首页 > 业界 > 关键词  > 闪送最新资讯  > 正文

一单收入16元,270万骑手送闪送上市

2024-09-16 09:47 · 稿源: 定焦公众号

声明:本文来自于微信公众号 定焦(dingjiaoone),作者:郑浩钧,授权站长之家转载发布。

成立十年的闪送,终于走到上市的关键时刻。

美东时间9月13日,BingEx Limited(闪送必应有限公司,以下简称闪送)正式递交招股书,计划在纳斯达克挂牌上市。在此前的7月4日,中国证监会官网披露了关于闪送境外发行上市的备案通知书。

闪送成立于2014年,为了避开和国内外快递巨头竞争,选择了为个人和企业客户提供“一对一专送服务”,专门解决“送钥匙”“送文件”等对时效性和安全性要求高的需求,属于这一细分领域的开创者。

在创立之初,闪送发展迅速,也得到了诸多投资机构的青睐,包括经纬创投、天图投资、顺为资本等。这一次,随着招股书的提交,闪送的财务数据也得以公开。

闪送的商业模式较为简单,收入均来源于向客户提供按需专用快递服务的收费,支付给骑手的薪酬和奖励是它收入成本中最大的一部分。由于赚的是“辛苦钱”,闪送的毛利率一直不算高,大约在10%左右。它在2021年、2022年都处于亏损状态,直到2023年才实现1.1亿元的盈利。

闪送曾经是明星创业项目,但十年过去,它所处的即时配送行业如今已经是竞争红海,既有背靠外卖平台的美团配送、蜂鸟即配,还有电商系的达达,以及快递系的顺丰同城,缺少巨头背景和稳定流量入口的闪送要怎样保持订单量的增长和持续的盈利,未来面临挑战。

图片

融了11轮的闪送,终于要上市了

沉寂已久的独角兽闪送,有了新动向。

闪送成立于创投热潮中的2014年,创始人薛鹏属于物流行业老将。根据公开信息,他2005年毕业于华北理工大学的计算科学专业,从英国伦敦大学硕士毕业后,在2008年创立快递物流整合服务平台易邮递。闪送的联合创始人于红建,曾任易邮递项目总监,是和薛鹏共事多年的老搭档。IPO前,薛鹏持有公司22.7%的股权以及74.6%的投票权。

闪送将自己定义为同城即时速递行业的开拓者,首创了“一对一急送”的服务标准和服务时效。特点是从发件人手中取件到送物品到收件人手中,全程都只由一名闪送员负责,并且一名闪送员一次只能够接一单。

起初,闪送主打的场景可以理解为“江湖救急”,比如忘记带钥匙、需要紧急寄送商业文件等等,由于更快、更安全,用户需要支付的费用也比普通快递要高。

随后,除了个人用户的“一对一急送”,闪送逐渐扩展了业务范围。如为本地餐厅、花店、面包店的客户提供加急配送服务;为房地产中介、律所等客户递送法律文件;向消费者配送贵重电子产品等。

创业初期,闪送赶上了创投市场活跃的好时机,融资拿到手软。天眼查显示,成立10年来,闪送共计融资11轮。创业第一年就完成了天使轮、A轮融资,投资方来自经纬中国、鼎晖投资。在2017年,它甚至一年融资4次。到了2018年,资本寒冬到来,闪送融资速度也放缓。它的最后一轮融资停留在2021年3月完成的D++轮融资,融资额为1.25亿美元。

正因为背后站着一众投资机构,闪送的上市日程一直被外界所关注。

早在2020年,闪送高管在接受媒体采访时就表示,公司可能很快就会上市。没想到的是,被同行们抢了先,达达集团以及顺丰同城分别在2020年中旬和2021年12月登陆资本市场,而闪送一直拖到了现在才走到递交招股书这一步。

根据招股书的信息,闪送在2021年、2022年、2023年和2024年上半年的营收分别为30.40亿元、40.03亿元、45.29亿元、22.85亿元。

有媒体报道,闪送在成立2年之际,也就是2016年就实现盈利,并保持年300%的高速增长,这对于物流行业的初创公司来说非常少见。但招股书显示,闪送2021年、2022年都处于亏损状态,净亏损分别为2.91亿元和1.8亿元,直到2023年才扭亏为盈,净利润1.1亿元。2024年上半年保持继续盈利,净利润1.24亿元。

不过,闪送解释称,2023年的盈利主要由于政府补贴增加,使得其他收入从2022年的920万元增加至7432万元,与经营状况有关的营业利润仅有0.11亿元。

图片

截至2024年6月30日,闪送拥有约270万注册骑手,注册用户约8890万;服务范围覆盖中国295个城市,每位活跃骑手的每日订单数量为9.3个,平均送货时长为27分钟。

图片

赚钱难的“苦生意”

招股书显示,闪送的所有收入都来自于向客户提供按需专用快递服务的收费。也就是说,赚的是辛苦钱,全靠一单单累计。

近三年,闪送的订单量呈上升趋势。2021年、2022年、2023年以及2024年上半年,闪送分别完成了1.59亿份、2.13亿份、2.71亿份和1.38亿份订单。

同期,对应的收入分别为30.40亿元、40.03亿元、45.29亿元、22.85亿元。

我们简单算一笔账,用收入除以订单数量可以得出,其同期每单平均收入分别为19.1元、18.8元、16.7元、16.6元。

所以,尽管订单数量在上升,但每单能带来的收入呈下降趋势。这对于闪送来说,不是个好消息。每单平均收入下降的原因可能是用户的支付意愿在降低,或是面对激烈的竞争时,闪送要通过降价来维持订单增速。

在如今的大环境之下,用户未来是否愿意继续支付较高的快递费用,是闪送将要面临的一大挑战。

此外,闪送的经营业绩会受季度性波动影响。例如,农历新年期间客户和骑手的活跃度较低,导致第一季度的订单量通常低于第四季度。

再来看成本方面,2021年、2022年、2023年以及2024年上半年,闪送的收入成本(与收入相关的成本)分别为28.51亿元、37.44亿元、41.34亿元、20.27亿元。

图片

其中,给骑手的薪酬和奖励占了大头。同期,闪送付给骑手的薪酬与奖励分别为27.51亿元、36.14亿元、39.75亿元、19.51亿元,分别占收入的90.5%、90.3%、87.8%、85.4%。

这部分成本难以压缩。

闪送在招股书中称,骑手和闪送之间不是雇佣关系,采用的是众包形式。有从业者介绍,众包骑手的履约成本比雇佣专职骑手低,但他们往往忠诚度也不高,经常会同时接多个平台的单,人员流动性大。为了保证有足够的运力,闪送需要开出有竞争力的薪酬,否则骑手就会转投他处。艾瑞咨询数据显示,闪送骑手每笔订单的收入高于中国按需配送服务市场中其他骑手的平均收入。

收入成本占比高,也导致闪送近几年的毛利率都徘徊在10%左右。2021年、2022年、2023年与2024年上半年,其毛利率分别为6.2%、6.5%、8.7%和11.3%,毛利分别为1.89亿元、2.59亿元、3.95亿元和2.57亿元。

毛利率增长的主要原因是近3年来,闪送的收入增幅高于收入成本的增幅,背后或许是随着订单数据的不断增加,闪送的算法分发效率逐渐提升。

但对比同样是提供即时运输服务、同样依靠大数据和算法提升效率的滴滴,闪送的毛利率仍较低。2024年Q1、2024年Q2,滴滴毛利率分别为17.1%、18.6%。

毛利水平的高低,决定了这项业务的变现空间有多大。总的来说,闪送提供的独立按需专职快递服务不是一门轻松的生意,毛利率不高的同时,每单平均收入也在下降。

图片

上市,挑战刚刚开始

闪送将自己所处的市场定义为“独立按需专线快递市场”,加了“独立”和“专线”两个定语。

“专线”是指闪送会将每个包裹派送到专门的配送员手中,由其负责从头到尾的履行流程,不再合并订单,相较传统同城快递时效性与安全性更高。

“独立”则表示闪送是根据市场需求分配资源的独立服务提供商,而非依赖于关联电子商务平台需求的“专属专线快递服务提供商”。

加上了这两个定语,闪送在“独立按需专线快递市场”这一细分领域的市场份额为33.9%,排名第一

但是,在整个按需配送市场,闪送的市场份额并不出众。

根据艾瑞咨询的数据,2019年至2023年,中国按需配送市场的总市场规模从1641亿元增长至3385亿元,复合年增长率为19.8%,预计到2028年市场规模将以19.1%的复合年增长率增长至8096亿元。

图片

图片

闪送所属的独立按需专线快递市场,预计将从2023年的156亿元增长至2028年的532亿元,复合年增长率为27.8%,超过中国整体按需配送市场的增长。

虽然增长较快,但也可以看到,独立按需专线在整体按需配送市场的占比较低,2023年占比仅有4.6%。

从时效性方面来看,闪送所开展的业务属于物流行业中的即时配送大类。而这一行业,聚集着诸多竞争对手。

按照需求场景,同城即时配送可以简单分为四类,分别是以美团外卖和饿了么为代表的餐饮外卖,以达达为代表的电商新零售(生鲜宅配、商超),以闪送、UU跑腿为代表的跑腿代办,以及顺丰同城等同城物流。

图片

2022年Mob研究院的一份研报显示,即时配送服务中,外卖配送业务为最主要的场景,呈现出美团配送和蜂鸟即配双龙头竞争态势。闪送主打的“一对一”配送,所占的市场规模较小。

中金公司2020年发布的《即时配送:数字经济赋能的蓝海市场》也显示,2019年,即时配送的应用场景中,餐饮外卖订单量占比70%、生鲜宅配占比12%、 商超便利占比10%、鲜花蛋糕占比5%、C2C配送(“一对一”配送)占比3%。

图片

有业内人士介绍,餐饮这类高频刚需能带来稳健的现金流,其他品类需求往往低频,较难形成规模效应。因为用户往往是用来处理紧急情况,需求分散,很难形成稳定的客单量。

相比较而言,顺丰同城和一些连锁餐饮品牌存在合作,达达拥有京东到家的客单量,美团扎根于本地生活,闪送则没有强大的巨头背景和流量入口。

此外,达达集团、顺丰同城虽然先闪送公司一步上市,但股价、业绩表现仍不尽如人意。

2020年6月,达达集团在美敲钟上市,成为“即时零售第一股”,截至目前仍处于亏损状态。2024年9月13日,达达集团美股股价1.07美元,较16美元的发行价跌去93%,市值仅2.83亿美元。

2021年12月,顺丰同城“独立化、公司化运作”仅三年,便顺利赴港IPO,成为港股即时配送第一股。但其也曾连亏数年,直到2023年才实现盈利。不过,其2023年与2024年上半年的净利润率均不到1%。目前,其股价也已从发行价16.42港元跌至11.3港元,跌幅超30%。

同行上市后的表现不佳,不可避免地会给“后来者”闪送的上市之路带来阴霾,而进一步提升盈利能力,或许就是闪送摆脱阴霾最好的方式。

举报

  • 相关推荐
  • 大家在看
  • Text Behind Image:轻松创建文字背景图片设计。

    Text Behind Image 是一个开源的设计工具,允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面,让用户可以自由地在图片上添加文字,创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用,因为它可以快速生成具有吸引力的视觉内容。

  • torchao:PyTorch原生量化和稀疏性训练与推理库

    torchao是PyTorch的一个库,专注于自定义数据类型和优化,支持量化和稀疏化权重、梯度、优化器和激活函数,用于推理和训练。它与torch.compile()和FSDP2兼容,能够为大多数PyTorch模型提供加速。torchao旨在通过量化感知训练(QAT)和后训练量化(PTQ)等技术,提高模型的推理速度和内存效率,同时尽量减小精度损失。

  • LFMs:新一代生成式AI模型

    Liquid Foundation Models (LFMs) 是一系列新型的生成式AI模型,它们在各种规模上都达到了最先进的性能,同时保持了更小的内存占用和更高效的推理效率。LFMs 利用动态系统理论、信号处理和数值线性代数的计算单元,可以处理包括视频、音频、文本、时间序列和信号在内的任何类型的序列数据。这些模型是通用的AI模型,旨在处理大规模的序列多模态数据,实现高级推理,并做出可靠的决策。

  • NVLM-D-72B:前沿的多模态大型语言模型

    NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型,专注于视觉-语言任务,并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。

  • gradio-bot:将Hugging Face Space或Gradio应用转化为Discord机器人

    gradio-bot是一个可以将Hugging Face Space或Gradio应用转化为Discord机器人的工具。它允许开发者通过简单的命令行操作,将现有的机器学习模型或应用快速部署到Discord平台上,实现自动化交互。这不仅提高了应用的可达性,还为开发者提供了一个与用户直接交互的新渠道。

  • AI-Powered Meeting Summarizer:会议语音转文本并自动生成摘要的AI工具

    AI-Powered Meeting Summarizer是一个基于Gradio的网站应用,能够将会议录音转换为文本,并使用whisper.cpp进行音频到文本的转换,以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。

  • VARAG:视觉增强的检索与生成系统

    VARAG是一个支持多种检索技术的系统,优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入,简化了传统的检索流程,并使用先进的视觉语言模型进行编码,提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容,为文档检索提供强大的支持。

  • JoyHallo:数字人模型,支持生成普通话视频

    JoyHallo是一个数字人模型,专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频,创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格,包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入,并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系,提高了信息利用效率,并加快了推理速度14.3%。此外,JoyHallo在生成英语视频方面也表现出色,展现了卓越的跨语言生成能力。

  • PhysGen:基于物理的图像到视频生成技术

    PhysGen是一个创新的图像到视频生成方法,它能够将单张图片和输入条件(例如,对图片中物体施加的力和扭矩)转换成现实、物理上合理且时间上连贯的视频。该技术通过将基于模型的物理模拟与数据驱动的视频生成过程相结合,实现了在图像空间中的动态模拟。PhysGen的主要优点包括生成的视频在物理和外观上都显得逼真,并且可以精确控制,通过定量比较和全面的用户研究,展示了其在现有数据驱动的图像到视频生成工作中的优越性。

  • Whisper large-v3-turbo:高效自动语音识别模型

    Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练,能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本,解码层从32减少到4,以提高速度,但可能会略微降低质量。

  • Realtime API:低延迟的实时语音交互API

    Realtime API 是 OpenAI 推出的一款低延迟语音交互API,它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话,并可处理中断,类似于ChatGPT的高级语音模式。它通过WebSocket连接,支持功能调用,使得语音助手能够响应用户请求,触发动作或引入新上下文。该API的推出,意味着开发者不再需要组合多个模型来构建语音体验,而是可以通过单一API调用实现自然对话体验。

  • Saylo AI:探索无限的AI角色扮演游戏。

    Saylo AI是一个AI角色扮演游戏,让你与AI角色互动,探索多样化的戏剧性故事。它利用人工智能技术,提供沉浸式的互动体验,让玩家在虚拟世界中与AI朋友交流,体验不同的故事情节。Saylo AI的背景信息展示了其创新性和娱乐性,旨在为玩家提供一种全新的娱乐方式。目前产品处于推广阶段,价格未明确标注。

  • twinny:Visual Studio Code的免费且私密的AI扩展

    twinny是一个为Visual Studio Code用户设计的AI扩展,旨在提供个性化的编程辅助,提高开发效率。它通过集成先进的AI技术,帮助开发者在编码过程中快速解决问题,优化代码,并提供智能提示。twinny的背景是响应开发者对于更加智能和自动化编程工具的需求,它通过简化开发流程,减少重复劳动,从而让开发者能够专注于更有创造性的工作。

  • Buildpad:构建人们真正想要的产品

    Buildpad 是一个旨在帮助创始人从概念到成功最小可行产品(MVP)的在线平台。它通过提供智能验证工具、AI引导的开发流程、进度跟踪以及个性化的项目见解,帮助用户构建能够获得市场认可的产品。Buildpad 的主要优点包括简化产品开发流程、提高产品成功率、以及提供个性化的指导和支持。

  • Novela:AI时代的技能学习平台

    Novela是一个专注于AI时代技能学习的在线平台,提供早期访问服务,用户可以免费试用。它旨在帮助用户掌握AI相关的技能,以适应未来职场的需求。

  • interview.co:视频面试软件,简化招聘流程

    interview.co是一个专注于简化招聘流程的视频面试软件。它通过提供在线视频面试、AI问题生成器和面试管理工具,帮助企业高效地筛选和评估候选人。产品背景信息显示,interview.co旨在解决传统面试中的时间消耗、日程安排困难和成本高昂等问题。价格方面,interview.co提供试用版,具体定价信息需进一步探索。

  • Open NotebookLM:将任何PDF转换为播客集!

    Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具,它可以处理PDF内容,生成适合音频播客的自然对话,并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具,通过使用开源的大型语言模型(LLMs)和文本到语音模型来实现。它不仅提高了信息的可访问性,还为内容创作者提供了一种新的媒体形式,使他们能够将书面内容转换为音频格式,扩大其受众范围。

  • Chital:macOS平台的Ollama模型聊天应用

    Chital是一个为macOS平台设计的应用程序,它允许用户与Ollama模型进行聊天。这个应用具有低内存占用和快速启动的特点,支持多聊天线程,能够在不同的模型间切换,并支持Markdown格式。此外,它还能自动为聊天线程生成标题摘要。Chital的开发主要是为了满足开发者个人的使用需求,但也鼓励社区成员通过fork代码库来添加新功能。

  • SafeEar:保护隐私的音频深度检测

    SafeEar是一个创新的音频深度检测框架,它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器,将语义和声学信息从音频样本中分离出来,仅使用声学信息(如韵律和音色)进行深度检测,从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力,使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明,SafeEar在检测各种深度技术方面非常有效,其等错误率(EER)低至2.02%。同时,它还能保护五种语言的语音内容不被机器和人类听觉分析破译,通过我们的用户研究和单词错误率(WER)均高于93.93%来证明。此外,SafeEar还构建了一个用于反深度和反内容恢复评估的基准,为未来在音频隐私保护和深度检测领域的研究提供了基础。

  • 天目智能识别系统:AI生成文本检测,用AI治理AI。

    天目智能识别系统是由人民网传播内容认知全国重点实验室研发的产品,专注于检测AI生成的文本内容。它利用先进的AI技术来识别和治理AI生成的内容,确保信息的真实性和可靠性。产品的主要优点包括高准确率、大文本容量检测、一键生成PDF报告、保护数据隐私等。它适用于新闻传播、学术研究等领域,旨在提升内容质量和维护学术诚信。

今日大家都在搜的词:

热文