电梯广告江湖的终局:分众 “吃掉” 新潮,是救赎还是迷途?

news2025/4/13 12:12:19

 

文 / 大力财经

作者 / 魏力

导言:商业世界的底层运行法则,从来都是能量流动的自然映射。宇宙第一性原理和运行法则是,能量大的吸引能量小的。电梯里的战争与和平,从对抗到合并,成为中国商业竞争史中关于博弈与进化的经典注脚。

2025 年 4 月 9 日,分众传媒宣布以 83 亿元全资收购新潮传媒,这场持续 12 年的电梯广告 “双雄争霸” 终于落下帷幕。当江南春的分众传媒与张继学的新潮传媒在电梯间握手言和时,整个行业为之震动 —— 这场交易不仅改写了中国户外广告的竞争版图,更折资本、技术与市场的复杂博弈。

2025年4月9日黄昏,上海浦东的分众传媒总部亮如白昼。当江南春在收购协议上签下名字时,北京海淀区的新潮传媒办公室里,张继学正望着窗外小区电梯间闪烁的屏幕——那里曾是他与分众贴身肉搏的战场。

83亿元的价码,让这场始于2013年的“电梯战争”终于画上句点:曾经在写字楼里贴满“分众传媒,中国第一”海报的新潮,最终以被收购的方式,成为分众商业版图的一部分。

“我们不是打败了新潮,而是时代选择了效率。”江南春在当晚的内部信中写道。但翻开历史,这场并购远非简单的胜负题:新潮传媒曾带着“颠覆者”的锋芒,用“五折抢客户”的激进策略掀起价格风暴,让分众的毛利率在2019年一度腰斩;分众则以“点位保卫战”还击,在全国200个城市同步新增10万终端。如今,当两大巨头放下刺刀握手言和,电梯广告行业的江湖版图,正随着这场“世纪联姻”发生着地震般的重构。

张继学在微信朋友圈发文回应三大问题:

为何卖:新潮如今处于创业 10 年来最佳时期,战胜疫情且主营业务盈利、现金储备足。但鉴于 AI 与数字化趋势,与分众合作更能实现打造 “线下数字化媒体平台” 的梦想,双方点位与客户互补,协作价值远超竞争。 是否贱卖:若纯现金交易,新潮被低估,但此次采用发行股份方式,分众当前市值约 1000 亿元且潜力巨大,若江南春 “500 城、500 万终端、5 亿新中产” 愿景达成,股东回报可期。 未来去向:张继学将出任分众首席增长官,致力于运用 AI 和算法构建先进数字化广告平台,还计划借 “一带一路” 输出技术,推动中国品牌走向全球。 01 价格战废墟上的“幸存者联盟”

2018年的成都春糖会上,新潮传媒的展位前挤满了拿着“五折优惠券”的广告主。张继学站在巨大的“打一场千亿级的仗”背景板前放话:“分众有的,我们半价给;分众没有的,我们免费送。”这句宣言像一颗炸弹,瞬间引爆行业:分众的亿元级客户——某白酒品牌当场签下1.2亿元订单,条件是新潮必须在其全国300个经销商所在城市同步上刊。

这场被业内称为“核爆级”的价格战,让分众的净利润从2018年的60.05亿元暴跌至2019年的18.75亿元,电梯电视业务毛利率缩水近40%。新潮传媒则更惨烈:2022年财报显示,其累计未分配利润为-15.3亿元,相当于每个智能屏平均亏损2000元。一位参与过双方谈判的投行人士透露:“2024年初,新潮的现金流只够维持3个月,连电梯屏的电费都开始拖欠。”

代价背后,是电梯媒体的天然困境:当互联网广告能用算法精准锁定“25-35岁女性白领”时,梯媒却只能用“商务楼”“小区”这样的粗放标签划分人群。某美妆品牌市场总监曾在行业论坛吐槽:“我们在分众投了3000万,知道100万人看到了广告,但其中有多少是目标用户?转化率又有多少?没人能说清楚。”

并购公告里一组数据耐人寻味:分众传媒300万终端中,70%分布在甲级写字楼和商业综合体,覆盖2.3亿商务人群;新潮传媒74万智能屏,85%位于中高档住宅小区,触达1.8亿家庭用户。两者的点位重合率,竟不到8%。

“就像分众守着城市的‘主动脉’,新潮守住了‘毛细血管’。”一位长期跟踪行业的分析师比喻道。合并后的分众,将形成“早晨在写字楼看汽车广告,傍晚在小区看家居促销”的闭环触达。最典型的案例是某新能源汽车品牌:过去在分众投放写字楼广告,吸引白领关注;现在同步在新潮的社区屏投放充电桩位置信息,用户从“心动”到“行动”的转化周期缩短了30%。

技术层面的化学反应更值得期待。分众的“AI云投放”系统能根据实时人流调整广告频次——比如写字楼电梯在早晚高峰时段加密投放;新潮的“蜜蜂智投”平台积累了5000万家庭的消费画像,能精准识别“有装修需求”“家有学龄儿童”等细分人群。

张继学在并购后的首次公开演讲中透露:“未来电梯屏能做到‘上午给上班族推咖啡券,下午给宝妈推奶粉折扣,晚上给老人推健康讲座’,每个家庭每天收到的广告,都是为他们量身定制的。”

02 资本棋盘上的“权力重构”

打开新潮传媒的财务报表,新潮传媒2023年资产负债率高达78%,流动负债超过50亿元,仅银行贷款的年利息就超过2亿元。

“如果拿现金,83亿元对新潮来说是‘骨折价’,但换成占比分众1.2%的股权,故事就不一样了。”一位接近交易的人士透露。分众传媒2023年的ROE(净资产收益率)高达28.42%,远超传媒行业平均12%的水平,且手握67亿元现金储备。京东、百度等股东们选择“债转股”,本质是押注分众能通过整合新潮,在3年内将社区广告收入提升至50亿元——这相当于再造一个中型梯媒公司。

交易完成后,张继学的办公室从新潮传媒的创业园区搬到了分众传媒的写字楼。这位曾在电梯间贴满“分众”标语的创业者,如今出任分众副总裁兼首席增长官。江南春在内部会议上说得直白:“我们买的不是新潮的屏,是张继学团队扎根社区7年的经验。”

但融合并非易事。分众的管理体系像一台精密的“德国战车”:所有广告点位的定价、上刊、监测,都通过总部的数字化系统统一调度;新潮则更像“游击队”,地方团队能根据小区业主的反馈,灵活调整广告内容——比如某小区业主投诉“教育广告太多”,当地团队会连夜替换成超市促销信息。这种“中央集权”与“地方自治”的碰撞,在并购后的第一个月就显现:分众的财务系统要求新潮的74万屏全部使用统一的运维软件,而新潮的技术团队发现,这套软件无法适配社区电梯的复杂供电环境。

当分众与新潮合并的消息传来,位于南京的中小梯媒公司“梯影传媒”创始人王磊正在会议室开会。投影仪上显示着最新数据:分众新潮合并后,在全国电梯电视媒体的市占率升至24%,而梯影传媒的市场份额已从3%缩水至1.8%。“以前我们还能靠‘写字楼投影广告’差异化竞争,现在分众把新潮的社区屏一整合,客户会觉得‘反正分众能覆盖所有场景,何必找小公司’。”王磊苦笑道。

更残酷的是价格体系的重构。某区域连锁超市老板透露:过去分众和新潮为抢他的订单,会给出“买写字楼送社区”的套餐,全年广告费约120万元;现在分众直接报价180万元,理由是“社区屏资源稀缺”。“我们算过账,如果拒绝分众,就只能选覆盖不到30%小区的小公司,销量至少下降20%。”这位老板最终签了合同,却在备注栏写下:“要求分众每季度提供各小区的实际观看人数数据。”

03 垄断阴影下的“转型大考”

2015年,分众传媒从美股私有化回归A股时,曾因“占据全国80%的电梯广告点位”被市场监管总局约谈,最终通过剥离15个城市的2万余块屏幕才获批。如今历史重演:此次收购后,分众在电梯电视媒体的市占率达到24%,在社区电梯屏的市占率超过60%,触发了《反垄断法》中“市场支配地位”的预警线。

行业担忧的是,垄断可能抑制创新:曾经新潮传媒推出的“电梯屏直播带货”“广告红包雨”等新玩法,会不会因分众更倾向服务KA大客户而被束之高阁?

整合“消化不良”风险:从“规模扩张”到“效率革命”。翻开新潮传媒的资产清单,64万块社区屏分布在全国120个二三线城市,其中30%位于物业费低于1.5元/平米的老旧小区。这些点位的租金虽低(平均每月150元/屏),但运维成本极高——某中部城市的分众员工透露,新潮的屏经常因小区停电、设备老化出现故障,2024年第一季度的故障率高达18%,而分众的设备故障率仅5%。

更关键的是“屏效”差距:分众单屏年收入约5000元,新潮仅2700元。要让这些“长尾资产”盈利,分众必须做两件事:一是用AI技术提升投放精准度,比如在老旧小区重点投放低价快消品;二是优化点位结构,将30%低效屏替换为智能屏,支持动态调价和效果监测。“这相当于给新潮的‘毛坯房’做精装修,预计需要2-3年时间。”江南春在投资者会议上坦言。

04 广告主的“信任裂痕”,技术驱动的场景革命

在分众位于上海的客户体验中心,某互联网大厂的市场经理正在查看新的监测系统:屏幕上实时显示着某写字楼电梯的人流数据、广告观看时长,甚至能通过手机MAC地址追踪用户是否在观看广告后下载了APP。“如果这套系统真能落地,我们愿意多付20%的广告费。”他说。

但现实是,分众与新潮的技术整合才刚起步。新潮的社区数据存在“孤岛现象”——不同城市的数据格式不统一,部分小区的用户画像还停留在“纸质登记”阶段;分众的AI算法虽能预测投放效果,却缺乏社区场景的深度训练。某美妆品牌做过对比实验:同样在上海投放1000块社区屏,分众的系统预测转化率为3%,实际只有1.2%。“我们不怕垄断,怕的是垄断之后没有进步。”该品牌市场总监的话,道出了许多广告主的心声。

当国内电梯媒体进入存量竞争,分众的目光投向了东南亚。在新加坡组屋区的电梯里,分众的智能屏正在播放中文的家电促销广告,旁边的英文注释写着:“扫描二维码,享受华人专属折扣。”截至2024年底,分众已在东南亚7国布局17.5万台设备,覆盖5000万华人家庭。

“东南亚的社区结构和中国很像,都是高密度住宅,而且华人对电梯广告的接受度更高。”分众国际业务负责人解释道。更重要的是,新潮的社区运营经验在这里成了“护城河”:比如在马来西亚,新潮团队发现当地华人习惯在晚餐后散步,于是将家居广告的投放时间从晚上7点调整到9点,转化率提升了40%。

05 行业生态的重新洗牌:从“零和博弈”到“共生共赢”

并购带来的“鲇鱼效应”正在显现:梯影传媒转向医院场景,在全国200家三甲医院的电梯里投放医疗广告,单屏收入比普通写字楼高30%;喜屏传媒聚焦县域市场,在180个县级城市的电梯里推出“广告+本地生活服务”平台,2024年营收增长55%。“分众的垄断反而倒逼我们创新。”喜屏传媒创始人杨磊说。

广告主也在寻找新的平衡。某新能源汽车品牌将30%的预算留给分众新潮的“商务+社区”组合,30%投向梯影传媒的写字楼投影广告,剩下40%分给区域中小梯媒。“鸡蛋不能放在一个篮子里,尤其是当这个篮子可能越收越紧的时候。”该品牌市场总监的话,道出了行业生态的微妙变化。

06

结语:电梯间里的商业难解之题

站在2025年的节点回望,分众与新潮的十年博弈,恰似中国商业竞争的一个隐喻:从“砸钱抢地盘”的野蛮生长,到“算清账合并”的理性回归,背后是资本逻辑、技术进步与市场规律的共同作用。

当电梯门一次次开合,屏幕上的广告从“江南春们”的商业博弈,变成普通人生活的一部分。它可能是上班路上的一杯咖啡提醒,也可能是回家途中的一次促销诱惑。

这场并购的真正意义,不在于谁吃掉了谁,而在于它为中国线下广告行业趟出了一条“效率与创新并存”的转型之路。

”当83亿元的价码化作电梯间里闪烁的屏幕,行业真正的大考才刚刚开始:如何让商业价值与用户体验握手言和,让每一次目光停留都成为双向奔赴的开始——这,或许才是电梯广告业“终局之战”的终极答案。

在当下广告市场的复杂环境中,广告主们心中萦绕着一个终极追问:投放出去的真金白银,究竟哪些产生了实效,哪些又石沉大海打了水漂?这一难题亟待江南春及其团队给出令人信服的答案。

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/2333810.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

如何在 CentOS 7 系统上以容器方式部署 GitLab,使用 ZeroNews 通过互联网访问 GitLab 私有仓库,进行代码版本发布与更新

第 1 步: 部署 GitLab 容器​ 在开始部署 GitLab 容器之前,您需要创建本地目录来存储 GitLab 数据、配置和日志: #创建本地目录 mkdir -p /opt/docker/gitlab/data mkdir -p /opt/docker/gitlab/config mkdir -p /opt/docker/gitlab/log#gi…

第1章 对大型语言模型的介绍

人类正处在一个关键转折点。自2012年起,基于深度神经网络的人工智能系统研发进入快速通道,将这一技术推向了新高度:至2019年底,首个能够撰写与人类文章真假难辨的软件系统问世,这个名为GPT-2(生成型预训练变…

Quartus II的IP核调用及仿真测试

目录 第一章 什么是IP核?第二章 什么是LPM?第一节 设置LPM_COUNTER模块参数第二节 仿真 第三章 什么是PLL?第一节 设置ALTPLL(嵌入式锁相环)模块参数第二节 仿真 第四章 什么是RAM?第一节 RAM_1PORT的调用第…

JDK(Java Development Kit)从发布至今所有主要版本 的详细差异、新增特性及关键更新的总结,按时间顺序排列

以下是 JDK(Java Development Kit)从发布至今所有主要版本 的详细差异、新增特性及关键更新的总结,按时间顺序排列: 1. JDK 1.0 (1996) 发布年份:1996年1月23日关键特性: Java首次正式发布。核心语言特性…

通过websocket给服务端发送订单催单提醒消息

controller层 GetMapping("/reminder/{id}")public Result Remainder(PathVariable("id") Long id){orderService.remainder(id);return Result.success();} 实现类 Overridepublic void remainder(Long id) {Orders ordersDB orderMapper.getById(id);…

c++ 表格控件 UltimateGrid 控件实例

控件区域: 使用效果: 代码如下: void MyUGCtrl::OnSetup() { m_nButtonIndex AddCellType(&m_button); SetNumberCols(6); AppendRow(); CUGCell cell; int rows, cols; int row 0; // 头部 int nHeaderRow -1; …

使用 VcXsrv 在 Windows 10 上运行 Ubuntu 图形界面

VcXsrv 是一款用于 Windows 的开源 X 服务器,它允许在 Windows 系统上显示 Linux 的图形应用程序。当在 Windows 10 上安装并正确配置 VcXsrv 后,通过设置 WSL2 中的DISPLAY环境变量,使其指向运行 VcXsrv 的 Windows 主机的 IP 地址&#xff…

LSTM-SVM长短期记忆神经网络结合支持向量机组合模型多特征分类预测/故障诊断,适合新手小白研究学习(Matlab完整源码和数据)

LSTM-SVM长短期记忆神经网络结合支持向量机组合模型多特征分类预测/故障诊断,适合新手小白研究学习(Matlab完整源码和数据) 目录 LSTM-SVM长短期记忆神经网络结合支持向量机组合模型多特征分类预测/故障诊断,适合新手小白研究学习…

Autoware源码总结

Autoware源码网站 项目简介 教程 Autoware的整体架构如下图,主要包括传感器sensing、高精地图map data、车辆接口vehicle interface、感知perception(动态障碍物检测detection、跟踪tracking、预测prediction;交通信号灯检测detection、分类c…

QT聊天项目DAY01

1.新建初始项目 2.修改UI格式 运行效果 3.创建登录界面 设计登录界面UI 设计布局 调整布局间距 往水平布局中拖入标签和文本输入框 更换控件名称并固定高度 添加窗口部件 往现有的资源文件中导入图片 添加水平布局 4.设置登陆界面为主窗口的核心组件 #pragma once#include &l…

论文精度:基于LVNet的高效混合架构:多帧红外小目标检测新突破

论文地址:https://arxiv.org/pdf/2503.02220 目录 一、论文背景与结构 1.1 研究背景 1.2 论文结构 二、核心创新点解读 2.1 三大创新突破 2.2 创新结构原理 2.2.1 多尺度CNN前端 2.2.2 视频Transformer设计 三、代码复现指南 3.1 环境配置 3.2 数据集准备 3.3 训…

ORM查询的补充

一,ORM查询的补充: 1,连接查询: 反向查询: 先介绍一下什么是正向查询,比如我们之前的数据表之间建立的一对多的关系,我们通过文章找到相应的作者是属于正向查询的(由多到一)&…

蔚来汽车智能座舱接入通义大模型,并使用通义灵码全面提效

为加速AI应用在企业市场落地,4月9日,阿里云在北京召开AI势能大会。阿里云智能集团资深副总裁、公共云事业部总裁刘伟光发表主题演讲,大模型的社会价值正在企业市场释放,阿里云将坚定投入,打造全栈领先的技术&#xff0…

VMWare Workstation Pro17.6最新版虚拟机详细安装教程(附安装包教程)

目录 前言 一、VMWare虚拟机下载 二、VMWare虚拟机安装 三、运行虚拟机 前言 VMware 是全球领先的虚拟化技术与云计算解决方案提供商,通过软件模拟计算机硬件环境,允许用户在一台物理设备上运行多个独立的虚拟操作系统或应用。其核心技术可提升硬件…

【数据结构】红黑树超详解 ---一篇通关红黑树原理(含源码解析+动态构建红黑树)

一.什么是红黑树 红黑树是一种自平衡的二叉查找树,是计算机科学中用到的一种数据结构。1972年出现,最初被称为平衡二叉B树。1978年更名为“红黑树”。是一种特殊的二叉查找树,红黑树的每一个节点上都有存储表示节点的颜色。每一个节点可以是…

uni-app初学

文章目录 1. pages.json 页面路由2. 图标3. 全局 CSS4. 首页4.1 整体框架4.2 完整代码4.3 轮播图 swiper4.3.1 image 4.4 公告4.4.1 uni-icons 4.5 分类 uni-row、uni-col4.6 商品列表 uni-row、uni-col 小程序开发网址: 注册小程序账号 微信开发者工具下载 uniapp …

PHP多维数组

在 PHP 中&#xff0c;多维数组是数组的数组&#xff0c;允许你存储和处理更复杂的数据结构。多维数组可以有任意数量的维度&#xff0c;但通常我们最常用的是二维数组&#xff08;数组中的数组&#xff09;。 首先来介绍一下一维数组&#xff0c; <?php//一维数组 $strAr…

数学建模:针对汽车行驶工况构建思路的延伸应用

前言&#xff1a; 汽车行驶工况构建的思简单理解为将采集的大量数据进行“去除干扰、数据处理&#xff0c;缩减至1800S的数据”&#xff0c;并可达到等效替换的目的&#xff0c;可以使在试验室快速复现&#xff1b;相应的解决思路、办法可应用在 “通过能量流采集设备大量采集…

go语言内存泄漏的常见形式

go语言内存泄漏 子字符串导致的内存泄漏 使用自动垃圾回收的语言进行编程时&#xff0c;通常我们无需担心内存泄漏的问题&#xff0c;因为运行时会定期回收未使用的内存。但是如果你以为这样就完事大吉了&#xff0c;哪里就大错特措了。 因为&#xff0c;虽然go中并未对字符串…

当DRAM邂逅SSD:新型“DRAM+”存储技术来了!

在当今快速发展的科技领域&#xff0c;数据存储的需求日益增长&#xff0c;对存储设备的性能和可靠性提出了更高的要求。传统DRAM以其高速度著称&#xff0c;但其易失性限制了应用范围&#xff1b;而固态硬盘SSD虽然提供非易失性存储&#xff0c;但在速度上远不及DRAM。 为了解…