图片系 AI 生成
"2014 年之后，电商就进入了红海市场。"聚水潭创始人兼 CEO 骆海东表示。与之相对应的是，聚水潭自 2014 年起即聚焦电商 SaaS ERP 研发，解决中小商家在数字化转型中面临的多平台管理复杂、运营成本高、技术门槛高等痛点。
2025 年 5 月，聚水潭向港交所递交招股书，拟在香港主板 IPO 上市。招股书显示，2022-2024 年，聚水潭营收分别为 5.23 亿元、6.97 亿元和 9.10 亿元，按确认收入测算的市场份额居行业第一。2024 年净利润为 1058.3 万元，首次实现扭亏为盈。2024 年全年，聚水潭系统发出约 330 亿笔订单，平均每天近 1 亿笔订单，相当于中国每 5-6 个快递就有 1 个由聚水潭系统助力发出。
SaaS 行业没有什么秘密，但外部环境已经历几番沉浮。起初，SaaS 行业和投资人都以美国市场作对比——美国 SaaS 市值超过十亿美元的公司总数可能超过一百家。中国的 GDP 紧追美国，理应有同比例的 SaaS 公司，行业对此十分乐观。
然而，中国 SaaS 并没有兑现预期：上市 SaaS 公司的市值不高，近两年创业 SaaS 企业的估值也有所降低。"中国 SaaS 行业的风向一下从很乐观到很悲观。"骆海东表示，他认为 SaaS 行业需要时间慢慢成长。Salesforce 在 1999 年成立，2004 年上市，不断通过推陈出新和并购才有了 2000 多亿美元的市值。中国 SaaS 行业既要看时机，也要看认知。
在如今宏观经济环境遭遇挑战的大背景下，聚水潭确定了"一体两翼"的战略：所谓"一体"即稳住基本盘，也就是稳住国内电商消费市场份额；"两翼"即跨境业务与海外业务，将是未来增长的主要空间。
稳住国内，寻求出海
聚水潭的业务和电商客户紧密相关——客户在哪，聚水潭就必须在哪，甚至要先于大部分客户看到新的趋势。对于目前的电商客户而言，守住存量和开拓增量同样重要。
骆海东表示，聚水潭的国内协同产品群为稳住基本盘保驾护航。"聚水潭最早定义自己就是 SaaS 协同平台，只是我们从 ERP 切入。对我们来讲，看的不仅是 ERP 渗透率，更多要去看在电商 ERP 的前端与后端的渗透。我们的客户有档口、工厂、达人，也有一些分销商，他们都在使用我们的系统，只是使用的是不同版本的系统。"
当聚水潭的 ERP 软件有足够多的客户，企业在有其他需求时自然会倾向于选择聚水潭。从生产到流通到营销的全链条，所有系统结合起来是一个更为庞大的市场。而 ERP 足够基础，也足够作为居中的平台连接其他软件，这是聚水潭希望实现的目标。
在出海方面，聚水潭通过与 Shopee、Temu、速卖通、淘宝出海等跨境电商平台的深度协同，构建了覆盖订单管理、库存调配、物流优化及数据分析的跨境电商一站式解决方案。
目前，聚水潭已经在泰国设立子公司，未来将拓展印尼、越南和马来西亚等东南亚市场，并探索欧美、拉美和中东等区域的业务机会。
聚水潭合伙人兼 CTO 岑文初也指出，过去聚水潭是以经营链条中的后端仓库管理为核心，通过优化采购、销售和库存管理流程，提升商家在电商场景中的发货效率与库存准确性。
但在数字化已经席卷全球的当下，聚水潭要走得更长一些、更远一些，已经向链条的中下游 （即经营管理与销售端） 覆盖，以解决商家最为急切的开源、节流两大企业生命力问题。
在开源方面，一是守住存量，核心围绕消费者体验展开。鉴于流量进入存量时代，消费者体验成为流量关键指标。对此，聚水潭为商家拆解成两大应对策略：客服与商品交付。以客服方面为例，聚水潭要为商家强化客服角色，通过聚工单这一工具，用售前售后分析赋予客服问题发现能力，以跨部门协同赋予客服业务处理能力。
开源的另一面则是增量，即 B2B 与 B2C 领域的渠道开拓。B2B 是聚水潭从为商家构建自身生意圈、粉丝圈的角度切入，推出一件代发与达人带货模式：前者能够整合优质供应链资源，通过拓展分销商实现高效出货，从而提升供应商和分销商的市场竞争力和盈利能力；后者则可以建立信任感、增加品牌效应，最终降低流量成本。
B2C 方面，聚水潭目前为商家提供出海服务与即时零售业务。海外方面，助力商家"一盘货卖全球"，已经能实现多海外平台的集中管理，上线了东南亚直播电商和私域电商开单解决方案；即时零售方面，聚水潭 ERP 整合并打通 B2C 电商+O2O 即时零售业务流程，实现仓店资源一体化管理，快速扩大商家产品、服务覆盖范围，基于分销体系助力商家高效链接优质供货商、分销商、加盟商。
岑文初表示，未来，聚水潭将为商家提供从企业资产、渠道拓展、供应链协同到企业管理的端到端服务。
图片系 AI 生成
AI 交付能力，而不是工具
大模型是所有行业的热点，但在不同行业的渗透差别极大。SaaS 行业普遍看好大模型的潜力，却不得不考虑现实的投入产出比——企业客户也只愿意为看得见的价值买单，这就决定了 SaaS 企业在大模型上的投入不会太激进。
岑文初表示，从用户交互的层面，目前多数 AI 产品属于嵌入式体验，背后可能包含大模型、知识库、工具调用等，最后串联成为一个 Agent。在 C 端，用户和 Agent 的聊天交互较为容易；在 B 端，如果企业客户每一次交互都需要聊天来实现，实际上反而变得很低效。
"AI Agent 和传统 to B 软件交互最大的差别，在于这些流程是否是固化的。大部分的电商 ERP 在业务处理上不是日新月异的，更多是标准化的流程，是有格式的数据。对于非标准化的流程和数据，将来会有两种业态——不是非此即彼的关系，更多是看业务场景更适合以什么方式呈现给企业用户。"岑文初说。
传统软件开发是数据库的数据加上代码的逻辑，所有规则都被预先写好。大模型则能够将非结构化的内容转变为结构化，核心能力不是工具的支撑作用，而是拆解非结构化数据，转变为一个非硬编码的流程，再根据需求调用一系列工具，从而输出结果。
以电商的广告投放为例：一个商家在某电商平台投放广告，以往必须选择人群画像，设置投放哪几个产品，每个产品大概出价多少钱，价格的上限多少等，通过多个步骤完成投放操作；现在则是告诉平台预算上限，平台会圈选最合适的商品和目标用户。
以前的业务逻辑是固化的，现在通过大模型可以定制化商家的投放需求——前端交互没有发生变化，但是后端实现了自动化、智能化的拆解。聚水潭并不会将一些 AI 功能单独推出，或者告诉用户上了新的大模型产品，而是在后端产品功能直接融入大模型的能力，最终交付的是结果，而不是技术或者工具。（本文首发于钛媒体 APP，作者 | 张帅，编辑 | 盖虹达）
