平台经济学 6：网络商品的需求与定价基础

当你考虑购买一袋土豆时，你不会关心其他消费者的选择——他们买不买土豆与你从这袋土豆中获得的效用毫无关系。但如果换成选择一款通讯软件呢？你会优先选择朋友们都在用的那款，因为只有当足够多的人使用同一款软件时，你才能与他们交流。这就是网络效应（Network Effects）改变经济分析的核心所在：用户的决策不再是独立的，而是相互依赖的。

前两章我们认识了平台的基本特征和运营机制，但还没有深入分析网络效应的数学结构。本章将填补这一空白。我们将建立严格的博弈论模型，揭示网络效应如何导致需求的相互依赖、多重均衡的存在，以及临界规模的关键作用。

3.1 网络商品的需求

网络商品（Network Goods）的需求分析与传统商品截然不同。在传统市场中，每个消费者可以独立决策——给定价格，判断商品价值是否超过价格即可。但在网络商品市场，你的购买决策取决于你对其他人购买决策的预期，而其他人的决策又取决于他们对你的预期。这种相互依赖使得需求分析变成了博弈论问题。

3.1.1 双用户简单模型

我们从最简单的情形开始：只有两个用户 Xena 和 Yuri，他们同时决定是否购买某个网络商品。

模型设定

两个用户对产品有不同的内在估值（Intrinsic Valuation）：$r_x$ 和 $r_y$，假设 $r_x > r_y$（Xena 更看重这个产品）。产品价格为 $A$。如果两人都购买，每人还可以获得额外的网络收益（Network Benefit）$β > 0$——例如，两人都用 Dropbox，就可以共享文件夹。

用户的净收益取决于自己和对方的选择。我们可以用收益矩阵来表示这个博弈：

这是一个典型的协调博弈（Coordination Game）。让我们寻找纳什均衡。

均衡分析

1. 双方都购买是均衡，当且仅当双方都不想单方面偏离：$r_x + β - A \geq 0$ 且 $r_y + β - A \geq 0$。由于 $r_x > r_y$，条件简化为 $A \leq r_y + β$。

2. 双方都不买是均衡，当且仅当：$r_x - A \leq 0$ 且 $r_y - A \leq 0$。条件为 $A \geq r_x$。

3. 只有 Xena 购买是均衡，当且仅当：$r_x - A \geq 0$（Xena 愿意单独购买）且 $r_y + β - A \leq 0$（Yuri 即使加入也不划算）。条件为 $r_y + β \leq A \leq r_x$，这要求 β < r_x - r_y。

4. 只有 Yuri 购买不可能成为均衡，因为这要求 $r_x + β \leq A \leq r_y$，与 $r_x > r_y$ 矛盾。

两种情形的分叉

根据网络效应的强度，市场呈现不同特征：

情形一：弱网络效应（β < r_x - r_y）

当网络收益较小或用户异质性较大时，每个价格对应唯一的需求量：

• $A > r_x$：无人购买
• r_y + β < A \leq r_x：只有 Xena 购买
• $A \leq r_y + β$：双方都购买

这与传统需求曲线类似——价格越低，需求越高。

情形二：强网络效应（$β > r_x - r_y$）

当网络收益足够大时，情况发生质变。不存在只有一人购买的均衡，但在 $r_x \leq A \leq r_y + β$ 的价格区间内，「双方都买」和「双方都不买」同时是均衡！

这意味着：同一价格可以对应多个需求水平。最终市场走向哪个结果，取决于用户的预期。

核心发现 3.1

网络效应使用户的购买决策相互依赖。当网络效应足够强时，同一价格可能对应多个需求水平，形成多重均衡。市场的最终状态取决于用户的预期——这就是自我实现预期（Self-Fulfilling Expectations）的机制。

自我实现预期的直觉

假设价格 $A = (r_x + r_y + β)/2$，处于多重均衡区间。

如果双方都相信对方会买，他们会计算：加入网络的净收益 = 内在估值 + 网络收益 - 价格。由于预期对方会买，网络收益可以实现，双方都发现购买是值得的。于是预期得到验证。

反之，如果双方都相信对方不会买，他们会计算：单独购买的净收益 = 内在估值 - 价格。没有网络收益，双方都发现价格太高，于是都不买。悲观的预期同样得到验证。

两种预期都可以自我实现——这是协调博弈的本质特征。

3.1.2 多用户需求分析

现实中用户数量远不止两个。让我们将模型扩展到连续统用户（Continuum of Users）。

模型设定

假设用户类型 $r$ 在 [0, 1] 上均匀分布，代表用户对产品内在价值的估值。所有用户共享相同的网络效应强度 $β$。用户 $r$ 加入网络的效用为：

$u = r + β \cdot n^e - A$

其中 $n^e$ 是用户对网络规模的预期。

满足预期均衡

在满足预期均衡（Fulfilled-Expectations Equilibrium, FEE）中，用户的预期与实际结果一致，即 $n = n^e$。

临界用户类型 $r_0$ 满足：$r_0 + β \cdot n^e - A = 0$，即 $r_0 = A - β \cdot n^e$。

所有 $r \geq r_0$ 的用户会加入网络，因此网络规模为 $n = 1 - r_0 = 1 - A + β \cdot n^e$。

在满足预期均衡中，$n = n^e$，解得：

$n = (1 - A)/(1 - β)$（当 0 < n < 1 时）

关键分叉点：$β = 1$

• 当 β < 1：每个价格对应唯一的网络规模，需求函数单调递减。
• 当 $β > 1$：对于某些价格区间，存在三个满足预期均衡——零网络、小网络和大网络。

异质网络收益模型（Rohlfs 模型）

另一种建模方式是假设用户对网络收益的估值不同。设 $β \sim U[0, 1]$，所有用户共享相同的内在估值 $r$。用户效用为 $r + β \cdot n^e - A$。

通过类似分析，我们得到逆需求函数：

$A = r + n(1 - n)$

这是一个倒 U 形函数！在 $n = 1/2$ 处达到最大值 A_{max} = r + 1/4。

为什么是倒 U 形？

这里有两股力量在博弈：

• 需求法则：价格上升应该减少需求
• 网络效应：更大的预期网络规模提高支付意愿

对于小网络（n < 1/2），网络效应占主导，价格可以随网络规模上升；对于大网络（$n > 1/2$），需求法则占主导，价格随网络规模下降。

这意味着：对于 r < A < r + 1/4，存在三个均衡网络规模：

n_n = 0，n_s = 1/2 - (1/2)\sqrt{1 - 4(A-r)}，n_l = 1/2 + (1/2)\sqrt{1 - 4(A-r)}

核心发现 3.2

当网络效应足够强时，需求曲线可能存在上升区间——更高的需求对应更高的价格。这导致同一价格可能对应最多三个均衡需求水平（包括零需求），其中每一个都是自我实现的预期。

3.1.3 预期形成与均衡稳定性

并非所有满足预期均衡都是稳定的。我们引入动态分析来筛选均衡。

近视动态

假设用户采用近视预期（Myopic Expectations）：他们基于当前网络规模决策，但不预测自己的决策对未来规模的影响。

设 $t$ 期网络规模为 $n_t$，用户预期 $n^e = n_t$。基于此预期，实际加入网络的用户形成 $t+1$ 期的网络规模 n_{t+1}。

设 $n(n^e)$ 为基于预期 $n^e$ 形成的实际网络规模函数。在 Rohlfs 模型中，当 $A > r$ 且 $n^e > A - r$ 时：

$n(n^e) = 1 - (A - r)/n^e$

我们计算：

n_{t+1} - n_t = n(n_t) - n_t = (1/n_t)(n_t - n_s)(n_l - n_t)

稳定性结论

• 零网络均衡 $n_n = 0$：稳定。任何低于 $n_s$ 的初始规模都会收缩到零。
• 小网络均衡 $n_s$：不稳定。任何偏离都会使网络要么继续收缩（向零），要么扩张（向 $n_l$）。
• 大网络均衡 $n_l$：稳定。偏离后会回归。

核心发现 3.3

「零网络」和「大网络」均衡是稳定的，而「小网络」均衡是不稳定的。小网络均衡的规模定义了临界规模（Critical Mass）——一旦网络规模超过这个门槛，网络会自动滚雪球式增长，直到达到稳定的大网络均衡。

案例：微信红包跨越临界规模

2014年春节，微信红包功能首次上线，达到第一个用户高峰——约458万用户。这个数字看起来不小，但此后7个月，使用量始终无法突破这个极限。458万用户实际上代表了“早期采用者”的边界，产品被困在互联网核心用户圈层里，无法自然渗透到更广泛的人群。

用我们的理论来解释：458万正处于 $n_s$ 附近——一个不稳定的均衡。网络规模不足以产生足够强的正反馈，用户增长陷入停滞。

转折点发生在2015年除夕。微信与央视春晚合作推出“摇一摇”红包活动，当晚新增用户突破1亿。据微信官方数据，除夕当晚微信红包收发总量达数十亿次，摇一摇互动峰值极高。这一“人为冲击”使网络规模一举跨越临界点，进入正反馈区间。

春晚之前，微信支付用户不到800万；2015年5月，微信零钱用户已达3亿。从458万到1亿再到3亿，这就是跨越临界规模后“滚雪球效应”的威力。

临界规模的经济含义

临界规模的存在意味着：

1. 网络建设初期存在「死亡区」——如果无法跨越临界规模，网络必然失败
2. 一旦跨越临界规模，正反馈开始启动
3. 如何度过早期「死亡区」是平台创业的核心挑战

案例：拼多多的早期用户临界点

拼多多2015年创立时，面临的是淘宝、京东主导的电商格局。然而，当拼多多用户规模突破一定数量后，“自传播的口碑效应”开始加速扩散。

拼多多的核心策略是利用微信的社交网络进行裂变传播——用户通过分享拼单链接给微信好友，既能获得低价，又能帮助平台零成本获客。当用户数达到临界点后，社交裂变的正反馈开始发力：用户越多，分享越广，新用户越多。

截至2024年，拼多多活跃买家达数亿级别，下沉市场渗透率超60%。拼多多完美诠释了临界规模理论：突破临界点前增长艰难，突破后则势不可挡。

案例：百万美元主页

2005年，英国学生 Alex Tew 创建了一个网站，将主页划分为100万个像素，每像素售价1美元，以10x10像素（100美元）为最小购买单位。起初，这个网站毫无流量——谁会为一个无人访问的网站付费广告呢？

但 Alex 理解自我实现预期的机制。他让家人朋友购买最初几块像素，然后向媒体发布新闻稿，BBC 和科技网站进行了报道。这引发了正反馈循环：买家越多，媒体关注度越高，网站价值越大，吸引更多买家。

结果：所有像素很快售罄，最后1000个像素通过eBay拍卖，成交价数万美元。Alex 净赚超过100万美元。他成功地跨越了临界规模，启动了正反馈循环。

值得注意的是，该网站后来部分链接已失效——这是“链接腐烂”问题，但也说明早期采用者为后来者创造的正外部性是一次性消耗的。任何模仿者都无法复制其成功。

3.2 网络商品定价

理解了需求侧的特殊性后，我们转向供给侧：平台如何为网络商品定价？网络效应的存在使得定价决策变得更加复杂。

3.2.1 垄断平台定价

双用户模型中的定价

回到 Xena 和 Yuri 的模型。假设平台边际成本为 $f$，且 f < r_x（至少卖给 Xena 是有利可图的）。

弱网络效应情形（β < r_x - r_y）

平台面临两种选择：

• 高价 $A = r_x$：只有 Xena 购买，利润 $π_1 = r_x - f$
• 低价 $A = r_y + β$：两人都买，利润 $π_2 = 2(r_y + β - f)$

平台选择限制网络规模（只卖给 Xena）的条件是 $π_1 > π_2$，即：

β < r_x - r_y - (1/2)(r_x - f)

数值例子：设 $r_x = 10$, $r_y = 6$, $f = 2$。

• 垄断者只卖给 Xena：定价 $A = 10$，利润 $π_1 = 10 - 2 = 8$
• 垄断者卖给两人：定价 $A = 6 + β$，利润 $π_2 = 2(6 + β - 2) = 8 + 2β$

条件 β < r_x - r_y - (1/2)(r_x - f) = 10 - 6 - 4 = 0 表明在此参数下，只要 $β > 0$，卖给两人总是更优。例如当 $β = 1$ 时，$π_2 = 10 > π_1 = 8$。这说明网络收益足够强时，垄断者会服务整个市场。

而从社会福利角度，让两人都买更优的条件是总福利更高，即：

$r_x + r_y + 2β - 2f > r_x - f$，即 $β > (1/2)(f - r_y)$

关键观察：存在参数使得垄断者限制网络规模，但这种限制是对社会有害的。

强网络效应情形（$β > r_x - r_y$）

中间价格导致多重均衡。平台无法确定用户会协调到哪个均衡。

• 悲观平台选择 $A = r_x$，保证两人都买，利润 $2(r_x - f)$
• 乐观平台选择 $A = r_y + β$，如果用户协调成功，利润更高：$2(r_y + β - f)$

注意

强网络效应下的定价决策本质上是对用户协调能力的赌博。平台需要评估用户达成乐观均衡的可能性。这为平台的预期管理策略提供了空间——通过各种手段引导用户形成乐观预期。

3.2.2 连续用户模型的定价

考虑纯网络商品：内在估值 $r = 0$，用户对网络效应的估值 $β \sim U[0, 1]$。逆需求函数为 $A = n(1 - n)$。

垄断定价

假设平台直接选择网络规模 $n$，成本函数 $f(n)$。利润为：

$Π = n \cdot A - f(n) = n^2(1-n) - f(n)$

一阶条件给出垄断规模 $n^m$：$n(2 - 3n) = f'(n)$

完全竞争

在完全竞争下，价格等于边际成本，网络规模 $n^c$ 满足：$n(1 - n) = f'(n)$

社会最优

总剩余为：

TS = \int_{1-n}^{1} β \cdot n \, dβ - f(n) = (1/2)n^2(2 - n) - f(n)

社会最优规模 $n^*$ 满足：$n(4 - 3n)/2 = f'(n)$

核心结论

当边际成本不太高时（$f'(1/2) \leq 1/4$），有：

n^m < n^c < n^*

核心发现 3.4

垄断者倾向于支持较小的网络规模并收取较高的价格，这与传统垄断分析一致。但更重要的发现是：即使在完全竞争下，网络规模也低于社会最优。这是因为用户加入网络时，只考虑自己获得的网络收益，而不考虑自己的加入给其他用户带来的额外收益——这是典型的正外部性。

网络商品市场存在双重市场失灵：

1. 垄断势力：平台限制产量以提高价格
2. 网络外部性：用户不内化对其他用户的正外部性

案例：中国互联网的“烧钱补贴”大战

如果用户不内化正外部性，市场均衡规模就会低于社会最优。平台如何解决这个问题？中国互联网给出了一个直接的答案：补贴。

2014-2016年被称为中国互联网的“烧钱元年”和“烧钱大年”。据报道，滴滴2015年为“市场培育”花费数十亿美元，优步中国一年亏损也超过10亿美元。美团、饿了么、各共享单车平台都在疯狂补贴。

补贴的经济逻辑恰恰对应我们的理论：用户加入网络时只考虑自己的收益，不考虑给其他用户带来的正外部性。平台通过补贴来“内化”这部分外部性——本质上是替社会支付了网络效应带来的额外价值。

更重要的是，补贴帮助平台突破临界规模。一旦网络规模跨越 $n_s$，正反馈启动，平台就可以逐步减少补贴。正如一位投资人所说：“用户对企业没有忠诚度，他们只使用有补贴的应用”——但补贴的真正目的不是买忠诚，而是买规模。

烧钱大战的结果：市场上的竞争对手要么卖身求稳，要么关门大吉。滴滴合并快的、收购优步中国；美团合并大众点评。补贴大战也引起大量媒体报道，相当于省了天价广告费。滴滴近年来逐步实现盈利——在高密度市场通过运营效率和精益管理，证明了商业模式的可行性。

下期预告

本篇我们建立了分析网络商品需求与定价的基本框架，认识了多重均衡、临界规模和网络外部性等核心概念。下一篇将继续探讨竞争环境下的定价策略，以及平台如何通过兼容性决策、动态定价和先发优势来管理网络效应。我们将通过微信支付 vs 支付宝、鸿蒙 OS、共享单车大战等案例，揭示这些理论在现实中的应用。