时间: 2021-07-30 10:57:59 人气: 10 评论: 0
声明：本文仅诸葛君就共享单车的运营总结的一点个人观点，对于文中具有评论性质的内容不代表公司立场。
最近一周，共享单车的话题又成为创投圈的热点，甚至由于某单车的倒闭带来的押金问题引发了社**舆论，带着对行业的好奇心，诸葛君对这一模式和运营边学习边总结，试图从数据运营的角度出发稍作梳理。仅供参考。
在近几年杀出的新物种新项目中，就诸葛君个人看来，没有比共享单车的商业模式再简单盈利空间再大的了。其背后租赁（业内也称分时租赁，即用户转让所有权风险并为此支付一定比例的租金）的金融属性一定程度上也决定了他的高回报可能性。不管某单车一车一屏卖广告的噱头有多大，但想要扩大盈利，基础一定是原始商业模式的成熟。我们不妨从租赁的本质出发粗略算一笔账，假设一辆车的生产成本是100元，一辆车如果一年能被使用180天（季节、天气可能**成为影响使用天数的第一因素），一天使用1次，1次1块钱，那一辆车的租金收入一年是180元，相当于一辆车一年的租金回报率是180%。
假设不考虑折旧，180%的租金回报率有多高？我们可以大致拿大家熟悉的小额贷比较，贷款1000元，一般月利息100元，也即120%的年贷款利率。如果一辆车一天被使用的频次更高，比如通过提升用户数量，通过调度提升每辆车的使用频次，那这个回报率可能**更高。
如何拿数据解构这一运营模式，最原始的公式可以设定为：租金收入=使用总次数*租金。为了让收入提升可量化可执行，我们就标题中的公式继续拆解：
租金收入
=使用总次数*租金
=（使用人数*人均使用次数）*租金
=（使用人数*使用天数*每人每天使用次数）*租金
就公式以及前文中提到的几个关键词我们一一展开说。
想要提升收入，提升租金在当前竞争环境下来看可能还不太现实，那就只能提升使用总次数。由于季节、天气可能**成为影响用户骑行与否的第一因素，我们不得不把人均使用次数拆成使用天数*每人每天使用次数。如前文，我们假设一年能使用的天数是一定的：180天。那首要提升的就是使用人数，也即用户数，在共享单车竞争白热化阶段，有两个关联因素也许很重要。
因素1：市场容量
在摩拜、ofo已占据近90%的市场份额之外，10%的市场份额代表着多少用户？据艾瑞9月数据统计，ofo月使用总次数为17.4亿次，摩拜为8.8亿次，10%的用户又代表着多少使用次数？
因素2：共租率（诸葛君造的词啦，同小额贷行业的共贷率）
有多少用户可以同时使两个甚至两个以上的共享单车app？因为这**决定如果你在小市场做的好了没准有机**掰回来点。
如果人数是可以通过市场的形式比如渠道投放、砸钱“买”到的（注册且交押金的用户），那每天使用次数就需要产品说话、需要重度运营了，你也可以看作其实是培养用户使用习惯，目前来看没有比摩拜、ofo几个月免费骑更简单更粗暴也更见效的了。以诸葛君为例，上班距离3km（住的近就是爽哦~），在摩拜连续3个月的免费过后，骑车上班已经成为习惯，每天几点起床、几点出门的时间已经因为这样一种交通方式有所改变并形成习惯，保不准哪天合并涨价后依然选择。
想要培养用户使用习惯，在当前竞争环境下可能有两个因素：
因素1：钱
别人都免费了，你有没有钱免费？
因素2：还是钱
也就3km，难骑忍一忍还是可以接受的，毕竟不花钱。
说完人数和次数也只说了共享单车运营的一半，除了拼命做用户、通过运营培养用户使用习惯，另一半就是车辆投放。当用户基数有了、用户需求被激发，到底有没有车辆能满足用户随时随地用车需求一定程度上决定了用户体验、决定了用户留存。好骑不能解决没车的问题，而投放量背后还是钱。当然，有更经济的做法，就是调度，通过用户出行的地理数据，通过位置、用车高低峰时段的把控人为进行干预，保证在不铺新车的前提下也能满足用户用车需求。比如，摩拜的红包车，目的就是在做调度，通过用户参与更是将调度成本也降到最低。
收入和成本决定利润，如果100块钱的车能满足用户使用，就没必要做1000块钱的车，用户一天的使用频次可能有限，一定程度上牺牲点用户体验为什么不多投一点车抢市场呢。成本少了，利润高了，有钱大不了一年换一次新，或者当用户逐渐追求体验了，再进行升级换代。没准租金也可以涨。当然，这其中的影响因素很多，市场阶段、用户需求阶段、监管在一定程度上也可以决定当前是投放1000块1辆的，还是100块1辆的划算。
高回报背后一定是高风险，区别于借贷产品、证**产品的风险特征，共享单车最大的风险其实来自于自身（出租方）的运营风险，投入了一批车没人“租”，那每一天都是损失；大量的用户交了押金，但却没本金投放车导致用户没车骑带来的其他风险。
除了文中提到的结果型统计数据，在数据增长变化过程中，对用户需求、用户心理以及产品增长潜力的把控也非常重要，有些风险可能不能避免，但创业型公司的生存之路难道不就是对冲企业倒闭风险之路吗？风险一定程度上可以降低，也更可以预测并提前采取策略，谁可以告诉你？data！
本文由 @诸葛io 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Pixabay，基于 CC0 协议
