作者 孙彤

观点

• 险种最好足够大且具备高成长性；
• 产业链上的新价值创造是可以打通的；
• 2C或2B不是选择问题而是路径问题；
• InsurTech的能力是未来的基础设施。

2017年下半年，保险科技领域的热度随着以下几个行业动态持续升温：11月微信推出「微保WeSure」平台，旗下产品微医保和微车保率先拉开大幕；9月28日，众安在线香港上市，市值突破千亿，旗下众安科技专注InsurTech领域的技术研究；7月，蚂蚁金服宣布向行业全面开放技术产品“定损宝”，用AI赋能车险自动定损等等。

当流量巨头们都开始在保险领域积极布局、培育市场，当行业内的保险创业企业投融资日益活跃起来的时候，说明InsurTech的变革已经具备了土壤，在可以预见的未来，变革过程会比想象来得更快。

作为互联网金融的组成部分，InsurTech也是源码资本关注的重要领域之一。近一年来，我们看过100+保险科技相关的创业公司，对于保险行业的认知，也经历了螺旋上升的过程。从单一维度到多维能力叠加，从机会到难点再到新机会，我们逐渐梳理出了一些判断逻辑。

和其他金融行业一样，保险是个强监管的领域。作为除银行之外可以大规模、批量面向零售客户的金融平台，保险必须是持牌机构才能经营的业务，因此牌照是行业的一个刚性门槛。

同时，很多非标准化、续期能力强的产品，也让保险看上去带有一点「逆互联网」属性，不那么容易线上销售。这些因素都使得保险行业的互联网化过程并没有快速起量爆发，需要更多时间去摸索迭代。

但也有一些明显的宏观趋势，带给创业者新的红利，比如先来看几个变化。

从「6070」到「8090」

变化的大前提来自用户端，保险用户人群正在经历一次大升级，根据蚂蚁金服和CBNData联合发布的数据，互联网保险消费者主要为年轻人，其中80后占比47%，90后占比33%。

这个速度比我们想象得快。事实上，这是保险与消费共生效应的体现，即保险促进了新消费、新消费激发了用户端对保险需求，让80、90后的保险意识提前觉醒。这是一批新用户的红利。

从「被动推销」到「主动咨询」

用户画像的变化，带来了在保险选择上消费能力和消费意愿的转变。当保民的画像逐渐年轻化，他们对于保险产品的真需求开始释放，而这一群人的认知水平、消费习惯，决定了其购买保险的方式也产生了变化。

即，从此前被保险公司人海战术的推销式购买，逐渐向更加理性，信息更加透明的选择权上进化，他们需要更加高性价比的产品，和更加中立的推荐。这也是互联网+在把保险从线下搬到线上的机会所在。

从「吸聚流量」到「分发中心」

可以这样理解，保险的前端是个漏斗，需要源源不断的用户和流量，以形成保单的转化。但这只是第一步。

从全球的经验来看，保险更像一个连接器。先天可以在很多场景做延伸，大到出行、健康、养老，小到碎屏、退货等等。如果有机会把「保险责任」，转化为「关联服务」，将在产业链条上产生更大的价值创造。

互联网和科技的能力，正在让这样的场景构建更丰富，链接更紧密。随着前端流量创新逐渐成体系，后端的分发价值和红利就会产生。

综合上述线索，源码资本做了如下梳理：我们先将互联网保险按四个不同的维度进行了划分，有横有纵，每个维度间的串联叠加都可以组合定位到不同的细分sector.

我们也可以同步设想一下，推动行业变革的大机会到底在哪里？什么样的公司拥有串联好这四个维度的能力？以及，它会不会成为一个新巨无霸？

一、按险种划分

了解保险行业的险种划分有助于寻找出各个sector的潜在机会。

据保监会数据显示，我国保费收入总体保持高速增长， 2016年总保费收入达到30959.08亿人民币，增速为27.5%。其中，财险保费收入8724.49亿元，增速较缓，人身险收入达到22234亿元，同比增幅高达40.2%，也是近五年首次突破40%。

相比于国家基础保障体系的社会保险，我们更关注商业保险领域的机会，主要看财险和人身险两大市场。

1. 财险中，以车险为主，创新责任险有空间。

车险是一个充满价格战的红海市场，渠道费用高但大都返还给用户，加上政策上的商车费改，层层利润都很薄，空间较小，可关注点在服务理赔环节，借助AI和数据的力量，车损人伤对应的核保核赔反欺诈存在机会；随着无人驾驶等新技术的来临，车险未来是否会逐步被责任险取代，也值得持续思考。

另辅以家财企财、农险等，前两者占比偏小，而农业险目前以国家补贴为主要发展力度，短期仍需观察。

2. 人身险中，寿险占比最大，健康险增速更快。

我们更看好健康险市场的大机会。医疗支出结构存在改善的空间，同时国内保险公司健康险运营经验不足，缺乏数据获取、精算、控费和资源整合能力，第三方服务机构有机会填补。这中间，还可关注上下游数据公司、服务公司的机会，也可关注在美国相对成熟的HMO模式在国内的变化和应用。

二、按产业链价值划分

这是最重要的划分维度。

保险做的是经营承保和资产管理。我们看保险公司的赚钱方式，主要来自死差、费差、利差。利差是保险公司的投资收益，是牌照价值，创业公司短期难度较大；死差可以宽泛理解为出险率赔付率，需要在产品设计和数据上做文章；费差是附加费与实际营业费之差，需要在中间环节降低成本提高效率。所以我们试图拨开环环相扣的产业链节点，来梳理寻找价值点和新机遇。

1. 产品创新：

保险公司的主要职能之一就是设计产品，这是精算师们每天的工作内容。也就是说，保险公司事实上并不缺少设计保险的能力，或者市场上一旦有好卖的标准化产品，各家跟进复制的速度也都非常快，非强壁垒。

我们认为，真正的产品创新，一方面来自全新场景的挖掘，比如在某些场景里，创业公司比保险公司更懂，或者是用重一点的方法，把分散的场景需求整合起来，以避开保险公司的核心优势本身；另一方面，来自自身获取到独特数据的能力，这样可以反向支撑精算模型及定价，让产品更具性价比优势，确实现在的很多保险产品还是比较贵的，如果有创业公司利用数据拉低产品门槛，保险公司可能不容易直接复制。

2. 渠道提效：

保险公司是最重视渠道销售的。在传统时代，因为基于保守的精算假设生成的保险产品几乎无差别，所以只能靠堆人来促成销售，保费越高人力成本越高。寿险里，除了银保渠道销售成本较低，其他的大部分代理人要占到20-35%，层级中间赚40%；车险里，40-50%的赔付率，保险公司收益只有5%，其他都是销售成本。冗余的链条让销售环节并不经济，那如何能降低成本、提高效率？

比如通过内容低成本获客，在信息逐渐对称的情况下，让用户更加理解和熟悉保险产品；同时实现产品购买流程的标准化，过程中叠加技术能力，让成单流程更顺更快，减少冗余环节和人力，让用户的选择更加简单，都存在被提效的机会。

再比如赋能优秀的经纪人代理人。这一批销售人员正在跟随行业的发展经历自我升级，让他们更好的获取、管理和服务用户就是提高效率；以及反观渠道属性的经代公司本身，这种中介形态的组织结构，也有机会被互联网扁平化。

3. 服务优化：

无论承包核保、还是理赔延保等环节，保险产品从销售到出险，都需要服务支撑。而保险公司的核赔理赔部门，大多是保险公司的成本中心而非利润中心，因此都有人员编制限制无法实现充分到位的服务。

我们认为，后续的机会正在从销售渠道，转向服务驱动。无论是TPA公司，还是基于InsurTech的数据、技术型的公司，如果能够帮助保险公司实现更加高效的核保核赔、自动化识别和处理数据、影像，帮助保险公司进行反欺诈预警、理赔控费等，都是顺应大势的方向，有价值。不过对于投资者而言，这里需要考虑价值实现的衡量标准，以及天花板高低。

如果能够基于上述三个方向，都具备优秀的能力，能从前端产品设计，到中间渠道卖掉产品，再到后端理赔服务一体化，保险公司仅发挥牌照价值行使出单作用，就有机会做成MGA （Managing General Agent）的模式，同样期待该模式下的优秀企业。

三、按服务对象划分2B/2C

早期看过很多以「场景险」为切入点的直接2C产品，逻辑大多是，2C市场足够大，在某个高频流量场景里，以相对低的成本获客转化。不过很快就发现，流量属于场景，不控场景就等于不控用户，一旦起量做到就有被替代的风险；同时，极低成本获取来的用户，部分偏向「贪便宜」而非真正具备保险购买能力和意愿的人，未来想继续在这群人身上做转化是比较难的。

之后又密集看过2B的产品，主要有两类：一种服务于保险公司或经代公司，比如做Saas系统或者经代人的工具；一种服务于B端企业（可理解为间接2C），贴合场景设计产品。这类2B业务的共性是，产品技术层面大家的竞争差异不大，寻找头部B端的价值明显高于长尾小B，但越是头部，谈判难度越大，对接时间越长；合作效率不高的同时，还要面临「部门负责人更换，大领导更换」带来的各种风险。尤其是和头部效应非常集中的大型保司合作，强大的关系网络让很多创业公司疲于应对。

于是又回来寻找2C的机会。上文提到的一个潜移默化又不可忽视的趋势是，用户端的需求正在从以前的被动式购买，开始向主动型的咨询变化。事实上，由于「没有性价比高的产品」，以及「对保险购买知识的长期信息不对称」，在很长一段时间内抑制了很多用户的需求，而金融产品和服务的「互联网+」过程，势必从借贷扩展到保险、理财等等领域，如果有人有能力解决如上问题，比如拥有更好定价的产品，比如有足够中立的内容和咨询服务，来慢慢渗透和教育市场，我们认为存在2C高转化率的机会。

当然，我们也在重新审视2B的机会：哪些玩家就是可以快速打通行业脉络；或者是否所有的sector都会被关系捆绑，哪些场景能避开头部打法，同时又具备获取数据、易整合易教育的能力；以及能否有更巧妙的产品切入点让B端机构迫切需要等等。

四、按InsuTech的基础建设

InsurTech和FinTech一样，是行业发展的创新剂，是基础设施和通用抓手，就像互联网之于工业革命。这一部分，由于国内在保险体系和前沿科技的积累尚有空间，我们需要以更加全球化的视角，去捕捉最前沿的技术和领域应用。

主要可关注几个方向：

1. AI+保险：例如Lemonade、Tractable、Insurify

岗位替代：在核保、客服、理赔的环节可借助图像识别，自然语言处理等技术，代替人力降低成本。

智能保顾：数据和算法可以更准确的向用户推荐保险产品，实现更高效的咨询和定制方案。

反欺诈：借助图像识别、人脸识别等技术。

投资能力：借助数据和深度学习，提高险资的资产配置效率，改善交易策略。

2. 区块链：例如Tradle、Safeshare

区块链将从底层结构上改变保险行业的工作原理。

主要关注身份验证的智能合约、理赔反欺诈、基于共享经济的实时保险等方向。

3. IOT&数据：如Aviva、RiskGenius

基于物联网的新数据源获取，协调保险人和被保险人的利益关系，带来全新的风控能力。这部分需要时间积累。

承保风险：如慢性病人数据，或UBI收集的车主数据。

核赔理赔风险：人脸识别，图片筛重防止骗保等等。

总结：

如上是源码资本对于这个领域的一点认知，篇幅所限无法详尽入微。但行业精深，我们会保持对行业理解的迭代，以及对所有变化和新机遇的求知若渴。如果您也有同样的想法，请和我们联系，期待与大家交流学习。

作者 张星辰

观点

• 新金融都有哪些物种？
• 以资产管理的视角看新金融还有哪些机会？
• 我们的投资思路是什么？

一、新金融都有哪些物种

“新金融”是一个相对笼统的叫法，但有一个比较清晰的边界，就是科技驱动的金融机构/金融服务企业。我们认为，新金融的物种未来将会极大丰富，我们现在的新金融还处于初级阶段。

新金融大致可以分为以下三类：

a．消费者的信贷和泛资产管理
b．企业的金融服务
c．金融机构信息化和服务

从源码资本创始合伙人曹毅的“三横九纵”投资地图来看，新金融的初级阶段正在经历一个三浪叠加的进程：线上化、智能化和国际化同时在发生，这一点在消费者群体中表现最为明显。

同样，对于大部分企业和金融机构来说，他们的线上化过程比较缓慢，不过也正是这样，给我们带来了下一波新金融的大机会。今天，我们以金融机构为例，以资产管理的视角，来看下新金融的机会在哪里。

图：三横九纵的投资地图

二、以资产管理视角看新金融机会

资产管理是金融机构的一个核心业务，同时本身也是一个视角，包含资金募集/获取、投资(投前分析、投资决策、风险控制)、投后管理、交易、退出/处置等几个环节。我们按照资产类别去切分，包括债券、股票、期货、非标债权、票据、衍生品等，不同的资产类别的“资管方式”各不相同，同时金融机构又在管理多种资产且价值创造方式不同。

用资产管理的视角，可以帮助我们了解到，新金融公司是在什么资管环节或是资产类别中创造价值。以我们最近的观察，在每一个细分的资产类别，各个环节都在发生着一些共同的变化，这些变化可以互相印证，指导我们发现新金融的各种机会。

1、资金募集/获取

P2P在过去几年经历了快速发展和监管的历程，与此同时，各类金融机构的资金募集/获取也随着科技日益发展。激进的机构如招行，自己组团队一步到位做 “摩羯智投”，也激励着诸多之前标杆betterment的创业公司转向为银行提供类似的智能投顾服务。与此同时，银行、保险和基金利用微信公众号和微信群、蚂蚁财富号、手机银行和直销银行、代理人工具、银银(保)合作等渠道服务更多的客户，背后的营销、数据分析、系统对接等都有创业公司的身影。

银行等机构以外，资本市场的钱越来越多的通过公开的海量数据，以归因分析、多因子模型、动态资产配置等方式，分配给有能力的资金管理人；高净值财富管理机构，也在根据用户画像，分析其资产风格和类型，并通过评估理财师的能力模型，更好的服务客户。几乎每一种资金，都在以越来越”聪明”的方式找到更合适的风险-收益资产，此外资金募集又是监管最严格的环节，新金融的机会在于利用技术和产品做好服务，潜力巨大。

2、投资(投前投中)

这一环节是资产管理的核心，又有几部分重要内容：系统建设、数据接入、投资策略生成、投资决策过程、风险控制。

投资的竞争极其激烈，每个机构都在试图系统性的获取不同的竞争优势，而信息化和智能化在此扮演重要角色。对于一个百亿级别的资产管理机构来说，一套完备的投资系统必不可少，这套系统最好有统一的数据接入和初步分析、风控模型和定价工具。利用深度学习更好的处理信息和数据可以提高决策效率。以二级市场资产为例，万得(Wind)已经不太能满足机构更全面的数据需求，市场需要不同数据源(互联网、硬件设备甚至卫星图像)产生的非结构化数据、多维数据的整合和分析、也需要更好的量化模型和交易策略。这些产品不仅仅适用于二级市场，更广泛的在银行信贷、一级市场、保险、固定收益等领域出现。此外，独有数据的巨大优势，是能够以上帝视角或者对资产的深刻理解，做出不同于大部分投资机构的正确决策。

在“投资”这个环节中，新金融公司正在以其在系统、数据、模型、人工智能技术等优势，逐渐建立壁垒。

3、投后管理

资产的投后风控、估值、监控追踪，也在很大程度上决定了投资收益的好坏。过去的银行可能不能及时得知信贷企业客户的子公司已经违约，或者FoF没有发现某个私募基金净值已经跌到了赎回线。企业债券的刚兑已经被打破所以要有能力及时排雷，承保的车险用户也不可能总是莫名其妙的出事故。资产的类型多种多样，但投后的管理需要更加实时、准确、数据驱动。互联网的数据已经足够多，未来还会随着物联网变得更丰富。

不仅是数据层面，资管机构越来越需要一个全面的中后台，对所有资产做全面的风控、应对严格的监管、并利用分析结果做资产配置的调整。新金融公司在投后管理领域可以先找到小的切入点，再结合机构需要找到做更大业务的机会。

4、交易

交易与前文的投资不同，交易的产生和扩张取决于数据可得性、信息透明程度、资产标准化、定价能力和参与者资金规模。过去有些资产不能交易，现在随着数据的线上化、更完善的定价能力逐渐变得可交易。

有些资产的交易模式比较落后，需要用新的模式/软硬件/算法做些革新；成熟的交易市场也仍然需要先进的技术提高交易效率；还有些市场交易规模仍然比较弱小，未来可能有巨大的发展，但需要更完善的市场参与方、数据工具、报价系统等基础设施。这里存在着新金融公司对传统机构的颠覆机会，值得重点关注。

5、退出/处置

很多机构在 “投资”环节花费了大量人力物力，却忽略了退出环节的重要性，而完成资产收益的闭环需要这一个环节。流动性较好的资产需要数据支持的退出决策，流动性差的资产，例如不良资产处理，在消费金融过去两年有了很大的发展，预计未来也会扩展其他资产类别。我们会继续保持观察这一领域的机会。

三、投资思路 

以资产管理为视角分析完后，我们对于投资新金融公司的有几个方向性的判断：

1. 新金融公司与传统金融机构长期是合作大于竞争，但会互相渗透；
2. 并不是越轻的模式越好，模式取决于金融机构需要的产品和服务；
3. 产品不在于是SaaS还是私有部署，核心是能否获取业务相关的脱敏数据；
4. 单一产品可能会被更高维的产品覆盖从而丢掉客户，内外部数据结合是粘性和壁垒；

总结：

我们认为新金融的浪潮仍处于中早期，创业者们在理解客户需求、技术产品、数据和团队战斗力等方面有明显的优势，同时也面临资金、资源、监管和招聘等方面的约束，源码资本愿意继续长期支持新金融的创业者，创造持久真实价值。

 

作者 王晓亮

观点

• 各种模型本质上都是从某些侧面对复杂世界所做的局部剪影，只满足于局部清醒而忽略全局未知因素的人，很可能会掉入模型的陷阱中；
• 技术本身是极难预测的因素，即便是代表业界共识的Gartner曲线，在预判新兴技术走向时也远不够准确；
• 在不确定性问题上，应追求认知优势而非完美预测，对变化和差异做二阶思考有助于建立这一优势。

一、命中抑或巧合？

1999年夏天，整个硅谷沉浸在燥热的狂喜里。Web技术和电子商务成为口口相传的热词，谁不谈论“新经济”、“新秩序”，谁就会被当成商业社会的盲人。初创公司只需在名字上加“e”或“.com”就能让估值翻番。《连线》杂志更是给出大胆预言：未来25年整个世界将步入长久的繁荣（The Long Boom）。

然而在大洋另一端，Gartner伦敦办公室的分析师Alexander Drobik却感到一阵莫名的寒意。这位IT老兵曾在航空业服役多年，早就见证过电子商务在机票预订和全球分销系统中的成熟应用。在他看来，别人谈论的e-business并不是多么颠覆性的技术，不值得市场为那些止不住亏损的公司贴上比盈利良好的公司更高的价签。他联想到1720年著名的南海泡沫，联想到四周助推互联网公司上市的狂热，他把市场预期与技术成熟度的偏离画在了文章开头那条有起有落的曲线上——这是Gartner在四年前刚提出的分析工具——然后他给出一个大胆预测：互联网泡沫将在2001年前崩盘。

这个观点在当时太过离经叛道，以至于Gartner内部也引起了不小争论。历经数月说服，评审委员会才下定决心将研报下发给数千名客户。这一天是1999年11月9日。四个月后，美国股市真如Alex预言的那样开始崩盘，NASDAQ指数在上探到历史新高5132.52点后急转直下，到2001年几近腰斩。Gartner光环曲线（Gartner Hype Cycle）也因此在业内一战成名。

但更重要的是，Alex不只预言了2001年电子商务的衰落，也预言了2003年后“True” e-business的诞生。回顾历史，LinkedIn（2002）、Skype（2003）、Facebook（2004）、Twitter（2006）都是在这段时期崭露端倪。这引起了业界和学界对Gartner曲线的兴趣——新技术的走向真的可以被预测吗？

二、统计意义上“不够准确”

如果你肯花时间，总能找到更多支持这条曲线的例子。比如Web技术公司的发展轨迹，Amazon和Yahoo在1998-2005年间的股价变动就和曲线走势非常接近。但你也可能听说过“后见之明”与“幸存者偏误”，很多事后看来有迹可循的因果链条，在萌发之初其实充满不确定性，只是我们选择性地过滤掉了那些与现状不相符的线索，好让它在叙事上显得融洽、和我们假想的模型更一致。

为了消除这种偏见，你应该提出反问：有多少曾经红极一时的公司没能从困境中爬出来？有多少曾被预言为前景广阔的技术最终只是昙花一现？

2016年，Icon Ventures的投资人Michael Mullany对此做出了有趣的探究。通过回溯2000-2016年间Gartner光环曲线提及的200多项新兴技术，他发现：

• 在炒作高峰后跌入谷底的技术中，很多没能再爬起来；有超过50项技术只炒作了一年就淡出人们视野；其中众包（2013）、HTML5（2012）、BYOD（自带设备，2012）和播客（2005）等技术虽然仍在使用，但也只能算是小有成就。
• 只有4项重大技术很早就被发现，而且完整地经历了曲线“先起–后落–再起”的阶段；它们是：云计算（2008）、3D 打印（2005）、自然语言搜索（2002）和电子墨水（2000）。
• 有一些被炒作过的领域在技术洞察上是有前瞻性的，但却因落地方式不对或市场仍不成熟，直到数年之后才重新得到应用，例如 Web Service Enabled Business Model（2003；现在Twilio、Plaid等公司采用这种模式）、公共认证服务（2002；类似于现在的Oauth认证）、万亿级架构（2006；可以容忍局部故障并尽快恢复的大规模计算体系）。
• 技术曲线也漏判了很多重大技术，如x86、NoSQL、Hadoop、开源技术等，它们或者很晚才被发现，或者从未出现在光环曲线上。换言之，如果你是all in黑科技以求弯道超车的CEO，或是照着Gartner曲线撒网早期项目的的投资人，那么多数时间你都会铩羽而归。因为统计意义上，Gartner曲线的预测并不准确。但如果你擅长做二阶思考，能从人们都看得见的信息里发掘出少有人思考过的盲区，那么这条曲线其实很有价值。

三、从二阶思考中淘金

不妨从一个简单例子入手。下图是2017年7月发布的新兴技术曲线，密密麻麻排布着32项技术。如果你是创业者、投资人、咨询师，你的第一印象会是什么？

• 看起点，5G技术和边缘计算（edge computing）首次上榜，并被寄予厚望；
• 看高峰，物联网平台、深度学习、机器学习风头正盛，且预计2-5年内能进入成熟期；
• 看低谷，增强现实和虚拟现实的预期回归理性，且业界认为，虚拟现实正逐渐展露出应用前景。

这些结论都不错。但它对创业/投资/商业管理意味着什么？如何将它应用于行动和判断？这些才是我们真正感兴趣的议题。让我们对曲线做些加工，以投资领域为例，画一个4*4的矩阵，横轴是一项技术距离得到广泛应用所需的时间，从最短的“2年以内”到最长的“超过10年”，对应Gartner曲线上四类不同的标志；纵轴是我们对其商业价值的预判，同样分为四个层级。然后可以将曲线上的点一一映射到下图的矩阵中，对不同技术采取不同的投资策略。例如：一项技术的价值如果是颠覆性的，且在5年内能得到广泛应用，那我们就应当给予最高的投研优先级（对应图中深红区域）；反之，如果一项技术有较高价值，但距离工程和商业上的成熟还有5年以上距离，那么我们应当谨慎布局或者以储备认知为主（对应黄色和灰色区域）。

注：上图在技术成熟度和商业价值的判断上与Gartner曲线有所差异；仅供示意，不构成投资建议

你能在Gartner每年发布的报告中找到类似的矩阵（关键词：Gartner Priority Matrix）。但仅仅对曲线做形式上的变换，并不是我们的最终目的。信息的价值来源于差异化的思考和对变化的追问，例如：

1. 评估准确性：Gartner对技术成熟度和潜在商业价值的判断和我一致吗？哪些过于乐观，哪些过于保守？相应的，各项技术在矩阵中的位置应该如何调整？
2. 识别差异性：成熟度其实分两个维度——工程上和商业上；不同行业、不同国家在这两个维度的情况一样吗？在我关心的市场上，该技术的发展处于什么阶段？
3. 动态化思考：哪些技术去年出现了而今年没有出现？哪些技术曾经消失而今年又一次上榜？背后的原因何在？媒体的热情曝光会缩短一项技术的成熟周期吗？哪些技术可能还没等自身成熟就已经被新浪潮取代？

对这些问题的回答决定了认知的质量。谨记Peter Thiel的教诲：公开的秘密没有价值，能带给你优势的，是别人未必认同但你却深深相信的道理。

限于篇幅，我们仅以最后一个问题为例做些延伸和阐释。对其他问题感兴趣的朋友可以持续关注源码的文章，或者从文末的问答环节寻找更多线索。

源码资本创始合伙人曹毅曾在《科技创新的9个面孔》一文中提出过“三浪叠加”的原理：

通常第一波技术驱动产生的影响正在势头上，第二波大的浪潮已经起来，有时甚至第三波浪潮也在积蓄力量。最典型的例子是2008年的中国零售业：第一波浪潮里，传统零售业在通过科技手段不断提高效率；第二波则是苏宁、国美这样的卖场通过“科技化”、“连锁化”、并购等方式做全国性扩张。那时大家都在享受超过百分之几十的增长，虽然也看到了第三波浪潮中以淘宝为代表的电商的崛起，但都误以为自己已经站得很高，而电商体量太小，不会对自己构成威胁……最后结果是，长江后浪推前浪，前浪死在温柔乡。

零售业并非个案。如果你有心回溯过往的Gartner曲线，会发现更多有趣的例子。

2003年，Gartner在消费新兴技术曲线上将MP3播放器列为即将走出低谷、得到广泛应用的技术；而到2007年，这项技术确实如愿走上了生产力的高峰。但就在同一年，另一项技术也悄悄攀上风口，它起初被称为Ultramobile Devices（超便携类计算机设备），而后演化出超极本、平板电脑，以至于今天无所不能的智能手机。MP3播放器的市场则在新技术侵蚀下逐渐萎缩，以至于今天，更多时候是作为便携设备的子功能。

类似的还有视频点播技术（Video on Demand）。2003年，Gartner认为至少还需5-10年这项技术才能成熟；但到了2007年，这项技术已经迎来商用的曙光，人们甚至开始畅想更快更好的宽带视频点播技术。然而谁都没想到，十年后的今天，最普及的却是彼时被看衰的移动端流媒体播放（Mobile TV Streaming）。

我并不想造成一种“唯新技术是瞻”的误解，只是想提醒那些已有成就的探索者们，对事物的变化仍要保持足够的敏锐，思维模型也需要时时更新。技术上的先发优势不总能保证你的商业模式固若金汤。它更应被看成一条生态链，螳螂在先，后有黄雀。所有技术物种都要靠不断进化和迭代才能保证阶段性的安全。

四、清醒者的困境

在文章最后，我想把视角再次拉回互联网泡沫破灭的那个夏天。

2000年，福布斯杂志向550家VC发出了关于投资回报的问询。其中Accel Partners第五期的21.6倍和Charles River Ventures的16.8倍在今天看来依然耀眼（数年后Accel投资了Facebook，CRV投资了Twitter，但同期回报都没能超过这个标杆）。

可即便是这两家明星VC，在Crosspoint Venture Partners面前也略显失色。Crosspoint在1996年那一期基金的回报是33.7倍——相当于四年前投资过1美元的LP，现在已经拿回了29.6美元，而且还有4.1美元在账户里。所以即便二级市场开始雪崩，Crosspoint依旧顺利募集了单期8.5亿美金的超级基金。

然而就在这年年底，Crosspoint突然宣布将本期基金全部退还给LP，并且无限期暂停下一期基金的募集。这在业界引起一片震动。其合伙人Rich Shapero不得不向外界解释：“二级市场的崩溃让我们过去所有的预测模型都失效了…如果市场的繁荣一去不复返，我们就没办法交出我们想交出的成绩单…我们有伟大的历史，我们不想毁掉它…这不是一个投资任何公司的好时候”。

摘自《一支顶级VC的自杀》，刘元，有改动

“不是一个投资任何公司的好时候。”这句尤其耐人寻味。

从结果看，NASDAQ指数直到2012年才重新站上3000点位；1999和2000年也成了美国风投历史上唯二的负IRR年份。但从另一面，Crosspoint也错失了这十二年来成立的LinkedIn、Skype、Facebook、Twitter、Airbnb和WhatsApp，而它的老对手NEA、CRV、Benchmark、Sequoia却坚持到了这些独角兽长成参天大树的那天。

可以说，Crosspoint对互联网泡沫和市场衰退的判断是清醒而准确的，只是这种宏观上的清醒并没能带来微观上的好运。风险投资本质上是一个捕捉“正向黑天鹅事件”的过程——多次有限损失的试错，总可以被一次极大收益的命中抵消。在黑天鹅问题上，起作用的不是平均值，而是极端值。就好比你无法安然渡过一条平均1米深的河流，因为风险全在河流最深处。纳西姆·塔勒布是研究黑天鹅事件的专家，他在金融危机爆发前数年就曾写书揭示金融体系的风险，他的经验或许可以给我们一些启示：

• 任何从观察中获取的知识都有陷阱。看过一万只白天鹅也无法证明黑天鹅不存在，这是归纳法固有的局限。在损失有限而收益无穷的问题上，你不知道的事比你知道的事更有意义。试图靠归纳法预测黑天鹅的人多半徒劳无功。在不确定性问题面前，你更容易通过收集证据来证明哪些事情是错的，而不是哪些事情是对的。证伪的价值总是被低估。
• 人们在使用科学模型时往往会犯两个错误：一是对问题做不恰当的抽象和简化，比如试图用平均值去概括一个80/20分布的事物，而忽略变量的方差；二是自我确认偏误，复杂系统内部往往充满难以察觉的相互依赖和非线性关系，如果你只关心如何微调自己对普通事件的理解，使新事件适应旧模型，那么最终模型会变得异常复杂以至于偏离真实情境。

塔勒布的观点需要绕个弯才能理解。他揭示的不是“什么可为”，而是“什么不可为”。在他看来，人们过于轻视那些无法被语言精确描述的知识，过于迷信自己构建的模型，最终注定要在模型匹配不了现实的地方落入陷阱。

而无论是Gartner曲线本身，还是Michael Mullany对曲线的回溯，抑或是Crosspoint对泡沫崩盘后世界的判断，本质上都是从某些侧面对复杂世界所做的局部剪影。对局部足够清醒是必要的，但不能因局部的自信而忽略更大的图景。在全局中，你不知道的事可能扮演着更重要的角色。保持谦卑心，不断扩宽认知边界，这既能帮你更好地抵御风险，也可能让风险站到对你更有利的一边。

五、One More Thing

在解释Gartner曲线的过程中，我有意避开了一些容易让人分神的技术细节。如果你对此感兴趣，下面两个自问自答可以视为上述内容的注脚和补充。

Q1：Gartner曲线是如何画出来的？背后有没有实证研究作为支撑？

A1：很多频繁引用它的人都不知道，这条波浪线其实是两条曲线的叠加。一条是Hype Level，反映的是媒体和公众对于该技术期望值中虚高的部分；另一条则是工程与商业上的成熟度。两者叠加后，Y轴对应一项技术的实际期望（expectation），X轴对应时间的演进。

Hype的本意是“夸大的宣传”。当一项技术取得突破、发布demo或推出产品时，媒体往往会快速跟进，关于技术前景的畅想和传闻会抬升公众的兴趣度。但随时间推进，客观的分析和试错会越来越多，宣传中不实的成分也就逐渐被市场淘汰，这是Hype Level先走高后回落的内在逻辑。而一项技术在工程和商业上随时间推进愈发成熟，这也和我们的常识相符。

需要注意的是，无论是hype还是expectation（即曲线Y轴），目前都没有统一的、公认的指标可以度量；技术成熟度和商业成熟度亦然。Gartner团队是通过访谈业内专家和从业者并进行分析预测的方式，来确定各项技术在曲线上所处的位置，因此存在一定的主观性，也不适合以定量眼光去考察，它的价值更多在于定性揭示各项技术在憧憬和现实间的偏离程度。

Q2：曲线只有这一种形态吗？有没有哪些变体？

A2：远不只一种。有些技术可能会经历凤凰涅槃式的变化，在首次出现时被热捧，而后因技术尚不成熟趋于冷寂，但数年后又因技术和产品上的重大进展重归大众视野，并掀起新一轮的炒作高峰。这时曲线会出现“双峰”形态，甚至第二峰比第一峰还高。一个经典的例子是Virtual Reality，你能猜到它最早一次出现在Gartner曲线上是什么时候吗？答案是1995年。

除Hype Level外，另一个思考维度是Maturity。技术并不总遵循线性增长的模式，有些技术的成熟周期明显比其他短。背后的原因可能有这样几类：

• 使用极其简单，安全隐患低，因此很快能从to C生意扩展到to B端；
• 技术有很强的可见性和示范效应，当其他人使用时，易于出现病毒传播；
• 产业链上游的供应商合力推动，或是技术本身可以借力现有的基础设施。

对应下方左图，当一项技术有幸踏上发展的快车道时，很可能不会有明显的低谷期，而是在预期回归理性后就步入成熟应用。反之，也有一些技术会经历长达数十年的低谷，因为底层科学研究的进展远比预想中缓慢，如人工智能和纳米计算。

另一类变体是“马尾效应”，指一项技术在工程上趋于成熟，但在不同行业中的发展命运却呈现明显差异。上图右侧给出的例子是RFID。这项技术在90年代中期曾被各行各业寄予厚望，但最终得到广泛应用的领域主要是快消和零售，在航空业货物分拣上的尝试很早就以失败告终。

此外，空间和时间的差异也值得考虑。一项技术在不同国家或地区所处的位置可能不同，但发展路径有相似性。先行者靠试错积累的经验既能为后来者指明道路，也能加速该技术在后发地区的成熟速度，进而产生空间套利的机会。这和孙正义常说的“时间机器”理论不谋而合——先在美国这样的发达国家开展业务、验证模式，然后等时机成熟再凭经验优势杀回日本和中国。

 

作者 吕月梅

观点

• 产业互联网全图，囊括了一切线下垂直行业，源码在多个领域已经投资；
• 终极目标是更好服务C端；后端通过数据和智能来服务前端；
• 产品、流通、零售，B2B面临新挑战；
• 解决4个关键问题。

1、产业互联网全图素描

过去三年，源码一直深耕B2B赛道，持续研究和投资。在我们内部，B2B还有个更大的名字，叫产业互联网，也叫传统产业的升级，包括：互联网化和智能化。如何定义产业，是指一切实物商品和服务从生产、流通到零售的全过程，涵盖所有的垂直行业。

纵向看，不同垂直行业包括，快消、药品、服装、工业品、家装、汽配等等。横向看，大致分为几个环节，原材料采集/生产 – 流通 – 产品生产– 流通 – 零售。

所以会看到，产业囊括了市场经济下的大部分行业。画两个坐标轴，可以把几乎所有行业的任一个环节都放进去，组成一张大地图。哪些没有在里面，大概就是完全基于互联网的的少数行业了，比如社交、在线广告、内容媒体等。互联网把线上C端的机会做得差不多了，BAT和新巨头们也牢牢地把控着各个C端流量入口。

长期看，广袤的线下产业，从厂到零售终端将是创投的沃土。产业互联网，旨在帮助不同垂直行业进行升级演进，切入点可能在不同环节，路径也多种多样。B2B是其中一种路径。

2、投资实践与观察

在这张大地图上，源码已经做了不少投资实践，有2C品类，也有2B品类。2C的大品类比较多，衣食住行，每个领域都很大，仅仅“食”就能分出不少细分品类，比如餐饮、生鲜、快消品、酒水等。

2C领域，易久批是典型代表，他们以酒水饮料为主，已经完成了阶段性的规模目标，下一阶段在继续做大规模的同时，也在深度影响上下游。掌上快销，专注于2-6线城市的快消品领域，他们远离连锁率和电商占比双高的一线城市，为相对分散的、远离优质供应链的便利店小商超供货，增长非常快。

2B领域，包括了工厂要采购的一切产品，大宗商品、原材料、零部件、MRO、机械设备、电子元器件等。锐锢商城，从五金机电切入MRO市场，整合上游优质厂家，服务终端渠道。百布，通过金融撬动上游坯布，极大提升了上游的产能利用率，直供终端，提升流通效率。

同为B2B的自营模式的公司，但每家打法都不一样，因为行业特性不一样，也磨砺出了各自的竞争力，也都完成了各自的第一阶段的快速增长和对上下游的深度探索，已经和正在建立真正持久的护城河。

3、投资逻辑梳理

产业地图非常大，我们持续观察研究，得出的大投资逻辑是：用大目标来倒推发展路径。产业升级的目标有两个，一是终端客户所获得产品和服务更多更好更精准，一是零售及零售往前的所有环节提升效率。终极目标是整个链条实现数据驱动、智能驱动，后端服务零售前端，后端帮助前端，用尽一切力量来服务好终端客户。

B2B电商平台是最容易实现的路径之一，因为流通是整个链条上最容易突破的环节。它涉及到多级经销体系、多级批发市场、干线到落地配的仓配体系、以及海量的供需信息。仔细看线下，流通的层级也在急剧减少，批发市场在消失，市场在变得透明，甚至政策也在推动流通公司的整合。

这种变化，体现了一个大趋势——流通需要更加高效地去服务终端市场。货品的各级流转需要统仓统配来提高利用率和时效，供需信息需要不断优化匹配。B2B电商平台，从交易直接切入流通环节，迅速地实现线上化和规模化，加剧了线下流通的整合与提效。2015年曾经分析过B2B电商平台的一些逻辑，主要是一些关键指标和履约成本毛利公式，此文不再赘述。

经过三年的跑马圈地，巨头已经开始进入，简单地做好B2B交易平台，仅仅发挥渠道价值，已经不够了，要在上下游做工作，建立自己的行业壁垒。能够通过独特的办法抓住终端渠道甚至终端客户，或者获得更多终端数据，或者打造自有优质品牌的公司，才能建立长期的护城河。

4、解决4个关键问题

首先，在2C品类里面，尤其是快消品领域，创业公司普遍面临京东、阿里的威胁。威胁来自两方面，一是C端零售线上化率不断提升，线下门店占比不断受侵蚀；二是他们也杀到线下供应链，在B2B上做纵深。

从长期看，巨头们的目标一定是把全品类的线上化率不断提升，短期不能提升的线下部分，就用供应链、支付、线上流量来做赋能与融合。这种赋能看起来非常有杀伤力，几乎要横扫整个战场。但作为创业公司，应该振奋并看到，线下B端链条的渗透和改造一定是缓慢而长期的工程，是个苦活累活，不一定适合电商巨头来干，反而适合小米加步枪、持续耕耘的创业公司来干。

B2B公司想向下延伸到线下门店，无论是新创连锁也好，还是现有门店赋能增效也好，将长期面临巨头的竞争，如果要做这一环，行动要准要快。

其次，在很多垂直行业，上游品牌有毋庸置疑的行业影响力，他们如何部署渠道，如何谋划电商化，他们与现有经销体系、批发市场和终端零售的关系，他们与零售终端的连接，他们之间如何竞争，都值得研究。

在强品牌的垂直行业，目前已有的B2B，都还没有做到取代一批的角色，几乎还没有和品牌做好对接。找准痛点，与他们共生，一起构建新流通生态，才是良方。

第三，现有B2B平台，除了巨头和品牌的关系需要处理好，面对多级传统经销商也一样需要斗智斗勇。传统的二三四级经销商，创造价值较小，容易被替代，他们也闹得最欢，往往想办法联合起来，更甚的是去品牌厂商和下游门店两头说坏话，散步谣言，企图抵制扼杀B2B平台。

建议破局的办法是不要正面迎战联合抵制攻击，低调示弱，找到突破点，团结那些仍然有品类价值的经销商，或者看生态里是否有合作转化的机会。长期是对下游门店和品牌厂商创造真实价值。

第四，为了避免巨头和品牌对创业公司的影响，还有一个办法，就是远离C端巨头的领域，以及上游品牌成熟的领域。还有很多垂直领域，中国还缺品牌，C端巨头也望尘莫及。在这些地方建立根据地，再持续扩大行业影响力。

最后，想强调的是，B端领域的机会，都不会太快，都要立足长远，牌局要看得足够长，最好要有造血的能力，也不用担心慢了就被别人抢走了机会，反而是深耕的慢公司有机会。

5、持续创造持久真实价值

当前，我们正在把地图铺开，仔细研究不同领域。根据行业演变的进展，结合行业特性，在不同环节发掘机会。机会有快有慢，有大有小，有先有后。需要格局观，洞察大方向，也需要深入理解行业，找到抓手和支点。热烈欢迎同行和创业者前来交流，一起推动产业变化。

 

作者 吴迪 

观点

• 纵观全球，东亚和东南亚是最适合便利店发展的地区，而中国大陆则有机会诞生数个“7-Eleven”体量的巨头。
• 便利店易学难精，所谓“看不到的才是核心竞争力”，民族品牌在黎明前的黑暗里不断修炼和迭代，才有机会破茧而出。

一、蕴藏巨大“7-Eleven”机会

自1927年美国南方公司在达拉斯成立了贩卖鸡蛋、牛奶、冰品为主的Tote’m store，便利店行业已经走过了近一个世纪。然而行业真正开始蓬勃发展，却是在最近四十年。

7-Eleven和Lawson，两个诞生在美国的品牌，前半生没能在自己的故土发扬光大，却漂洋过海来到东亚，成为了一方霸主。

“世界上只有两种便利店，一种是7-Eleven，一种是其他。”

截至2017年中，7-Eleven已经在日本开出19,588家门店，每年产生的销售额高达4.5万亿日元。不仅如此，7-Eleven积极拓展海外市场，截至2017年中在全球17个国家和地区开出了62,935家门店，并且还在以每年新增3,000+家门店的速度递增，是当之无愧的零售巨无霸。

在美国和欧洲等发达国家，连锁便利店业态并没有成为最主流的零售业态。根据美国国家便利店协会（NACS）的统计，截至2015年底，全美共有15.4万家便利店，过去13的年化复合增长率只有1.2%。

其中，63%的便利店为单店运营状态（即非连锁）。

更有意思的是，美国80%的汽油是在便利店销售出去的（美国绝大部分的便利店都有加油设备），即美国主要是加油站型便利店。

根据全球主要国家和地区的便利店发展历史，东亚和东南亚是全球最适合发展便利店的地区。

• 关键四要素：人口密度、经济水平、文化、饮食习惯

人口密度：小店业态普遍需要较高的人口密度来支撑，美国一半以上的便利店也是集中在美东，人口密集的地区。很多国家的人口密度都达不到要求，而全球人口密度最高的地区在东亚和东南亚。

经济水平：行业普遍认知人均GDP 7,000美金以上，便利店行业会蓬勃发展。便利店的商品价格平均要比大卖场要贵，在经济欠发达地区，消费水平暂时还跟不上，“便利”的属性溢价也很难被消费者认同。

文化：影响便利店发展的文化主要是生活节奏和夜生活丰富程度（两者通常都体现在大城市）。生活节奏越快的城市，消费者对“便利”属性的要求越高；同时，夜生活越丰富的城市，到了深夜只有24小时便利店能满足用户需求。两者在上世纪70年代末80年代初的日本和台湾得到了很好的体现。

饮食习惯：饮食习惯分为两个维度，饮食结构和在外就食的文化。现代便利店的特点之一是食品销售（尤其是鲜食）占据门店销售非常可观的比例。饮食结构（尤其是小吃）越丰富,同时在外就食文化越好（通常也是伴随着巨型城市的发展）的国家和地区，便利店越容易发展。

• 国内满足上述四要素城市群体

随着我国城镇化的不断推进，麦肯锡预测未来中国将形成22个城市群，每个城市群围绕1-2个中心城市发展。

我们在诸多新零售的项目中也研究并实地考察了十几个核心一二线城市，其中绝大部分城市已经具备了上述四要素，有的城市也早已孕育出几十到上千家规模不等的连锁便利店品牌。

从宏观统计数据来看，中心城市的人口数逐年增加，人均GDP水平逐年上涨。

从实地调研的结果来看，中心城市（大部分是省会城市）对周边城市的人口吸收效应明显，城市化进程导致生活节奏加快，85后们在家做饭的频率降低，娱乐业和在外消费的蓬勃发展，都有利于便利店行业的发展。

中国大陆幅员辽阔，人口和国土面积都数倍于日本和台湾。按日本、台湾地区的经验，每2,000-2,500人能养活一家便利店，中国核心一二线城市都有数千家便利店的体量，市场潜力很大。

秉承区域密集开店的原则，在市场进行全国性整合之前，各个地区都有形成“7-Eleven”的大机会。

二、国产便利店的内功

一个好的便利店体系至少应该包含三个关键成功因素：系统、供应链、加盟体系。

系统：便利店是一个利润率非常低的行业，通常门店的经营利润率在3-5个点左右，容错率不高。

同时，便利店又是一个非常重运营的行业，商品的生命周期越来越短，顾客的需求越来越差异化，坐销的方式已经无法适应环境的变化。人、货、场三维度的精细数据化运营能够帮助便利店体系大幅提高运营和管理效率。

便利店信息系统需要连接总部、门店管理者、供应商、仓储物流以及消费者，解决商品流、物流、资金流和信息流。

可以说一个好的信息系统是便利店的大脑，统筹数以万计的末端门店,手术刀般精准的运营可以大幅提升系统效率。从1978年到现在，7-Eleven的信息系统已经迭代到了第六代，累计投入的研发费用已经达到十亿美金级别，可见7-Eleven对信息系统的重视程度。

C端的CRM是传统日资便利店做得比较薄弱的。

国内拥有得天独厚的移动互联网环境，在餐饮等传统行业我们已经看到了CRM的作用，我们相信目前7-Eleven的形态可能不是便利店的最终业态，一种线上线下流量融合打通的模式充满了想象空间。

人、货、场三维度的精细数据化运营能够帮助便利店体系大幅提高运营和管理效率。“新零售”下的便利店，一定是一种线上线下结合的模式，拓展便利店的物理边界和品类边界，更好地满足用户需求，提高便利店的人效和坪效。

供应链：便利店的SKU通常在2,000-3,000种，必须得精选出动销很高或者毛利很好的产品。

除了常规的商品以外，最重要的品类是鲜食和PB（自有品牌）商品。

好吃的鲜食一方面能帮便利店带来稳定的客流，另一方面也能提升门店的毛利水平。回顾日本三大便利店的历史，竞争中很关键的一部分也是在鲜食品类的差异化竞争上，各家都使出浑身解数来吸引消费者。然而，鲜食商品的供应链却比想象中的要复杂很多。其中最关键的是研发能力。消费者的口味越来越挑剔，一成不变的商品很容易吃腻。

7-Eleven每年要更换70%的SKU来满足消费者不断变化的需求。

研发不仅需要新的菜单和配方，有时也需要新的原料和工艺。日本7-Eleven的鲜食研发由公司牵头，食材供应商和厨房设备供应商也会一起参与研发，整个团队需要把控从指定产品企划方案到方案具体化的所有环节。

本地化也是鲜食研发中的难点。日本7-Eleven将日本分为9个区域，针对地域口味上的差异开发不同的商品。中国大陆幅员辽阔，中国人对吃的学问和讲究更挑剔，口味差异较大。在我们的研究中也发现日系便利店有A地卖得好的盒饭，到B地卖不动的现象。

很多便利店都在积极探索鲜食供应链，也在考虑自建鲜食工厂或中央厨房。我们认为鲜食供应链长期来看确实是便利店的核心竞争力，需要投入资金和精力来建设。

鲜食工厂一方面需要做到精益生产，食品安全不能出现任何差错；另一方面还要抓好研发体系，实属不易。

鲜食工厂的核心人才确实比较稀缺，建议有决心要打造鲜食供应链的企业，加大对核心人才的投入。

 加盟体系：便利店适合做加盟模式。7-Eleven接近80%的门店是加盟店，并且占比还在逐年上升。一方面，便利店的店数比较多，装修、设备等投入比较大，也算半个重资产行业，直营模式开店相对比较慢。另一方面，由于利润比较薄，还是需要门店管理者发挥更多的主观能动性，加盟商对门店的管理会比直营店店长更用心。

加盟商和总部的关系必须是良好的搭档关系才能持久经营。一个好的加盟体系可以很好的约定总部和门店加盟主各自的责任，以此确定一个合理的分润方式。

虽然愿意投身便利店行业的加盟商越来越多，但是整体而言，国内的便利店行业还处于起步阶段，加盟商普遍还不具备丰富的运营经验。总部如何做好培训和赋能，向加盟商输出标准和运营能力，也是对总部的一大挑战。

近几年，线下零售业态面临一些大的变化，大店业态不断受到冲击，连锁小店业态抓住了一波千载难逢的好机会。

各个核心城市逐渐形成了一些几十到几百家店规模的区域连锁便利店，在当地逐步树立起口碑和品牌，也逐渐开始完善系统、供应链，并逐步开始尝试加盟体系。

便利店的“风口”论说了好多年，但这股风好像一直没有刮起来。

冰冻三尺非一日之寒，系统和供应链的建设，加盟体系的完善，都需要很大的投入，重新梳理和建立标准。便利店是很辛苦的行业，前期需要打牢地基，需要在黑暗中苦练内功。7-Eleven前1,000家店花了6年时间，到现在每年能开出3,000多家店。我们相信，各个地区好的便利店很容易在前期积累先发优势，占据用户心智，抢占有利的位置，成就国产7-Eleven的伟业。