外资零售巨头相继撤出中国,谁来背这个锅?

近年来,包括家乐福、亚马逊在内的多个外资零售巨头相继撤出中国市场,亏损成为共性原因。分析指出,电商冲击、水土不服及效率低下并非主因,未能紧跟市场变化与需求升级才是关键。本文探讨外资零售巨头在中国市场的失败教训。

2019年6月23日下午,苏宁斥资48亿收购家乐福中国80%股权的消息刷屏,那个曾经的大卖场生态的首创者,即将要退出中国了。市场一度认为,家乐福会卖身给腾讯、永辉,而结果却是苏宁来收购,令人唏嘘不已。其实,这不是第一起外资零售巨头撤出中国,近几年有不少外资零售巨头撤出中国,如美国的亚马逊即将于2019年7月份退出中国市场,美国的梅西百货、法国的欧尚和乐购、英国的玛莎百货、韩国的乐天玛特和易买得、西班牙的迪亚天天、日本的高岛屋等。详情见下表。

外资零售巨头相继撤出中国,谁来背这个锅?

上表中可见,5个非常明显的特点:一是这些外资零售巨头都是发达国家的企业,如美国、英国、西班牙、韩国、日本;二是这些外资零售巨头都有相当长的历史,属于老牌的零售企业,最长的是高岛屋至今已有188年的历史,最短的ASOS也有近10年历史;三是多数在十几年前就已经进入中国,像家乐福是1995年进来的,欧尚和易买得都是1997年进来的,只有高岛屋和梅西百货比较晚进入中国;四是退出中国市场绝大多数发生在最近两三年内;五是退出方式多样化,以出售股权和关闭店铺为主。我们不禁想问,外资零售巨头撤出中国,谁来背这个锅?

引发外资零售巨头退出中国的一个共同点是:亏损。据报道,家乐福中国2017年、2018年净利润亏损分别为10.99亿元、5.78亿元,亚马逊中国每年亏损超过6亿美元,高岛屋2017财年至2019财年营业利润亏损额分别为5976万元、6860万元、5207万元,乐天玛特在华亏损达到约16.4亿元,易买得2013年至2016年亏损约为9亿元,ASOS中国区业务一共亏损860万欧元。

进一步追问,导致亏损的原因是什么?各类文章分析了不同的原因,其中有代表性的3种观点,我们认为站不住脚:一是外资零售巨头水土不服,即不了解中国市场、文化、消费者。中国零售业快速发展也就是近一二十年的事情,本土零售企业有不少是学习借鉴了外资零售巨头的运营管理等方面的经验,像家乐福曾经是国内零售业的一哥,进入中国的前十多年没有其他零售企业撼动其市场地位,因此可以说中国零售业早期的水土形成离不开外资零售巨头的贡献。从另一个角度看,在中国经营一二十年,时间不可谓不长,要是水土不服应该早就撤出中国了,因为外资不可能忍受长期的亏损。

二是外资零售巨头受到电商的挤压。国内现在有大量的电商平台,如天猫、淘宝、京东、拼多多、苏宁易购、大众点评、当当网、聚美优品、唯品会、国美在线、糯米网等,这些平台与外资零售巨头是有一定的竞争关系,但是更要看到它们之间的合作互补关系,像梅西百货、乐天玛特都曾经有天猫旗舰店,家乐福与京东物流合作,其他在渠道、品牌、管理等方面的合作也是多种多样。

线上电商平台也需要线下实体店,如天猫国际线下店的成立,大多数外资零售巨头优势恰恰更多体现在线下实体店,二者能形成很好的互补。并且像亚马逊、ASOS本身就是电商平台,剩余以大卖场业态为主的外资零售巨头,不少自己也尝试了电商渠道,如家乐福。此外,中国的市场足够大,能够容纳得下多家外资零售巨头,即使是天猫占据零售的电商市场也不过约50%,还要面临像拼多多这样后起之秀的竞争。所以,电商的兴起不会从根本上挤压外资零售巨头的市场。

三是外资零售巨头效率不够高。家乐福、亚马逊、高岛屋等哪一家企业不是在海外做得风生水起,满足了成千上万消费者的需求,要品牌有品牌,要技术有技术,要管理有管理,像亚马逊是将其在海外特别是东南亚的模式复制到中国,西方发达国家、东南亚国家和中国一样,都是追求效率的,而且外资零售巨头都聘用了不少外国人,他们不可能不清楚效率的重要性。另外,从企业生命周期看,能存活几十上百年,依靠的绝不是运气,而是其效率、效益。

最后回到标题的问题,我们认为应该主要由外资零售巨头自己来背这个锅。中国市场每天都有新的机遇,对外资也是保护有加,但是变化很快,特别是消费者的需求,消费在不断升级过程中,外资零售巨头撤出中国市场应该是各种问题和压力的显性化,可能受到了世界宏观经济形势的影响,不过归根结底是没有跟上市场需求的变化,没有采取相应的措施或者决策错误,比如没有适时构建自己的物流体系,集权化管理难以适应差异化的市场需求,成本管控不到位等。

闲看庭前花开花落,漫随天外云卷云舒。优胜劣汰是市场的规律,现在部分外资零售巨头撤出中国,未来会有其他外资零售企业进入中国和拓展在中国的业务。

【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)内容概要:本文围绕使用MATLAB和XBee技术实现温度传感器无线网络的连续监控展开研究,介绍了如何构建无线传感网络系统,并利用MATLAB进行数据采集、处理与可视化分析。系统通过XBee模块实现传感器节点间的无线通信,实时传输温度数据至主机,MATLAB负责接收并处理数据,实现对环境温度的动态监测。文中详细阐述了硬件连接、通信协议配置、数据解析及软件编程实现过程,并提供了完整的MATLAB代码示例,便于读者复现和应用。该方案具有良好的扩展性和实用性,适用于远程环境监测场景。; 适合人群:具备一定MATLAB编程基础和无线通信基础知识的高校学生、科研人员及工程技术人员,尤其适合从事物联网、传感器网络相关项目开发的初学者与中级开发者。; 使用场景及目标:①实现基于XBee的无线温度传感网络搭建;②掌握MATLAB与无线模块的数据通信方法;③完成实时数据采集、处理与可视化;④为环境监测、工业测控等实际应用场景提供技术参考。; 阅读建议:建议读者结合文中提供的MATLAB代码与硬件连接图进行实践操作,先从简单的点对点通信入手,逐步扩展到多节点网络,同时可进一步探索数据滤波、异常检测、远程报警等功能的集成。
内容概要:本文系统讲解了边缘AI模型部署与优化的完整流程,涵盖核心挑战(算力、功耗、实时性、资源限制)与设计原则,详细对比主流边缘AI芯片平台(如ESP32-S3、RK3588、Jetson系列、Coral等)的性能参数与适用场景,并以RK3588部署YOLOv8为例,演示从PyTorch模型导出、ONNX转换、RKNN量化到Tengine推理的全流程。文章重点介绍多维度优化策略,包括模型轻量化(结构选择、输入尺寸调整)、量化(INT8/FP16)、剪枝与蒸馏、算子融合、批处理、硬件加速预处理及DVFS动态调频等,显著提升帧率并降低功耗。通过三个实战案例验证优化效果,最后提供常见问题解决方案与未来技术趋势。; 适合人群:具备一定AI模型开发经验的工程师,尤其是从事边缘计算、嵌入式AI、计算机视觉应用研发的技术人员,工作年限建议1-5年;熟悉Python、C++及深度学习框架(如PyTorch、TensorFlow)者更佳。; 使用场景及目标:①在资源受限的边缘设备上高效部署AI模型;②实现高帧率与低功耗的双重优化目标;③掌握从芯片选型、模型转换到系统级调优的全链路能力;④解决实际部署中的精度损失、内存溢出、NPU利用率低等问题。; 阅读建议:建议结合文中提供的代码实例与工具链(如RKNN Toolkit、Tengine、TensorRT)动手实践,重点关注量化校准、模型压缩与硬件协同优化环节,同时参考选型表格匹配具体应用场景,并利用功耗监测工具进行闭环调优。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值