搜索
12017/11/7无人便利店热点报告新零售下的“新风口”22017/11/7便利店是便捷性最高的零售业态，且受电商冲击小，较少的SKU、快速即时服务是其特点购物便捷性便利店专卖／专门店超市百货／购物中心电商各种零售业态对比电商冲击便利店主要以快速即时服务的方式服务顾客，多采用大规模小型网点式的经营模式覆盖多重场景，定位于便利性需求较高但价格敏感度较低的客户群体高质量快速服务顾客的高实效性需求能够在便利店内很好很快地被满足，比如饮食（快餐鲜食）、生活服务（照片冲洗、衣服干洗），帮助顾客节省时间高便利性与其他零售业态相比，顾客对便利店的距离要求较高，到便利店的需求距离不超过10分钟的路程，因此便利店多选择大规模网点经营模式，且多数便利店都是24小时营业小而精便利店仅仅满足对顾客有高频次使用需求，比如食品和必需生活用品，其商品种类有限且性价比较低，经营面积较小便利店的服务特性商品丰富性便利店零售业态目前市场份额较小，从商业业态上来看，购物便捷性最高，但商品丰富性较低，整体受电商的冲击较小数据来源：《中国统计年鉴2015》；丰富性按该业态一般SKU数量计算，气泡大小按该业态年销售额计算32017/11/7便利店的租金和人力成本快速上升对经营利润造成压力2015-2016主要便利店企业净利润分布18%15%15%21%53%53%15%12%0%20%40%60%80%100%20152016净利=4%2%-4%0%-2%0%以下房租成本人工成本水电成本便利店运营成本持续上升+7.0%+6.5%+0.7%•便利店和商超越来越受资本的关注，但是店铺资源相对稀缺，未来租金成本上涨压力将持续存在•适龄劳动人口的下降加剧人工成本的提升•便利店人员流动性大幅提升，人员成本和管理成本均上升注：此处为2016年相对2015年便利店运营成本提升比例数据来源：CCFA&BCG《中国便利店发展报告2017年》123多数企业净利集中在0-2%之间，净利润=4%的企业比例在减小，整体盈利压力较大42017/11/7技术进步、便利店需求提升和成本控制等行业背景下催生了无人便利店这一新业态技术进步需求增长成本控制催生无人便利店的诞生RFID、图像识别、移动支付等基础技术的普及和相对成熟便利店消费需求持续猛增，行业年销售额保持年15%的增长率房租和人力成本快速上升，便利店赢利压力大无人便利店产生动力无人便利店业态特征在便利店需求提升但成本控制问题越来越突出的情况下，无人便利店作为新的解决方案应运而出，相比传统便利店，其成本和适应性优势更被看好更好的自我复制能力：无人便利店可以共用一套后台管理系统，精简了便利店开店的初期准备过程，具有很强大的自我复制能力大幅降低人力成本：无人便利店仅需要配备少数人员进行库存补给和商品摆放，大幅降低了人力成本，并且由于采用无人收银形式，缩短了顾客结账等待时间更灵活的选址、更高的坪效：无人便利店相比传统便利店更“小巧”，选址更加灵活，可以深入到社区或者写字楼内，由于省去了结账台等设施，无人便利店的坪效也更高数据来源：CCFA中国连锁经营协会52017/11/7“无人便利店概念”成为新风口，资本加速进入促进无人便利店技术和产品成熟化，规模化扩张蓄势待发便利店地区获投时间获投轮次获投金额（RMB）24爱购北京2017.03.31天使轮100万小麦铺北京2017.07.18A轮1.25亿2017.09.09A+轮1.2亿fxbox智能超市北京2017.08.01天使轮未透露QuiXmart快猫上海2017.04.11天使轮1000万2017.09.24Pre-A轮数千万便利家上海2017.08.16天使轮数百万番茄便利上海2017.07.30天使轮未透露2017.08.30A轮数千万2017.09.22A+轮数千万F5未来商店广州2016.01.31天使轮1000万2017.03.03A轮1200万2017.06.26A+轮3000万EasyGo未来便利店广州2017.01.14种子轮500万2017.08.30天使轮2000万小惠便利仓广州2017.09.26种子轮1000万缤果盒子中山2014.08.31天使轮310万2015.06.02Pre-A轮1000万2017.07.03A轮1亿一七闪店重庆2014.01.10种子轮数千万2017.05.25天使轮300万无人便利店领域投资事件无人便利店成为“新风口”在去年12月亚马逊AmazonGo概念店的推动下，无人便利店成为2017年的“新风口”，资本短时间内纷纷布局l早期投资为主：投资方向主要集中在北上广地区的早期项目，资金多涌向技术和产品完善方向，仅有少数项目进入A轮扩张期l以社区场景为主：目前大多数无人便利店项目先攻社区场景，社区场景需求相对集中且门店管理较为简单，除此之外，办公楼、大型商场、加油站等场景也有布局l多样化的服务方式：虽然大多数无人便利店采用“全产业链运营+货仓式便利店”的运营方式，但也有像番茄便利这样主打货柜模式以及QuiXmart快猫为上游厂商提供技术和解决方案的“toB”模式的多元服务方式数据来源：根据IT桔子公开信息整理62017/11/7另外大型电商、传统零售商和制造商也通过各种形式切入无人便利店领域初创公司典型企业：F5未来商店、小麦铺基础技术和市场接近成熟的情况下，切入无人便利店领域，通过技术优势参与竞争目前市场上的无人便利店玩家大多倾向自建供应链，初创公司和电商往往自建平台，而传统零售商和制造商则是借助其他平台，从而充分发挥自身的渠道优势大型电商典型企业：亚马逊、阿里巴巴通过无人便利店找到新的流量入口，完善现有“线上+线下”的生态圈，触达更多用户的同时，能够获取到更多的用户信息传统零售商典型企业：大润发、欧尚传统线下零售受到电商平台的巨大冲击，寻求通过新型渠道摆脱目前的颓势，大润发和欧尚借助缤果盒子的渠道切入无人便利店上游制造商典型企业：哇哈哈、伊利上游制造商寻求新的渠道来提升现有渠道效率，降低渠道成本的同时，同时希望更贴近抓住消费需求自建供应链+自有技术和平台自建供应链+借助初创公司技术和平台自行生产+自建供应链+通过其他公司技术和平台+自有技术和平台自建/借助其他供应链72017/11/7无人便利店在现阶段还面临概念落地、商品损耗和技术优化等其他挑战概念落地商品损耗技术优化无人便利店作为新鲜概念，尚未被消费群体广泛接受，且由于“无人”会使用户的消费体验会有一定程度地下降，很难进一步挖掘客户的消费价值，如何让概念回归真正商业价值还需市场检验由于店面在大部分时间内无人管理，在实际运营过程中常会出现商品乱堆乱放的现象，另外对于突发事件（如空调坏掉、设备失灵等）管理处于真空状态，商品损耗问题在现阶段极为突出作为无人便利店运营的基础，相关技术在现阶段还存在缺陷，防盗技术、商品识别技术还存在漏洞，整体上来看，如何优化现有经济性较高的技术和降低高成本可靠技术也是未来发展的关键82017/11/7无人便利店的运营通常会考虑人口流量、人口密度和人口消费属性以及租金、竞品店等通用因素选址运营人口密度人口流量人口消费属性自身客流分享客流派生客流专门为购买行为来店的客流从非竞品临店获取得到的客流顾客顺路进店形成的客流工作时间密度业余时间密度收入属性人口属性用户的人口属性和生活习惯对进店购物行为影响较大租金竞品店周边竞品店会产生分流……92017/11/7以北京为例，潮汐式的人群流动可以为大型商圈和社区的便利店带来稳定的自身客流和分享客流北京市工作时间人口密度分布北京市业余时间人口密度分布数据来源：TalkingData，选取的是终端用户2017年9月设备活动位置数据潮汐式的人口密度分布变化l人口在商圈和社区间大幅度往复流动：在工作时间，北京市人口主要集中在国贸、王府井、金融街、中关村等重要商圈；而在业余时间广渠门、双井、朝青板块的聚集效应明显，人口密度的潮汐化趋势明显，因此这些地区的人口流动也会明显大于其他地方l大幅度流动形成稳定客流：人口密度的大幅度潮汐变化能够在上述地区快速形成消费需求，从而为便利店带来大量稳定并且高频次的“自身客流”和“分享客流”，这些客流往往呈现高频次高复购率的特点人群流动102017/11/7旅游景区周边客流多为消费属性相对分散的派生客流数据来源：TalkingData北京市各地区人群复杂度分布注：该图通过对出现在该地区的人的流动性和来源地分散度高低进行计算，颜色越深表示出现在该地区的人的来源地分散度和流动性越高，同时也说明该地区对不同人群的聚集效应明显l景区和交通枢纽周边客流分散度高：旅游景区（如天安门、颐和园等地标）以及交通枢纽（如北京站、北京西站等）的人群的流动性和分散度最高，经过该区域人群多以游客为主，可以为周边便利店带来大量“派生客流”，多为单次购买，购买人群也相对分散l商圈客流相对单一稳定：各大商圈（除了西单和王府井商区）聚集的人群相对单一，多为上班族，对周边设施的了解程度高，从而形成“自身客流”和“分享客流”景区和交通枢纽人群相对复杂112017/11/7中心城区租金高性价比低，城东性价比高可重点布局注：部分地区因数据缺失导致无热力显示数据来源：TalkingData北京市各地区平均租金分布l中心城区性价比低：中心城区的租金价格高企，但是并没有与之相匹配的人口密度和流量做支撑，不过由于中心城区内景区较多对不同人群的聚集效应强，可以作为连锁的品牌示范店方式运营l中关村商圈性价比适中：由于“大型商圈”和“学区”概念，中关村商圈租金较高，因其人口密度和流量也较大，着力提升坪效是利润的关键l城东各大商圈性价比高：朝阳区东三环双井-呼家楼段、朝青板块租金相对较低，并且有强大的人口流量做支撑，可以重点布局城东平均租金性价比高性价比低性价比中性价比高122017/11/7中心商圈人群高强度快节奏的生活方式可以很好的带动商圈内便利店的繁荣数据来源：TalkingData，选取的是2017年9月用户App活跃数据以及用户活动位置数据中关村商圈出行商务386活跃在中关村商圈的人群在出行、商务和生活服务类型App上的活跃度明显高于整体，娱乐类型App则相反，忙碌的工作、频繁的差旅以及较少的业余时间是活跃在这两大商圈人群生活的主旋律，这些特征正好与便利店的消费属性相契合注：TGI指数反映中关村商圈区域内App活跃人群的强弱程度，高于100为强势，低于100则为弱势194317397313294118199196•差旅多，商务外出多，倾向共享出行•邮件和备忘录增幅比例明显高于电话，商务属性高生活服务261238519•偏好快捷便利型的生活服务娱乐78678471•业余时间有限，娱乐时间短359中关村商圈App活跃人群相对北京市整体TGI指数132017/11/7报告说明•数据来源•TalkingData数据中心数据来自TalkingDataAppAnalytics、TalkingDataGameAnalytics、TalkingDataAdTracking的行业数据采集，以及诸多合作伙伴的数据交换，如应用市场、渠道、运营商等多种不同来源的数据复合而成；•公开资料收集整理；•数据周期•2017年9月；•概念定义•TGI指数：即指TargetGroupIndex（目标群体指数），反映目标群体在特定研究范围内的强势或弱势。142017/11/7关于TalkingData•TalkingData成立于2011年，致力于用数据改变企业做决策的方式，改善人类自身和环境。目前已完成C轮融资，是中国领先的独立第三方数据服务提供商，在全球开设多个分支机构。•融合了互联网“开放精神”和传统IT“严谨服务”的企业文化，为客户提供独树一帜，融创新与严谨为一体，全方位智能数据解决方案。业内独一无二的TalkingData智能数据平台，集海量数据、极致的技术和专业的咨询服务为一体，逐步打造开放的数据生态，为客户带来独特的数据价值。•目前，TalkingData智能数据平台覆盖超过7亿/月活跃独立智能设备，客户既包括像Google、腾讯、滴滴出行等互联网企业，也包括中国