李国庆PK刘强东:最失败是品类战略

本文探讨了当当和京东在电商领域的竞争,重点分析了李国庆在品类战略上的失误,以及这些决策如何导致了当当落后于京东。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

                                                                                        

文/金错刀

京东最近正在IPO,引发出很多热点。最有意思的是李国庆和刘强东的PK。

“知乎”上一个网友发问:当当创建于1999年,京东创建于2004年,5年时间应该足够当当树立领先优势了,可京东的规模却远远赶超当当,什么样的决策和执行导致了今天这种结果呢?

最近,李国庆接受《财经天下》一个长篇专访,他花了很长时间在讲品类战略。“有一期《哈佛商业评论》刊文说,不管电子商务还是传统零售业,品类是核心战略—品类选择、品类管理。不同品类的推广方式不一样。选择数码容易出(销售)数,一个订单3000多,不像我们这儿一个订单5本书85块,不容易出客单价。但是顾客数、订单数、影响力足够了。”

品类战略是产品战略的核心,也是电商战略的核心。但是,李国庆就败在品类战略上。为什么?

1、十几年前,网上零售最大的品类是图书。十几年后,网上零售最大的品类是B2C。京东最大的战略成功就是不断升级自己的品类,从3C到全品类,想到B2C就会想到京东。但现在,想到当当还是想到图书。

李国庆的自述:当当是什么呢?当当还是网上零售。以当当现在的流量、规模,我们把网上零售在几个品类里做到行业第一就可以了,比如说图书。这么多年淘宝老伺机打当当,但怎么打都打不成。两年前我在成都电子商务大会上提出一个观点,不管是天猫还是京东还是亚马逊还是当当,我不信一个企业的财力够它把每一个品类都做到第一。老刘以前不信,非要什么都做,我们图书好,京东也做图书,现在离我差很远,我是赚钱的,他亏钱很严重。同样,婴童用品,我卖到全网第一的时候,这几家都把婴童用品当做重要品类,又都打我的婴童用品。现在三年过去了,冒出一个唯品会,人家服装销售额比当当、京东、亚马逊都大;冒出一个1号店,零食比我们三家都大;冒出一个聚美优品,化妆品比我们三家都大。当然除了唯品会,那两家还没找到真的盈利模式,还有挑战。

2、品类战略的核心没有那么复杂,就是如何找到用户最痛点的那个品类,不要把自己是否赚钱放在第一位,不要把自己的核心优势放在第一位,而是把用户体验放在第一位。

李国庆的自述:全世界零售业选择品类大概有五十多个工具,但是粗略来看有三种。第一,你的顾客要不要买;第二,同你已经成熟的优势品类有没有可迁移性;第三有没有可获利性。有的品类它没有获利性。没有京东的时候,我们年年战略会都会请苏宁、国美或者联想的人,(结果)发现(数码产品)在苏宁、国美也是不赚钱的。它们是为了客流,靠家电赚钱。还有就是下游太集中,苏宁、国美加起来占20%;上游品牌上也太集中,尤其当年的手机,一个诺基亚一个摩托罗拉占了手机市场80%。上下游都集中,进入这个领域就非常难。所以当时没有选择做数码。

3、品类战略的核心是差异化,差异化的核心是成为用户心目中得第一。李国庆的当当在图书、服装、婴童做的不错,但是,这3个垂直品类很难成为用户心目中的第一。

李国庆的自述:差异化别把自己弄太窄,比如乐淘,好乐买等。如果你的品类过于狭小,也不容易成功。图书规模很小,中国才300亿。图书的经营太难,80万品种,低价格、低毛利率。网上卖书太难,别人打不动我的原因就是经营起来太复杂。而我打新华书店很容易的原因,也真的是商品特性。首先要在80万种书里去找书,别说摆着不动,都摆下来你也没法找。而且线下平销(每平方米带来销售额)特别低,一堆书一年占了好大的地方。像国美、苏宁那种高价商品,平销线下一点也不低,所以你打价格战,线下想还手的时候,有还手之力,降低利润率不就完了嘛,但书店没法还手,真的是很痛苦。

但差异化不等于垂直,我是综合购物中心,什么都有,但是我主攻的品类,我希望用三年时间做到第一。就像现在说买书到哪去?第一选择是当当。这是尼尔森的调查。我希望做到买服装、婴童用品都是第一选择到当当。别的品类不该是我,但为什么还卖呢?零售业管这个分工角色叫便利性,就是来了顺手买一下。

随着京东的上市,当当的位置会更加尴尬,甚至会更加危险。一个品类不清晰的公司,很容易被用户抛弃,你说呢?


EnMAP-Box是一款高效、便捷的遥感图像处理软件,其独特之处在于它是一个免安装的应用程序,用户可以直接运行而无需进行复杂的安装过程。这款工具主要用于处理和分析来自各种遥感传感器的数据,如EnMAP(环境多波段光谱成像仪)和其他同类设备获取的高光谱图像。EnMAP-Box的设计目标是为科研人员和实践工作者提供一个直观、易用的平台,以执行复杂的遥感数据处理任务。 在使用EnMAP-Box之前,一个关键的前提条件是需要有一个兼容的IDL(Interactive Data Language)环境。IDL是一种强大的编程语言,特别适用于科学数据的处理和可视化,尤其是在地球科学和遥感领域。它提供了丰富的库函数,支持对多维数组操作,这使得它成为处理遥感图像的理想选择。EnMAP-Box是基于IDL开发的,因此,用户在使用该软件之前需要确保已经正确配置了IDL环境。 EnMAP-Box的主要功能包括: 1. 数据导入:能够读取多种遥感数据格式,如ENVI、HDF、GeoTIFF等,方便用户将不同来源的遥感图像导入到软件中进行分析。 2. 预处理:提供辐射校正、大气校正、几何校正等功能,用于改善原始图像的质量,确保后续分析的准确性。 3. 分光分析:支持高光谱图像的光谱特征提取,如光谱指数计算、光谱端元分离等,有助于识别地物类型和监测环境变化。 4. 图像分类:通过监督或非监督方法进行图像分类,可以自动或半自动地将图像像素划分为不同的地物类别。 5. 时间序列分析:对于多时相遥感数据,EnMAP-Box能进行时间序列分析,揭示地表动态变化趋势。 6. 结果导出与可视化:处理后的结果可以导出为各种格式,同时软件内置了图像显示和地图投影功能,帮助用户直观地查看和理解处理结果。 7. 自定义脚本:利用IDL的强大功能,用户可以编写自定义脚本来实现特定的遥感处理需求,增强了软件的灵活性和可扩展性。 在使用EnMAP-Box的过程中,用户可能会遇到一些挑战,例如对IDL编程语言不熟悉,或者对遥感数据处理的基本概念和方法缺乏了解。这时,可以通过查阅软件自带的文档、教程,以及在线资源来提升技能。同时,积极参与相关的学习社区和论坛,与其他用户交流经验,可以帮助解决遇到的问题。 EnMAP-Box作为一款基于IDL的遥感图像处理工具,为遥感数据分析提供了便利,但需要用户具备一定的IDL基础和遥感知识。通过熟练掌握EnMAP-Box,用户可以高效地处理和解析遥感数据,揭示地表信息,为环境保护、资源管理等领域提供科学支持。
评论
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