饿了么新财年开门见喜:亏损减负,收入增肌

news2024/11/12 4:23:36

撰稿 | 行星

来源 | 贝多财经

8月15日,阿里巴巴对外发布2025财年一季度(即自然年2024年二季度)业绩。不难看出,受益于饿了么和高德订单的显著增长,以及市场营销服务收入的明显拉升,该季度本地生活集团成绩喜人,亏损同比大幅收窄。


其中,主营本地到家业务的饿了么实现了单位经济效益的进一步提振,经营生态优化路径疾蹄步稳。值得注意的是,这是饿了么新领导班子上任后向市场交出的首份答卷,为其“新三年”战略的启程打下了坚实的质效底座。

过去几年以来,饿了么坚持长期主义的革新发展路径,不断向外界传递着经营效率向好、服务优化创新的积极信号。如今的饿了么已步入良性发展轨道,可谓来到上升期新纪元。

无论是从业绩基本面的层面衡量,还是从长期增量盘的方向评估,饿了么手握长期战略“底牌”,在全新经营周期显露发展底气。

一、业绩向好中的发展定性
2025财年一季度,阿里本地生活集团的营收规模突破150亿元大关,来到162.29亿元,同比增长12%;经调整EBITA(经营损益)亏损由上一财年的19.82亿收窄至3.86亿元,收窄幅度高达81%,各项业绩指标优化趋势显著。

事实上,“提效”是阿里本地业务板块近年来一以贯之的经营主旋律。围绕建设本地生活服务入口这一原则,深耕“到家”市场的饿了么与主攻“到目的地”市场的高德地图齐头并进,共同挖掘本地需求市场的多元叙事空间。

业绩是革新成效最直观的映照,在过去的2024财年,阿里本地生活集团实现营收598.02亿元,较上一财年502.49亿元的收入增长19%;经调整EBITA亦由上一个财年的131.48亿元,缩减至98.12亿元,同比减亏25%。


继续追溯可知,本地生活集团在2022财年、2023财年实现23%和12%的总收入增长,以及季度平均收入跃升的同时,经调整EBITA亏损亦出现双位数收窄,由2022财年的超50亿元,降至2023财年的不足35亿元。

可以说,仅用了三年时间,阿里本地生活板块便完成了收入增长约50%、亏损调整幅度过半的成就。“到家+到目的地”的战略框架下,以饿了么为代表的本地生活平台改进、加强、提升业务针对性优化的成果显著。

可圈可点的是,本地生活业务的经营数据优化,并非一味地依靠压缩成本换取利润空间,而是通过加码技术支撑、提升服务效率、积累用户数量,带动单位经济效益的持续改善,从而走通提效降本的长期发展路径。

过去的三年间,饿了么的平均订单派送成本呈下降趋势,平均订单金额则持续上扬,且交易用户规模不断扩大,购买频次显著提升。2023财年至今,饿了么单笔订单的单位经济效益持续录得正数,从根本上弥补了亏损漏洞。

种种迹象都表明着,在积淀多年后,饿了么笃定的战略布局盘活了整片阿里本地生活的经营“水域”,即将迎来经营红利的释放期,向着盈亏平衡目标迈进一大步。

二、季节营销后的经营韧性
根据艾瑞咨询发布的数据,2020年中国本地生活服务市场规模为19.5万亿元,预计到2025年,这一数字将增长至35.3万亿元。QuestMobile数据亦显示,2023年4月,本地生活综合服务业整体网络渗透率为38.4%,仍有很大的提升空间。

在线上流量进入存量时代的今天,以多元化、个性化需求为锚点的线下本地生活市场依旧潜力巨大,越来越多的互联网巨头涌入其中,意图分得一块蛋糕。身在行业趋势中的饿了么虽可谓“顺水行舟”,然也行而不辍地对重点领域开展靶向支持。

众所周知,即时零售行业具备一定的季节性特征,且夏季是生意高峰期,一旦成功吸引了消费者眼球,便能够抓住一整个夏天。而“营销好手”饿了么,则正有效利用这个“易燃易爆炸”的季节,带动品牌价值的升维。

今年夏天,饿了么延续了此前欧洲杯“猜答案免单”活动的热度,于巴黎奥运会期间推出“开心运动会”系列活动,并陆续开展“夺金免单”和“挺你免单”。在基于兴趣与价值认同感的公域流量池内,形成了与商家和用户的双向互动。

据饿了么官方透露,2024年平台上有近200万餐饮、零售商家报名参与“开心运动会”免单活动;截至奥运会闭幕,平台推出奥运相关的免单场次超过70场,“开心运动会”各项互动人数超过2.5亿人次,社群口碑裂变效果不言而喻。


另据饿了么联合尼尔森IQ共同发布的《2024夏季即时零售冰品酒饮消费洞察报告》,该平台今年以“冰+X”为核心扩宽夏日消费场景,大暑前后冰杯外卖量同比增长350%,“杯+酒水饮料”冰的外卖订单量也实现了大幅增长。


与此同时,饿了么开启蓝骑士关怀保障“夏季行动”,为骑手发放夏季物资。相关负责人介绍,饿了么今夏面向骑手的物资包括骑行水杯、防晒面罩、冰袖、防水手机袋等,各类关怀福利预计将覆盖200万人次,补贴金额创下历史新高。

在这场承接即时电商旺季用户真实需求的“夏季战役”中,饿了么坚持用户导向和价值创造,加大对用户、商家、骑手的投入。也正因如此,预计饿了么下一季度可能还不会立马跃上盈利之岸,而是继续厚植沃土,探寻稳定上升通道。

三、新旧交替下的组织活性
值得外界关注的是,这份业绩质量向好的成绩单,是饿了么新任管理层的“开局之作”。今年3月末,本地生活集团董事长兼饿了么CEO俞永福卸任,吴泽明、韩鎏分别“接棒”饿了么董事长、CEO职位。

作为阿里内部赫赫有名的“整合大师”“关键先生”,俞永福在阿里“1+6+N”的组织变革下执掌本地生活模块,并花费了两年多的时间帮助饿了么优化经营战略和经营结构,夯实长期发展的基本盘,在前三年里,饿了么经营结果的改善有目共睹。

在行业看来,经过新管理团队的接力,饿了么未来注定将走过一个新周期,距离独立上市也越来越近。饿了么新任CEO韩鎏亦强调,在未来三年新周期中,其将不断突破创新,持续为所有的品牌商家伙伴、生态伙伴创造更大价值。

战略落实层面,饿了么将继续瞄准“双轮驱动、四横四纵”的战略方向,以及“全国经营中心+地区经营中心+经营指挥体系”的经营模式,坚守用户商户骑手的价值驱动本位,持续深化技术驱动的时空商流、物流超算能力建设。

一个近期直观的案例便是,饿了么在7月举办的“聚力共赢,数智未来”餐饮品牌经营者年度峰会上,对外正式发布TRUST外卖经营体系。结合四大场景象限和五大要素,TRUDT模型能够帮助品牌实现首单人群在短时间增长17%,生意增长21%。

与此同时,饿了么近日也宣布启动“澎湃计划”,通过TRUST经营体系、“线下智能选址”和“to B企端场景探索”两大创新业务,以及新店补贴等多项资源,提振合作餐饮商家的数智化能力,提高消费者服务和管理效率。

可以说,本地生活面临的是“不激烈但很残酷”的持久战,要做好长期战斗的准备。如何挖掘消费潜力,培育消费动能,形成面向市场价值延展的即时物流网络,都考验着新任管理层的战略定力。

如今,两位“80后”年轻高管带领饿了么取得了第一个“开门红”,也标志着这场组织管理的交接棒如期平稳,饿了么预计也将在新阶段加速前行。

四、结语
目前饿了么和本地生活集团给出的业绩答卷,预计仅仅只是“新三年”故事的序章。未来三年,如何继续深化内功、拓展外延,从而在“顺水行舟”中能奋楫争先,就留待时间给出答案。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2048223.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

10.DMA

理论 12个通道:DMA1(7)DMA2(5) 方向:存储器和存储器间(DMA_MEMORY_TO_MEMORY)、外设到存储器(DMA_PERIPH_TO_MEMORY)、存储器到外设(DMA_MEMORY_TO_PERIPH) 闪存、 SRAM、外设的SRAM、 APB1、 APB2和AHB外…

Simple RPC - 05 从零开始设计一个客户端(下)_ 依赖倒置和SPI

文章目录 Pre概述依赖倒置原则与解耦设计与实现1. 定义接口来隔离调用方与实现类2. 实现类DynamicStubFactory3. 调用方与实现类的解耦 依赖注入与SPI的解耦依赖注入SPI(Service Provider Interface) 总结 Pre Simple RPC - 01 框架原理及总体架构初探 …

一个模型,多种作物:迁移学习如何提升设施农业AI模型效能

( 于景鑫 国家农业信息化工程技术研究中心)设施农业是现代农业的"压舱石",但传统的经验式管理模式已难以为继。在数字经济时代,设施农业亟需向数字化、网络化、智能化转型升级。以人工智能为代表的信息技术,正在为设施农业插上腾飞的翅膀。作为…

Kafka主题(Topic/文件夹)的操作

Kafka主题(Topic/文件夹)的操作 1、Kafka主题(Topic/文件夹)2、Kafka主题(Topic/文件夹)的一些操作2.1、创建主题(Topic/文件夹)2.2、列出所有主题(Topic/文件夹&#xf…

8路VBO转HDMI2.0支持4K60频率ITE6265芯片方案心得分享

在此之前,有人找到我这边询问能不能将智能电视主板改成机顶盒,将VBO信号转换输出位HDMI进行投屏,具体应用奇奇怪怪!但是奈何是甲方大佬。认命照做。从网上也有搜索了解过这类芯片,发现资料很少,所以有了这篇…

基于免疫算法的最优物流仓储点选址方案MATLAB仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 5.完整程序 1.程序功能描述 基于免疫算法的最优物流仓储点选址方案MATLAB仿真。 2.测试软件版本以及运行结果展示 MATLAB2022A版本运行 (完整程序运行后无水印) 3…

STM32标准库学习笔记-1.基础知识

STM32介绍: STM32是ST公司基于ARM Cortex-M内核开发的32位微控制器。 ARM的含义: 公司名称:ARM公司成立于1990年,全称是Advanced RISC Machines(RISC:Reduced Instruction Set Computer 精简指令集计算机 相对应有C…

C++票据查验、票据ocr、文字识别

现在,80、90后的人们逐渐过渡为职场上的主力人员,在工作中当然也会碰到各种各样的问题。比如,当你的老板给你一个艰难的任务时,肯定是不能直接拒绝的。那么我们该怎么做呢?翔云建议您先认真考虑老板说的任务的难度&…

C语言日常练习 Day17

目录 一、找出一个二维数组的鞍点 二、有一篇文章,共有3行文字,每行有80个字符。要求分别统计出其中的英文大写字母、小写字母、数字、空格以及其他字符的个数 三、有一行电文,已按下面规律编译成密码:A->Z,a->z,B->Y,…

mp3格式转换器推荐哪个?音质无损转换新选择

暑假在家,想要自己学着制作独一无二的彩铃吗?首先得解决音乐格式的难题。 面对众多mp3格式转换app,你是否也在犹豫“mp3格式转换app常用哪个?” 别担心,热门mp3格式转换工具大盘点来袭,帮你轻松搞定格式转…

《深入浅出WPF》读书笔记.5控件与布局(上)

《深入浅出WPF》读书笔记.5控件与布局(上) 背景 深入浅出WPF书籍学习笔记附代码。WPF中数据是核心是主动的,UI是数据的表达是被动的。 程序的本质是数据算法;控件的本质是数据行为; 5.控件与布局 一、6类控件派生关系 1.布局控件:可以容纳多个控件…

为什么神经网络常常是linear+relu的堆叠

特征提取:每一层的线性变换可以看作是在提取输入数据的不同特征。通过堆叠多个这样的层,网络能够学习从原始数据中提取越来越复杂的特征表示非线性关系:单个神经元的线性变换是线性的,但通过引入非线性激活函数(例如Re…

重生奇迹MU 百变职业 打造属于你的专属职业

重生奇迹MU让每个玩家都能够在这里打破常规、展示个性,以自己的方式创造专属的游戏体验。其中的加点玩法是最为重要的部分之一,它不仅在角色成长过程中发挥着重要作用,还能够激发玩家的想象力,让他们自由设计全新的玩法。同样一个…

美股收涨,半导体板块领涨;苹果iPhone出货预测上调

市场概况 在昨夜的交易中,美股三大股指全线收涨。道琼斯工业平均指数上涨1.39%,纳斯达克综合指数上涨2.34%,标准普尔500指数上涨1.61%。值得注意的是,英伟达股票涨幅近4%,推动了科技股的整体表现。美国十年期国债收益…

【W1】记录文档

标题 导出数据结构关系结构YOLOVOCLabelMeCOCOJSON可视化 导出数据结构 关系结构 任务 -> 批次 -> 条目 -> 帧YOLO 一张图片对应一个文本文件 .txt<object-class> <x> <y> <width> <height>归一化处理找到物体在图像中的中心点的 x&a…

018、钩子函数 mounted和beforeDestroy、父组件向子组件传递参数 props 的使用

文章目录 1、mounted 和 beforeDestroy1.1、mounted1.2、beforeDestroy 2、父组件向子组件传递参数 props2.1、子组件定义2.2、父组件调用子组件并传参 3、完整例子3.1、父组件 Tags.vue3.2、子组件 TagsMenu.vue3.3、效果图 1、mounted 和 beforeDestroy 1.1、mounted mount…

人类是怎样提取特征并学习和表达复杂的模式的?

人类提取特征、学习和表达复杂模式的过程涉及多方面的认知和神经机制。一些关键步骤和机制涉及&#xff1a; 感知是人类获取外部信息的过程。通过感官&#xff08;视觉、听觉、触觉等&#xff09;&#xff0c;人类可以接触到各种数据。注意力机制帮助我们从大量信息中筛选出重要…

Trying to Insert an input function using Python in OpenAI

题意&#xff1a;尝试在 OpenAI 中使用 Python 插入一个输入函数 问题背景&#xff1a; import os import openai openai.api_key API_Key Question "\\n\\nQ: input("Enter Question")?\\nA:", response openai.Completion.create( model"text-…

C++ 容器 deque(双端队列)

我们在学习之前的数据结构链表和顺序表的时候&#xff0c;发现顺序表插入删除慢&#xff0c;但是下标查找等速度快&#xff0c;链表下面查找等速度慢&#xff0c;但是插入删除快。它们互补。 那么我们是否可以将两个数据结构结合起来&#xff0c;产生一个完美的数据结构呢&…

LangChain与Elasticsearch向量数据库的完美结合

在过去的一年中&#xff0c;生成式 AI (Generative AI) 领域取得了显著的进展。许多新的服务和工具应运而生。其中&#xff0c;LangChain 已成为构建大语言模型 (LLM) 应用程序&#xff08;例如检索增强生成 (RAG) 系统&#xff09;最受欢迎的框架之一。该框架极大地简化了原型…