C2M是消費者與製造商的美夢，自然也是各類中間商的夢魘。
C2M，customer-to-manufacturer, 電子商務模式的烏托邦，消費者與製造商的夢幻模式。
從本質上消除了人們對中間商賺差價的噩夢般的恐懼——跳過所有品牌商、經銷商、零售商等等“商”的挾持，消費者直接和生產者手拉手，完成需求與產品的直接轉換。
當然，C2M是消費者與製造商的美夢，自然也是各類中間商的夢魘。
在理想狀態下，達到消費者出產品理念，給出訂製需求，製造商接單後能在7-30天內完成一整套從產品調研——設計——試生產——α test——βtest 乃至於最終送到消費者手中的生產鏈條。
當然，這也僅是一個“理想狀態”。
但即便是在大數據時代逐步展開的當下，人們恐怕依舊不會普遍的認為C2M有實現的可能性，主要原因如下：
- How1：如何獲得消費者的最根本的需求？請製造商們摸着自己的理性自問，自己是否有能力獲得以單人為基礎的消費者單位的產品需求？哪怕依託在各類電商平台之上，製造商們是否能保證有需求的客户就一定能找到自己？
- How2：消費者如何具化自己的需求？當通過某種方式獲得消費者根本需求並拼湊成一個完整產品設計時，消費者通過何種方式對該設計進行認證？換言之，哪怕在第一個How的階段，製造商獲得了A消費者在T1時段的真實需求，在經過一段ΔT的設計時間後，是否T2時間段產生的產品依舊是A消費者需求的產品？
以上兩個步驟，如果不能，那關於烏托邦的美好幻想，就唯有止步於此了。
如果能。
那麼請繼續往下：
- How3：製造商在確認了HOW2後，即確認了消費者所需的產品時，如何快速完成試生產、測試、正式投產的鏈條？在工業生產中，只要有相關產品從0到1研發經驗的朋友一定會在這是投以我一個尷尬且不失認同的微笑，哪怕我們經過了設計階段的反覆考驗，到了生產鏈條的環節，依舊有極大的概率會折戟成沙。原因很多樣，設計的生產性過低（low productivity），測試環節缺失或不合適（poor test procedure set），成本核算（cost check）無法通過，等等。
- How4：即便完成了前序三個巨大的how，到達最終出貨及售後環節。但因該產品獨一無二的定製性，如何對其進行一套有效的質保流程將會成為一個新的挑戰。相當於需要製造商為每一個產品定製一套從設計——質保維修的流程。甚至這個流程具有不可複製性，意味着沒有通用的可能性。每一套都需要重新思考，推翻重來，這其中的時間成本，顯然違揹我們人類工業在第一次革命之後的標準化思潮。
而單一製造商的產品覆蓋力度是絕對有限的，這也是直接促成經銷商、貿易商等中間商產生的原因——貿易商通過手中大量的供應商資源，提供客户一站式的採購服務，這是貿易商的最本質工作原理。
但依託在單一客户或大量客户的大量採購份額的基礎上。無法與單一客户的單一小商品進行對接。而電商模式雖然彌補了單一客户的單一小商品採購需求，卻沒辦法提供單一客户的快速訂製需求，這也是為什麼我們需求C2M。
美味的C2M那麼大，我們卻根本要不到一口肉。
————————————————和善的分割線————————————————————
但此刻，一定會有機智的朋友看到，生活在大數據時代的我們，真正的困擾落在了第三個how上。
這也是全體生產相關從業者的困擾。
- 目前能夠普遍達到定製水平的生產手段：服裝類有手工定製，工業類有3D打印等。工業類中的3D打印雖然看起來熱火朝天，但高端材料及精度較高的設備普遍位於各大科研或高精尖企業的實驗室（如人體植入醫療耗材打印技術），而民間3D打印則存在“可選材料少”，“精度不夠”“物理性能不能直接替代成品”等缺陷，一般只用於外觀驗證階段，或用於打印成品外殼。
- 基於現代工業生產模式下的開模需求：不可否認的，目前我們的工業體系，無論是塑膠製品還是金屬製品，依舊依託在模具工業上，並未整體跨越到“加式生產”模式（如3D打印技術）。開模過程的費用成本與時間成本對產品的變化產生了巨大的束縛。在以標準件為基礎的工業體系下，修改設計而使產品成為非標件是一種不被推薦的形式。
而我覺得，要解決非標件的生產低效益問題（效益=效率 成本），我們不能僅將目光停留在生產環節，而應該回溯到設計環節。
畢竟，效益來自設計。
————————————————起承轉合的分割線————————————————
模塊化，在五年前尚屬一個流行詞彙。
但在大量網絡新興概念的沖刷下，當下已經很難再吸引人們的眼球，並黯然淡出人們的視野。姑且不討論大量的新興詞彙是否有意義，單論模塊化本身，難道就真的沒有意義了麼？
某佘在碩士階段依舊被反覆強調了“模塊化”這個概念。
也許是因為英國的教育方向過於保守，沒有大步邁向智能化時代。但對於產品的模塊化設計，我依舊保留了巨大的正面興趣。
首先，我們需要肯定一點的是，人類的思考方式具有後驗性。
何謂後驗性（posteriority）？
意味着，人沒有辦法真的“憑空”捏造出一個“完全新”的概念。哪怕是物理學定律，依舊依託在大量的實驗與觀察下，方能得出。
康德所定義的——“認識形式不需要依靠經驗”的先驗性在目前，人類尚無法達到這種思考方式。
這就意味着，買家，作為人，也是後驗的。
我們通過給出他大量的選擇，從而拼湊出他所需的那個真·產品，即P=A B C D … Z。
但其實，我們在給予他的大量選擇中，已經放入了一定的“詭計”。
我們將同一系列的P1P2P3…Pn產品，進行解構（deconstruction）——將產品進行細化。歸納出P系列產品的同一項目，如：顏色、材料、尺寸等，並總結出該些項目下具備的參數，以顏色項目距離：如白色、黑色、五彩斑斕的黑等。
隨後給出買家看似大量，實則可控的選擇。生產懼怕的不是大量的選擇，而是不可控的選擇。
什麼意思？
大量的選擇如果均能落在可生產的範圍內，生產者只需要做一個“提取”的過程，如：紫色的8cm長，φ2cm的胡蘿蔔。而不可控的選擇，如：胡蘿蔔口味的番茄，則會讓生產者心力交瘁。
所以這裏的模塊化需要做的，是通過大數據將同一產品系列進行解構，歸納，總結。完成同一產品系列的項目歸納與參數歸納。
最後，給出客人大量的排列組合的可能性，使客人最終選擇一款又符合他定製需求，又能落在生產可控區間內的產品。當然，基礎數據會隱藏在幕後，展現在客人面前的是各種活靈活現的可選性，過程中並不會客人感覺到他的選擇其實是既定的。
而我們需要做的，是需要有一個專業團隊，以及一套明確的SOP：
- 對所有產品系列進行解構：該項內容必須是專業的，任何對某項產品無法進行專業解構的人員均不適合進行該項工作。因為那樣解構出的的項目與參數，將成為冗雜的，沒有代表性的廢品。舉個例子，一款胡蘿蔔具備哪些基礎項目與參數，只有深耕胡蘿蔔種植行業的專業人士才能給出相關信息；即便是對胡蘿蔔可能存在的顏色的描述，他們可以明確地告訴你，胡蘿蔔存在五顏六色，但目前不存在透明的胡蘿蔔，所以我們不需要給出“透明”的選項。
- 大數據分析及管理人員：當專業人員對產品完成解構之後，大量的數據管理工作亦請交給數據方面的專業人員進行管理與歸納。
- 與客户端接洽的設計人員：是的，這裏我要提出的是“與顧客接洽的設計人員”而非“銷售人員”。雖然工程銷售的概念已非新穎概念，但我們所見到的充斥在我們生活中的大量銷售或客服人員依舊為“非工程/無系統化產品知識培訓的，銷售人員”。專業的設計人員需給出提供給客户可選項的面板，該面板需給出有效產品的可能性，並十分明確。如果一款面板信息不但不能明確客户的需求，反倒造成客户更多的可能性，那恐怕不是一款合格的設計。而一個無系統化產品知識培訓的銷售人員，是無法勝任該項工作的。
- 生產端整合：在前序解構部分，我們已經將產品的可能性進行解構，在此過程中，我們甚至可以對相應的生產方式與資源進行解構與歸納，從而快速有效的給出生產方案，而無需對生產過程進行全新的驗證。
於是到最終。
客户在極短的時間內，獲得了自己所需的產品。而相應模塊產品的製造商亦節省了大量的時間成本與生產驗證成本。而“我們”則成為了兩個端口之間唯一且新型的“中間商”。（笑）
此方法論僅供各位一覽，如需複製或轉載請聯繫作者本人。感謝。
本文由 @佘先生 原創發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議