# 2024-05-27 计算产品资源运营和售卖指引

`powellli, 2024-05-25`

[toc]

## 0. 背景和目标

CSIG中干月会上汇报计算产品的资源运营和售卖指引，时长30分钟

在已有产品功能给行业宣讲的同时强调一下重资产运营层面的引导和效率提升，推动整体业务的增长。

## 1. 引入(Page1-Page3)

各位领导下午好，我是云产品一部的李力，今天由我来汇报今年的计算产品资源运营和售卖指引的情况。为了更好的售卖自研产品，做好前后端的拉通，最近各个产品在产品功能建设和roadmap宣导上做了不少工作，同时对于计算产品这样一个涉及到重资产运营的产品系列来说，运营上的效率也直接体现在了经营结果上，所以今天这个30分钟的汇报目标是给大家汇报计算产品的运营策略以及我们在售卖引导上做的一些工作，也请大家不吝提出宝贵建议和意见。

计算产品其实是一个普适并且朴素的产品，不同客户的需求差异性造成了在机型和功能上变得越来越复杂，这导致的运营上的核心挑战在于两个方面：一是机型和可用区太多，客户和售前难以选择，这也是我从产品角度过去几年得到的最多来自于前端同事的反馈，二是因为前一个原因，导致在资源备货上总是难以匹配用户的需求，我们经常看到总体有库存，而用户想要的地域或者想要的机型是没货的。尤其是在前几年整体库存比较多的情况下，客户想要新的东西，而我们被旧代次的库存所拖累。

TODO：库存数据变化

对于这两个问题，随着库存问题的基本解决和我们在资源运营能力提升及产品售卖引导能力提升之后，在当前这个阶段，我们认为有了比较大的进度。首先是把机型和可用区做了精准的收敛，然后基于这个优化的前提，云运管的同事牵头拉通了前后端的需求管理，做到了更精准的资源预测和备货，最后是我们增强了在售卖端的引导能力建设，从客户提需求到我们想办法让用户用我们货最多利润最好的资源。

后面是具体的拆解，主要分为三个部分，资源策略、引导策略和最近的一些案例。

## 2. 主售产品策略(Page4-Page8)

### Page4

在机型收敛这个层面，最重要的概念就是基于AMD最新一代bergamo cpu打造的SA5机型。

在最开始的问题描述中，我们提到了在售卖层面最大的矛盾：用户想要什么和我们想卖什么之间的冲突。过去几年，在前后端所有同事共同的努力之下，库存问题基本解决之后，我们开始有机会来给出一个更好的答案，即找到一个技术先进、能力完整并且具备非常好的供应能力和毛利水平的机型。

（具体介绍略）

### Page5

在GPU上，也是相同逻辑。（具体介绍略）

### Page6

同样的道理，在可用区的选择上，覆盖全球的多个可用区提供了很好的灵活性，但它也像机型一样增加了运营上的复杂度，并且海外的货期和闲置之后的处理也比国内更加困难。经过与相关前端的调研和分析，我们大致制定了这样的策略，国内以自建大园区作为主力园区，海外以商机旺盛并且合规风险较低的区域为主力园区。

### Page7

基于机型和可用区的收敛策略，在麦肯锡的几次诊断之后，云运管的同事牵头制定了整体的资源运营策略。这里我大概表述一下：左边这部分是一个需求补货模型，其实就是通过交付时间和需求波动的情况，为了达到一个目标服务水平需要怎么备货。中间这部分是云运管的库存健康看板来实现这个策略，以及产品这边把机型和可用区的情况给到内部开放，可以看到当前的库存情况和售卖引导，当然后面也会提到在产品化这个层面我们也逐渐做到了官网控制台引导用户自主购买我们的主力机型。右边这部分是两个数据，首先是基于补货策略和今年的客户预测及收入目标，我们计划今年要新采购700万核的设备，其中有600万核已经被超大客户的预测需求锁定了，剩下的100多万核基本上是SA5在各个主力园区的备货。右下角的数据代表了服务水平和售罄率。

### Page8

因此，对于备货和预测，这里做个总结就是，我们今年在基于机型和园区收敛的前提下，做了更大量的水位，以满足突发的中小量级需求。但是如果用户的需求量太大，或者是使用了非主推资源，就很容易击穿这个备货策略，如果前端大家感知到有这类需求的可能性，请及时通过CRP提供预测，我们尽可能提早准备好资源。这也是需要向大家求助的点。

## 3. 售卖引导策略(Page9-Page17)

这部分主要讲的是在产品售卖引导上我们做的一些工作，怎么让行业同事和客户自己尽可能与我们的主要备货匹配起来。以前的需求满足相对被动，客户会基于他自己的理解提出各不一样的需求，但经过这几年的引导能力提升，我们也看到客户越来越接受对双方更有利的选择。

### Page10

首先是定价上的考虑。基于SA5的性价比优势，SA5的定价比较差不多同一代次的SA5的Intel的S8均有一定程度下降，而在价格更低的情况下它还能做到更高的毛利，成为一个对客户和腾讯云都有利的局面。

对比友商来看，比AWS和阿里也都是要低10%到20%。这里还有一个特殊情况就是阿里云前后三次宣布降低官网长约折扣，虽然它对KA的影响非常小，但也是一种提升性价比的姿态，我们整体来看在官网长约的层面的折后价格也是略低于阿里云（也有略高的）。**三年以上，折扣偏高，但折后价格还是有优势**

### Page11

对于更通用和更实际的长约方案。产品上的引导是对于更刚性的长期锁定则给予更低的成本核算，也是鼓励用户能给出长约承诺，减少运营风险。

### Page12-15

略

### Page16

这里也补充一下GPU的机型选择。官网的各项引导功能对GPU都是通用的。但是GPU这里我想再补充一下我们的引导结果。

GPU有它的特殊性。首先再讲一下软硬结合层面的几个上层优势：公有云打通、RDMA网络性能优势、存储能力增强等。在机型上是往H20和L20引导。

### Page17

略

## 4. 场景案例(Page18-21)

略