C端的机会几乎被占尽，衣食住行上都有不可匹敌的巨头在，比如衣服有淘宝、京东的电子商务，吃饭有美团外卖，出行有滴滴与高德地图，住宿上更是到处都可以找到，不管携程还是高德，或者贝壳上的租房、买房，除了今年特别火爆的CHAT GPT之外，C端已经很久没有出来火爆全网的杀手级应用了。
C端由于需求比较固定，定制化低，人群定位比较特定，所以大企业都喜欢在C端发力，可是如今C端仿佛“江郎才尽”，造成很多企业将目光放在了B端。
B端与C端之间的区别如下（来源百度）：
B端和C端的区别：
面向对象不同。B端面向企业；C端面向个人。
产品重心不同。B端重视业务流程；C端重视用户体验。
用户特征不同。B端用户比较忠诚，更容易产生复购；C端用户因为竞争激烈极度不忠诚。
卖点不同。B端卖产品变现为主，C端以流量间接变现为主。
关注点不同。B端关注市场占有率、用户续费率、覆盖商户数；C端关注用户增长率、用户的活跃度、完整的转化率。
配合方不同。B端更关注和销售团队配合；C端更关心和运营团队的配合。
定义不同。B端：B端，代表企业用户商家，英文是Business，是互联网产品中的商家界面（即：管理平台）。用户通过它进行日常的商业活动，例如企业库存管理，销售统计，员工出勤考核等等。可以说，用来解决企业需求的产品，都是B端产品。C端：Consumer（也可理解为Customer），通常为消费者、个人终端用户使用的客户端。如：微信、淘宝、网易云音乐等。
展示方式不同。C端产品通常以手机端为主，PC端为次。B端产品多数都集中在PC端使用，使用“左导航右内容”的布局。
盈利模式不同。C端产品大都免费开放给用户，在提供免费功能的基础上，再通过“拉新、留存、促活”等手段，转化其中一小部分用户。像漏斗模型一样，最终为服务付费的这部分用户为产品贡献了收益。这一切得益于C端产品大量级的用户规模，所以靠的是“规模经济”。B端产品没有用户量级上的优势，偏向于服务企业内部的工作协同，就需要为不同的生产关系和工作协作场景做个性化定制，靠企业对“定制付费”来获得收益。
运营目标不同。在相同转化率的前提下，想到得到分子的增长，分母必须要等比例的更多增长。C端产品的盈利模式决定了想要创造更大的价值，就需要倚靠持续的用户量级的增长。B端产品相比C端，更看重看中稳定的专业能力，不求大起大落，只求不要出错，避免给企业带来损失。
企业信息化商务模式在演变：
企业流程大致分为设计、生产与售后，而中国的大部分企业都集中在生产端，生产端由于需求比较多，在信息化、数字化建设的过程中造就了诸多概念，比如MES、WMS、QMS、EAM以及调度系统，还有所谓的MES的升级版MOM，都是在满足生产管理的需求。但是上述系统都是典型的方案式驱动。虽然很多企业都有所谓的MES或者MOM的产品经理，但是只在很小的一部分上降低了实施过程的定制化。我们可以想象：
如果去一个新的企业去推广MES，销售是希望带着行业解决方案专家，还是希望带着产品经理？可以肯定的回答，除了商务关系之外，一个对行业非常熟悉的解决方案专家对于MES、QMS系统的营销是杀手级的，许多MES项目能够拿下来很多都是因为解决方案中带有浓厚的咨询性质，另外再加上稳定的商务关系让用户产生的信任感。所以对于MES的营销，其实企业背后的实力影响是非常小的，只要有一个对行业了解的解决方案顾问，加上对竞争对手的项目了解一些，如果商务关系不是特别差，基本上这个项目就是八九不离十，所以就当前的就业形势来讲，行业解决方案专家的价值肯定大于开发、实施，甚至在部分情况下会压过商务。
大企业的黄粱一梦：
之所以这种项目需要行业专家，其核心的原因在于生产过程管理的信息化定制化程度太高，一个产品经理根本无法覆盖所有的需求，行业属性、老板管理风格、企业订单性质等多维度都会对需求产生重大影响，甚至同一个行业、产品类似的两个工厂做的MES也是千差万别。如果将生产管理的信息化、数字化进程称之为“智能制造”，那么智能制造就凸显了严重定制化的特点，这也是最近几年智能制造行业专家行情持续走高的原因之一，但是对于企业来讲越多的定制化就会出现更大的交付风险，而且也无法实现从1-100迅速扩张的经营诉求，所以不是针对xx互联，如果寄希望于做MES或者MOM想融资上市，不敢是说痴人说梦，但是说天方夜谭也并不为过。
MES项目的未来展望：
按照当前企业的需求去分析可以得出：MES是刚需，但MES项目更适合百人左右的企业去实施，而且最好具备行业属性，比如离散装备、石化、烟草或者电子行业，通过对于行业的积累去打单，同时做好交付的成本管理，整体来说是可以养活一个团队的，但是说利润多大并不见得。随着市场的发展，MES开发技术的门槛会进一步降低，利润空间会再次压缩，造成百人的企业再精细的成本管理依然不能覆盖，将会演化成几个人的创业团队来接这一部分工作，或者企业会雇佣一到两个开发人员，业务人员在调度室或者工艺室抽调。
企业扩张的取胜之匙：
企业投入到某一块业务当中，肯定是希望“念念不忘，必有回响”，而且对于部分孵化企业来讲，仅仅有利润是不足以打动高层的，因为大企业可以接受在前期利润比较低，甚至是亏损状态，比如京东物流基本上一直在亏损，可是投资方还是义无反顾，但是企业不能接受的是未来的期望值太低。大企业孵化智能制造相关的团队非常多，数的上来的就有格创东智、美云智数、树根互联、海尔卡奥斯等。
企业对于智能制造板块如果希望有所作为，智能制造的标准化、产品化就是不可避免需要去逾越的鸿沟，或者说标准化则是大企业期望值的取胜之匙。
当然除了标准化能够迅速复制、最低风险/最短时间交付之外，其实也更多的满足当前企业的需求，因为企业已经被市场倒逼到必须达到快速、敏捷、高效等特点，之前库存式的生产已经越来越站不住脚，出现越来越多的品种、小批量的生产方式。
智能制造的标准化之路到底往哪边走，现在谁也不清楚，但是可以笃定的判断，肯定不是MES或者MOM、ERP这些管理系统，但是一个团队又必须有这样的开源框架平台，因为不管未来的产品化如何走向，但是标准化的应用场景肯定会嵌入到这些平台之上，与其说需要MES，产品化更多是需要一个可配置、敏捷开发的开源平台，将项目进行知识化累计。
通过侧面一个指标去反映企业标准化的指标，那就是这个企业营销这个产品需要多少行业专家去支撑，未来行业专家的定位是做整体规划，如果需要行业专家作为售前一样去奔波，很显然这个产品仍处于解决方案阶段，距离标准化还相差甚远。
智能制造的标准化之路：
腾讯：
腾讯对于数字化底层逻辑的理解是什么？在腾讯过去几年参与的数字化转型项目中，发现尽管转型场景、路径、所采用的技术各不相同，但其底层逻辑是相通的，都是围绕连接效率、数据效率和决策效率开展转型工作。
通过腾讯的数字化转型思路能够看出来，腾讯给出的标准化之路是瞄准了IOT数据采集与大数据平台，很显然IOT是一项非常容易标准化的产品，但是缺点在于数据采集能搞定的大家都可以，搞不定的除了装备厂商之外都采集不到，对于大企业来讲产品的门槛不够，护城河太低。大数据平台很显然比MES、ERP等管理系统更加适合作为产品，因为数据管理本身与行业属性之间的关联度不高，但如果12年左右提大数据肯定是冉冉升起的新星，只是现在能做大数据的企业太多了，大数据也已经成为了红海竞争区。
阿里：
阿里2022年颁发了《阿里云制造业数字化转型案例集（2022年）》，其中目录如下图所示。案例集涵盖 IT 基础设施云化、数字工厂、区域工业互联网平台、 C2M 模式、工业智能、数字中台 6 个重要创新领域，横跨 16 大垂直行业、32 个标杆案例。对阿里过去几年在制造业数字化转型的积累与最佳实践从行业、技术、场景、模式与组织等多个角度进行剖析，并系统性归纳与梳理，希望借此为走在转型路上的制造企业带来思考与启发。
通过该案例集能够大概分析到阿里的定位，有工业互联网的定制开发平台，工业智能按照项目案例描述基本上是IOT数据采集外加上一些应用分析，比如能耗分析、质量分析等。
数字工厂的案例集中在钉钉的应用与企业业务的结合，从系统的角度是通过钉钉的功能完善一部分HR或者OA的功能，功能相对比较独立，与企业业务结合并不是非常深入。
综合来讲，阿里也是通过IOT平台、大数据平台来覆盖数据层面，利用钉钉完成部分HR、OA的工作，产品模式基本与腾讯类似，都是以平台化思维，希望构建IOT与大数据平台，然后出售平台到它的生态厂家。
华为：
华为的数字化相关服务，与阿里、腾讯也比较类似，但是按照项目上的反馈，华为更喜欢输出的是规划word，然后够各种平台推销出去，交付的工作交给生态厂商。但是华为与阿里、腾讯其实都犯了同样的错误，如果没有某个产品无法覆盖所有业务，造成产品种类虽然繁多，但其实谈不上是可以迅速覆盖或者推广的产品list。
海康威视/海克斯康：
相比于华为、腾讯、阿里等巨无霸，其实个人更加倾向于海康威视的产品思路，第一是软硬结合在一起，第二是将软件的能力与硬件结合，比如现在质量智慧眼领域（利用机器视觉发现一些产品瑕疵），硬件大部分都会选择海康威视，然后海康威视会带一些基本的算法，比如电子围栏、人员防侵入等内容，在他的摄像头上进行算法开发会更加简单。
海克斯康之前在质量领域主要以出售三坐标检测仪为主（检验产品的形位公差），但是现在海克斯康以三坐标检测仪为基础拓展了QMS系统，将之前的产品进行拓展。
实践是检验真理的唯一标准，对于产品全面铺开还是软硬件结合单点突破，每个人都有不同的观点，但市场的选择会代表所有，如今华为、阿里、百度等各类平台都在内卷的时候，海康威视已经逐渐占领了企业端除了安防的一些其他应用，而且好像也看不到其他的对手，仿佛已经说明了一起。
装备公司拓展之路：
很多个公司现在都在提“内生外化”，尤其是相对比较大的企业，自己信息化部门人手众多，所以在内部项目捉襟见肘之时能适当开拓外部市场，不管是给领导汇报还是体现在财报上都有不少的故事可以谈。但是信息化中心向外部推广有几个非常大的难题：
1）能力问题：信息中心在内部项目当中相对比较保守，因为需要以落地为根基，而且并不需要更多的花哨体验，所以信息中心的人员比较适合做对外项目实施，但是对外项目的管理、售前方案等并不是其长项；
而且对外项目需要大量的包装以及售前过程中的各种技巧，这个是内部信息化人员所不具备的，所以仅仅依靠内部信息人员完成交付没有问题，但是完成项目的全生命周期非常困难。
2）商务问题：由于信息化在开始阶段，大家的技术方案如果没有较大差异，或者门槛式的技术，一般来讲起步项目都是需要商务的稳定关系做背书的，所以对外项目得商务基本上根本无法复用企业内部的销售，因为在外部会缺少资源。
3）产品：由于对内服务由于大面积偏向于基础信息化建设，产品无法紧密贴合市场前沿，基本以地代码的开源框架为核心的产品类目，对外缺少竞争力，只能将行业理解与案例作为核心竞争力，丧失了产品优势。
提出问题不难，但是问题如何解决：
1）招聘外部顾问，外部顾问以售前、解决方案专家为主，重点打造案例集介绍、产品介绍、行业解决方案、白皮书等各类基础售前材料，然后再面向外部逐渐拓展，首先形成售前、售后交付的体系；
2）商务合作，前期招聘少量自带行业资源的销售必不可少，填补外部用户资源不足的缺陷，同时需要以行业交付能力以及售前资源的调度依附在类似于华为、联想、树根、徐工等商务背后，完成项目落单，会降低因为招聘人员多而产生的风险。
3）产品设计划类，首先需要将内部案例、解决方案集产品化，比如MES、QMS等归集成一个地代码开源框架，作为未来基础应用的基本平台，主要用于信息化拓展；第二需要依赖大数据开发经验的工程师，以开源工具为基础完成数据平台包装；第三，需要培养算法团队，不管是普通的数据分析还是机器视觉算法。产品上这三类基本上覆盖了所有的产品门类，其他的只是在这其中进行扩展。
当然除了解决方案、产品团队、商务团队之外，由于向外部转型，还需要一定的美化能力，所以能够优化宣传PPT、制作宣传视频、系统UI设计的人员必不可少，产品门类可以之后补充，但是美工与解决方案专家却不能滞后。
站在ISA95的肩膀上的产品标准化：
按照ISA95标准工厂信息化包含三个层级：装备、管理与决策，管理的信息化已经进入了红海白热化竞争，比如MES、QMS等，有一个对行业业务比较熟悉的BA，再加上一个开发人员，基本可以满足任何管理诉求，所以管理领域的信息化基本上除非是行业理解、案例特别多，或者商务关系特别稳定，一般半路杀出的程咬金基本上已经很难拿到项目了，而且现在项目利润空间被压缩的非常小，基本上许多管理信息化项目沦为四五次外包之后交给了两三个人的创业团队。
决策上，目前分为辅助决策与自主决策，其中辅助决策以大数据为核心平台构建领导驾驶舱，或者如果预算充足可以加入企业的指标体系咨询。而自主决策则是通过算法构建单点业务的自动判断，比如火灾识别、产品外观瑕疵识别等，则是在单点业务上帮助决策，要么降低人员数量，要么则是降低人员强度解决招聘难的难题。
所以综合来看，如果某个创业公司如果以MES为核心产品进行拓展，或者研发大数据平台，我们不能简单的判断该企业失败的命运，只能说它可以“活着”，活着代表的意思很多，至少有两个方案：1）利润不高；2）前景不太明朗；3）投资人不会看重。
所以如果如果当前进入智能制造领域，个人认为需要以行业属性为根本，迅速围绕“装备+算法=自主决策”的核心思路进行项目拓展，迅速打造可以复制拓展的产品，迅速标准化。当然这个只是产品的思路，产品如果不能为订单服务，则产品研发则是自娱自乐，所以需要将产品思路+商务结合起来进行有效掌控。
同时申明的是销售需要产品去制衡或者标定方向，但是销售永远都是主导者，因为没有产品公司可以活下去，没有销售订单的公司一定会失败，这句话是我从事多年企业数字化的体验。这种体验也是逐渐转变过来的：从之前看不上销售对客户的委曲求全，到现在真正理解销售的难处，当然销售需要售前、产品进行制衡，制衡在于长期方向问题，短期则肯定以销售为核心，这个观点毋庸置疑。
免责声明：
本公众号所载文章为本公众号原创或根据网络搜索下载编辑整理，文章版权归原作者所有，仅供读者学习、参考，禁止用于商业用途。因转载众多，无法找到真正来源，如标错来源，或对于文中所使用的图片、文字、链接中所包含的软件/资料等，如有侵权，请跟我们联系删除。谢谢！
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与极客网无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
