美团是一个比特机器

如果你是原始人，没有自然科学知识，如何分类蝙蝠、猫头鹰、海豹和企鹅？

「会飞的」、「会游泳的」各一类：

但在 19 世纪博物学家看来，你的视线只停于表象，没触及问题本质。

你剥离多少层表象，就能发现多大程度上的本质。

解剖蝙蝠、海豹，你会发现，它们的心脏都是两心房两心室，耳朵都有听小骨，都有乳腺、喝奶长大，都是哺乳动物。

解剖猫头鹰、企鹅，它们都有喙、爪、两足、羽毛，都是卵生，同属鸟类。

所以：

当然，这个答案可能也不对。在 21 世纪，有人认为它们属于同一序列。

「解剖」至原子层面，从 138 亿年前宇宙大爆炸诞生氢原子以来，小到原子、生物，大到星体、宇宙，均由氢原子「拼接」而成。

《连线》主编凯文·凯利的观点更激进，他将一切统称「进化体」，不仅蝙蝠、猫头鹰、海豹和企鹅，而且石头、蜜蜂、人类、机器、互联网甚至也是同类。因为进化是一个充满灰度的斜坡，一切都是「进化体」，都在自简单向复杂进化。

相信凯文·凯利，不像相信博物学家那么容易。毕竟是 20 多年前就预言加密货币的人，他提出的理论往往领先于社会共识。

但重要的是，在不断颠覆的分类方式中，你会发现，分类概念是人为设定的，它有多大可靠性，往往基于认知处在哪一层面。

令人诧异的跨界

美团外卖，滴滴打车。

这是 2017 年前，甚至现在，多数人的认知。

即使早在 2014 年 Uber 已有外卖，你也难想象美团、滴滴会竞争，而且这一天来得这么快。毕竟：

2016 年 11 月 Uber 退出中国市场后，滴滴独大，看不到被颠覆的可能。
2017 年 4 月，美团点评整体盈亏平衡，外界认为它将探索盈利。
更重要的是，外卖和打车在认知里不是一件事。

但是，跨界却正在进行。

美团从去年开始进入打车市场：

2017 年 2 月，上线南京打车业务。（现占滴滴南京地区的 6%）
2017 年 12 月，成立出行事业部。（与外卖的组织层级相同）
近期，准备在七个城市试运营。

滴滴反击，2017 年底，招募外卖骑手，并选南京为首站。

第一层解剖

将外卖、打车「解剖」到技术层面，你会发现，其实它们在解决同一类问题。

下图来自 Uber 的技术博客：

▲图片来自：eng.uber.com

改变对象与目标，外卖也可套用：

这实则是一个旅行推销员问题（TSP）：

给定一系列城市，以及每对城市间的距离，
为一个旅行推销员做决策优化，
求解他访问每座城市一次并回到起始城市的最短回路。

当然，在外卖、打车的实际场景中，决策优化问题比 TSP 复杂百倍。

以外卖为例：

算法指派时，未来订单信息不确定。如，决策前，没有 TSP 的确定「城市」点，美团须用机器学习研究闲时运力调度。
每笔订单有一定数量骑手备选，同时，骑手身上还有若干订单正在配送。实则是为动态的多个对象做决策。
每笔订单有预计到达时间（ETA）、商户出餐速度等多条件约束，不能只考虑最短回路。ETA、预估出餐时间，同在机器学习的研究范围内。
另外，还需考虑特殊情况，如，空闲时将订单派给不熟练的骑手锻炼，火锅订单只给特定骑手，订单改派等。

所以，在外卖里，简化的 TSP 会升级为带有若干复杂约束的 DVRP 问题（Dynamic Vehicle Routing Problem），如下图所示：

▲图片来自：tech.meituan.com

用数学方法优化决策问题，一般包括三要素：决策变量（做什么决策），约束条件（决策的限制因素），优化目标。

美团的外卖模型可简化为：

▲根据官方信息制作

略加修改，你会发现，它也可用于打车平台：

所以，当阅读美团和 Uber 的技术博客时，你会发现他们在目标描述上的惊人相似：

美团工程师追求 “在配送体验（送餐更快、ETA 更准确）和配送成本（劳动力更少）之间取得最佳的平衡”；
对 Uber 的算法设计者而言，「超高效的路线规划，和高度准确的 ETA，至关重要」。

事实上，不论外卖，还是打车，都需要调度算法支持。虽然两者有不同的外包团队和数据积累，但进入对方市场，实则是摊薄了技术研发费用。

为什么进入打车市场？

技术层面的相似性，还不足以回答这个问题。

王兴（美团 CEO）的理由是用户需求，「用户去餐厅需要打车」。因为王慧文（美团外卖负责人）给他的数据显示，2.5 亿日活跃用户中，30% 有出行需求。

这是一个好理由，但不代表能说服所有人。《财经》的宋玮反问他，「打车路上用户可能也需要看淘宝，你为什么不做淘宝呢？」

虽然淘宝与打车关联度不高，在某种程度上影响了这个问题的质量，但我理解她提问的本意。即：美团进入打车市场的战略意图是什么？以客户为中心只是美团的愿景，不能用它回答所有商业问题，否则大量用户用微信分享餐厅信息，怎么不做一个微信？

第二层解剖

要解决这个问题，须「解剖」到商业模式层面。

外卖平台符合诺贝尔经济学奖得主 Jean Tirole 对双边市场的描述：

a. 把交易双方或多方的参与者聚集到平台上。

b. 市场一边会吸引另一边用户，形成正向循环。

如，补贴策略。

c. 几乎所有市场都是「two-sided」，有买卖两方。但只有那些用平台结构（而不仅是合理收费）影响交易量的，才是双边市场。

如，美团将外卖送达时间从 2015 年的 41 分钟缩短至现在的 28 分钟，提升用户端交易意愿。
如，美团提高了餐厅厨房的使用效率，提升餐厅端交易意愿。

d. 具有正外部性，用户越多，平台价值越大。

打车平台也是双边市场。滴滴的 On-Demand 服务降低了出租车的空载率，同时，也降低了乘客等车时间。

然而，带给美团竞争优势的双边市场，同时也是它频繁跨界作战的原因。

从 Facebook 到微信，在技术驱动的行业里，我们习惯于看到「赢者通吃」。

双边市场显然不是。在美国，Uber 虽占据 3/4 的市场，有绝对优势，但竞争对手 Lyft 却能持续融资，用 1/4 的市场份额和它抗衡。在国内外卖市场，饿了么和美团则四六开。

这是因为，微信的优势在需求侧。你之所以用微信，是因为你所有朋友都用，而你加入后又增加朋友们的使用价值。如此循环，形成网络效应，再小的竞争优势也被迅速放大。

双边市场的优势则在供给侧。它具备规模效应，越多骑手、出租车，用户体验越好。但，用户数量无法直接影响用户选择，你加入不是因为朋友都在，而是这个平台的服务好。

而且，规模达到一定程度后，继续增加，不仅没有提升用户体验，成本反而增加。正如 Lyft 的创始人所说，「规模效应到了一定点就没用了，一般这个点是从接单到抵达的 3 分钟时间限制」。

所以，护城河不够深的双边市场类公司极具危机感。王兴说，「美团这个公司永远离破产只有 6 个月时间」。

不过，他还说，「我不太担心现有的竞争对手」。

这不矛盾。因为颠覆者往往不是出自现有行业，就像沃尔玛的挑战者不是 Costco，而是在线卖书的亚马逊。

现在，美团手握高频的外卖，滴滴有高频的打车，量级相当。然并不能高枕无忧，两者的 App 重合度有 19.46%，这让美团有机会进入打车市场，同样，滴滴也有机会挑战美团外卖。

对美团而言，双边市场带来的危机更来自于新兴领域的高频交易。如果某天我们热爱某样服务，召唤它的频率比外卖还高。那么美团就将被迫面对高频打底频的降维打击。

所以，我们看到了一个四处出击的美团。

它找新业务的逻辑正是「交易频率」。《财经》披露：

美团内部，有一个类似雷达的扫描团队，每日监控中国商业社会发生的所有互联网交易项目，日过千单立马学习研究。这个机制让美团发现了外卖、发现了打车，也发现了民宿、新零售、充电宝等测试项目。

第三层解剖

如果将「解剖」推进至互联网层面呢？

理解互联网，先要理解它的基础 TCP/IP 协议。70 年代的科学家设计这套协议，就是为计算机间的交流提供通用「语言」，让世界各地的计算机链接在一起，实现「文本」传输。

互联网的核心实则是「文本」对话。比特（Bit）是这种「文本」的最小单位。

不论哪个行业，都将从原子转化为比特，但转化的先后次序与难易程度是不一样的。这一点清晰体现在过去 20 年的科技公司诞生史：

谷歌、百度最先出现，因为搜索引擎本身就是一种「文本」处理方式。
至于 Facebook、微信，它们提取了用户身上的最大公约数——社交。但将社交转化为社交网络，须有手机拍照的配合，否则想象一个没有头像的微信是件挺困难的事。
之后是阿里巴巴、京东，它们将商品转化为在线展示。此时，转化难度加大，体现在公司层面，就是业务更重，需要支付、物流的配合。
到了美团、滴滴，它们在垂直行业推进比特转化。「大块」领域已被分割，剩下的市场像一座座孤岛，不论外卖还是打车，都须面对不同的市场挑战。

而且，在美团、滴滴这种模式里，为了发挥供应侧优势，不能做浅链接，对行业的转化程度要够深。

以餐饮为例，美团点评从提供餐厅信息，到团购交易，再到外卖配送，现在还给餐饮老板提供 ERP 系统，比特的转化程度逐步变深。

王兴将之称为「入地」：

大家吃到一盒饭，上游有无数事，从种地、采摘、捕捞，到运输、仓储、零售。互联网率先改变了外卖订餐，接着上游的各个环节也一定会被改造。我相信凡是还没被互联网改变的行业，都将被改变，只是先后顺序不一样。越靠近消费者，越敏感，越先被改变。下半场的机会是入地，不光做 to C，还要到各个行业里，改造其整个链条。

▲P.S. 为简洁阅读，删减了口语词

除了入地，2017 年美团和滴滴还互相进入了对方市场。