如果ofo和摩拜合并,这7起互联网公司合并案的“整合大法”值得借鉴

2017 年 10 月 12 日 腾讯创业 数据冰山

点击上方蓝色字体“腾讯创业” 选择关注公众号

创投圈大小事,你都能尽在掌握


腾讯创业 | ID:qqchuangye


近日,关于ofo和摩拜要合并的消息不胫而走,若此传言成真,ofo和摩拜将用何种方式完成合并呢?ofo和摩拜这两个品牌又将如何发展呢?本文分析了此前发生的7起互联网公司合并事件,读完之后相信大家会对互联网公司合并事件产生更“有理有据”的看法。


文 / 何明科

来源 / 数据冰山(ID:shujubingshan


中国互联网在经过2012-2014年发生的一系列兼并收购案的教育和铺垫之后,2015-2016年迸发出若干惊天并购案。


之前的百度收购91以及PPS属于大吃小;易迅入赘京东以及搜搜下嫁搜狗属于生态链布局的嫁妆;唯一有点类似的是优酷收购土豆,这有点乘人之危的感觉。


与上述这些不同,新时代的并购案最大特点莫过于:本是模式基本完全一致而相杀多年的对手,面对地主家也没有余量而投不起的情况,在资本的胁迫下走到一起相爱。


体量相当的对手在并购之后往往会带来数量更多难度更大的整合挑战,包括:核心团队的选择、人员安排、组织调整或分拆、产品差异化及定位等等。


在人情方面,之前已经出现不少黯然离场、相拥洒泪祝福或者扶上马踏新征程的场景及随后的故事会揭秘,然而本着一贯的数据风格,不会在此类琼瑶大戏上着更多笔墨。


本文的核心在于用数据的方式完成如下盘点:各家互联网公司在完成兼并收购之后,如何处理两个产品和品牌之间的关系以及如何寻找协同。重点使用两大类指标:


用户数据:包括DAU和平均使用时长的绝对值和相对值,主要显示产品在整合之后的表现以及公司投入的情况。特别这两年整合的公司基本都属于Two-sided market-place(双边市场),越集中的市场能够带来用户体验的提升。

品牌数据:使用百度指数,主要显示品牌在整合之后的表现以及公司投入的情况。


滴滴和快的整合,2015年2月


滴滴作为新公司的主导,无论是用户量还是品牌,滴滴用最快的速度(不到6个月)完成了整合以及对快的品牌的彻底消亡。从数据也可以发现,在完成整合之后,滴滴App的DAU和平均用户时长都有明显的提升。


不妙的是,滴滴的DAU和用户时长从2017年初开始出现明显的下跌,猜测和网约车新政的严格实施以及共享单车冲击短途市场或有关系。


(对比为整合中的附属方数据比上主导方数据,即快的数据/滴滴数据)


2

滴滴整合优步中国,2016年8月


滴滴保持了一贯的凶狠风格,在宣布整合后不到半年把优步App的用户量几乎完全消灭掉,品牌的消亡速度甚至比用户量更快。不过考虑到当时滴滴已经占据绝大多数的市场份额,在整合后,DAU有缓步的上升,但是用户时长并没有太多增长,司机在供给端能够提供的价值提升已经很微小。


(对比为整合中的附属方数据比上主导方数据,即优步数据/滴滴数据)


3

蘑菇街和美丽说的整合,2016年1月


蘑菇街和美丽说的整合采取了柔和路线。


用户侧,蘑菇街依靠整合,部分挽回了DAU下跌的颓势,但是在近期的流量枯竭危机中仍然遭遇天花板而无法持续增长;而美丽说的DAU则是持续下滑(其实,美丽说DAU在2015年初被蘑菇街反超之后并大幅下滑,就为日后的被收购埋下种子),目前美丽说DAU只有蘑菇街相应数据的15%左右。同时因为两者在电商卖家的地位都不如淘宝和京东强势,远没达到垄断或者绝对地位,因此卖家端整合后优势释放较小,估计也部分造成整合之后没能挽回用户时长下跌的颓势。


品牌方面,两家在淘宝及京东的凶猛进攻下,百度指数都出现较大幅度下滑。就相对值而言,蘑菇街对美丽说的替代仍然比较缓慢,整合一年半之后的今天,百度指数的比例下降到20%。


(对比为整合中的附属方数据比上主导方数据,即美丽说数据/蘑菇街数据)


一句话点评:蘑菇街是一个很纠结的玩家,但也有被对手的原团队坑了的嫌疑。


4

美团和大众点评的整合,2015年10月


整合后美团采取了将点评差异化的路线。


用户侧,美团DAU保持上升,点评DAU保持下降,但DAU对比比例保持下降到目前28%的水平。即使如此,仍是在各整合案中比例相当高的,主要是因为两者找到产品的差异:点评更偏内容主导的餐饮及本地生活服务点评。同时因为商家侧也迅速完成了整合和垄断(主要是团购,而外卖方面仍在激战),市场的双边优势逐渐发挥,两者的平均用户时长都在逐步增加。


品牌侧,随着恶劣竞争的减少导致广告减少,两者的百度指数都在减少,同时点评在百度指数的对比比例也在减少,目前只有美团相应数据的31%。


(对比为整合中的附属方数据比上主导方数据,即点评数据/美团数据)


5

携程收购艺龙,2015年5月


携程收购艺龙后,态度似乎很自由。


用户侧,艺龙在DAU以及用户市场的对比数据以及绝对数据都出现过上升阶段,只是在近期开始下降。不过在收购前,艺龙较之携程的体量就较小,出现较大波动也可以理解。在当前阶段,无论是DAU还是品牌的百度指数,都位于携程相应数据的5%左右。


(对比为整合中的附属方数据比上主导方数据,即艺龙数据/携程数据)


6

携程收购去哪儿,2015年10月


携程收购去哪儿后,态度似乎很自由,去哪儿仍有较自主的空间。


携程和去哪儿的DAU及平均时长都出现增长趋势,体现出整合后双边市场释放的价值。甚至去哪儿的DAU增速还快于携程,在绝对值上也有超越,只是在近期有较大幅度的下滑,回到与携程的DAU数据基本一致的水平。


在品牌侧,百度指数的对比值,去哪儿一直下滑到目前只有携程相应数据的45%左右。


(对比为整合中的附属方数据比上主导方数据,即去哪儿数据/携程数据)


7

百合网收购世纪佳缘,2015年12月


这是一个纯资本的收购,利用中国股市的高估值对在美的中概股发起的资本攻击,而其实被收购方世纪佳缘在各项数据上都领先对方,所以数据会有奇葩之处。收购之后在用户侧,主导方百合网的DAU保持平稳并逐渐走高,而附属方世纪佳缘则逐步滑落,最终达到两者平齐的地步。百合网的用户时长一直上升,而世纪佳缘基本维持不变。


品牌侧,世纪佳缘原先对百合网有400%的领先,目前由于品牌投入的匮乏,降低到百合网相应数据的250%左右。


(对比为整合中的附属方数据比上主导方数据,即世纪佳缘数据/百合网数据)


8

总结


通过建立笛卡尔坐标系,并设立X轴和Y轴。Y轴是主导方品牌/从属方品牌的对比在收购前和当下的比例,具体公式=(当前的从属方品牌数据/当前的主导方品牌数据) / (收购时刻的从属方品牌数据/当前的主导方品牌数据)。X轴是主导方DAU/从属方DAU的对比在收购前和当下的比例,具体公式=(当前的从属方DAU数据/当前的主导方DAU数据) / (收购时刻的从属方DAU数据/当前的主导方DAU数据)。


最终可将整合方案进行如下的分类。


方案1:强力整合,迅速消亡从属方品牌和App,将用户流量以及认知汇集到主品牌和主App上,以实现最大的整合效果

方案2:小刀割肉,逐步减小对从属方品牌和App的投入,但花更多资源去维系从属方的品牌,试图寻找不同的品牌定位。最后的结果是从属方的品牌和App都衰落,但从属方App衰落得比品牌快

方案3:小刀割肉,逐步减小对从属方品牌和App的投入,但花更多资源去维系从属方的App,试图寻找不同的产品功能。最后的结果是从属方的品牌和App都衰落,但从属方品牌衰落得比App快

方案4:用人所长,利用从属方原有在App端的优势,重点发展App的用户量,但是在品牌商不过多投入。最后的结果是从属方的App较主导方的App有更快增长,但是从属方的品牌逐步衰落。


(注:以上数据均来自于公开信息,为百度指数和Questmobile。)


如果将用户量数据和品牌数据放在一个时间维度观察会更有意思,这里使用归一化之后的相对指标,可以看到在各种整合过程及方案下,两个产品的用户量数据以及品牌数据的相对量变化情况。其中灰色区域代表着整合公布之后时间段内的指标变化。


DAU对比(t) = {从属方DAU(t)/主导方DAU(t)}/{从属方DAU(收购时)/主导方DAU(收购时)};


品牌对比(t) = {从属方百度指数(t)/主导方百度指数(t)}/{从属方百度指数(收购时)/主导方百度指数(收购时)}


注:不考虑收购前的情况



从DAU数据和品牌数据的对比可以看到一些有意思的现象:


有坚决:整合后立即将从属方的品牌和用户量消灭

有犹豫:曾一度着力发展从属方App而淡化其品牌,用户量短期内与主导方App保持同步增长甚至还有更高增长,但最终仍是扛不过资源投入分散的魔咒,从属方App用户量与品牌数据一起回到下行通道

有差异化:在差异化从属方产品后,从属方产品在用户量和品牌方面都保持非常缓慢的同步走向衰落

有放任不管:主导方和从属方在品牌和用户量的数据基本保持同步,仅仅保持非常缓慢的下跌而向主导方产品汇集

有狡诈:在收购前,创始人拿原公司的一大笔钱投入到媒体广告为自己的新创业铺路,反而带动从属方品牌的反常规增长


(注:所有数据来源于Questmobile的公开数据)


 你觉得ofo和摩拜会合并吗? 


无人自助·三 天天P图 雷军
健身房 外卖员 游戏代练
创投报告 大V僵尸粉 击败康师傅
对话千里马
被商家玩弄 iPhone 8

彩蛋:

企鹅数钱小程序已上线!

用最洋气的姿势扫遍国内外融资动态

登录查看更多
0

相关内容

中国最大的社区型女性时尚媒体,2011年每月为淘宝创造7亿元人民币的交易额。
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
59+阅读 · 2020年5月25日
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
234+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
295+阅读 · 2019年12月23日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
133+阅读 · 2019年12月12日
可解释推荐:综述与新视角
专知会员服务
108+阅读 · 2019年10月13日
今日头条技术架构分析
互联网架构师
11+阅读 · 2019年8月19日
主流互联网平台广告业务对比分析
百度公共政策研究院
29+阅读 · 2019年5月20日
亿级订单数据的访问与储存,怎么实现与优化
ImportNew
11+阅读 · 2019年4月22日
ofo商业模式破产
1号机器人网
6+阅读 · 2019年1月29日
过了尬吹的年代,人工智能都落地了些什么?
互联网er的早读课
8+阅读 · 2018年11月5日
为什么AI公司都在一边融资,一边投资?
腾讯创业
6+阅读 · 2018年9月25日
“我今年36岁了,除了收费啥也不会!”
创业邦杂志
4+阅读 · 2018年1月14日
Arxiv
99+阅读 · 2020年3月4日
Arxiv
9+阅读 · 2019年11月6日
Efficiently Embedding Dynamic Knowledge Graphs
Arxiv
14+阅读 · 2019年10月15日
Arxiv
8+阅读 · 2019年5月20日
VIP会员
相关VIP内容
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
59+阅读 · 2020年5月25日
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
234+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
295+阅读 · 2019年12月23日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
133+阅读 · 2019年12月12日
可解释推荐:综述与新视角
专知会员服务
108+阅读 · 2019年10月13日
相关资讯
今日头条技术架构分析
互联网架构师
11+阅读 · 2019年8月19日
主流互联网平台广告业务对比分析
百度公共政策研究院
29+阅读 · 2019年5月20日
亿级订单数据的访问与储存,怎么实现与优化
ImportNew
11+阅读 · 2019年4月22日
ofo商业模式破产
1号机器人网
6+阅读 · 2019年1月29日
过了尬吹的年代,人工智能都落地了些什么?
互联网er的早读课
8+阅读 · 2018年11月5日
为什么AI公司都在一边融资,一边投资?
腾讯创业
6+阅读 · 2018年9月25日
“我今年36岁了,除了收费啥也不会!”
创业邦杂志
4+阅读 · 2018年1月14日
Top
微信扫码咨询专知VIP会员