次创业失败者，因为他们买过的教训够多，而且都是花的别人钱。不善良的笑了。

02 C2B：未配妥剑，出门已是江湖

我在《三维零售-我的最终幻想》提到过，商品力的考量推动C2B，这是一个多么美好时刻，消费者想要什么，企业就生产什么。这是零售的第三维，也是未来商业的核心模式。

虽然各大企业都在说C2B，但当你去仔细了解以后会发现，到目前为止没有一家企业可以真正意义做到C2B，如果未来真的有这么一家企业实现了C2B，那么他至少在两个方面要做的很优秀，网络协同和数据智能（DT）。

网络协同，是指事物之间可以高效的传递信息和互动反馈，而且是成网状的协同，不是线性协同。想要协同必须先连接，而连接可以分为三大阶段：

（1）人脑的连接

可以追溯到电话、电报的发明，使人类之间可以快速的沟通信息，让地球变小。

（2）机器的连接

可以追溯到互联网的发明，从第一台PC接入互联网，到现在的5G+IOT，都属于这个范畴。

（3）人脑与机器的连接

这是很多科幻电影中描述的场景，而我相信这一天终究会来到，事实上特斯拉的老板马斯克创办的一家公司Neurolink（脑机接口公司）就是聚焦这个领域

数据智能（DT），跟我们平时经常说的BI（商业智能）完全不是一个概念，事实上我们目前对数据的使用大都停留在BI的阶段。DT是指基于大数据引擎，通过大规模机器学习和深度学习等技术，对海量数据进行实时处理、分析和挖掘，提取数据中所包含的有价值的信息和知识，使数据具有“智能”，并通过建立模型寻求现有问题的解决方案以及实现预测等。而BI只是把记录的数据按照要求进行展现，作为辅助决策的信息。

目前DT最成功的实践就是电商的千人千面，这个过程不需要运营的介入，机器自动完成记录、分析和反馈，让用户有实时的反馈，也没有产生过多额外的运营工作。

网络协同和数据智能，是实现C2B的两个源头，就如同DNA的双螺旋。没有这两点的支撑，做C2B要么成本太高，要么效率太低，或者两者都有。其实有些行业的实践还是很有启发意义的。

举个例子，有一家企业叫玛尚定制，我们曾经一起合作过线下业务，他们起源于一个传统行业量体制衣，其实是一个带有强烈C2B基因的行业。我记得小时候还很流行找裁缝做衣服，既便宜又合体，但为什么现在很少看到了呢？C2B不是未来商业的核心吗？

这里最大的还是成本问题，传统量体不仅要亲自找上门，还要经过多轮测量，多轮沟通款式、尺寸，由于个性化需求没法规模化，全都是手工缝制，要等好久才能收到成衣。不是说商品不够吸引人，而是大家都花不起时间了，成本太高了，不论是消费者还是裁缝，都不愿意做了。

那这件事怎么解呢，玛尚定制就是从网络协同和数据智能两个角度考虑的。

首先他们定制了一款测量人体三维数据的机器铺设到了客流量很大线下场景里，消费者只要站进去，不用10几秒就把以前需要多次上门测量的事情解决了，拿到了很准确的数据，误差率很低。

其次，通过数据智能把中国人体型和偏好的服饰风格分析了一遍，给出了若干关联数据，用户在他们的官网上只要输入基础的身高、体重、胖瘦，系统就给出了其他关联数据，然后发送到工厂开始制衣。虽然拿到成衣差不多1个星期，仍远远超出了其他标品的收货时间，但在很好的商品力吸引下，仍然有很多用户买单。同时他们也获得了资本市场的青睐。

我想这应该算是C2B实践路上的一个很正向的案例，但仍然还有问题，履约时间能不能更短些，价格能不能更低些。而且考虑到女装的款式多样，目前他们只能定制男士标准商务服装。

我想另一个比较好的例子应该是尚品宅配，很遗憾我没跟他们合作过，也没在他家买过家具，不过我猜他之所以成功，也是因为C2B的实践。

至于其他行业，我目前能看到的最好实践，应该就是电商平台基于用户历史购买数据、评论反馈、模拟上架测试等，推动厂家的产品迭代。无论从网络协同、数据智能的角度，还是从时间、效率的角度来说都跟我的最终幻想有很大差距。

难道只能等基础科技、深度学习算法发展后，才可以做C2B吗，答案是否定的，竞争激烈，市场不等人，未配妥剑，出门已是江湖。我发现市场逐渐出现了一个过渡方法，而且也挺有效果的。

C2B的核心是用户为导向，用户从被动的接受者变为主动参与者，甚至是决策者。人的想法是复杂多变的，再掺杂进情感因素后，变得更难以琢磨，到底想要的是什么呢？有时连自己也说不清。

《乌合之众》是一本研究大众心理学的著作，书中有一个重要的结论，当人是一个孤立的个体时，他有着自己鲜明的个性化特征，而当这个人融入了群体后，他的所有个性都会被这个群体所淹没，他的思想立刻就会被群体的思想所取代。大家明白我的意思了吧，一个群体有了KOL，他的个性就变成了群体的个性，那么只要控制了KOL，就控制了整个群体。

于是C2B的一个过渡方案S2b2c就出现了，这里的S是指供应商，b是指小商户，不同于大B，他们的规模更小，更灵活，与消费者的互动更频繁，能够提供更个性化的服务，围绕这些小b，聚集了一批带有情感认同，忠诚度较高的粉丝。大量的小b的人肉工作，完成了一部分网络协同和数据智能的工作，在海量商品中找出符合小群体个性化的东西，并推广出去。

S2b2c最典型的代表就是直播网红和社群团长。小b的价值体现在他能够聚集多少人，统一多少人的思想，让他们变成乌合之众。而成功的关键在于，小b的独立性、创造性和服务能力，他们的服务不完全是标准化的，而S也不能够要求小b提供标准化规范，否则就变成传统的授权加盟之类的模式了。

基于以上的分析，我把商品力和价格的曲线绘制如下：

在我看来，这些手段虽然一定程度影响了商品力，但离我所畅想的最终幻想的绝对距离并没有更近，因为我既不想忍受标准化商品对消费者的漠视，也不愿意成为乌合之众，哈哈。

后记

有时间把做新零售这几年的一些隐性想法落到纸面上还真是不容易，希望朋友们看了能有一些帮助，当然最大的帮助是把你自己的看法也分享给我，说不定能碰撞出什么新想法呢。

相关阅读

三维零售：我的最终幻想

本文由 @刘生 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议