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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12