直播行業真的很賺錢嗎？

上圖薇婭直播合作的報價單，即底價+提成的形式。

據說，薇婭一年銷售流水大概接近30億，其提成收入+底薪大概10億，估算其毛利50%，運營費用（營銷推廣、辦公室租金、員工工資等）占另外50%， 運營費用中的50%拿來支付員工工資（含薇婭個人工資，屬于高位占比，樂觀估算，大多數情況下不會有這個占比），其工資支出約為2.5億。其大約100個員工，每人工作時間1天12個小時以上，折算成“收入/人/小時”，平均大約為570元/小時/人。

即使薇婭的時薪是這個平均時薪的10倍，即5700元/小時；即使是20倍，即10000元/小時，這個時薪確實遠高于一般工薪階層；但是，與大型企業的高管及按時薪收費的律師、咨詢顧問等職業相比，這個時薪并不算高——更何況，在計算流水時，我們尚沒有計算退貨率。

退貨率在直播業也是非常嚴重的。如果扣除退貨率，這個時薪可能還要至少打個七八折。

這個對比只是說明，當下的直播賺的還是靠不間斷的甚至透支健康方式的工作時間所賺的錢——它遠未到以高效獲得收益的階段。

這種靠個體以透支健康方式的工作方式的可持續性并不強。而這還是薇婭這樣的頭部主播的情況，其他主播的實際生存狀況就可想而知了。

因此，直播需要找到一個有可持續性的，能讓好不容易培養出來的主播有一個健康的工作方式，而不是靠拼直播時間長短的工作方式（假設主播能力在同一水平）來作為商業模式。

2. 電商利潤連年減少，如何應對？

近幾年，做電商的成本直線上升，已經基本和實體店持平了。

電商的一個很大的成本是退貨 。電商的退貨率普遍比較高，女裝至少50%，最高能達到80%，雙十一的時候尤其會高。

對于一般的直播，退貨率通常在50%~60% 。不同的商品消費習慣不一樣，比如男裝，退貨率明顯比女裝低很多。

高退貨率導致了后期運營成本的提高，整個售后、物流、倉儲、撿貨、驗貨系統的成本都會上升。而且退貨率高，最終變成庫存積壓，對企業有非常大的影響。

電商退貨率高是常態。對于女裝，消費者的退貨理由通常是由于衣服有色差、尺碼不合適、不喜歡、穿上沒有想象中好看等等，真正的品質退款不到1%。

退款的主要原因是顧客的期望值太高，但期望值太高有時也是因為銷售過度夸張，或者照片拍得不符合實際，消費者被模特誤導。

所以現在越來越多的商家用的模特或主播會接地氣一點，不會選長相太出眾的。

退貨率高與銷售方式也有關系 ，大部分商家在各種銷售節點如雙十一，或不同銷售渠道如直播中等都鼓勵沖動型消費、過度消費。有時，退貨率高的原因竟然是是為了湊折扣，比如必須達到滿減金額才能使用折扣，使用了折扣后再退貨。這都導致了退貨率上升。

退貨率高有什么解決方案呢？

一個比較好的方法是精準庫存，同時適當延長發貨時間，分批次銷售。當然發貨時間不能太長，否則會讓粉絲熱情度下降。

電商成本上升的另一個原因是付費流量和供應鏈的磨合。

一般來說，電商一個訪客的成本大概在一塊多，真實轉化率只有千分之一點五到千分之三，流量投入巨大。前期培養主播，也是需要大量投入資金買流量。

近兩年短視頻帶貨火，很多商家流水可以做的很高，但是賺錢的不多，能做到保本就算成功了。

在前期，如何選品、商品的售罄率等等都很難控制，試錯成本很高。電商都有一個供應鏈磨合的階段，前期供應端的損耗非常大。

當然，這方面的損耗在運營以及供應鏈管理趨于成熟后，是可以減少或避免的。同時，電商的利潤也越來越低。

其中一個原因是電商的價格提不上去。人們普遍認為電商成本低，習慣在網上淘便宜貨，如果價格高了就不會接受。

現在服裝直播的售價普遍比較低，利潤也很少。品牌目前主要利用直播來種草、減少庫存，導致直播很難獲取高收入。有的直播，通過常規拿市場貨是賺不到錢的，只能通過銷售極低價的庫存貨獲取利潤。

所以現在來看，電商直播的風險有點難預測，直播更新迭代太快了。這就要求廠家適應新的銷售模式，不斷革新。

除了淘寶，現在各種新興的電商平臺也多起來了，比如蘑菇街、衣聯網等。公司需要更新過時的銷售邏輯，針對每一個平臺單獨指定選品邏輯和銷售計劃。

很多品牌都希望通過各種新的平臺，增加新的銷售渠道，但現實大多數時候都事與愿違。這正是由于品牌不夠強勢、沒有“因地制宜”的結果。

3. 新興科技的崛起

這一部分我們討論三個例子：

雙十一物流 、刷臉支付 和AI對于消費數據的應用 ，讓我們體會一下電商新科技。

近幾年大家也許發現了，雙十一物流 的速度越來越快。這是怎么做到的？隨著每年雙十一物流單量翻倍式的增長，僅僅是預先準備并不足以解決全部的問題。這就需要另一種解法：把商品提前下沉。 依托菜鳥遍布全國的前置倉體系，提前把貨備在離消費者最近的倉庫里，只要消費者一下單，馬上從最近的倉庫發貨。這就是菜鳥的智能分倉技術。

舉個例子：

對于三只松鼠物流來說，大禮包組裝業務是個業務量很大的項目，雙十一通過人工上料、2D/3D相機識別定位、機械手自動抓取投料、AGV運輸成本至打包臺的柔性人機協同作業解決方案，實現禮包需求計劃波動的削峰填谷，也優化了容錯率低的投料環節，無疑極大提高禮包組裝的效率與準確率。

今年，刷臉支付 也有成熟產品出現。綜合了技術、競爭、商業等因素，加之刷臉支付的無感體驗帶來的便捷性都是未來支付在探索的方向。 5G時代來臨，萬物互聯，也促進了刷臉支付的興起。刷臉支付完全丟掉了手機，讓一些盲人、老年人以及沒有手機的兒童都有可能被納入到這場支付端體驗的變革中來。

有了AI的幫助，我們能夠做到對海量數據的分析，從而更好地進行商業決策。 “機器能思考”的實現條件是有足夠多的數據可供學習，數據樣本越豐富、細節越準確、人工智能就會越聰明。作為一個導購平臺，“什么值得買”積累了海量消費數據，包括多產品在多平臺的價格數據、價格走勢、價格定位等等，還有用戶對產品價格的認可度等數據記錄，能夠密切關注全網熱銷產品的價格波動。這對企業來說，能夠更好地了解消費者，也避免了將資源浪費在“羊毛黨”上。