圖片購于圖蟲創(chuàng)意

大家好，我是半杯白酒，這是我的第六篇文章。

教培行業(yè)有個公認的事實是，無論線上還是線下，在一對一，小班，大班（注：現在線下大班很少了，本文大班主要指在線大班）三個模式中，小班模式的運營難度是最高的。其中一個大家都能想到的原因是，一對一模式需要的是大量普通教師供給，大班模式需要少量精品教師供給，相對來說小班模式需要大量優(yōu)質教師供給的難度就比較高。今天主要討論另外一個原因，就是為什么小班模式營收增長率和毛利率是相對沖突的。

一個很常見的現象是，公司營收增長率和凈利率相對沖突，這是因為高營收增長率往往意味著相關費率提高（尤其是市場費率），導致公司凈利率下跌，跟毛利率關系不大。而小班機構高營收增長引發(fā)的凈利率下跌受上述“相關費率提高”和“毛利率下跌”雙重影響，所以是更加嚴重的。

影響小班毛利率最重要的因素是班均人數。一般小班機構做財務模型，都會設定一個“理想班均”，理想班均下的毛利率是機構的“理想毛利率”。小班機構追求高營收增長率導致的班均達不到理想班均，進而機構達不到“理想毛利率”是很常見的情況。我們當然可以用“運營不夠精細”這種沒什么營養(yǎng)的理由去解釋這個情況，但這對于解決問題是沒什么意義的。這個現象出現的深層次原因可以用“牛鞭效應”來解釋（牛鞭指抽牛的鞭子，不是指泡酒的牛鞭……）。

鑒于大家對這個詞不是很熟，先用一些篇幅做一些理論介紹。（本部分內容較為枯燥，但是分析問題、解決問題必不可少的理論基礎，請大家耐心看完）

“牛鞭效應”是經濟學上的一個術語，指供應鏈上的一種需求變異放大現象，是信息流從最終客戶端向原始供應商端傳遞時，無法有效地實現信息共享，使得信息扭曲而逐級放大，導致了需求信息出現越來越大的波動，此信息扭曲的放大作用在圖形上很像一個甩起的牛鞭，因此被形象地稱為牛鞭效應。

舉個簡單的例子解釋下。

1.  一個火鍋店預測明天可能會賣10只羊的羊肉；

2. 火鍋店告訴肉店他的預測后，肉店預測要殺12只羊，以防范實際需求超預測需求；

3. 肉點告訴羊販子他的預測后，羊販子預測要買15只羊，以防范實際需求超預測需求；

4. 第二天火鍋店只賣了9只羊的羊肉，結果是火鍋店庫存1只羊，肉店庫存2只羊，羊販子庫存3只羊。

就這樣，簡單的羊肉供應鏈每個環(huán)節(jié)都出現了一定的庫存。實際生產供應鏈肯定比上述模型更復雜，庫存也更多?？偨Y下牛鞭效應出現的四個原因：

1. 多重需求預測：供應鏈越長，需求預測環(huán)節(jié)越多，信息扭曲越明顯；

2. 批量生產訂購：高頻訂貨一方面存在溝通成本，另一方面小訂單無法享受較高折扣，所以企業(yè)傾向于做較長預測周期，較大批量訂貨，這也加大了預測不可控性；

3. 價格浮動和促銷：需求端可能會做一些臨時性的調價和促銷，進一步加大預測誤差；

4. 非理性預期：供應鏈下游企業(yè)向上游報需求預測時，往往會傾向夸大預測，降低自身缺貨風險。

只要供應鏈存在，“牛鞭效應”就只可減輕，不可消除。減輕“牛鞭效應”，不同的行業(yè)有很多方法，在這列舉幾個比較通用的：

1. 業(yè)務集成，縮短供應鏈，供應鏈信息共享，提高預測精確度；

2. 降低每次訂貨量，提高訂貨頻次；

3. 減少規(guī)劃外臨時性促銷行為；

4. 利用歷史數據，對非理性預期做修正；

回到教培行業(yè)。如果把機構內部各個業(yè)務環(huán)節(jié)視作內部供應鏈，我們會發(fā)現，小班模式高營收增長率引發(fā)的班均下降本質上是教師產能出現了庫存，這個原因用“牛鞭效應”是非常好解釋的。

先簡單分析下小班機構內部供應鏈。因為前提是追求高營收增長率，低價促銷是不可避免會發(fā)生的，最典型的就是暑期低價班。那么整個機構內部供應鏈中，從需求到供給，可以分為四個環(huán)節(jié)：低價班招生，低價班到場，低價班轉化正價班，教師招聘培訓。

接下來看一下小班機構“牛鞭效應”的成因（以暑期低價班為例）：

1. 因小班機構教師招聘培訓是從秋季開始的，所以秋季就要預測明年暑期低價班的招生人數和轉化率，將近一年的預測周期，這兩個數據準確度很難保障，而且還有一個因素是競爭對手不確定的市場策略，會很大程度上影響自己市場策略的效果；

2. 制定每個環(huán)節(jié)的任務，管理者傾向于非理性預期——比如市場部門會定較高的低價班招生量目標，刺激團隊工作積極性；教學部門也會打雞血，定較高的低價班轉化率目標沖刺。這樣的預測方式對于提高絕對量是有用的，但大大增加了預測不確定性。

3. 小班機構的看似是整體內部供應鏈，實際在低價班招生和到場階段每個學科、每個年級是獨立的供應鏈，即報名數學科目是不能學語文的，報名三年級是不能學四年級的；在轉化階段每個老師是獨立的供應鏈，即a老師的低價班的孩子，只能續(xù)到自己的正價班，很難續(xù)到同學科別的老師的正價班。大家做決策肯定是按照平均數來做決策，比如3個學科，目標三千，平均計劃每個學科招1000，進而匹配每個學科老師數量；比如共有100個老師，平均每個老師低轉正轉化率40%，進而匹配該老師低價班和正價班比例。每個小供應鏈的不確定系數（方差）和整體供應鏈平均不確定系數（方差）是什么關系呢，很好推導：

多變量需要用到協方差矩陣不好描述（第一個等式右邊第三項為xy兩個變量協方差，具體計算公式感興趣的讀者可查閱相關資料），故在此用兩個變量做模型描述。根據上述簡單模型推導很容易就能得到結論——每個小供應鏈的不確定系數是整體供應鏈平均不確定系數的n倍，n指整體中個體數量。

現在就不難分析，為什么有個情況經常出現：整體供應鏈沒出問題——所有的宏觀數據，如平均招生量，平均到場率，平均轉化率都達預期，但最終班均依然很慘——因為很多小供應鏈出問題了。

4. 相對于經典的供應鏈分析框架，教培行業(yè)還有個特殊的地方在于，教師資源是無法大量長期庫存的……很多小班機構一到暑期低價班結束就有大量老師離職，是因為老師預見到帶生量太少導致未來收入無法保障。因離職替換老師的行為，又會導致一批學生流失，進而導致本來就不理想的班均情況進一步惡化。

以上是小班模式中為什么高營收增長率會導致低毛利的一些分析。記住上面那句話，牛鞭效應只可減輕，不可消除。下面給一些減輕牛鞭效應的建議：

1. 增加訂貨頻次，分攤不確定風險——一年訂一次貨（暑假低價促銷）的風險一定大于一年定兩次（寒暑假低價促銷），一年多次（比如學而思開新校區(qū)會高頻開體驗課）。

2. 分析歷史數據（如歷年轉化率）和業(yè)務前置數據（如資源儲備量和低價班招生量存在一定的比例關系），提高預測精度，區(qū)分業(yè)務目標（打雞血）和預測目標（理性分析）。

3. 業(yè)務集成——縮短供應鏈，在教培行業(yè)體現為刺激低正聯報。低正聯報的重要性，是非常多的機構遠遠沒有意識到的。

4. 降低供應鏈分散度，減少小供應鏈數量——低價班盡量少開年級，少開學科，少分層。

5. 各個環(huán)節(jié)設計一定的容錯機制——例如，以平均續(xù)費率為標準設計低價正價班比例，理論一定會導致有一半班不滿，那么應該以比平均續(xù)費率低的續(xù)費率為標準去設計低價班正價班比例，并且提高低價班滿班人數（如正價班理想班容20，則低價班設計成滿班30），加強容錯性。當然這樣做的負面影響是會有優(yōu)質老師班級爆滿導致有學員排不進班，這其實是對滿班率非常重視的學而思經常被詬病的饑餓營銷的原因（學而思的老師課酬是固定的，和班級人數沒關系，所以班級人數非常影響其毛利率。甚至有比較成熟的學而思分校增開班判斷依據不是有無學生排不進去，而是增開班能否提升班均?？梢娖鋵Π嗑闹匾暢潭龋?。

上述是減輕小班業(yè)務牛鞭效應的一些建議。當然，如果你的業(yè)務毛利率和班均關系沒那么大，也可以不考慮這么多。以新東方舉例。新東方的教師薪資是和班均高度掛鉤的，所以班均對其毛利率影響不是很大，而且新東方品牌效應大，招聘能力較強，可以以較低的薪資招到足夠的老師，這使其能保持較高的毛利率去消化班均低造成的其他支出過高（如房租，市場費用等）的問題，從而保證一定凈利率，而且教師流失對其影響較小。

其實寫這篇文章的時候，我自己一邊思考優(yōu)化方案，一邊更加想明白了一個大家常說的道理：教育行業(yè)是個慢行業(yè)，這個道理在小班業(yè)務上體現的更加明顯。從本文分析框架看的話，一對一和大班為什么能更快一點？因為一對一模式中，只要有一個學生來學習，就湊成了一個“滿班”，毛利率就是理想的；大班模式中，主講的薪資占比很小，輔導老師和學生的粘性較低，可以做到根據班級人數匹配輔導老師（比如學而思網校，會把所有輔導老師排隊，每400個孩子匹配一個輔導老師，一個排不滿，就不往下排，這樣可以保證所有輔導老師都“滿班”），所以也能做到毛利相對穩(wěn)定。

這也是為什么到目前為止，在線一對一模式和在線大班模式都有大量機構在做，而小班機構比較少，且做的比較差的原因。但是做教育，出發(fā)點應該是產品的長期價值，而不是業(yè)務推進難度。

本文轉載自微信公眾號“半杯白酒”。文章為作者獨立觀點，不代表芥末堆立場，轉載請聯系原作者。