一、投資命題： 中国最大のオフライン商業運営ネットワークを買収する
シンダメンの最も価値ある資産は、四層に抽象化できます：
529 の商業拠点 × 約 40,000 名の従業員 × 数十万の商取引関係 × 毎日継続的に生じる経営行動。
現在のワンダは「広場の建設、テナント誘致、開業、運営」が得意です。
FDEPEが引き継いだ後の目標：
529座のワンダ広場を、継続的に学習し、最適化し、コピーできる商業運営マシンに改造する。
PEは資本、ガバナンス、インセンティブを担当し、FDEは直接フロントラインに入り、経営経験をシステムに組み込む。
二、 「Newland FDE」設立：CEOに直接報告
本社は約50人のコアFDEチームを構築する：
AIエンジニア＋データエンジニア＋プロダクトマネージャー＋商業運営エキスパート＋テナント開拓エキスパート＋財務担当者。
第一批は直接30座のワンダ広場に入り、総支配人、テナント開拓、運営、施設管理、マーケティング、財務と共に働く。
各FDEは一つの質問にだけ答える：
私が担当するこのショッピングモールで、今月どれだけ余分に稼いだか？
システム開発はすべて経営指標に紐付けられる。
三、 「Wanda Operating Graph」構築
すべての広場を統一された経営データ構造にする：
広場 → フロア → テナントスペース → ブランド → 店舗 → 契約 → 賃料 → 売上高 → 客流 → 会員 → イベント → 駐車場 → エネルギー消費 → 人員。
天候、祝日、都市イベント、商圏人口、競合プロジェクト、オンライン消費トレンドをさらに連携させる。
目標は次のとおり：
各テナントスペースには独自の動的経営アカウントがある。
経営層は継続的に判断できる：
- どのテナントスペースが価値を創出しているか？
- どのブランドの賃料が経営能力と合っていないか？
- どのエリアの坪効率が継続的に低下しているか？
- どのテナントが今後90日間で退出リスクがあるか？
- どの空きテナントにどのブランドを導入すべきか？
四、直接利益を生む6つのエージェントを配置する
- テナント誘致エージェント｜タスク：ブランド発掘、マッチング、誘致｜主要指標：空室率
- 賃料エージェント｜タスク：店舗価値を動的に算出｜主要指標：賃料/㎡
- テナント成長エージェント｜タスク：テナントの経営改善を支援｜主要指標：テナントGMV
- マーケティングエージェント｜タスク：イベント、会員、広告｜主要指標：ROI
- エネルギーエージェント｜タスク：空調、照明、設備の最適化｜主要指標：エネルギー消費/㎡
- 運営エージェント｜タスク：広場の経営を日次診断｜主要指標：NOI
その中で最も重要なのはテナント成長エージェントです。
万達はテナント成長にさらに関与し、以下を検討できます：
基本管理費 + GMV分配 + 広告収入 + AI運営サービス料 + 増分利益分配。
ロジックは次のようになる：
テナントが多く稼げば、万達も多く稼げる。
5、100日で1つの「AIネイティブ万達広場」を攻略
まずは30つのサンプルを選定：
- 一線都市5拠点
- 二線都市10拠点
- 三四線都市10拠点
- 低効率/改装待ちプロジェクト5件
提案100日チャレンジ指標：
- NOI向上5%–8%
- 空き店舗サイクル短縮30%
- エネルギーコスト削減8%–12%
- マーケティング費用効率向上20%
- 人工レポート作業量削減50%
- 招商人员一人当たりの管理ブランド数が30%増加
これらの数値は実験目標にすぎず、投資収益には事前に計上しません。
検証された経営施策ごとに形成されるもの：
Wanda Playbook 001 / 002 / 003……
その後30箇所→150箇所→すべての広場へ。
六、経営経験を会社の資産に変える
万達は二十数年間で大量の暗黙知を蓄積してきた：
- どの都市にどの業態が適しているか；
- どの立地にどのブランドが適しているか；
- あるブランドはどれだけの賃料を支払うべきか；
- どのブランドの組み合わせが相互に集客をもたらせるか；
- 開業前180日までに何を完了すべきか。
FDEは毎回の：
判断 → 行動 → 結果
を構造的に記録する。
最終的に形成されるもの：
Wanda Commercial Model
入力：
都市 + 商圏 + 建物 + 人口 + 競争 + 消費
出力：
業態ミックス + ブランドミックス + 賃料 + テナント誘致順序 + マーケティング予算 + 人員配置 + 予想NOI。
新規プロジェクトはまずモデルを稼働させ、その後人員を組織して実行する。
七、第二の成長曲線：商業経営インフラ
すべての広場が統一された経営ネットワークを形成した後、四種類のビジネスが生まれる：
Wanda Ads
全国商業空間広告ネットワーク。
Wanda Merchant Cloud
商戶向けに経営エージェントを提供する。
Wanda Intelligence
他のショッピングモールにテナント誘致、マーケティング、価格設定、物件運営能力を提供する。
Wanda Expansion
モデルを活用し、買収に適した第三者の商業プロジェクトを探す。
フライホイールを形成する：
より多くの広場 → より多くのデータ → より優れた経営モデル → より高いNOI → より強い買収能力 → より多くの広場。
八、ガバナンスメカニズムをFDEPEに沿って再構築
取締役会が重点的に注視する項目：
- NOI
- フリーキャッシュフロー
- 単位面積あたり収入
- サードパーティ管理面積
- FDEが生み出す検証可能な増分利益
設立：
FDE Value Creation Committee
毎月回答する：
どれだけのエンジニアリングリソースを投入するか → どの経営アクションを変えるか → 最終的にどれだけのキャッシュフローが増えるか？
経営陣およびFDEチームのインセンティブは、徐々に検証可能な増分キャッシュフローに連動していく。
九、3カ年ロードマップ
0–6カ月：実証
30件のパイロット。
目標は一つだけ：
FDEがNOIを安定的に変えられることを実証する。
6–18ヶ月：複製
150–200施設に拡大し、標準化されたDeployment Kitを形成する。
18–36ヶ月：スケール化
既存の商業ネットワークをカバーし、その能力を新規の第三者プロジェクトにも活用する。
十、最大の変革リスクと反対意見（反対側の証拠）
FDEPEはまず、すでに利益を生み出せる企業を「壊してしまわない」ことを証明しなければならない。
反対意見一：万達はもともと中国で最も強力な商業運営会社の一つであり、なぜ50人のFDEが数万人のベテラン従業員より商業に詳しいと言えるのか。
これは最も有力な反対意見である。
テナント誘致、人流、店舗配置、ブランド構成、都市消費には、直接デジタル化できない暗黙知が大量に存在する。
優秀なテナント誘致担当者は、立地を一目見ただけで、あるブランドが生き残れるかどうかを判断できるかもしれない。
モデルがこの種の判断に近づくには、数百万件のデータが必要になる可能性がある。
したがって、FDEは「職人（ベテラン）の代替」を出発点としてはならない。
正しい組織関係は以下の通りである：
最も優れた万達（ワンダ）の経営者 × FDE。
まず社内の上位1%の経営者を見つけ、彼らの判断力を組織全体に拡大する。
反対意見二：529の広場はそもそも529個の同一ノードではない
北京CBD、成都、昆明、そして一つの県級市の万達は、消費力、賃料構造、ブランド供給、顧客層、競争環境において大きく異なる。
したがって：
一つの広場で検証が成功しても ≠ 529の広場すべてが複製できるわけではない。
階層化モデルを構築しなければならない：
都市レベル × 商圏タイプ × 広場のライフサイクル × 顧客層 × 業態構造。
最終的には20〜50種類の経営プロトタイプが形成される可能性があり、全国統一のアルゴリズム一式ではない。
反対意見三：データの相関性は経営上の因果と誤認されやすい
例えば：
システムは「タピオカティーブランドの近くでは婦人服の売上が高い」ことを発見した。
これはタピオカティー店を増やせば婦人服の売上が上がるということを意味しない。
商業不動産には多くの共変量が存在する：
立地、階数、人通り、都市の消費力、祝祭日、ブランドの勢い。
したがって、すべての重要な経営モデルは必ず以下を経なければならない：
予測 → 小規模実験 → 対照群 → 財務検証 → 展開拡大。
FDEPEは経営実験体系でなければならず、大規模なBIプロジェクトにしてはならない。
反対意見4：賃料の最適化はエコシステム全体を損なう可能性がある
もし賃料エージェントが特定のテナントの支払能力が非常に高いことを発見し、その後後賃料を継続的に引き上げれば、短期的にはNOIは上昇する。
しかしテナントの利益が低下した後は：
ブランド撤退 → 空室増加 → 消費体験の低下 → 客足の減少。
したがって、アルゴリズムの目標は賃料だけを最適化してはならない。
より合理的な目的関数は：
不動産の長期NOI × テナントの生存率 × 消費者価値。
場合によっては、一部の戦略的ブランドに意図的に低い賃料を設定する必要さえある。
反対意見五：テナントは真実のデータを万達（ワンダ）に渡したくないかもしれない
もし万達が同時に把握しているとしたら：
売上、利益、来店客数、在庫、会員、マーケティング効果
テナントはこれらのデータが最終的に賃料値上げの根拠になることを懸念する。
これはMerchant Cloudを直接破壊しかねない。
そのため、明確なデータ契約を確立しなければならない：
テナントの成長を支援するために使うデータは、一方的に賃料を引き上げる根拠に直接してはならない。
データガバナンス自体が製品である。
反対意見六：FDEチームは新たな本部官僚機構になりかねない
これはFDEPE最大の組織リスクの一つである。
50人が1年後には膨れ上がる可能性がある：
データセンター + AIセンター + デジタル化委員会 + 大量の報告メカニズム。
最終的に大量のダッシュボードを生み出すが、キャッシュフローは生み出さない。
そのため、鉄のルールを設ける必要がある：
経営成果のないFDEプロジェクトは自動的に終了する。
各プロジェクトは必ず以下を持たなければならない：
Baseline → Action → Control → Result → P&L Attribution。
反対意見7：AIが生み出す利益は帰属が困難
今年のNOIは5%上昇したが、その要因は以下の可能性がある：
経済回復、賃貸契約の変化、競合モールの閉鎖、天候、マーケティング活動、またはAI。
帰属できない場合、FDEPEの有効性を証明できない。
だから初日から構築しなければならない:
FDE Ledger
各改善の記録:
投入コスト / 対照グループ / 経営アクション / 増分収入 / 削減コスト / 継続期間 / 信頼度。
最終的に形成されるもの:
AIに1元を投入し、監査を経てどれだけのフリーキャッシュフローを創出したか。
これはFDEPEにとって最も重要な財務インフラの一つである。
十一、真に警戒すべき失敗の形
最も危険な状況は、モデルが使いにくいことではない。
むしろ3年後に:
- 数億元を投入し
- 巨大なデータプラットフォームを構築することだ。
- 数十個のAgentをデプロイし
- 美しいDashboardを作り
- 大量の研修を開催し
- 全員がAIを使用している
そして気づく:
NOIにはほとんど帰属可能な変化が生じていない。
そのため、プロジェクト全体はPE式の規律を採用しなければならない:
30件の実験
6ヶ月後に明確なユニットエコノミクスの改善を証明できない場合:
拡大を停止する。
証明できた場合:
投資を続ける。
もし一部のシナリオが有効で、一部が無効な場合：
有効な部分のみを拡大する。
FDEPEの最も核心的な規律は以下であるべきだ：
技術には生来の価値はない。検証可能なキャッシュフローの変化こそが価値を持つ。
十二、FDEPE版の万達投資ロジック
この種の取引はFDEPEに非常に適した基盤を持っている：
巨大なオフラインネットワーク + 成熟した運営体系 + 繰り返しの経営ノード + 安定したキャッシュフロー + 大量の暗黙知。
従来のPEの価値創造は主に以下に依存する：
資本構造 + ガバナンス + インセンティブ + コスト + M&A + エグジット。
FDEPEが追加するのは：
エンジニアリング能力 + AI + 経営実験 + 知識の資産化 + 大規模な複製。
しかし投資ロジック全体を以下の基盤の上に築くことはできない：
「AIは万達の効率を高めることができる。」
より厳密な問いの上に立脚しなければならない：
FDEは一つの経営改善を、30座の異なるタイプの広場で繰り返し証明し、技術投資1元ごとに監査可能な増分フリーキャッシュフローを生み出せるのか？
この問いが証明されれば、529座の商業ノードは極めて強力な規模のレバレッジを形成する。
一つのアクションが単一の広場に年間わずか1,000,000元の検証可能な利益を追加するだけでも、500座に複製すれば、約500,000,000元の利益になる。
そのようなアクションが10個あれば、数十億元級の経営価値になる。
したがってFDEPEが探しているのは「スーパーAIプロジェクト」ではない。
それが探しているのは：
毎年100,000、500,000、1,000,000元のキャッシュフローを増やせる小型の経営アルゴリズムを100個見つけ、それを数百回複製することだ。
これこそがFDEPEを万達に適用する最も検証に値する道筋かもしれない：
PEがキャッシュフローを買い、FDEがキャッシュフローの中の微小な改善を探し、そして巨大な経営ネットワークを利用して、微小な改善を巨大な価値に変える。
この版は、単に「AIによる万達改造」を強調するよりもFDEPEの投資委員会版に近いと私は考える：まず改造が失敗する可能性を想定し、次にミスを安価にし、成功を複製できる仕組みを設計する。
取引背景参考：PAG、2023年12月12日の新投資協議公告。文中の改造指標および利益試算はいずれも方案の目標または仮定であり、パイロットでの検証が必要である。