第一部分描述了网络协同和数据智能主导下的商业图景转变。传统的商业策略被彻底打破，但具体到企业又该如何适应？企业应该在新环境中如何生存发展？

　　在智能商业中，并不是所有企业都必须成为淘宝、谷歌或脸书。所有企业，无论其规模大小，无论其属于传统大企业还是高科技创业公司，都可在新环境中制胜，但前提是要掌握智能商业的基本逻辑和新商业环境的战略特征。第二部分各章节就讲述了智能商业的基本原则和操作方法。

　　网络协同和数据智能在各个层面都颠覆了传统战略思想，在制定商业决策方面这一变化显得更加剧烈。智能商业会尽可能将决策制定自动化。无论是在响应消费者方面还是在有效协同网络方面，数据智能使得这些自动化决策变得越来越睿智。借助数据智能和网络协同，企业可以同时进行规模扩展和提供个性化服务。这是互联网和人工智能带来的终极商业优势。

　　在最基础的层面上，要将任何商业转变为智能商业，商业决策必须由机器（由实时数据驱动）直接进行，而不是传统的商业信息处理方法，即最终是由人通过数据分析支持来做出决策。这就是我们的第一项战略原则：如果不能通过机器学习将几乎所有商业决策实现自动化，那么就无法打造智能商业在市场中的竞争。实现自动化决策需要5个步骤（见表4–1）。

　　第三章讨论了数据化。成本低廉和广泛存在的计算能力的融合推动了技术爆炸和数据编码机会的激增，这意味着企业将拥有更多的数据。但是，任何企业所需要的数据都将决定于其自身情况。企业可获得公共数据或租用另一个实体的数据，但最有价值的数字信息则是企业自身业务流程所生成的实时数据。

　　将物理环境全部数据化是项令人生畏的任务，但物联网等新技术的出现使其变得相对容易。只有在企业能够完成这种数据转换之后，企业才能有效地将现实世界里发生的商业活动数据化。数据化含义的本身就包含将业务上线的意思。这为现实世界的商业创建了数字镜像，也是企业实现数据智能的先决条件。

　　当业务上线后，它可以通过互联网连接并生成实时数据反馈循环，这是机器学习的基础，即连通算法和实时用户反馈。如今的智能互联网公司都建立在此基础上：以低成本的方式实时记录消费者的在线行为。目前，电视台还无法记录观众在电视机前的行为，这就是为何电视台还未实现智能运营。如果消费者看到的内容可以直接被数字化，例如通过AR（增强现实技术）眼镜，那结果将是革命性的。

　　许多业务的重要方面目前仍然没有在线记录，需要采取创新手法对物理目标或环境进行数据化。下面是中国蓬勃发展的共享单车的案例。

　　到2016年年中，中国大多数主要城市的繁华街道都增添了新的街景。共享单车公司选择橙色、蓝色、绿色和黄色为主打色彩，大量色彩明快的共享单车为中国城市出行提供了“彩虹色”的解决方案。为了帮助步行者和解决最后一公里的城市交通瓶颈，十几家公司几乎在一夜之间将大量自行车摆放在了人行道上。摩拜单车、ofo小黄车、哈啰单车和小蓝单车这样的公司估值骤然飙升，目前最大的共享单车企业估值超过20亿美元，并开始向海外扩张。[1]

　　事实上，有时共享单车看起来更像街头的彩色困扰，大量的劳动力和运输车队忙着将闲置的自行车运送到需求较高的其他地方。出于市场进入门槛低、制造能力充分、风险资本热捧，以及中国大城市的公交服务难以满足出行需求等因素，中国的共享单车掀起热潮。但导致这种狂热现象的一个不太明显但更为关键的原因却是创新和创造性数据化，在短时间内，这一原因使得共享单车铺天盖地。实时数据已深深融入这些共享单车企业的运营模式中。

　　中国的单车共享服务都要通过手机，这一点类似于优步的共享汽车解决方案。通过打开单车共享应用程序，用户可以看到可用的自行车，并预约附近的一辆。一旦骑车人到达预约自行车所在地，就能使用该应用程序扫描自行车上的QR码（一种矩阵二维码）。假设骑车人的账户中有钱且符合租赁标准，则QR码会解锁自行车，之后骑车人就可以骑到日落或者一直骑下去。停放好并锁上自行车后就会自动结束服务，租赁费用将从骑车人的账户中自动扣除。整个过程简单、易操作，用时通常只需几秒钟。

　　首先，嵌入在移动电话中的GPS系统和自行车本身允许实时跟踪自行车位置。就像优步一样，这种实时跟踪只有在地图技术支持的情况下才能实现。地图技术已创造性地对中国城市的位置进行了数据化。

　　其次，应用程序本身依赖于租赁注册过程的数据化版本，尤其是筛选用户。除了常规的身份验证要求之外，例如上传的骑车人的身份和押金，越来越多的共享单车公司正在与支付宝和芝麻信用（蚂蚁金服推出的消费者信用评级产品）整合。如果用户的芝麻信用评分足够高，那他就可以直接租用自行车而不用上传身份资料。芝麻信用本身是将信用程度数据化的复杂业务，它通过来自蚂蚁金服的支付宝移动钱包和支付服务的财务数据，以及淘宝消费数据等资料来确定消费者的信用度。

　　最后，QR码和电子锁的组合巧妙地使结账过程自动化。固定式自行车租赁服务需要物理认证，例如要刷公共交通卡来实现，但新的单车共享模型已将登记和结账流程数字化来实现自动服务。这种自动化水平需要先进的移动通信技术：来自应用程序的信号可即时解锁自行车，并在归还自行车时再次将其锁定。

　　这第三个领域的创新，即对某种特定活动（自行车租借和归还）的数据化是单车共享场景中的一项新创新，也是推动其发展的重要力量。另外两个领域的创新则利用了为其他应用程序创建的现有数据结构和智能业务基础结构。实时数据使企业能够识别骑车人，跟踪每辆自行车，最重要的是，企业可记录自行车和骑车人之间的每次互动。租用自行车只需要通过手机“扫一扫”。通过将他人所做的数据与自己的创新相结合，共享单车企业开辟了高效而智能的商业领域。正如这里所展示的，任何特定领域的数据通常都可为创建智能商业开辟许多新途径。因为数据记录和数据存储技术的成本越来越低，在现实世界中收集和编码现象的新技术也越来越多，因此智能企业的数量正在不断增长。

　　数据化的另一个很好的案例是淘宝网在成长初期的活动，当时淘宝将大量零售活动进行了创造性编码。淘宝由此也逐渐从一个论坛发展成一个电子商务市场，该市场能售卖天下一切能销售的产品，并拥有庞大的数据库，各行各业的数亿产品都可编码成可搜索的产品。当然这一过程既不快也不容易。每个卖家都有自己描述产品的方式。对于非标准化或非常规产品，挑战就变得更加严峻。曾有淘宝卖家以近1美元的单价出售死蚊子，这在当时也成为热门新闻。那么，如何将这些产品放入数据库并让消费者轻易地搜索到？这不是一项简单的任务。因此，产品的数据化一直是淘宝的核心并且经历了多次迭代。最近淘宝在尝试使用机器智能的先进技术构建产品的“知识图”。

　　淘宝不得不以多种方式将零售业数据化，其中一些数据是远离普通用户的。例如，由于庞大的交易量，淘宝目前拥有世界上最大的物理地址存储库之一。如何存储和管理这些遍布全国的地址，对平台来说是一个挑战，也给物流合作伙伴带来了麻烦。例如，“紫禁城”“故宫博物院”“景山前街”“穿过广场”可能指的是北京的同一地点。

　　在阿里巴巴之前，中国的消费者物流行业并不存在。此前，中国唯一的大型物流服务商是国有的，且效率不高。淘宝电子商务平台帮助启动了在中国运营的十几家物流公司的增长，其中许多公司现在与阿里巴巴菜鸟网络合作。物流行业的每一个标准都必须从零创建，由此才能适应中国复杂的环境（有关淘宝对中国消费者物流行业贡献的信息，请参见附录B）。现在，菜鸟网络面临的挑战是将数据智能应用于中国快速数据化的物流行业，并在全国乃至全球范围内建立起布局优化且运行高效的运输体系。

　　每个决策步骤都必须软件化，即配置到软件中实现在线年，网景创始人马克·安德森写了一篇题为《为何软件正在吞噬世界》的著名文章。[2]他的观察当时并不完全成熟，但也没有错。要使智能商业能够运行，必须对每项商业活动进行软件化。企业必须将每个商业活动都变成数字形式，而不是仅仅将知识管理和客户关系软件化，由此商业决策才能实现自动化。[3]

　　软件化的重点是利用软件的某些特性，这些特性对所有行业中的企业都有裨益。非数字行业的业务与使用软件的业务有很大不同。传统型或硬件型企业具有强大的惰性和很高的交易成本，也很难以低成本方式进行监控或根据情况进行临时调整。决策需要时间，特别是当涉及生产制造时，企业的运营缺乏弹性。软件型企业恰恰相反：工程师可以迅速做出改变，进行动态调整和全局优化。虽然这些优势并不能完全移植到硬件行业，但业务软件化的目标是尽可能地植入这些优良特性。在实践中，这意味着计算机需要像人类那样理解业务并操作业务。

　　软件化不是一个简单的过程。由于机器缺乏天生的智能，我们必须将决策链中的每一步都进行软件化。从本质上讲，我们需要了解人类如何在这些环境中做出决策，然后智能商业才能找到将人类决策自动化的方法。使这种复杂的活动自动化是一项艰巨的任务，因为许多人类的决策建立在常识或很少被完全理解的潜意识活动之上。因此，一些专业领域或行业（如健康和教育）的自动化进程会较慢。在这些领域里，人类的智慧和情感永远是不可缺少的。

　　软件化并不意味着企业需要购买或开发软件，如企业资源计划（ERP）软件，来管理其业务。实际上，软件化往往是相反的。传统软件往往旨在提升企业内部某项确定的功能的效率。但由于它实际上是巩固了流程和决策过程，传统软件常常会变成束缚创新的紧身衣。相比之下，智能商业的主要特征是按需求采取行动来实时应对市场变化，同时与多个职能领域的合作伙伴和客户进行有效协同。如果企业希望以指数级别的规模发展，那就必须具备这些特征。因此，软件化是通过软件重组业务、人员和资源的过程，由此实现网络协同和数据智能。这样的目标最终要求彻底协同商业活动，并且通常需要企业与其他合作伙伴或平台协同推进。

　　软件化是确保企业内部资源可以灵活分配的重要步骤。一旦现实世界中的资产或能力通过数据传输上线，就必须利用软件来运用这些资源。使用软件是全球协调和优化运营的先决条件，这一点将在后续三个步骤中阐述。

　　上文提到的共享单车业务就是软件化的典型案例。自行车租赁完全由在线软件操作，无人为干预。效率的提升是显著的：现在中国用户只要花很少的钱就能租用一辆自行车。

　　在智能商业中，机器必须能彼此“交谈”。商业决策很少是单独发生的简单操作，尤其是在网络协同环境下。在实践中，这种沟通需要让数据在网络的每个实体间流动，并使机器在线相互协调。

　　这种协调是通过TCP/IP（网络通信协议，实现互联网上不同机器之间通信的规则）等通信标准实现的，并通过最近出现的应用程序接口进行创新。应用程序接口是一组工具、协议和例程，任何程序员都可以使用它来创建与系统中其他软件兼容交互的程序。实际上，应用程序接口允许应用程序（其输出通常是某种决定）彼此通信。当应用程序可自动通信时，涉及多方的复杂商业决策最终能由机器有效处理。只有将在线决策自动化之后，企业才能实现数据智能，并从这一核心能力的不断改善中获益。

　　随着淘宝从买卖论坛发展成为中国主要的电子商务网站，不仅商家的业务在增长，他们对平台支持的需求也在增长。唯一的解决方案是创建更多的基础架构。这种基础架构的关键是翻译其他机器的语言，这样这些机器才能在平台上顺利进行交互。因此，从2009年开始，淘宝就开始开发自己的应用程序接口。在淘宝上，普通卖家可能会订阅平台提供的100多个软件模块。由于软件通常是由第三方提供商开发的，因此应用程序接口和实时数据服务大大降低了在平台上做生意的成本。

　　亚马逊历史上的重要时刻之一是2002年贝佐斯下了最后通牒，要求公司必须完全建立内部应用程序接口。当某一部门与其他部门共享数据或代码时，必须记录交互结果，这就迫使每个部门都要把数据定义成其他团队或机器可以理解或使用的方式。最终，这些应用程序接口确保了亚马逊能在全球范围实现对业务的优化管理。[4]

　　一旦业务流程的每个步骤都实现了数据化、在线化和智能连接，企业就可以开始将机器学习应用于商业问题。但如果没有数据可用，那机器学习就会变成无源之水。这就是为何第四步必须是记录实时数据，我将其定义为在开展业务过程中实时收集和使用数据。

　　实时数据的概念并不复杂，但将这种理解转化为正确的行动会颠覆商界解决问题的许多传统理念和思路。企业家所熟悉的是数据驱动，即用精心挑选的数据和指标来支持提议或解决方案。但遗憾的是，这种方法与实时数据的运行方式完全相反。智能商业使用实时数据将商业设置的全部运作“复制”为数据语言，而不是挑选或选择性地复制。由于机器没有人的推理能力，只会记录什么才能产生更好的结果，因此目标是要尽可能完整地创建业务的“数字副本”，这样数据智能和机器学习才能开始优化操作。为此，企业必须在商业运营时全面记录数据，不能只收集跟某项决策相关的数据。

　　在当前的运营环境中，实时数据是一项至关重要的竞争优势，而不仅仅是锦上添花的点缀。与实时数据相对应的是等待“日后分析”的存储静态数据。虽然这种静态数据仍然有用，但过时的数据在快速变化的环境中会很快失去价值。（可以想象一下，如果谷歌地图根据你在10天前所处的位置或几个小时前高峰时段的路面情况给你提示。）如果无法获得新鲜而丰富的数据，即使是最前沿的算法对企业也没什么价值。无论是从战略角度还是从战术角度看，实时数据对于改善商业运作都是极其重要的。

　　使用实时数据要做许多艰苦而复杂的事情。前文已经描述过数据化的挑战，但许多企业在数据化之后往往忽略了有组织地使用数据的复杂技术挑战。实时数据需要有相应的指标体系和基础架构来解释和评估数据，智能商业必须在使用的算法及其数据智能引擎中开发这些指标体系和基础架构。从实时数据中得出的结论最好来自数据本身，通过系列动态测试和调整获得，例如通过第三章中所说的A/B测试。

　　实时数据会不断变化和更新。随着机器学习算法处理实时数据，数据会得到改进，业务也会越来越有效率。显然，机器学习算法对于商业决策自动化至关重要。

　　智能商业的核心是算法。优步的算法匹配汽车和打车人，从而最大限度地减少等待时间，同时使优步的位置测算能力远远超过任何人类调度员。为此，优步聘请了数千名数据科学家来不断提升算法。如果业务不是由算法驱动，那么所谓智能商业根本就无从谈起。

　　淘宝转型成为智能企业的最重要里程碑事件就是将其索引引擎替换为搜索引擎。最初，买家要查看淘宝上的分类才能找到自己想要的产品。但随着产品列表几乎每天都在增加，越来越多的人开始使用搜索栏来查找产品。显然淘宝需要升级搜索体验，这样才能为买卖双方创造更多的价值。

　　搜索的关键问题在于如何排序。最初，淘宝搜索排序主要是看销售产品的周期。当卖家上传产品时，他们可设置该产品在网站上保留的天数，例如7天或14天。按周期排序意味着即将从网站撤下的产品将显示在搜索结果的顶部。这样的规则在早期是简单而直接的，当时大多数卖家都是兼职开网店，卖家之间很少直接竞争。但遗憾的是，这种方法只会激励卖家重复发布产品，却没有给买家提供有用的信息。

　　2006年，淘宝网将搜索排序方法改为根据受欢迎程度排序。根据交易量和信誉分数等核心指标来显示产品。人气搜索背后的逻辑是，销售良好且用户评价高的产品是高质量的产品，因此理应在搜索结果中出现在更高的位置以作为奖励。同时，这种方法有助于买家找到好的产品，有利于优胜劣汰。事实上，许多淘宝的早期卖家通过人气搜索都实现了巨大的销售增长。

　　但按人气排序会产生严重的哲学问题。虽然这种搜索方法乍看上去合乎逻辑，但在实践中，对于已经很复杂的市场来说，这种排序方法过于简单化。根据这样的规则，销售好的产品变得更加成功，而新卖家要想出头却很难。为确保平台生态系统健康和平衡发展，大小卖家应在同等条件下发展，因此人气搜索显然存在极大缺陷。所以从2008年开始，淘宝不断升级其人气搜索规则。卖家千方百计提高网店声誉来提升在搜索结果中的排名，许多卖家也通过利用搜索流量迅速发展壮大。

　　但人气搜索不是机器学习驱动的，它只是简单汇总卖方数据，这就变成了比大小的游戏。因此，那些拥有资源迅速做大规模的卖家就能利用这一点在平台上实现更快的发展，而中小卖家则举步维艰。这个问题的核心在于纯粹的规模计算并不智能。它只是解决问题的一种有效的人类战术方法。真正的数据智能需要机器方法，而不是人类大脑逻辑的简单机器升级。

　　借助机器学习，淘宝在2010年推出了第一款真正大规模的搜索产品——阿基米德（Archimede）。从技术角度来看，阿基米德在改善人气搜索方面有了巨大进步。除了传统的转换率、平均客户支出和交易价值等指标，阿基米德还增加了一系列与卖家服务水平相关的指标。淘宝收集了超出纯粹交易之外的大量数据。例如，淘宝会看买方是否退货、是否有需要平台介入的交易纠纷、买家对卖家的投诉，以及卖家是否具有良好的信用评级等。当买家寻找产品时，他们也在寻找值得信赖的卖家和优质服务。因此，将这些先前被忽略的指标纳入考虑范围是合乎逻辑的，但如何确定使用哪些指标来影响搜索结果，以及如何确定这些指标的权重呢？

　　经过多年搜索功能和搜索技术的改善，阿里巴巴开始实施之前所述的机器学习形式。在强化学习中，机器从最终目标（“找到买家最愿意买的产品”）开始，努力将引导到这一最终目标的各个节点连接起来。数据工程师通过进行无数的在线实验来确定搜索算法，例如之前所说的A/B测试，即同时采用不同变量测试并监控反馈以梳理消费者偏好。如果搜索引擎将这样的结果显示给消费者，消费者是否会点击？他们会不会买？最后会有退货吗？最后得到一个非常精巧强大的在线算法体系，这套体系会持续在后台运转并给出越来越适合系统的结果。

　　在阿基米德推出后的几年里，淘宝的搜索量开始以更合理的方式分配，不仅分配给大型卖家，也让许多拥有优质产品和良好服务的小卖家获得流量，而那些服务差或缺乏诚信的商家的业务会缩小。总体而言，买家会更容易找到优质产品，卖家的业务也得到提升。经过过去几年的发展，搜索结果在网店流量中的比重越来越大，逐渐超越了分类浏览所创造的流量。搜索引擎通过其算法极大地改善了市场的整体结构和动态。但搜索引擎的漫长变革过程也说明了实施自动化决策的不容易。

　　2016年“双十一”是阿里巴巴移动推荐引擎的“诞生纪”。在24小时内，平台在消费者和产品之间进行了数万亿次智能匹配，利用机器学习生成近千亿个个性化产品展示。当用户浏览打折和特别优惠信息时，个性化推荐每小时都会更新一次。推荐引擎带火了销售，让消费者看到足够丰富的产品，并有效提升了转化率。最重要的是，它将淘宝员工的直接管理运作降到了最低程度。这是智能商业的胜利，这一场景在2017年重现。

　　淘宝以能够为海量消费者打造个性化商店甚至个性化商城而自豪。但当整个在线商城浓缩到小小的手机屏幕上时，必须要有创意。淘宝移动推荐引擎背后的故事充分展示了企业如何通过对商业经营的清晰、完整和创新思考来实现数据智能。

　　在互联网行业，我们要以产品视角来谈论用户体验的各个方面。淘宝应用程序有数亿用户，每个用户都是在手机上访问同一个应用程序，但每个用户都会看到不同的产品和内容。从应用程序顶部的横幅广告到行业文章和服务内容，再到用户产品评论、直播频道内容以及算法驱动的产品推荐，淘宝应用程序为每个用户都给出了个性化的界面。

　　淘宝应用程序的许多功能现在都使用推荐技术，但以前情况并非如此。2013年底，阿里巴巴彻底重组了针对智能手机的整个电子商务市场。最初，手机内容和结构是从网页电商直接复制过来的。普通消费者进入淘宝网的主要通道是产品分类清单（例如，男士服装、食品和饮料、母婴产品）、搜索条目（例如，明前龙井、黑色紧身裤），以及由淘宝或天猫的团队策划的特别活动和促销。浏览器窗口的充足空间为消费者提供了探索的自由。对于许多中国年轻人来说，在淘宝网上随意浏览（所谓的逛淘宝）成为常见的消遣方式。

　　然而这种方法在手机世界不再适用。用户在手机上的购物时间不长。手机屏幕较小，显示信息的空间很有限。于是用户开始更多地依赖搜索栏，但即使他们搜索了不常用的关键字，小屏幕上也仅能显示不多的产品列表。卖家接触消费者的空间收窄，可能会对中小卖家的生意造成不利影响。如果设计不当，那么移动购物环境可能会让消费者和商家都受损。我们需要一种新的方法去探索。

　　但答案并不显而易见。在淘宝的组织架构里，产品推荐由不同的工程团队管理，具体取决于他们在应用程序中的位置。淘宝首页的推荐也是阿里巴巴最昂贵的在线领地，需要由上层管理人员批准才能变更，而单个产品页面的底部推荐或者交易完成页面出现的推荐则是由另外的团队负责。浏览这些不同推荐的消费者可能会看到非常不同的产品。他们对这些推荐产品的反馈（例如，购买或忽略）与管理这些推荐的不同团队基本无关。在桌面情境中，让不同团队管理不同的产品是有道理的，因为每个独立的产品业务设置都需要不同的卖家和消费者支持团队。但在移动世界中，即使客观上离散的业务问题也需要各部门协同才可得出有效的解决方案。

　　行业外人士习惯将“移动”等同于手机上的应用程序。但实际上，移动是指一系列组织和技术架构，包括收集、使用和评估数据的方式。如果没有智能商业的思维方式以及上面列举的5个自动化步骤，企业就无法做到位，也就无从发挥数据智能的力量。

　　在淘宝，我们迅速采取行动，整合搜索部门下的各个推荐团队，因为搜索部门拥有最好的技术工具和基础架构，因此能做到不同推荐产品之间的协同效应。我们还聘请了一些国际技术人才，因此我们有专门人才在开发算法，研究如何实现将大规模实时计算所需的复杂工程结合在一起。所有数据流及其接口和指标都必须与新算法协调。我们的产品和行业团队必须要根据拓展后的产品推荐重新定义许多规则和机制。当消费者买了一件商品之后，给他的推荐算法要跟其他算法相结合，例如，当消费者下载了新应用程序之后的推荐算法，或在消费者搜索服装但并未最后下单后给出的推荐算法。这样的结合产生了明显的效果。使用推荐产品的用户的销售和交易量开始稳步增长。

　　这里的关键信息是，运用数据智能不仅仅是增加工程师团队预算的问题。它需要企业使用这5个步骤对业务整体进行清晰而全面的思考。我们对移动推荐的变革说明了自动化的每一个步骤。在重新思考何处需要运用推荐解决方案时，我们需要新的数据化方式和软件化；推荐必须能相互影响，因此推荐引擎需要可以相互“交谈”；我们还需要实时数据思维模式，由此所有消费者的所有行为都被记录在同一个地方，最后将其输入相同的机器学习算法。

　　在第一部分中，我们介绍了智能商业的概念。从本章开始，读者应认识到，智能商业的复杂协同需要以新的方式思考数据。企业对业务流程活动的理解决定了如何将其变成数据，而数据又决定了可用来解决业务问题的产品和服务。为了使这些有关产品和服务的决策自动化，智能商业应遵循本章所列的5个步骤。第一，要以创新数据化的手段来丰富相关数据库，为商业企业奠定数据基础；第二，要将业务软件化，即把工作流程和基本参与者都上线；第三，应用程序接口支持实时协同；第四，完整地记录实时数据；第五，对生成的丰富的实时数据进行机器学习，从而创建数据智能。

　　前面两章主要关注数据智能及其对商业的意义，以及实现这一新功能的正确策略。读者还应该明白，除了实现数据智能之外，本章所示的5个步骤也是网络协同的基础。到目前为止，你应该清楚地看到为什么我将网络协同和数据智能称为智能商业DNA的双螺旋。这两者不可分割。在双螺旋框架下，现在是时候讨论网络协同的战略重要性，以及企业应如何与自己的消费者和合作伙伴协同了。

　　[3] 本章关于软件化和应用程序接口的讨论省去了大量的技术细节。构建支持按需操作的技术栈（实现公司的核心流程模块化，并确保通过网络调用而非本地调用来协调信息流动），是一个相当大的技术挑战。我不是一名工程师，这本书也非为技术读者而写，但对软件业务技术感兴趣的读者可以查阅有关微服务和服务导向体系建构的大量文献。

　　要利用数据智能，构建智能商业，你需要在企业和客户之间建立一个紧密的数字反馈闭环。然而，我和很多中国企业家亲身感受到，而且很多创新企业也已经认识到，一旦将业务聚焦于同客户的直接互动，所有的商业活动就需要进行大规模重整，我将这种变化称为C2B模式。C2B的思维模式从根本上颠覆了传统企业的B2C商业理念。[1]

　　当机器学习通过反馈闭环来驱动商业决策，客户将成为企业行为的最终决定者。“客户至上”不再只是一句口号，而是商业运营的起点。全部的客户企业应当建立在客户需求的基础之上。但是，对于包括产品和服务本身在内的体验而言，要真正做到为客户所支配，企业及其运营所在的网络必须保持灵活，迅速响应。实际上，商业中的每个功能都必须建立在需求之上。

　　让商业的每一项功能都符合需求绝非易事。你如何为潜在的需求范围做出适当的准备？当一家企业开始某项重构时，它就要在后续对从品牌到产品设计再到制造的所有方面进行变革。只有当流程在功能上独立但又可以自然自动地融为一体时，公司才能按照用户的需求，在交互中制定关键产品和设计的决策，从而创造出相应的产品和服务。在此过程中，整个企业的运营模式都依赖于网络协同和数据智能。

　　彻底重构自己的整个业务并使所有功能动态协同，对任何一家企业来说都是一项艰巨的任务。那些开始在这条艰难之路上行进的人会发现，他们的成本没有变化，然而效率和反应能力却开始呈现指数级的增长。

　　我无法给读者一个具体的重构行动指南，因为行业不同、公司不同，变革的整个流程也都不尽相同。不过，我希望通过一个服装行业的拓展案例，让读者了解自己需要做什么，以及正确的C2B思维模式是什么样的。我举的是大E（Big–E）的例子。大E是中国最为成功的网红，她利用其平台能力成功地执行了C2B战略。大E原名张大奕，以前是一位模特，毫无零售经验，但她的线亿美元）的惊人销售业绩。

　　思考一下社交媒体网红的影响力。在美国，金·卡戴珊或基娅拉·费拉格尼就是很好的例子。这些网红是否代表了品牌建设和企业家精神的未来？在中国，我认为的确如此。

　　有些人觉得网红很精明，是机会主义创业者，在中国只不过是昙花一现。这样的想法让很多人错过了前所未有的强劲商业模式，而正是这种商业模式，让网红在服装产业中如鱼得水。在2017年的“双十一”，大E的单日销量就达到了3500万美元。大E所属的如涵控股拥有数十个网红品牌，但这家公司只雇用了800名员工，并且是从2014年起才和网红合作（参见“如涵和大E”专栏）。这么小的公司如何管理如此众多的品牌呢？答案就是C2B。大E的商业模式由按需营销、按需运营和按需生产构建组成，而这一切都由如涵的一款叫作Layercake的自动切图软件来协调。

　　如涵是中国最大的网红孵化器之一，也是阿里巴巴投资的第一家与网红相关的公司。该公司市值超过30亿元（近5亿美元）。如涵已在中国的电子商务领域运营10年，成功地培养出了100多位来自中国和亚洲其他地区的关键意见领袖（KOL）。如涵旗下关键意见领袖共拥有2亿社交媒体粉丝，其中90%是18~28岁的年轻女性，且绝大多数来自中国的一、二线城市。公司的孵化服务包括社交媒体营销、内容生产、电子商务运营（包括数据分析和广告）和端对端制造管理。

　　张大奕凭借在淘宝及微博上的成功，奠定了无可争议的社交商务女王地位，而这也令网红成为一种席卷全国的风潮。我将这位从模特转型的网红先锋称作大E，因为这是她众多昵称中最容易翻译成英语的一个。张大奕的英文名字叫Eve，但她和粉丝都从来不使用这个称呼。相反，她和她的社群喜欢使用一些有趣的名字，例如“大姨妈”等。事实上，张大奕的粉丝喜欢自称“E罩杯”，这显然是一种夸张，纯属搞笑，然而这些搞笑昵称展示出大E和社群粉丝之间的紧密联系。大E曾经在大学学习时装专业，后来成为中国顶级时尚杂志《瑞丽》的模特。2014年，怀揣着更大梦想的她在淘宝上开了自己的服装店，同如涵展开合作。起初她在微博上只有20万粉丝，同如涵合作之后，她的粉丝上涨到500多万。

　　2015年5月20日，在她的店铺开业一周年之时，大E共卖出了价值1000多万元（约150万美元）的产品。在2017年“双十一”期间，她在半小时内的销售额就达到1亿元（约1500万美元）。据英国广播公司报道，2015年大E的年收入为3亿元（约4600万美元），高于同期中国女演员范冰冰2100万美元的年收入。[2]

　　在微博粉丝的眼里，大E是每个人都梦想变成的年轻女性。她把时间花在周游世界、拍照和买衣服上，她简直就生活在微博里。大E不停地分享她的生活近况，张贴新衣服照片，和粉丝互动。就像本书前言中提到的张林超一样，大E每年通过自拍和上网聊天就能赚取数百万美元。但大E比张林超及几乎所有其他竞争对手都走得更远，这使她的业务从方方面面映射出一种C2B思维，从而解释了为什么她会成为中国最成功的网红。

　　大E的社交账号给她和粉丝带来了不少乐趣，但乐趣不是唯一的目标。这是一门非常严肃的生意的必要组成部分，而这门生意的核心价值就在于网红和消费者之间的互动。大E每两到三周就会在自己的微博账号上晒出新的衣服款式。这些衣服很快就会在淘宝的限时抢购中被疯狂的粉丝预订一空。这些限时抢购总是会制造出爆品。与此同时，如涵会在销售之前和销售期间就将销售数量通知其生产合作伙伴，后者在接到订单后开始按照需要的数量进行生产。这些衣服几天内就可以发货，而且因为是按需生产，所以很少有多余的库存。大E的C2B品牌灵活、强大且利润丰厚。

　　按需营销是大E按需模型中的第一步，而这一步会通过社交媒体的预览及相应的限时抢购来实现。微博上的这种活动给消费者带来的是互动体验。当粉丝和网红展开互动，他们的行为就会启动一个反馈闭环，后者则可以据此做出设计和生产决策。

　　一个网红的品牌不是推送给消费者静态信息。推送静态信息不过是更传统的B2C思维模式的延续，在这种模式下，社交媒体只不过是传播营销文案的扩音器。相反，品牌是网红和铁杆粉丝一起打造的，它是由消费者创建的。

　　大E的营销活动就是社交媒体上那一系列经过精心策划的触动人心的形象。写什么话、晒哪张图、自拍用什么滤镜……这一切都要展露出屏幕后那个真实的人的气息。实际上，成功的名人对此都会亲力亲为。一个名人之所以能成为名人，就是因为他们能够以独特的方式表达自我——从自拍的风格到随意的服装照，再到关于自己的玩笑，莫不如此。这种风格是无法模仿的，即使是最有名气的网红也经常自己动手处理自拍照。

　　用张大奕品牌经理妮科尔·沈（Nicole Shen）的话说，“当你抬头看名人的时候，你的头会倾斜60度，但看网红只需要倾斜15度，你可以看到甚至触摸到他们。他们会在社交媒体上和你争论某件服饰是否好看，她是你朋友列表中的人”。[3]社交媒体对于网络名人来说并不是一个表演的舞台，而是一个开放的互动场所。任何人都可以进入、倾听，参与到交谈中，他们可以询问关于网红的一切。

　　在一个网红的微博账户里，你会看到源源不断的生活记录更新、游记、服装照以及各种尴尬的自拍。大多数帖子下面会有成百上千的回复，这些回复中既有爱慕和抱怨，也有各种个人问题倾诉。网红会对某些她自己认可的评论做出回复。虽然营销团队有时也会为社交媒体撰写宣传文案，但顶级网红从不会让其他人代替自己回复粉丝。品牌不是通过广告公司会议室里的讨论建立起来的，而是通过这种一来一往的互动建立起来的。

　　评论和讨论的逐渐汇聚，消费者信念和偏好信息的一步步累积，最终构建了品牌。在此之前，这些有价值的内容只能通过市场调查间接地提供给品牌；现在它实时产生，并被记录在社交平台上。这就是C2B世界的品牌塑造，一个共同创造和共同演化的过程，一个让消费者享受其中的过程。

　　大E作为企业家可不像她的照片所显示的那样悠闲。她在世界各地的每次街拍，都意味着照片中的服饰需要在一到两周内发货。服装行业的产品开发周期通常为一个月，但网红界的竞争实在太过激烈，这么长的时间显然不行。那么，网红是如何及时将合适的服装推向市场的呢？

　　消费者互动不仅是网红品牌的命脉，也是产品开发的根基。在社交商业的世界中，消费者的互动创造了内容，而内容创造了品牌，品牌则最终推动了销售。网红模式的天才之处在于，消费者的声音可以早在销售发生之前就得到倾听。在服装现身互联网的那一刻，它们离上市还有数天甚至数周的时间，但这时候，消费者的反应已经开始影响生产决策。即便是在该品牌的限时抢购期间，消费者的行为也会被记录，并通过淘宝的数据统计表以可测量的方式展示出来。对于网红的服装制造流程而言，这些行为至关重要。因此，通过限时抢购，网红的按需营销就可以同按需产品开发和按需制造相互协同。

　　让网红大获成功的限时抢购营销策略，在中国的零售界占有特殊的地位。除此之外，这种策略也经常与饥饿营销配套使用（关于饥饿营销，参见第二章）。这种中国电子商务中常用手法的技巧在于，企业会通过故意限制库存来制造消费者的购买紧迫感。在中国，饥饿营销是非常有效的。此外，这一手法也会带来额外的好处：商家可以借此检验市场对某种商品的反应，并以此避免库存过剩。

　　淘宝的限时抢购服务是一项线上基础设施，它能够让卖家轻松筹划特定时间内的销售方案。利用这一服务，商家可以预告下一步的销售计划及产品上线时间。商家通常会事先曝光待销售的产品、价格以及可售数量。这种销售遵循先到先得原则，而为了将饥饿营销的效果最大化，他们会极力限制产品的数量。

　　网红扩展了前期的产品曝光，将这种基本的营销模式进一步发扬光大。她们通常将预先曝光作为一种探索性策略，借以确定应该销售哪些商品及其相应价格。在销售开始前的一两周，网红就会开始在其微博账号上预告即将到来的销售活动。有时候这些预告看起来都是常规内容，比如一张网红穿着新毛衣吃晚餐的照片；有时候，网红会直接发布一组新产品的图片。这些图片意在测试粉丝的兴趣，一经上线，粉丝就会立刻就不同的风格、颜色以及剪裁展开争论。

　　如涵的产品、采购和销售团队会对粉丝产生的所有互动内容进行细致的查看。团队关注的指标（主要是社交媒体平台上的分享和评论量）会直接影响产品选择、生产进度，甚至未来的设计过程。例如，如果某一单品的某一种颜色获得远超预期的讨论，网红通常会在首批供货中加大这一颜色产品的数量，或者引入更多的类似产品。如果粉丝对某种单品避而不谈，那么这种产品就可能不会出现在销售列表中，类似的设计也会从未来的开发计划中消失。

　　只要每隔几周巧妙地进行一次限时抢购，网红就可以增进粉丝的参与度和忠诚度，收集到关于客户的关键洞察，同时还可以动态调整生产计划。即使销售开始，互动也会继续。那些能抢到心仪产品的幸运的粉丝会炫耀自己的收获，而那些没抢到产品的粉丝则会公开抱怨。哪些单品需要补货、补多少，从两类人群的反馈中便可获得必要的相关信息。网红甚至可以挑选VIP（重要客户）群体进行私人预售。这些销售策略提高了顾客的忠诚度，并提供了关于产品受欢迎程度的宝贵信息。一旦衣服送到粉丝的家门口，这些人就会开始晒她们的新装自拍，尝试各种衣服搭配，向其他人炫耀。在淘宝上，这些照片被称为“买家秀”。一些网红会在自己的微博账户上转发那些最棒的买家秀，以此作为对粉丝的回馈奖励。抓住任何机会促进互动才是好的商业策略。

　　敏锐的读者会注意到，网红的营销渠道已拓展到传统的服装业务领域之外。这个渠道不仅是一个提供给消费者的单向通道，它还可以促进交互，并能获取有助于跨价值链决策的相关关键信息。按需营销使得按需供应链成为必需，否则结果将是灾难性的，消费者会等待很久才能得到商品，并且会在社交媒体上大声抱怨，令网红的可信度和品牌形象受损。为了避免这种恶性循环，供应链必须满足网红限时抢购的严格要求，即能够在3~7天内以低边际成本小批量生产质地优良的服装。

　　智能商业聪明且巧妙地将供应链与价值网络的所有其他组成部分，包括营销和设计功能等整合在一起。网络协同和数据智能促成了这样的智能融合。正如咨询公司毕马威（KPMG）的一份报告所言，“今天在全方位商业环境中运营，需要一条与之相适应的供应链。最优结构需要与业务前端全面整合，并且能够对持续变化的客户需求做出灵活敏捷的反应”。[4]中国的网红已经建立起一种前端和后端业务密切交织的商业模式。

　　与大多数时尚和零售企业明显不同的是，网红不需要提前数月做出生产规划。即使是快时尚行业的全球巨头，也至少需要2~3个月才能完全生产出一批服装。但网红天性机敏。当她们在巴黎的精品店或东京街头闲逛时，一个能激发灵感的主题或者剪影就足以让她们点击触摸屏，拍下照片，并发布到社交媒体上。设计团队可能只有几周甚至几天的时间来生产用于销售的成品。不用说质量和工艺，单单是时间压力就足以将传统的供应链逼到极限。

　　传统的服装生产可以分为4个阶段：打版、裁剪、缝制和后整理。对于具有一般复杂性的项目，工厂通常可以在20天内完成低端线项任务；如果是高端线个工作日。在全部的时间中，单是花在打版上的时间就需要两周。如果生产商的客户接受了打版的样品，下一步就可以开始进行大规模的裁剪和缝制，最后进行质量检查、熨烫和包装（后整理）。这条时间线是以有现成的面料库存为前提的，但凡需要购买或生产定制面料，则整个生产时间可能会增加数周甚至数月。这些行业标准的时间框架在很大程度上决定了全球大型品牌的业务周期构建。

　　大E的品牌形象和赢利能力取决于如涵的快速补充库存。长期以来，传统行业（尤其是服装行业）一直受到两种对抗力量的困扰：若生产太多，就要承担巨大库存带来的成本风险；若生产太少，一旦出现爆品，则会失去大好的销售机会。

　　如涵的C2B模式恰恰在这一方面拥有巨大的优势。对于网红来说，绝大多数的生产都是从下订单时开始的。当第一次销售完成（在限时抢购中，这可能是几秒或几分钟内就出现的情况），快速补充库存就开始了。在对比消费者的反应和预期的销售额（活动预告期间社交媒体活动的估计）后，如涵立即下了第二批订单。如果需求量大，如涵可以多次补货。通常情况下，重新补货的订单比最初的订单要大，这种做法减少了预测的负担和风险。起初，快速补充库存只是被当作一种适应多变需求的方式，而非一种预测策略，但与传统模型相比，这种研究和与消费者的持续互动，让卖家对潜在的消费者需求有了更为精确的把握。[5]

　　显然，要想快速补充库存，周转时间就必须迅速可靠，加上运输和交付，通常需要5~7天。快速的周转也需要与工厂保持紧密的沟通和良好的网络协同。

　　作为一个提供全方位服务的品牌孵化器，如涵为大E等品牌提供后端和某些前端的业务服务，但快速的客户增长（每年增速高达100%）和网红的多样性令如涵的生产不堪重负，最后这家企业不得不求助于附近产能过剩的工厂。

　　幸运的是，该公司位于浙江省北部，作为杭州和上海之间的工业走廊，这里集聚了大批服装生产企业。这些企业的规模各异，生产能力也大小不一，其中既有为博柏利（Burberry）和路易·威登（Louis Vuitton）等世界级品牌提供生产服务的大型老牌企业，也有不过几台缝纫机的街边小作坊。在这里，找到过剩产能并非难事，但是要对这些企业的设备和能力做出区分却并不容易。即便在最糟糕的情况下，一个工厂也可以用零碎的方式满足紧张的时间安排，无非是多些折腾，次品率高一点，但这种随意的生产方式既不经济也不能规模化。

　　为解决产能问题，如涵建立了一种合伙的基本模式。这家企业打算建立一个合作工厂网络，以应对网红商业模式所固有的需求高峰和低谷。首先，如涵将不同阶段的生产委托给不同的工厂，实现了服装生产流程的模块化。它最大的合作伙伴负责打版设计的工作，如果能够统一协调，加上高端的自动化机械，打版可以在几天内完成。一旦如涵的设计团队确认了样品的风格和工艺，如涵的制造软件就会将打版分割成一个个不同的程序，然后将它们通过内部电子网络发送给不同的合作伙伴，合作伙伴和客户都可以随时监控生产过程。通过协作的重新设计和劳动分工，如涵大大降低了生产时间甚至成本。

　　在尝试网络化生产的过程中，如涵与100多家外部工厂一起工作，并在评估它们的能力之后，从中选择出最好的合作伙伴。所有这些合作伙伴都在如涵的SaaS，也就是软件即服务平台上运营。利用这一平台，如涵允许合作伙伴通过互联网直接远程使用和访问软件。SaaS解决方案允许用户以最小的成本进行直接沟通和协调。由于有4家工厂在规模和质量方面非常突出，如涵开始将打版的主要工作委托给它们。反过来，这些工厂逐渐开始直接协调小工厂和车间的工作，将裁剪的工作集中化，并把缝制的工作分派给了规模较小的合作伙伴。完全缝制好的服装现在被送回较大的工厂进行后整理，然后从如涵的仓库发出。截至2015年底，如涵已基本完善了自己的生产模式，成功地将自身的生产能力剥离给外部的独立实体企业。它之前的制造部门演化成了整个生产过程的推动者，而不再是制作服装的实际劳动力。

　　虽然如涵已经不再从事裁剪和缝制的实际工作，但是驱动这样一个复杂的网络也不是一件简单的事情。首先，如涵必须决定初始库存的生产数量。即使面对大规模的销售，如涵也只会保留其预计销售额的10%作为库存。（不是每个淘宝上的网红都能有幸与如涵合作。对于那些无法接触到最先进制造能力的网红来说，第一批产品的数量及其生产时间都取决于她们对风险的承受能力。不过，在限时促销开始之前，一个网红很少会生产出超过总销售额50%的库存。）

　　一般的制造过程如下。负责打造网红产品的团队会根据过去的销售指标来决定最初的批量大小。在销售的前一周，社交媒体上的营销预热开始启动，粉丝互动的数据会让团队决定第二批产品的生产规模和时间。正式销售前三天，预售首先在淘宝上线，新的销售和购物车数据则决定了第三批（通常是最后一批）产品的数量和发货时间。如果遇到极度受欢迎的产品，最后一轮生产则可能会在销售后的3~4天内进行。由于限时抢购模式简洁且可以频繁使用，大多数单品80%的销售额都是在促销当天完成。整个过程通常不超过一个月。

　　为了促进复杂流程的便利化，如涵开发了自己的软件后台。通过这一后台，公司的每一笔订单被分到了哪个工厂、使用了哪条生产线，以及动用了多少工人，都变得有迹可循。产品的组成部分需要什么时候交付、送到哪里，成品何时入库、存储于何地，同样可以被详尽掌握。生产过程中的每一步都由软件程序控制，网络中的每个人都可以查看。

　　正如我在第四章中指出的，业务软件化（用软件和在线运营配置业务活动）是建立智能商业关键的一步。如涵在中国服装行业的软件化方面投入了巨资。它的内部软件Layercake将网红模式所需的一切工作合而为一，从后端制造到社交媒体再到零售和促销，无所不包。这确保了网红能在正确的时间得到她们需要的服务，也最终确保消费者得到她们想要的商品。Layercake软件虽然还处于相对早期的开发阶段，但它是大E实现C2B的一项关键创新。

　　经Layercake系统处理的所有工作都可以通过桌面或移动界面查看。因此，当设计团队设计服装时，工厂会立即知道生产这些单品所需的材料；当营销团队需要监督社交媒体内容时，他们能够确切知道有多少库存，以及生产及交付一大批新衣服需要多长时间；工厂经理可以看到与他们相关的工作进度，设计师也可以查看与他们的设计相关的采购和制造进程。只要数据在线，它们就是自动透明的，业务各方都可以访问。多方同时访问信息是网络协同的一个重要特征。Layercake系统还远未实现实时协同，毕竟人们需要跟踪流程以确保任务完成。但是软件系统是实时更新的，可以支持网红模式所特有的基本反馈闭环。相较于服装业的原始状态，这种程度的改进已经是极大的升级，大E的销售额也证明了这一点。

　　大E对自己的业务有着细致入微的掌握。在如涵开发的移动界面上，她可以看到有多少设计正在进行、设计的进度如何、产品放在了哪个仓库，以及它们会以什么价格销售。系统也会显示她的所有营销计划，包括下一个活动什么时候开始、会推出什么产品等。从本质上讲，整个价值网络对她来说是可见的、实时的、细颗粒度的，网络就在她的指尖，她可以在世界的任何地方随时发起操作。

　　要想实现前端的高效运营，企业需要对整个后端进行大整修。如涵一开始是一家服装制造商，打算主营小批量订单的快速周转业务。但它很快发现自己必须首先成为一家软件公司，去改造服装这个非常传统的行业。目前，Layercake连接和协同了如涵四大业务的数据：社交网络、贸易、仓储和制造。这四大领域大致对应于微博和淘宝平台，以及工作流管理软件和供应链管理（SCM）软件的结合。

　　如涵通过微博获取社交媒体数据，这些数据要么来自微博自己的应用程序接口，要么是从社交网络上爬取来的。为了支持大E与粉丝的交流，如涵进行了大量的数据分析。如涵的工作流程管理软件会跟踪淘宝等电子商务平台的订单信息和状态，仓储也是直接来自或者整合自淘宝的物流平台服务。

　　更重要的是，一旦这些交易数据进入Layercake系统，就可以和社交网络数据和制造数据相互关联。如涵的SCM体系结构非常复杂，在此我们多做一些解释。Layercake系统内的制造流程从SCM模块内的设计开始，之后是采购和制造，最后才会生成订单。这种协同的关键之处在于，如果设计师事先知道他们的设计对面料、版式以及加工的影响，他们就能对自己的设计做出更好的决策。举个例子，如果他们选择的面料不在库存清单上，他们就会知道这将导致整个生产周期延长，还会知道要制造出一个特定的版式需要花费多长时间和多少钱。要想有效地协调生产，在设计阶段获得的这些信息至关重要。另外，这对控制总成本和总生产周期也特别有帮助。

　　制造软件通过组织生产信息来不断提高系统的效率。这些信息包括标准文档和工艺设计，是生产服装所必需的。除此之外，如涵还输入了自己的信息，例如工艺流程、工作安排、生产能力和物料消耗的顺序（哪些材料至关重要并会影响生产进度，哪些环节可以外包而不会造成瓶颈）。这家公司正尽力实现其工作流程和数据的连接及标准化，以便生产能够在各级规模合作伙伴之间快速轻松地进行。

　　Layercake的关键点并非只是以更高效的方式管理生产过程，几十年来，每个ERP或WPS（办公软件套装）系统都在致力于提高操作效率，这种优势本身并不具有突破性，当然也不构成C2B。Layercake的创新之处在于，它可以将设计和制造过程中涉及的所有数据与客户的实时需求相协同。正如我在第四章中提到的，ERP软件专注于提升某项狭窄业务效率，软件化和实时数据的目的则在于确保包括消费者活动在内的整个业务流程（我不能强调“足够”）能够在整个协同网络中自由流动。运用Layercake以及第四章提及的自动化决策的5个步骤，如涵的所有在线功能都实现了可访问和针对消费者需求的按需部署。

　　如涵也在扩张自己的协同价值网络。这家公司正在开发一个B2B（企业对企业）面料供应平台，该平台将直接与它的SCM软件相连接。这样的平台需要复杂的数据处理，以便精确地识别服装的颜色、编织、纹理和厚度，最终实现织物选择和订购的自动化。

　　因此，在公司的整个软件系统中，Layercake构成了一个首要且宽泛的底层，然后SCM在其基础上对整个工作流程进行优化。随着面料选择软件化的不断完善，如涵业务模式中的网络协同水平不断提高，效率也因此得到全面提升。如果如涵能够让这个B2B面料供应平台落地，它的Layercake系统将把服装业务的所有内容都与一个端到端解决方案相结合，甚至将采购也加入这个协同网络之中。

　　在将原始工业重新构想为智能商业方面，如涵可谓中国的先驱企业之一。不过在这家公司眼里，复杂设计任务的编程工作不过才刚刚开始。如涵正在开发自己的时尚设计师软件平台Deep Fashion，该软件可以抓取Instagram（照片墙，一款社交应用软件）等平台上的数据并分析时尚趋势（该公司已经分析了Instagram上经其设计团队标记和整理的照片）。公司的领导希望将机器学习技术应用到Deep Fashion上的图片中，这样中国的设计师就可以在快速变化、竞争激烈的市场中迅速收集灵感，轻松设计出新的服装样式。未来，如果如涵能够将Deep Fashion的自动理解融入设计和生产模块中，公司的整个生产过程将会更加顺畅，由网红设计和生产的服装也将会更快地推向市场，更好地迎合消费者的口味。

　　以前的软件解决方案只关注业务某一单独部分的效率提升，例如制造或采购。得益于消费者需求的不断增长，越来越多的中国企业开始运用在线技术整合所有业务，并将消费者活动与后台的运营和决策联系起来。C2B就是未来，商业将越来越协调、越来越智能。智能商业才刚刚起步。

　　与传统模式相比，C2B已经在越来越多的行业中展现出竞争优势，在中国大多数传统行业不如美国的成熟、效率低下、创新者的进入壁垒较低的情况下尤其如此。中国的整个商业格局正在越来越多地转向如涵这样的C2B公司。让我们再来看看另外两家企业的商业模式：红领集团（Red Collar）和尚品宅配（Shangpin）。

　　生产定制男装的红领集团已经开发出自己的按需定制生产系统。在为国外知名品牌做了近20年的贴牌代工之后，红领集团的创始人张代理决定将公司转型为一家生产定制西装的企业。[6]在经过5年奋斗、投入超过5000万美元资金之后，张代理将西装的生产流程软件化为400多道标准工序，并设计了一条与戴尔单元生产类似的新生产线。作为一名非常有经验的裁缝，他甚至发明了一种为消费者量体裁衣的新方法，相比于传统方法，这一方法能够节省90%的成本。

　　红领发现，合身与否其实是一种主观感受，而不仅仅是一个可以优化的目标函数。因此，公司目前服务消费者的方式也与网红不同。网店无法进行个性化测量，因此红领的策略是让世界各地成千上万的小商家成为他们的销售代表。商家与消费者讨论他们的衣着喜好，进行测量，然后通过B2B平台将制衣订单传送到红领。这样的安排可以让卖家更好地利用直接消费者反馈C2B和智能商业模式中至关重要的组成部分，并以批量生产的成本制造出符合消费者品位的定制西装，而这幕后的“功臣”就是一条由在线软件完全掌控的全新生产线。

　　另一家完全基于C2B模式的创新企业来自一个令人完全想不到的行业——家具业。作为一家靠客户驱动和网络协同提供服务的中国企业，尚品宅配是这一行业中发展最快的公司之一。1994年，李连柱以华南理工大学讲师的身份创办了圆方软件，这家公司的主业是为家具制造商提供软件设计。

　　随着中国的快速城市化和数百万套新公寓的建设，家具销售成为一个快速增长的业务。由于房地产价格高企，民众对提高空间利用率方面需求迫切，与此同时，国内许多不同户型的公寓使用着完全不同的设计和品牌的家具。市场的分化让李连柱看到了为整个公寓定制家具的机会，但他无法说服他的任何客户冒险进入这个行业。经过深思熟虑，他决定自己进军家具制造生意。他在新建成的小区附近开店，派人测量整个公寓，然后用自己的软件设计家具。在客户对设计表示认可之后，CAD（计算机辅助设计）会直接转为制造订单，所有的设计信息也都转到网上。经过数年时间的实验，他找到了一种将家具制造完全数字化的方法。例如，降低条码成本可以有效帮助企业跟踪每一块制造家具所需的木材，而一套家具只不过是公司数据库中成百上千块木板的不同组合。

　　这家现名为“尚品宅配”的公司从数千个房地产开发项目中收集住宅数据，创建了一个匹配公司产品的“房型库”，消费者可以根据真实的建筑平面图来选择、对比或调整家具设计。当然，几年内建成的数千万套公寓，不可能都追求大师的设计风格，许多人选择的都是相当标准的配置。利用这两个数据库，消费者可以针对不同的家居空间将各种产品进行组合。

　　尚品宅配在软硬件方面都不惜投入重金，甚至会购置新型的电动精密切割机。对于客户来说，所有的家具都是量身定做的；对于企业来说，每一个订单都是基于不同形状和尺寸的木板组合。因此，该公司能够通过订单的聚合来大幅提高生产效率。自2007年以来，尚品宅配的日生产能力增长了10倍，原材料利用率从8%提高到90%，制造出错率从30%下降到3%。由于是先下单后生产，尚品宅配几乎没有库存，资金周转率是行业标准的3倍。[7]

　　数据智能的美妙之处逐渐体现出来。随着公司服务的客户越来越多，尚品宅配发现，尽管中国各地地理差异巨大，但住宅设计方案总计也不过5万种，而尚品宅配几乎掌握所有这些设计方案的数据。此外，大多数人对家具有相似的品位。随着公司积累的设计方案日益完善，设计阶段也变得越加容易，因为大多数客户只点击尚品宅配数据库中现有的设计方案。公司发现，接受过极少量设计培训的人也可以做好这项工作。

　　如今的尚品宅配仍在蓬勃发展。2017年3月，该公司在深圳证券交易所上市。2017年上半年，公司的销售额超过20亿元（超过3亿美元），比2016年上半年增长了30%多；2016年同期，该公司营收达到6590万元（约1050万美元），同比增长超过127%。尚品宅配在中国的部分大型火车站投放名人广告，在全国拥有1000多家连锁店。预计到2020年，公司市值将翻一番，达到230亿元（约36亿美元）。[8]

　　C2B已经定义了大多数互联网企业的运营模式，这一运营模式将像激光一样聚焦于用户和他们的体验。然而，我们可能会忘记，C2B模式最简单、最古老的版本其实是按订单生产。30多年前，戴尔就在计算机领域做到了这一点。在互联网能够提供合适的基础设施之前，要想将这种模式移植到更多行业是一件非常困难的事情。C2B预示着未来，即越来越多的产品和服务可以以低廉的成本按需生产。网络协同和数据智能让信息和决策可以同时在整个网络中流动，实现了业务各个方面的实时协同，大大降低了合作和交易的成本。

　　虽然本章所描述的企业专注于服装和住宅家具，但C2B模式的意义远不止销售定制产品。它彻底颠覆了商业本身的概念。尽管传统企业在口号和真诚的努力目标上都崇尚客户至上，但实际上大多数的商业战略设计还是公司至上。一家企业会通过各种消费者和市场调研去试图搞懂消费者需要什么。接下来，这家企业会推出一款产品，继而通过广告和营销让消费者相信这就是他们想要的产品，再通过分销渠道推动商品销售。在这个模式中，消费者是被动的。如今，在新的商业模式下，企业能够而且真正会对消费者做出反馈。

　　在过去10多年里，我发现中国有不少新企业开始在传统行业中践行C2B模式。每个行业和企业的C2B模式都不尽相同，因为每个企业都需要以不同的功能来满足不同消费者的需求。然而，通过对如涵、红领和尚品宅配等公司的研究，以及对阿里巴巴的C2B运营模式的观察，我认为，贯彻C2B模式需要遵循四个一般原则。

　　只有在粉丝需要时，大E才会为她的粉丝制造服装。为此，大E和如涵对从销售到产品设计再到制造的业务各方面都进行了改造，实现了在线运营和实时协同。采用C2B模式的企业始终使用两种常见的策略：网络协同和数据智能。从这个角度来说，C2B模式基本等同于智能商业。

　　在阿里巴巴的战略工作中，我经常会得出一种矛盾而深刻的见解。如果想满足任何一个消费者的所有需求，你就需要具备满足每个消费者需求的能力。今天的消费者在成本、速度、质量和个性化上都有需求，而且这些需求是同步的。在以前的商业策略中，这些目标是对立的，并且常常是相互排斥的。但现在，它们是可调和且不可或缺的。

　　只有网络才能通过负载能力的全局平衡来动态调整服务供应和质量。线性供应链不能有效地响应需求的高峰和低谷，更不用说对不断变化和复杂的消费者需求做出响应。要想创建一个适应任何消费者的全球性生产能力优化网络，需要网络协同、数据智能和大量实时数据。网络中的每个人都是提供按需服务的合作伙伴，他们通过SaaS进行在线连接，并通过便利的应用程序接口来掌握数据流。有需求就会有服务响应，一切不再需要通过预先安排的订单来管理。

　　智能商业无须长期规划，只需要对消费者的需求做出即时反应。因此，以前的品牌、营销和设计等本地策略问题，如今关系到整个供应链。事实上，整个网络的设计构成了一个全球战略。只有这样的综合战略思维才能应对未来的竞争。

　　C2B遵循的逻辑是拉动，而不是推动。因为商业运营和决策来自与消费者的交互，所以C2B企业必须有一个界面，通过这个界面，消费者才可以清楚地表达他们的需求和反馈。互联网原生企业天生理解这一点，它们设计的产品也反映出C2B思维。谷歌不会向你推送它的服务，而是在一个极简的搜索框中响应你的查询。正如前面所讨论的那样，可适应性产品是最理想的，因为它们可以生成数据智能所必需的反馈循环。

　　建立一个互联网界面并不一定需要你推出自己的移动客户端，企业应该根据与客户互动的接触点和使用的设备选择正确的在线界面。正如前面所说的，大E会在几个关键的节点去设计营销方案，吸引消费者的反馈。从微博上的预告到限时抢购，再到淘宝上的买家评论和晒图，消费者会不断地给出他们对品牌的反馈。建立一个有效的直接互动媒介至关重要，其作用绝不可低估，对于远离技术的传统行业也同样如此。充分利用互联网能够同时与大众互动的优势，并以非常低的成本获得实时反馈，早已是众人皆知的秘密。

　　互联网界面为价值链上游的企业带来了经常被忽略却非常重要的益处。制造企业无须同终端用户建立联系，相反，他们只需要为合作伙伴设计接口，以尽可能自动的方式将反馈传送给需要它的人。这些接口必须嵌入所有各方的工作流程中，这样才能做到有效协同。如涵与它的制造伙伴就是这么做的，该公司的目标是进一步向价值链上游转移，通过其在线面料质量控制平台进行采购。

　　大多数C2B企业会随着时间的推移而演化。好消息是，一旦你构建了第一个模块并创建了一个“桥头堡”，C2B的比较优势就会推动你引入所有的相关功能。企业将体会到价值链逐级重组所带来的巨大压力。

　　大E先是在微博上建立了自己的网络社区，然后发现淘宝的限时抢购模式非常契合自己。经过数年的努力，她和如涵发展出一个能够执行他们的库存补充模式的灵活的制造合作伙伴网络。仅用相对较短的时间，这个网络就变成了一个营销、产品设计、生产制造和销售的实时协同市场。

　　C2B模式是一个复杂的协同网络。建立一个完整网络是大势所趋，一旦你开始直接与消费者在线互动，这个雪球就会一直滚下去，一路上也会获得越来越多的价值网络功能。所以，要么跟上潮流，要么就靠边儿站。

　　我们调查发现，网红会运营三个平台来保持灵活性和资源的轻便性：微博用于社交媒体营销，淘宝是电子商务的基础设施，另外还要建立一个不断发展的服装制造商网络。如前所述，如涵的运营依赖于这些平台，这些平台的使用代表了服装行业创业的一种新模式。同样的策略预示着其他提供产品或服务的企业会如何在未来运营和构建自己。（我在第六章会谈到，在智能商业的世界中，平台和个体运营商遵循着不同的策略。）

　　如果没有这些平台，大E将不得不依靠自己来吸引数以百万的粉丝。她必须自己开发一款移动应用程序，应对限时抢购过程中出现的需求高峰，处理交易、支付，以及应对纠纷。此外，她还需要管理一个大型工厂。如果没有这些平台，大E就不可能以灵活多变的方式提供物美价廉的高质量产品。我将在第六章进一步解释这个策略。

　　像大E和如涵这样的早期C2B推动者面临相当大的挑战，他们能走多远在中国的也是一个热门话题。然而，他们所代表的趋势即使没有变得更强，也可能持续下去。智能商业的发展会让越来越多的定制功能涌现，而且这一过程中的浪费会更少，额外成本更低甚至为零。当所有的企业功能和消费者活动都整合到一个紧密协同的网络中，未来的商业将可以随时根据需求提供定制服务。

　　C2B模式有两个重要的含义。第一是为客户定制产品的能力。在C2B模型中，与消费者的每一次活动都是实时的、动态的、流动的、响应性的。在现代的发达世界，几乎所有标准化的产品都供过于求，消费者要的是按需定制的产品和服务。为了持续提高整体消费者体验，你需要关注的不仅仅是实体的产品。从营销信息、产品设计到销售和服务，未来一切都是定制的。这种体验与消费者一起共同实时演化。

　　第二是决策的自动化。有了C2B模式，传统的营销、产品设计和生产制造部门都不再适用。在业务功能的静态线性思维中，这三个功能通常是独立运行的，互不往来。整个流程运行下来要花费大量时间。在新的C2B世界中，这些功能能够通过相似的网络界面同时推进，新产品开发、营销活动或销售的服务周期也因此大大减少。许多传统的组织部门，如渠道和产品设计，营销和生产制造等，都已变得不可维系。企业需要建立一种全方位的C2B运作模式。

　　C2B业务模式源自大型在线业务网络或平台的兴起。谷歌将广告数据化，把线下广告转移到了智能网络市场；亚马逊和淘宝将传统零售业带到了网上；脸书、腾讯、微博和其他社交媒体正在推动营销和品牌推广的在线化；大E和其他网红的商业模式依赖于淘宝和微博创建的基础设施。平台的传播速度正在加快，中国各行业的企业都在试图将不同的供应链转移到网上。当越来越多的供应链实现在线化，企业也就更容易转向快速回应消费者需求的智能商业模式。支持创新C2B模式的基础设施每天都在不断完善。

　　现在我们已经讨论了建立智能商业的新力量所带来的两大重要战略影响，即如何实现决策自动化，以及如何协调商业模式，构建以消费者为中心的服务。另一个更深层次的结论是，商业的任何部分都不能单独拿出来讨论。在智能商业中，所有功能都必须在技术协同之下无缝运作。在线运营改变了企业之间的战略关系，因此，我们需要重新审视一个更传统的战略基石——定位。正如我将在第六章详细阐述的，对于智能商业而言，定位至关重要。

　　[1] C2B代表客户对企业，而不是消费者对企业。由于阿里巴巴在零售行业的背景，我经常在这一章和其他章节中使用“消费者”这个词，但读者应该明白，无论是否面对消费者，C2B思维模式都同样适用。任何以服务客户而创造价值的商业（也就是所有的商业）都将受益于C2B理论。事实上，这就是为什么互联网公司更喜欢中性的术语“用户”，因为这个词涵盖了公司服务的所有可能的受益者。不太熟悉科技行业术语的读者可以将“顾客”“用户”“客户”视为同义词。

　　[3] 来自妮科尔·沈与作者团队在中国杭州的会面，2016年7月14日。

　　[5] 大E的战略是建立多个接触点来衡量消费者需求，并以迭代的方式微调生产计划，这是体现博弈论框架对业务运营贡献的一个很好的例子。从数学上看，通过将“单次博弈”（对消费者需求的一次性推测）转为“重复博弈”（一系列的渐进决策），供应商的生产选择更有可能向消费者需求收敛。博弈论告诉我们，当存在不完全或隐藏的信息（例如，消费者需求），重复博弈更有可能为所有参与者带来最优的结果。

　　[7] 关于尚品宅配的信息来源于曾鸣、宋斐的《C2B：互联网时代的新商业模式》一文，《哈佛商业评论》，2012年2月。

　　[8] 数据来自“尚品宅配2017上半年营收超20亿，净利润6587.01万元”，s?id=7167，亿欧网，2017年8月29日；定制家具C2B样本，尚品宅配2020年估值翻一番，爱分析，/archives/1745。

　　大E、如涵、红领和尚品宅配这些公司的出现并非偶然，也并非孤立事件，它们充分利用了淘宝苦心经营的平台能力及其聚集的资源，也就是我们在第二章提到的众多独立的服务提供商。与此同时，这些企业也促进了淘宝等平台的发展。新参与者总是与平台以及在平台上提供各类功能的合作伙伴一起成长。从本质上讲，品牌、支持功能和平台是一个共同成长的生态系统。

　　在科技行业，“生态系统”是一个被过度使用，但又让人眼红的词。然而，对于阿里巴巴来说，“生态系统”是一个极其关键的术语，它用于组织内部的战略目标调整，同时也用来检验一家企业是否走在正确的轨道上。在传统的定位概念中，企业在很大程度上独立决定战略，但生态系统的核心思想认为，系统中每一方都需要依赖其他各方来获得成功。它们相互依存。

　　在本书中，我们将商业生态系统更精确地定义为一个靠不断演化来解决复杂消费者问题的智能网络。（“智能网络”只是“网络协同+数据智能”的另一种表达方式。没有这两种功能，就没有生态系统。换句话说，没有网络协同和数据智能，就不存在智能网络。）商业生态系统吸引着各方资源，其基础设施和机制则可以让参与者自由发展演化。我将生态系统进一步分为三个不同的角色：点、线和面。生态系统的力量在于赋能大E这样的创新企业，使其能够更好地为消费者提供服务。通过为企业提供卓越的客户价值，加之自身的竞争优势，这些生态系统向传统商业世界发起了挑战。

　　我经常问一些领导者或企业家对自己所在行业不断发展的生态系统有何设想。毫无疑问，绝大多数人都有一个平台梦想，他们希望创建兼具高利润和规模化商业模式的大型平台，他们想做决策，发号施令，赚取巨额利润。

　　然后我问了他们另外一个问题：你真的愿意把企业做成阿里巴巴这样一个市值5000亿美元的公司吗？如果答案是肯定的，就意味着你不仅需要建立一个规模上万人的全球化组织，每天为各种事情操心，还要管理千万数量级的卖家和第三方服务提供者，更不用说还要管理物流、金融以及云计算等各种快速扩张的子平台。或者你更愿意成为另一个大E，无须工厂就可以坐拥品牌的近一半利润，通过全球旅行和在社交媒体上晒晒服装照片就能赚得盆满钵满。再或者，你也可以选择成为一名作家或设计师，抑或建立像Toptal（全球精英自由职业者平台）这样的人才库，通过在各种各样的社交媒体上写作来支持其他企业或有抱负的网红，在收获关注追捧和即时报酬的同时享有工作的灵活性。对比之下，平台梦似乎突然变得不那么吸引人了。

　　然后我用另一种方式重新定义这个问题：你想在生态系统或网络中扮演什么角色？

　　传统战略理论的核心是定位，它提出了三个基本问题：谁是你的客户？你的价值主张是什么？你的定位和你的竞争对手有什么不同？针对这些问题，最为经典的战略是迈克尔·波特提出的三种定位战略：总成本领先战略、差异化战略和集中战略。[1]在企业战略制定方面，这个简单的定位框架曾起到非常强大的作用。

　　然而，随着越来越多的经济活动发生在各种智能网络中，今天的企业必须知道自己在该网络或互联网络中的战略定位。在阿里巴巴内部的战略讨论中，我们使用几何学中的概念——点、线、面来隐喻生态系统中的三种基本战略定位。

　　点是指那些拥有专业技能但往往不能自己生存的个人或企业，第五章中如涵的工厂合作伙伴就属于这类。点提供功能服务。线是指大E和如涵这类，它们充分运用点和面提供的服务，是集生产功能和产品服务创造能力于一身的企业。面是指淘宝和微博这样的平台，它们通过提供基础设施服务和推进点的增长，来培养新的线的形式，帮助线的发展。

　　每个参与者的关键价值主张、竞争优势和组织能力都是不同的，每项战略定位的策略也都是独一无二的。表6–1总结了商业网络中三个核心定位之间的最主要区别。

　　你愿意像大E那样在网络中创建产品或服务吗？如果愿意，那你就是一条线，你的策略就是有效利用协同平台合作伙伴的资源来创建自己的产品。虽然你最关心的是如何服务你的目标客户，但加入哪个平台却是最困难的战略问题之一。举个例子，在中国，一家公司选择淘宝、京东还是腾讯来作为主要运营平台，会给企业未来的发展带来极大的差异。

　　如果你是淘宝模特这样的网络职业人，或者是为网红或其他服装零售商做服装的设计师与工厂，那么你就是一个点。你的灵活性恰恰来自业务目标的简洁性：将你的技能与发展中心网络相结合，将自己的专业特长充分运用于平台和产品生产。找到自己的利基市场，你就无须操心商业运用的整体复杂性，只管赚钱就好。这些利基位每天都在涌现，你要做的只是抓住机会。

　　如果你的目标是建立一个类似淘宝的网络平台，那么你就是一个面。你的目标是创建一个连接不同方面的市场，为它们的业务模式提供便利。你将负责制定互动的规则和系统，让市场中的每一家企业都能体验到增长的潜力。如果挺过了漫长而痛苦的市场培育期，你就可以获得令人艳羡的市值，然而你的生活也将因此变成一场持续的战斗，因为你需要在平台和参与方的利益之间不断衡量取舍。

　　在评估这三种定位时，企业必须理解每种定位路径的核心逻辑以及不同定位之间的相互关系。[2]企业还必须认识到，每种定位代表的是一种完全不同的竞争力组合。虽然有一些点和线“进展”到更高维度的例子，但想要做到这一点，企业需要对定位和相应能力进行根本性变革。在许多情况下，基础水平上的战略匹配可能比跨入不同的垂直领域或行业更为困难。

　　这三种定位之间不存在规范性差异，也不是说注定只能是这个而不是其他。处于不同战略位置的企业不会直接相互竞争，但它们可能会争夺每种定位的相对价值份额。我建议管理者和企业家不仅要根据自己所期望的估值来定位，还要根据自己的使命、愿景和能力来定位。

　　在协同网络中的三种核心定位中，点和面的策略相对简单。但在智能商业的世界里，品牌，也就是“线公司”有着明显不同的策略。而且，人们之前创建和分析的大多数公司都是线公司。因此，我将首先分析这一定位的战略和战术。

　　如前所述，网红孵化公司如涵创建了一套Layercake软件系统，该系统的核心功能是实现多个互联网平台和生产设施的整合协同。如涵的价值主张是（通过大E等网红）快速、高性价比地创造产品和服务，例如女装或大E的新化妆品系列等。企业将不同的功能体与业务连接，并将它们整合为一个完整连续的工作流，价值也由此产生。这种运营模式是线公司战略的核心。

　　在传统的商业文献中，学者习惯分析的公司，以及企业家习惯创建的公司，大部分都基于线C公司一样，线公司为客户提供直接服务。直观地说，我们可以把线参与者想象成一个构建了高效规模化商业模式的多点集成。线作为一个组织的核心能力在于，它可以协同不同功能来创建一个有形的产品或服务。

　　新型线公司与传统线公司不同，前者在获取业务所需服务方面非常依赖平台。例如，网红就是线公司，她们必须依靠淘宝和新浪微博等平台来实现其商业模式中的诸多关键功能。线会利用平台的基础设施和其他资源来获取和协调自身业务上的各个点。与传统的B2C模式相比，新型线公司锁定了合作伙伴，拥有固定的供应链，因此能更加高效地运转。在协同网络中，线公司不需要业务人员之间进行协商，只需通过开放的应用程序接口就能够调用任何功能领域的服务。转换服务从此变得异常简单。此外，由于外部服务合作伙伴通常服务于许多消费者，因此同传统公司内部部门相比，他们可以用更低的成本提供更优质的服务。一个典型的淘宝卖家，哪怕再小，也经常需要同数百个功能性合作伙伴（也就是点）建立联系。

　　线公司必须找到合适的平台或面展开合作。最适合你的面不仅能提供你目前所需要的资源，还会为你提供最好的未来发展机遇。换句话说，新型线公司需要获得而非拥有合适的资源。开放网络为建立商业模式提供了丰富多样的资源。因。