01

　　一個生態的擴張到達極限以后，也是另一個生態的開始。

　　對于互聯網來說尤其如此，To C 的流量生意已經做到了極限，包括 5 環外小鎮的大爺大媽們都已經普及了各種 " 極速版 "，學會了如何使用拼多多購物以及抖音、快手刷短視頻，互聯網還可以去哪里擴張?

　　流量擴張的根本是用戶的場景轉移，互聯網的產品場景已經同質化到很難吸引多數用戶再轉移到同一個陣地，更多用戶在對比多個同類產品以后，能長期留在手機里的 App 始終也還是那么幾個。

　　多數新產品都困在了流量極限的內卷之中，同一生態內細化場景不再是吸引用戶的準則，同質化程度嚴重到無法保證用戶長期留存，多數產品因此都走向了極致小而美的流量夾縫中求生存。

　　近兩年外部環境迅速惡化，中大型互聯網企業的金融資產不斷貶值，因此也就斷絕了資本曾經的無序擴張，連蘋果這種改變過世界的企業，都已經吃了多年老本，國內互聯網大廠們就更不敢亂作了，從排隊取號領 " 畢業證 " 到日拱一卒 " 優化 "，大家紛紛都采取了節衣縮食的裁員策略。

　　原本指望元宇宙、Web 3 成為流量解藥，結果這些新生態的發展更迭還是一個很遙遠的夢，Meta VR 付諸了極大心力，社交產品 Horizon 的月活數據至今沒過 20 萬，盡管如此，這些新生態的熱度依舊未減，各大廠商的布局也在繼續，只是不知什么時候才能真正走上舞臺。

　　除此之外，剩下的除了 To B 還是 To B，尤其是在國內 To B。因為國內互聯網 To B 場景遠遠沒有普及，場景細化也遠遠沒有到達極限，To B 模式在國內還有非常大空間，依舊是一塊可以做大的蛋糕，況且 To B 模式離現金流更近，在目前這個冬天，這點也至關重要。

　　02

　　國內 To B 生態沒有發展起來的原因眾說紛紜，說到底很簡單，就是發展周期，國內 To B 市場雖然已經經歷過幾輪狂轟亂炸，但事實上直到目前為止，依然還處于早期發展階段。

　　這是因為從 Web 端到移動端，我們雖然在 To C 應用方面基本跟上了全球發展，但 Web 時期我們基本是以對標為主，曾經的 BAT 為代表都能找到國外對標產品，移動端開始以后，我們跟隨同時，才有了一些創新。

　　大眾互聯網來臨以后，Web 時期誕生了微軟、蘋果操作系統，移動時期誕生了蘋果、安卓操作系統，包括數據庫和中間件這些底層核心基礎設施，其實沒有一個來自中國。

　　這就是國內 To B 和國外的 To B 生態有很大差距的根本原因，尤其在 PC 電腦發展時期，美國從軍工開始到民用普及，在這個過程中，我們落后了很多年，那時最早是美國軍方領頭，帶動了各大實驗室和大企業，形成了硅谷的最早雛形。

　　直到后來 Web 端的蘋果和微軟系統誕生，帶來大眾互聯網熱潮以后，我們才逐漸參與進來，在這個過程中，美國為首的商業 To B 早已形成了客戶習慣，而我們才從頭開始。

　　雖然早期阿里創建就是 To B 基因，但真正讓阿里成為巨頭的卻是淘寶誕生，通常是在 To C 應用增量少了以后，我們才開始真正重視 To B，因為客戶習慣的培養需要較長周期，只要還能講快速增長的故事，多數人便會自動忽視 To B。

　　由于以上因素，國內 To B 目前基本還是以認知能力以及資金實力更強的大客戶為主，但是大客戶的需求通常比較個性化，更多只接受定制類私有化互聯網部署服務，不太能接受海外流行的 SaaS 標準產品服務。

　　中小企業早期一般都采取了能省則省的原則，這兩年隨著科技類創業公司的增加，以及創業者年輕化的趨勢，在使用 SaaS 產品的客戶習慣方面有所好轉，但中小企業依然傾向于采用免費的產品服務，付費意愿并不高，再加上中小企業的業務變動也比較頻繁，很難為某個 SaaS 場景長期保持續費留存。

　　此外很多底層商用的 To B 系統依然還是國際對手占據主流，比如數據庫管理系統，基本是金融銀行、電信、政府這些大企業集團使用，這些企業對商用系統的性能要求較高，多數政企傾向于采購技術沉淀了多年的國外商用管理系統，比如 Qracle、IBM、微軟這些公司旗下的數據庫管理系統，這種情況進一步壓縮了國內的 To B 熱情。

　　直到移動互聯網以后，我們在核心技術領域終于跟上了國外發展，大約在 2010 年前后至今，云計算、大數據、AI 等新興技術領域終于有了更多國產廠商的身影，以阿里云、釘釘為首的 To B 模式開始抬頭，大數據分析、中臺等方面也出現一批優質創業者。

　　移動互聯網以后，無論創業公司還是大廠的技術實力不僅沒落后，很多方面還可以吊打海外同行。比如分布式數據庫方面，由于我國互聯網人群基數巨大，更容易爆發海量數據，比如阿里雙十一并發數據以及支付寶支付數據，因此誕生了幾個類似阿里系的數據庫管理系統，可以出海在和國際同行掰手腕。

　　下個產業階段公認為是智能化生產，這方面的技術布局我們更加沒有落后，很多方面可能還具備先機，比如百度這種很早深耕 AI To B 的公司，在自動駕駛和智能硬件系統等方面已經有很多優勢。

　　無論下一次技術革命離我們還有多遠，至少現在來看我們不會缺席，新興技術的商業化應用基本都從 B 端開始，這種從頭開始培育客戶習慣的過程，肯定也會帶來整個國內 B 端市場的變化，因此 To B 在國內存在巨大機會。

　　03

　　To B 市場的很多場景和 To C 不同，比如不需要擔心對手是誰。

　　巨頭們當然在布局不同的 To B 場景，而且某些賽道還會不遺余力投入資本清場對手，因為相較于 C 端消費，B 端客戶的 LTV(客戶終身價值)更高，客戶形成使用習慣以后的轉移成本也高，流失原因通常是客戶倒閉了，或者相關產品線關閉了。

　　在這個邏輯之下，不容易倒閉的大客戶，自然成為所有 To B 企業針對的 KA(關鍵客戶);不容易收縮的產業，或者正在增長的產業，也自然成為所有 To B 公司需求來源的燈塔。

　　To B 企業如果要做 SaaS 產品，至少需要在一個場景擁有完整解決方案，而 To B 場景的邏輯非常復雜，一個場景內通常要區分多重用戶角色的不同業務流程，而且不同用戶角色的功能權限也完全不同，因此一個外表看起來還很簡潔的 SaaS 產品，其實背后已經開發出來一大堆非常復雜的功能邏輯。

　　也因這點，SaaS 很難像 To C 產品那樣通過 MVP 模式(最小可行性產品)快速迭代，因為 MVP 模式的重要前提是 C 端用戶角色統一，每多一重用戶身份意味著功能開發成本翻了不止一倍，這樣就失去了 MVP 模式的最大優勢。

　　用戶角色身份不同，業務流程不同，產品邏輯也不同，因此 SaaS 相比 To C 產品的工作量也會增加 5-10 倍不止，所以 SaaS 產品的迭代周期通常很慢，通常以年為單位，很難做到 To C 產品那樣每周或每兩周迭代一次，而目前市面上充斥著很大比例 " 周迭代思維 " 的 SaaS 半成品，很明顯本末倒置處理了需求。

　　SaaS 迭代慢也不完全代表遲滯，SaaS 同樣有自身的靈活性，因為企業客戶的需求的是確定性的，SaaS 不需要像 To C 產品那樣，為了貼合大眾，在功能上不斷做 A/B 測試，SaaS 可以很容易找到 PMF(產品契合市場)，To C 產品的 PMF 過程則異常艱難，PMF 決定產品生死，從這點來看，To B 產品更容易存活。

　　飛書、釘釘、騰訊會議等用戶量較大的 SaaS 產品可以看出，巨頭們正在圍繞通用場景競爭，其實更多是為了自家流量價值的最大化，這一點本身就和多數創業者選擇垂直領域做 SaaS 有很大差異，而且大廠們核心產品的流量結構也限制了自身的產品方向，如果針對垂直領域反而會為導流帶來阻礙，因此多數垂直領域的 To B 創業其實不需要擔心對手是誰。

　　數據庫、操作系統、中間件這些底層技術類解決方案，近兩年在國產信創化背景之下開始火熱起來，不過這些核心技術領域除了考驗技術實力以外，還非�？简炏到y性能，如果背后沒有依托大流量產品來迭代性能，很難做到底層能力的擴展和兼容性，因此在這些核心技術領域，擁有大流量產品的大廠也具備先天優勢。

　　大廠們在其他方面的布局則是增值服務方面，圍繞自身流量產品的付費客戶打造附加值，這些產品是流量產品的附屬產品，嚴格來說算不上布局，也不太容易和市面上其他 SaaS 產品產生競爭。

　　比如騰訊為微信打造的企業微信生態，字節跳動為抖音打造的 MCN 和廣告主生態，美團為外賣商家打造的收銀機生態，阿里為零售客戶打造的阿里媽媽、菜鳥生態等。

　　04

　　國內的 To B 市場狀況，可以總結為一半產品，一半服務。

　　不是說市場上有一半公司在做產品，而是說即便做 SaaS 產品的公司，針對 KA 大客戶的定制化服務，至少也會占一半權重，對于多數創業型 To B 公司來說，大多只做一部分產品架構，100% 以服務定制客戶為主。

　　這是國內和國外 To B 市場的最大不同，由于發展周期的原因，國內 To B 處于市場早期階段，需求端的企業客戶在早期有很多流程習慣還沒有標準化，選擇外部的供應端乙方時，服務權重肯定會大于產品權重。

　　相對 KA 大企業來說，大量 SMB 中小企業的需求場景則相對簡單，因此很多 SaaS 產品主要針對的也是 SMB 中小客戶，而且更多還是圍繞科技相關領域的中小客戶，筆者在 2020 年寫過一篇《To B 生態全景解讀》中分析過這個情況，此處不再過多贅述。

　　針對 SMB 中小企業客戶的 SaaS 產品，一般會圍繞企業部門中的 " 人 " 來拿需求，比如項目管理、協同、CRM 等等，這些產品由于主要是圍繞人，因此可以拿到網絡效應，能夠迅速積累出大量的客戶資源和數據，劣勢是客戶付費意愿并不強，公司很難盈利。

　　由于 SaaS 盈利周期較長，這些產品很容易遭遇生存困境，拿到不錯客戶資源數據的 SaaS 產品，由于符合大廠流量產品的用戶結構，因此這些 SaaS 產品多數都會被大廠并購，比如 Teambition、幕布、友盟等，當然大廠本身也在圍繞自己流量產品打造不同的 SaaS 產品，比如飛書、釘釘、騰訊會議等。

　　那些能夠生存，短期內不用被并購的 To B 產品，通常圍繞的不是企業部門的人，而是客戶某個事務性的工作流程，并且在垂直領域經過多年場景打磨，也是以服務大客戶為主，同時拿到了不小比例的中小客戶資源數據，比如財務方面的金蝶、用友等等。

　　另外就是移動互聯網以后的 To B 團隊，通常選擇不發布 SaaS 產品，或者發布產品也不作為主要盈利模式，這些團隊通常是某個技術領域的專家，自己研發出一套半產品化的技術架構或者管理系統，能夠針對不同的大客戶做私有化定制服務。

　　PLG 產品驅動和 SLG 銷售驅動兩種模式在 To B 生態中反復被討論辯證，國外 PLG 模式很成功，國內還是以 SLG 模式為主，也許隨著新興技術的不斷迭代，國內客戶習慣得到培養，這個情況也許在未來會得到最大程度的改善。

　　05

　　抹平了技術核心能力的差距，To B 企業其實無論本地化或者全球化都沒了限制。

　　早期階段，核心技術能力以及成熟度方面，我們和海外公司有很大距離，但隨著移動互聯網到今天 AI 大數據生產等，國內團隊在很多核心技術能力方面并不弱于海外同行，而且很多方面可能還更具優勢。

　　再加上國內現在有不少 To B 科技公司本身也采取了全球化的團隊結構，在國內擁有大量國內員工，也在全球各地組建分公司或者工作室引入全球員工，根據不同市場生態選擇不同策略，也招募不同人才團隊。

　　在這個前提下，To B 其實相比較 To C 更容易全球化，因為海外市場用戶的習慣比較成熟，To C 競爭會遭遇海外巨頭封堵，To B 垂直領域競爭同樣無需關注對手是誰，而且海外還可以采用 PLG 模式拓展市場。

　　宏觀方面，國內包括全球在內，數字化轉型如火如荼，無論工業制造、政府招標、消費零售、電力能源等領域都在研究數字化轉型路徑，而數字化轉型的核心就是 To B 企業最為擅長的數據處理。

　　數據處理在 Web 時期多數只是事務性流程處理，移動互聯網以后開始走向數據分析路徑，走到今天，數據處理已經走向生產路徑，比如前陣子爆火的 "AI 作畫 "，完全由 AI 畫出來的《太空歌劇院》效果對所有人都產生了劇烈沖擊。

　　數據生產開始替代我們曾經認為不可能被替代的一些職能，這個進程比我們的想象還快，數據生產同樣也帶來了 To B 機會，而且當前大家起點都一樣，所有企業客戶的數字化轉型需求也明確，數字化轉型周期很可能也是國內 To B 市場的成長普及周期。

　　即便當下這個流量極度內卷的冬天，面對紛至沓來的新興科技，對于所有互聯網企業來說，To B 依然也是為數不多可以增長的選擇。

　　比如元宇宙方面，C 端雖說還沒有哪個產品月活能達到 20 萬，但數字孿生和遠程交互在 B 端已經有很多交付場景，比如文旅虛擬展館，建筑和制造業的三維原型，醫療和汽車的傳感交互等等。

　　從三維建模到定位算法，元宇宙 To C 應用還不成功，主要因為這些 To B 底層技術的接口和開源市場還沒成熟，全球在這些方面都沒有統一標準，而從硬件組裝到開發者生態，相比全球顯然國內優勢更大，因此存在很大的可能性，元宇宙標準的制定者就會來自國內。

　　Web 3 國外基本也停留在發幣和炒概念幣階段，國內更早認知到區塊鏈炒幣的三元悖論，立法禁止炒幣以后，反而從本質上對區塊鏈技術進行了更多思考及應用，也誕生了很多 B 端商用場景的摸索。

　　下一次科技產業迭代，To C 應用看起來雖然還遠在天涯，To B 商業交付卻已經近在咫尺，在新興產業迭代舊產業之際，一切需求都不會區分公司大小、背景如何，只要具備真正落地的解決方案，就有平等獲取所有 KA 大客戶和政府競標的機會。

　　綜合以上，國內的 To B 市場，現在可入，未來可期。

　　來源：鈦媒體