第 1 章平台：定义与分类

12 世纪末的法国香槟地区，欧洲贸易开始起飞。香槟伯爵在领地内举办定期集市，每六周轮换一次，依次在六座城市举行。来自欧洲各地的商人聚集于此，因为他们相信能在这里找到交易伙伴。这份信心来自伯爵对集市的精心管理：严格筛选参与者，剔除可疑商人；一旦获准入场，所有人一视同仁，绝无特权；集市选址于设防城镇，设立公正的仲裁机构执行合约、解决纠纷；伯爵甚至提供贷款担保，允许用票据代替现金结算。作为回报，伯爵从每笔交易中抽取少量费用，迅速积累起可观财富。

香槟伯爵在 800 多年前做的事情，与今天的淘宝、微信、美团并无本质区别——他们都在做同一件事：创造条件让交易得以发生。伯爵提供的是安全保障和争端解决机制，现代平台提供的是搜索匹配和支付系统。形式变了，功能没变。

这种促成用户互动、从中创造价值的实体，就是我们所说的平台（Platform）。本章将从网络效应的基本概念出发，建立理解平台的分析框架。我们将看到，网络效应不是天然属性——它可以被创造、被管理，也会退化。理解这一点，是理解整个平台经济学的起点。

学习目标

理解网络效应的基本概念，区分组内网络效应与跨组网络效应
掌握吸引力循环和吸引力螺旋的形成机制及其经济含义
运用网络效应分析框架评估实际平台案例
辨析平台的定义标准，判断一个实体是否构成平台
认识网络效应的动态演化——类型会随时间变化，管理质量决定平台命运

1.1 组内网络效应

我们首先关注同一用户群体内部产生的网络效应。本节将定义组内网络效应并识别其来源，解释正向组内网络效应如何产生自我强化的吸引力循环，最后讨论这种循环如何影响用户的平台选择。

1.1.1 定义与来源

在很多市场环境中，消费者或其他市场参与者获得的效用不仅来自产品或服务本身，更来自与其他用户的互动。用户形成一个相互连接的网络，随着网络变化，每个用户从互动中获得的价值也随之改变。当一个新用户加入网络时，会影响其他用户的效用——这种外部效应就是网络效应（Network Effects）。网络效应是一种特殊的消费外部性：用户从产品或服务中获得的效用取决于使用该产品或服务的其他用户的数量或身份。这与生产外部性（如污染）或其他类型的消费外部性（如示范效应）不同。

核心概念

网络效应（Network Effects）描述的是：一个额外的产品或服务用户，或一个额外的互动参与者，对其他用户或参与者从该产品、服务或互动中获得的价值所产生的影响。

当用户属于同一群体时，我们称之为组内网络效应（Within-Group Network Effects），也叫直接网络效应（Direct Network Effects），因为一个用户的行为直接影响其他用户的效用。

社交规范、语言、通讯设备都能产生正向的组内网络效应：采用的人越多，采用者获得的效用就越大。在正向组内网络效应存在的情况下，群体成员发现群体活动水平越高，自己参与的吸引力就越大。

当然，也存在负向的组内网络效应。道路拥堵就是典型例子：在特定时刻选择特定道路的司机越多，该道路上的车速就越慢，每个司机的效用也就越低。节假日高速公路就是最直观的场景——车辆越多，车速越慢，每个司机的效用越低。

	正向	负向
机制	用户越多，价值越高	用户越多，体验越差
典型案例	微信、QQ、电话网络	道路拥堵、五一高速
反馈方向	自我强化（滚雪球）	自我抑制（拥挤效应）

网络效应的来源通常被认为是网络规模：随着网络扩大，对用户的价值增加（正向网络效应）或减少（负向网络效应）。但对于通讯工具（如特定语言或即时通讯应用），用户主要关心的是与自己有定期互动的那部分人的决策，因此用户的身份也很重要。不过，如果潜在采用者最初并不知道谁是用户，只有关于用户数量的信念，那么预期用户数量就是预期收益的最佳估计，更高的预期数量使采用更具吸引力。

网络效应的两个渠道

网络效应通过两个不同渠道发挥作用：

渠道类型	用户关心什么	典型案例	网络效应来源
直接互动收益	能与多少人互动	微信、米聊	可通话/聊天的对象越多，价值越大
服务质量提升	服务质量高低	高德地图、百度搜索	用户越多 → 数据越丰富 → 算法越准确

微信用户加入是为了与朋友聊天（直接互动），而高德地图用户加入是为了获得准确路线推荐（服务质量），即使他们可能不知道或不关心有多少其他用户在用。在某些情况下，两个渠道同时存在——比如 B 站，用户数量增加既丰富了可用内容（服务质量），又增加了弹幕互动的趣味性（直接互动）。

通讯网络的简单形式化

我们用一个简单的星型网络模型来形式化通讯平台上的网络效应。考虑一个本地电话交换系统：用户 $A$ 通过购买从自己位置 $A$ 到本地交换机 $S$ 的连接（链路 $AS$）接入网络。如果用户 $B$ 也订购了类似的链路（链路 $BS$），那么 $A$ 和 $B$ 就能互相通话。链路 $AS$ 和 $BS$ 可以看作两个互补品，组合起来创造了有价值的通讯系统。

如果网络有 $n$ 个订户，就存在 $n(n-1)/2$ 个这样的通讯系统。因此，一个新订户加入网络会创造 $n$ 个新系统，这让所有现有订户受益，构成了网络效应的来源。

这个星型网络模型假设所有通讯都通过中心交换机进行，简化了现实网络的复杂性。在实际通讯网络中，用户可能通过多种路径连接，网络拓扑可能更复杂（如网状网络）。但星型模型捕捉了网络效应的核心机制：每个新用户创造的价值与现有用户数量成正比。

通讯系统的例子包括：电报系统、固定电话和移动电话、Skype 等通讯应用、微信和 QQ 等即时通讯软件。

1.1.2 吸引力循环

网络效应的一个重要后果是让用户决策相互依赖：采取某行动的价值取决于有多少（以及是哪些）用户采取相同行动。在正向组内网络效应存在的情况下，当用户从同组其他用户采取特定行动中受益更多时，他们自己采取该行动的激励也更强。这产生了一个自我强化的过程，我们称之为吸引力循环（Attraction Loop）：采取特定行动的用户越多，该行动就越有吸引力，就会有更多用户跟随。

核心概念

吸引力循环（Attraction Loop）是正向组内网络效应产生的自我强化过程：群体活动水平越高 → 对每个成员增加活动的吸引力越大 → 群体整体活动水平进一步提高。

想象一群朋友面对这样的情况：小部分人提议的活动最初可能受到其他人质疑；但随着越来越多成员同意参加，剩余成员加入的吸引力也越来越大。

吸引力循环可能通过两个不同渠道产生：

直接互动收益：用户数量越多，用户从互动中获得的收益越大。大多数通讯类平台属于此类。
服务质量提升：用户主要关心服务质量，而质量本身取决于用户数量。搜索引擎和导航应用属于此类——用户只是间接关心用户数量，因为搜索结果或建议路线会随着活跃用户增多而改进。

案例：Waze 导航应用的组内网络效应

Waze 是一款具有 GPS 功能的智能手机应用，为用户提供实时行程时间、路线详情、交通更新和位置相关信息。2008 年由以色列创业公司 Waze Mobile 开发，2013 年被 Google 以约 11.5 亿美元收购，截至 2018 年声称拥有 1 亿用户。

Waze 的独特之处在于其社区性质：它依赖用户提供补充地图数据和交通信息。要发挥真正效用，应用需要在特定国家或地区达到临界规模的用户（否则实时交通信息很少）。用户被鼓励（通过积分和徽章系统）报告事故、交通拥堵、测速和警察陷阱，以及更新道路、地标、门牌号等。

这里存在组内网络效应的来源：贡献信息的用户越多，Waze 提供的社交地图服务就越有用。即使是不主动分享信息的被动用户也贡献了网络效应：像其他 GPS 软件一样，Waze 收集用户速度和位置的匿名信息，处理这些数据来改进整体服务。简而言之，用户网络越大，服务越好。

吸引力循环的双向性：向上滚与向下滚

吸引力循环是一把双刃剑——同一个机制既能向上滚，也能向下滚。

方向	机制	结果
向上	用户多 → 更有吸引力 → 更多用户	滚雪球式增长
向下	用户少 → 没吸引力 → 用户流失	加速萎缩直至归零

向上滚的例子我们已经看到很多。向下滚同样真实：一旦用户开始流失，平台吸引力下降，导致更多用户流失，形成恶性循环。这直接联系到第 3 章的临界规模（Critical Mass）概念——存在一个门槛，超过它就向上滚，低于它就向下滚到零。平台启动阶段的核心挑战，正是要突破这个门槛。

1.1.3 对平台选择的影响

在前面的很多例子中，用户可以在多个平台之间选择：语言、通讯渠道、视频游戏主机、搜索引擎等。吸引力循环使这种选择变得特殊，因为它们常常诱导用户协调加入单一平台，而牺牲所有其他平台。这可能导致所谓的赢者通吃（Winner-Takes-All）结果，具有两个有趣的特性：

即使可选平台在事前看起来对称，市场最终可能陷入不对称的局面
协调到单一平台的收益可能导致某些用户采取并非给他们最高独立效用的行动——某些用户可能决定违背自己的个人偏好

一个简单模型

让我们构建一个简单模型来说明这一点。假设有两个平台 $X$ 和 $Y$，以及两类用户：$X$ 偏好者和 $Y$ 偏好者。用户随机到达市场，必须在两个平台之间选择。

在没有网络效应的世界里，用户只会比较两个平台提供的独立效用。假设 $K$ 偏好者认为平台 $K$（$K \in \{X, Y\}$）的独立效用更高，且两类用户在人口中均等分布，那么长期来看两个平台应该有相等的市场份额。这就像反复抛一枚公平的硬币：大数定律预测长期来看正反面数量相等。

但在存在平台特定的正向组内网络效应时，情况发生了戏剧性变化。如果用户是短视的，不仅关心独立效用还关心与其他用户互动的可能性，那么当轮到他们选择时，决策会受到两个平台当前市场份额的影响。

为模型赋予具体结构，假设用户对获得偏好平台的独立效用估值为 $v$（如 $v=10$），对与任何其他用户互动估值为 $\delta$（如 $\delta=1$）。这意味着独立效用与网络效应的相对强度为 $v/\delta = 10$。那么当一个 $Y$ 偏好者到达市场时，如果观察到平台 $X$ 比平台 $Y$ 多至少 $v/\delta = 10$ 个用户，他就会决定加入平台 $X$：平台 $X$ 在网络效应方面的优势（多 10 个用户 × 1 单位互动价值 = 10）正好抵消了它在独立效用方面的劣势（少 10 单位独立效用）。从那时起，所有用户无论类型都会加入平台 $X$：平台 $X$ 的市场份额将增加，平台 $Y$ 永远无法追上。

这就好像我们反复抛的硬币变得越来越不公平：比如说正面出现得越多，硬币的重量分布就越不对称，使正面出现的概率增加。这种过程最终导致只有一种结果出现。在我们的例子中，这意味着单一平台最终将占领整个市场。

常见误解

网络效应不等于规模经济。规模经济（Economies of Scale）发生在供给侧，指生产规模扩大带来的平均成本下降；网络效应发生在需求侧，指用户数量增加带来的用户价值提升。两者都可能导致市场集中，但作用机制完全不同。

	网络效应	规模经济
发生侧	需求侧	供给侧
机制	用户数量增加 → 用户价值提升	生产规模扩大 → 平均成本下降
受益者	用户	生产者

1.1.4 案例分析：微信的组内网络效应

微信（WeChat）由腾讯于 2011 年 1 月推出，最初是一款即时通讯工具，现已发展为集社交、支付、电商、内容、政务于一体的超级应用。截至 2024 年第二季度，微信月活跃用户达 13.71 亿，覆盖 95% 的中国智能手机用户。

组内网络效应的体现

微信的核心价值源于其通讯功能产生的强大组内网络效应。用户加入微信的价值取决于其社交圈中有多少人使用微信——亲友越多，价值越高。这正是典型的吸引力循环：

\[ \text{用户越多} \rightarrow \text{对新用户吸引力越强} \rightarrow \text{更多用户加入} \rightarrow \text{价值进一步提升} \]

微信的组内网络效应已形成极高的用户锁定（Lock-In）效应。即便出现技术上更优秀的通讯工具，用户也难以迁移，因为迁移意味着失去与现有社交网络的连接。这解释了为什么微信在中国即时通讯市场实现了赢者通吃，几乎没有有效竞争者。

数据支撑

指标	数据	时间
月活跃用户	13.71 亿	2024 年 Q2
日均使用时长	150 分钟以上	2024 年
中国智能手机用户覆盖率	95%	2024 年

与米聊的对比

米聊是小米公司 2010 年 12 月推出的即时通讯应用，比微信早一个月上线，功能高度相似。米聊初期增长迅猛，一度突破千万用户，但微信借助 QQ 积累的社交关系链快速导入海量用户，短时间内实现反超。一旦用户发现身边朋友大多已在微信上，米聊的网络价值就急剧下降。2021 年米聊正式停服。类似的还有网易与中国电信合推的易信、阿里巴巴的来往，都未能撼动微信——吸引力循环一旦启动，后来者即使产品功能相当也几乎无法翻盘。

QQ 与微信的共存：社交隔离下的多平台共存

QQ 和微信同属腾讯，功能高度重叠，却长期共存且用户群体明显分化。这看似违背了赢者通吃的逻辑，但原因在于：青少年和中年人之间的日常社交本身就是相对隔离的。

群体	主要使用	社交圈
中小学生	QQ	同学、游戏好友
大学生 → 职场人	微信	同事、客户、家长群

两个群体之间缺乏频繁的日常互动，因此各自可以维持独立的吸引力循环——QQ 在青少年中自我强化，微信在成年人中自我强化，互不干扰。但当一个人从学生变为职场人，社交圈发生切换，他也会自然地从 QQ 转向微信。赢者通吃的前提是所有用户处于同一个互动网络中；当群体之间社交隔离时，不同平台可以在各自的圈子里各自通吃。

1.2 跨组网络效应

在前面的例子中，用户很难被区分开：他们都是同一产品或服务的消费者，或者都有潜力以相同身份与他人互动。然而，在很多环境中，用户明显属于不同群体，互动主要发生在不同群体的用户之间。交易平台就是典型案例，它让买家和卖家互动。这里我们说的是跨组网络效应（Cross-Group Network Effects），因为平台的一个额外用户影响的是另一群体用户的效用。

核心概念

跨组网络效应（Cross-Group Network Effects）是指某一群体的额外用户对另一群体用户产生的网络效应。也称为间接网络效应（Indirect Network Effects）。

在交易平台上，其他条件不变时，买家通常在卖家越多时越满意，反之亦然：两个群体对彼此产生正向的跨组网络效应。内容平台提供了另一个例子：平台提供内容吸引消费者加入，消费者可能直接付费或通过关注与内容捆绑的广告间接付费。如果消费者效用随广告量增加而下降，广告商就对消费者产生负向跨组网络效应，而消费者对广告商产生正向跨组网络效应。

考虑连接两组用户的平台，跨组网络效应可以是正向、负向或不存在的。我们忽略双向都是负向的情况（如族群间的紧张关系），因为这意味着两组之间的联系应该被切断，与我们关注的促进互动的平台无关。

这留下三种典型情况。我们用 $A$ 和 $B$ 标识两个群体，用 $n_A$ 和 $n_B$ 表示各自的活动水平（可用用户数量近似）。

类型	方向	典型案例
吸引力螺旋	A 与 B 相互吸引	淘宝买家与卖家
吸引/排斥钟摆	A 吸引 B，B 排斥 A	视频观众与广告商
吸引力溢出	A 吸引 B，B 对 A 无影响	专家与业余爱好者

1.2.1 吸引力螺旋

在这种情况下，每个群体对另一群体产生正向网络效应。也就是说，一个群体的更高活动水平会吸引另一群体的成员加入平台。因此，每个群体的活动水平都是另一群体活动水平的增函数：$n_A$ 随 $n_B$ 增加而增加，反之亦然。

因为吸引是相互的，两个群体之间的互动产生两个有趣的特性。

正反馈循环

相互吸引在两个群体之间创造了正反馈循环，我们称之为吸引力螺旋（Attraction Spiral）。假设群体 $A$ 的活动水平因某种原因上升。由于 $n_B$ 是 $n_A$ 的增函数，这导致群体 $B$ 的活动水平增加。而由于 $n_A$ 也是 $n_B$ 的增函数，更多群体 $A$ 的成员被吸引到平台，这又吸引更多群体 $B$ 的成员，如此循环往复。活动水平因此螺旋上升，最终增加量大于初始增加量。

核心概念

吸引力螺旋（Attraction Spiral）：如果一个群体的更高活动水平使另一群体成员更愿意增加他们的活动水平，反之亦然，这种跨组效应就产生吸引力螺旋。

\[n_A \uparrow \rightarrow n_B \uparrow \rightarrow n_A \uparrow \uparrow \rightarrow n_B \uparrow \uparrow \rightarrow \cdots\]

乘数效应的数学表达

如果我们用 $\beta_A$ 衡量群体 $B$ 成员对群体 $A$ 成员产生的网络效应强度，并假设这一强度与活动水平无关，那么群体 $A$ 成员的吸引力正向依赖于 $\beta_A n_B$。反之，群体 $B$ 成员的吸引力正向依赖于 $\beta_B n_A$。

为了举例说明，假设依赖关系是一对一的：群体 $A$ 多一个用户会吸引 $\beta_B$ 个群体 $B$ 的额外用户，群体 $B$ 多一个用户会吸引 $\beta_A$ 个群体 $A$ 的额外用户。

那么如果初始增加是群体 $A$ 多一个用户，我们依次有：

群体 $B$ 增加 $\beta_B$ 个用户
群体 $A$ 增加 $\beta_A \beta_B$ 个用户
群体 $B$ 增加 $\beta_A \beta_B^2$ 个用户
以此类推…

累加起来，当 $\beta_A \beta_B < 1$ 时（即跨组网络效应的乘积小于 1，确保过程收敛），群体 $A$ 最终增加： \[ 1 + \beta_A \beta_B + \beta_A^2 \beta_B^2 + \beta_A^3 \beta_B^3 + \cdots = \frac{1}{1 - \beta_A \beta_B} \]

群体 $B$ 最终增加： \[ \beta_B + \beta_A \beta_B^2 + \beta_A^2 \beta_B^3 + \cdots = \frac{\beta_B}{1 - \beta_A \beta_B} \]

如果 $\beta_A \beta_B \geq 1$，螺旋会无限放大，意味着任何初始扰动都会导致活动水平爆炸性增长——这在现实中不可持续，通常表明平台会迅速达到容量约束或市场饱和。

例如，如果 $\beta_A = 1/3$，$\beta_B = 1/2$（即需要两个群体 $A$ 用户才能多吸引一个群体 $B$ 用户，三个群体 $B$ 用户才能多吸引一个群体 $A$ 用户），群体 $A$ 初始增加 10 个用户会转化为群体 $A$ 实际增加 12 个用户，群体 $B$ 增加 6 个用户。

与凯恩斯乘数的类比

这个乘数效应在结构上与宏观经济学中的凯恩斯乘数相似。但有一个关键区别：凯恩斯乘数描述的是总量关系，而这里的乘数有明确的微观基础——每个用户的加入都是一个决策，受到网络规模的影响。

间接网络效应

两个群体之间相互吸引的第二个特性是，它在每个群体成员之间产生了正向的间接网络效应。如前所述，一个群体活动水平的初始增加会导致最终增加超过比例。因此，群体 $A$ 中更多的参与最终会让群体 $A$ 的所有成员受益——不是直接通过某种组内网络效应，而是间接通过两个正向跨组网络效应的组合。

间接网络效应在系统商品（System Goods）的环境中得到研究，这类商品通常将某种硬件与各种软件结合。系统商品本身并不产生直接网络效应，因为它们的主要功能不是促进用户之间的互动。然而，它们产生间接网络效应，因为更多采用会鼓励供应更多数量或种类的软件，从而使整个系统对用户更有价值。

1.2.2 吸引/排斥钟摆

吸引并不总是相互的。当一个群体被另一群体吸引时，后者可能以冷漠（下一节讨论）甚至排斥来回应。在后一种情况下，群体 $i$（$i \in \{A, B\}$）的活动水平是另一群体 $j$（$j \neq i$）活动水平的增函数，而群体 $j$ 的活动水平是群体 $i$ 活动水平的减函数。

因此，如果群体 $A$ 的活动水平因某种原因上升，这会导致群体 $B$ 的活动水平增加，但这又排斥群体 $A$ 的成员，进而使钟摆摆回来，降低群体 $A$ 的活动水平。由于群体 $A$ 活动水平降低，群体 $B$ 不那么活跃，这又增加群体 $A$ 的活动水平，如此往复。我们称这种环境为吸引/排斥钟摆（Attraction/Repulsion Pendulum）。

核心概念

吸引/排斥钟摆（Attraction/Repulsion Pendulum）：如果一个群体的更高活动水平使另一群体成员更愿意增加他们的活动水平，但反过来，后者群体的成员往往被前者更高的活动水平排斥，这种跨组效应就产生吸引/排斥钟摆。

例子

视频平台是最贴近日常体验的例子：观众越多，广告商越想来（正向跨组效应）；但广告越多，观众体验越差（负向跨组效应）。视频网站必须在广告收入和用户体验之间不断平衡——这个钟摆如何管理，直接决定了平台的长期命运。

网络浏览器提供了另一个例子：随着一款浏览器被更多用户采用，对黑客的吸引力也增加。因此，从用户到黑客存在正向跨组网络效应。但吸引不是相互的：黑客越多，潜在用户越不愿意采用该浏览器，因为黑客活动会排斥他们。

因当地文化而吸引游客的地点也呈现钟摆特征——丽江古城是一个典型案例。原住民社区的传统文化和生活方式吸引了大量游客；但游客涌入后，商业化气息浓重，物价上涨，原住民逐渐搬离，古城失去了最初吸引游客的文化底蕴。这种退化一旦发生，很难逆转。

1.2.3 吸引力溢出

最后，一个群体对另一群体感受到的正向吸引可能被冷漠回应。一个群体（比如群体 $A$）对群体 $B$ 产生正向网络效应，但群体 $B$ 对群体 $A$ 既不产生正向也不产生负向网络效应。因此，群体 $B$ 的活动水平 $n_B$ 是 $n_A$ 的增函数，而群体 $A$ 的活动水平不受群体 $B$ 活动水平的影响。我们称这种情况为吸引力溢出（Attraction Spillover）。

核心概念

吸引力溢出（Attraction Spillover）：如果一个群体的更高活动水平使其他群体成员更愿意增加他们的活动水平，但吸引力在相反方向不受影响，这种跨组效应就产生吸引力溢出。

例子

这种情况可能出现在专业人士和业余爱好者群体之间的互动中：业余爱好者从专家更高的活动水平中获益（例如可以从他们那里获得有价值的信息，专家活动越多这种信息溢出越可能），而专家不从任何人的存在中获益（例如因为他们已经完全知情）。那么业余爱好者就会被专家聚集的地方吸引。

两组参与者可能是同类用户但在不同时间点活跃在平台上。考虑有早期用户和后期用户的情况：第一期在平台上购买的早期用户越多，第二期能卖出的升级版就越好。其他条件不变，第二期用户发现参与的吸引力随第一期购买数量增加而增加。因此，第一期用户对第二期用户产生正向网络效应（但后者不影响前者的效用）。

1.2.4 网络效应类型的动态演化

前面我们把吸引力螺旋、钟摆和溢出当作静态分类来介绍。但在现实中，同一个平台上的网络效应类型可能随时间发生根本性的转变。这是理解平台生命周期的关键视角。

阶段	知乎的状态	丽江古城	效应类型
初期	专家互相吸引，邀请制社区	原住民社区，文化氛围浓厚	组内正向
中期	专家内容吸引大量普通用户	独特文化吸引游客	吸引力溢出
后期	普通用户过多，专家被驱逐	游客过多，居民搬离	钟摆

知乎的演化：从循环到钟摆

知乎成立于 2011 年，早期采用邀请制，吸引了大量各领域专业人士。专家之间的高质量互动形成了正向组内网络效应——好问题引来好回答，好回答吸引更多专家参与。这是一个教科书式的吸引力循环。

随着知乎开放注册，专家贡献的优质内容开始吸引大量普通用户——这时效应类型从组内循环演变为溢出。专家群体的活动水平吸引了业余用户，但业余用户的增长本身并不影响专家。

转折点发生在平台追求流量增长之后。随着普通用户远远超过专家用户，平台算法开始优先推送情绪化、故事化的内容（因为这类内容流量更高），专业回答反而得不到足够曝光。专家失去贡献动力，逐渐离开——效应类型变成了钟摆。

深层结构：高质量群体创造吸引力 → 吸引低质量群体 → 低质量群体驱逐高质量群体 → 核心价值被稀释。

核心洞见

知乎的衰落不是必然的自然规律，而是平台放弃有效管理的结果。早期知乎有专业编辑推荐优质回答，专家获得正反馈，持续贡献；后期纯算法追求流量，情绪化故事被顶上去，专家失去动力。

钟摆效应不是不可逆的——如果平台持续投入管理资源，维护高质量群体的参与激励，溢出不必演变为钟摆。但管理质量本身会退化，这才是最大的风险。

1.2.5 组内还是跨组网络效应？

组内和跨组网络效应之间的界限有时候很模糊。确定平台用户是否属于同一群体还是应该分成不同群体可能很棘手。

电话网络的例子

电信网络的经济学文献大多为简化起见假设均匀通话模式——即每个订户打电话给任何其他订户和被任何其他订户打电话的可能性相等；这种完全对称参与者的假设意味着单一群体展现组内网络效应。另一个简化假设是认为某些人只打电话而其他人只接电话（如餐厅和想要点外卖或预订的顾客）；这样就形成两个不同群体，只有跨组网络效应。

现实自然介于这两个极端之间：订户在打电话和接电话的倾向上都是异质的。而且，通话模式被广泛报道为非均匀的：大多数订户有一个通话圈，即与他们互动更频繁的订户子集。从个别订户的角度来看，网络效应主要是组内的（即通话圈内部），跨组网络效应（即通话圈外部）相对有限。

在线扑克的案例

在线游戏提供了另一个乍看只有单一用户群体（玩家）受网络效应影响的平台环境；但仔细观察会发现更丰富的结构，同时存在组内和跨组网络效应。

Wimmer 等人（2018）对在线扑克玩家进行了调查，询问他们对其他玩家存在对扑克网站吸引力的评价。显然，活跃玩家越多，等待游戏的时间越短，这表明存在正向组内网络效应。然而，更仔细的观察揭示玩家在能力上是异质的。扑克作为一种零和博弈，其中成功取决于玩家能力，具有这样的特性：获胜概率随玩家自身能力增加而增加，随其他玩家能力增加而降低。

如果我们区分低技能和高技能玩家，那么每个玩家都发现如果低技能玩家更多网站更有吸引力。如果等待时间减少被获胜概率降低所主导，那么每个玩家都发现如果高技能玩家更多网站更没有吸引力。因此，在混合池中评估，我们预期低技能玩家产生正向的组内和跨组网络效应，而高技能玩家产生负向的组内和跨组网络效应。

分析技巧

区分组内和跨组网络效应在某些情况下可能很困难。如果我们关心的是平台随时间增加用户基础的成功，区分不太关键（都是正反馈）。但如果关心平台策略设计，精确区分就很重要。在扑克例子中，认为网络效应纯粹是组内类型的平台会部署策略吸引任何玩家，无论其技能；然而，这种策略可能导致高技能玩家过多，最终可能降低平台的吸引力。

1.2.6 案例分析：淘宝天猫的跨组网络效应

淘宝网于 2003 年由阿里巴巴创立，天猫（原淘宝商城）于 2008 年独立运营。淘宝定位 C2C 市场，天猫定位 B2C 品牌商城。截至 2025 年，淘宝天猫月活用户超 9.2 亿，GMV 约 8.5 万亿元。

吸引力螺旋的典型体现

淘宝天猫是典型的双边市场，连接买家和卖家两个用户群体：

\[ \text{买家越多} \rightarrow \text{对卖家吸引力越强} \rightarrow \text{商品供给越丰富} \rightarrow \text{买家体验越好} \rightarrow \text{更多买家加入} \]

淘宝如何战胜 eBay？

2003 年 eBay 是全球电商巨头，通过收购易趣已占据中国 C2C 市场的主导地位。淘宝通过四步策略实现逆袭：

免费吸引卖家：eBay 易趣对卖家收取上架费和交易佣金，淘宝宣布对卖家全免费，大量中小卖家涌入
商品丰富吸引买家：卖家增多带来商品多样性，买家开始转向淘宝
吸引力螺旋启动：买家增多进一步吸引卖家，螺旋加速运转
2006 年 eBay 退出中国市场：螺旋一旦在淘宝这边形成，eBay 无法追赶

这一策略的本质是分而治之（Divide-and-Conquer）：选择网络效应更强或价格弹性更大的一边作为补贴侧，用免费撬动螺旋。

买家群体的组内网络效应

买家群体内部是否存在网络效应？表面上看，买家之间存在竞争关系（争夺限量商品），可能产生负向组内效应。但淘宝通过评价系统、问大家、买家秀等功能，让买家贡献的内容提升了其他买家的购物体验，形成了正向的组内网络效应。

数据支撑

指标	数据	时间
月活跃用户	9.2 亿以上	2025 年 6 月
年度活跃消费者	10 亿以上	2024 年
GMV	约 8.5 万亿元	2024 财年
新入驻商家增长	同比增长 60%	2024 年 Q1

1.2.7 案例分析：美团的三边网络效应

美团于 2010 年成立，从团购起家，经历千团大战后成为本地生活服务超级平台。2024 年美团年收入 3376 亿元，外卖市场份额约 70%，活跃商家数达 1450 万。

三边市场的协同网络效应

美团外卖是典型的三边市场（Three-Sided Market），连接消费者、商家和骑手三类用户群体。这三边形成相互强化的网络效应闭环：

效应方向	描述
商家 → 消费者	商家越多，选择越丰富，消费者越满意
消费者 → 商家	消费者越多，订单越多，商家越愿意入驻
消费者 → 骑手	订单越多，骑手收入越稳定，骑手越多
骑手 → 消费者	骑手越多，配送越快，消费者体验越好
骑手 → 商家	骑手密度越高，履约效率越高，商家满意度越高

这种三角稳定结构形成了极高的竞争壁垒——竞争对手需要同时突破三边才能动摇美团的市场地位。

临界规模与鸡生蛋问题

外卖平台存在明显的临界规模（Critical Mass）要求：

\[ \text{骑手密度不足} \rightarrow \text{配送时间过长} \rightarrow \text{用户体验差} \rightarrow \text{订单减少} \rightarrow \text{骑手收入下降} \rightarrow \text{骑手流失} \]

美团通过千团大战时期的补贴策略率先达到临界规模，建立了先发优势。三边比双边更难突破——这是鸡生蛋问题的升级版（详见第 4 章）。

京东进军外卖：挑战三边壁垒

2025 年京东进入外卖市场，采取了一个独特的策略：为骑手提供正式员工合同和社保。

层面	效果
进攻	吸引骑手到京东，提升自身配送体验
破坏	正式合同意味着骑手独占——减少美团可用骑手

这不是简单的补贴，而是提高竞争对手成本（Raising Rivals’ Costs）——试图拆掉美团三边中最薄弱的一环。

但这一策略也有风险：正式员工 = 固定成本。如果订单量不够，骑手薪资就成了负担。

	美团（灵活用工）	京东（正式员工）
成本结构	按单计费（可变成本）	固定工资（固定成本）
订单少时	成本自动下降	仍需支付工资
骑手归属	多平台共享	京东独占

京东必须在单个城市快速达到足够的订单密度，否则正式员工模式反而成为拖累。

数据支撑

指标	数据	时间
年收入	3376 亿元	2024 年
外卖日单量	约 6000 万单	2024 年
外卖市场份额	约 70%	2024 年
活跃商家数	1450 万	2024 年
日均活跃骑手	300 万以上	2025 年

1.2.8 案例分析：抖音的双重算法机制

抖音（2016 年上线）日活超过 7 亿，连接创作者、观众和广告商三类用户。抖音的独特之处在于它的算法同时在做两件事：

目标	机制	效果
最大化正向螺旋	精准匹配内容与用户偏好	创作者 ↔︎ 观众互相强化
最小化钟摆排斥	学习每个用户的广告容忍度	广告干扰感降到可接受范围

螺旋管理：抖音的推荐算法让每个创作者的内容都能精准触达感兴趣的观众。观众的正反馈（点赞、完播、关注）激励创作者持续产出，形成创作者与观众之间的吸引力螺旋。

钟摆管理：广告商被海量观众吸引（正向），但广告太多会让观众反感（负向）。抖音通过用户反馈机制学习每个人的广告容忍边界，在不触发钟摆排斥效应的前提下最大化广告收入。

广告收入最大化 ≠ 广告数量最大化

\[\text{广告收入} = \text{广告数量} \times \text{单价}\]

广告太多 → 观众流失 → 流量下降 → 单价下降 → 收入反而减少。抖音用算法控制广告数量的上限，让钟摆的摆幅维持在可控范围内。这正是平台积极管理网络效应的典型体现——不是放任钟摆摆动，而是用算法控制摆幅。

两套算法缺一不可，构成互补优势。叠加数据网络效应（用户越多 → 数据越丰富 → 算法越精准 → 体验越好），抖音形成了三重壁垒。

1.2.9 案例分析：拼多多的崛起——创造网络效应

按照吸引力螺旋的理论，淘宝已经积累了数亿买家和数百万卖家，螺旋转得飞快，应该赢者通吃——拼多多怎么活下来的？

三步策略

第一步：找到被忽略的用户。 淘宝和京东的主力用户是一二线城市的消费者。拼多多瞄准了三四线城市的价格敏感群体——这些用户对品牌溢价不感兴趣，只想用最低的价格买到能用的东西。这类似 QQ vs 微信的逻辑：不同用户群体之间存在天然隔离。

第二步：用社交裂变创造组内网络效应。 电商平台本来没有买家之间的组内网络效应——你在淘宝买东西不需要关心别的买家是谁。但拼多多通过砍一刀和拼团机制人为创造了它：

\[\text{想便宜买} \rightarrow \text{分享微信群} \rightarrow \text{亲友也想买} \rightarrow \text{再分享} \rightarrow \text{吸引力循环}\]

第三步：买家规模起来后，跨组螺旋自然启动。 当买家规模达到一定量级，卖家自然被吸引入驻。传统的吸引力螺旋开始运转。

传统打法	拼多多打法
正面抢对手用户	开发被忽略的新群体
靠补贴吸引买家	靠社交裂变让买家拉买家
从跨组螺旋启动	先创造组内效应，再过渡到跨组

核心洞见

拼多多案例揭示了一个深刻的道理：网络效应不是天然属性，是可以被创造的。 电商本无买家之间的组内网络效应，拼多多通过砍一刀/拼团机制人为创造了它。这说明企业可以通过产品设计主动构建网络效应，而不是被动等待网络效应自然产生。

1.3 平台的定义与分类

现在我们已经介绍了不同类型的网络效应——组内与跨组、正向与负向——以及它们的组合如何导致若干典型情况，我们可以明确平台的概念了。本节首先给出平台的定义，然后用若干现实案例来检验这一定义，最后提出平台分类的不同方式。

1.3.1 平台的定义

在我们看来，一个实体要被视为平台，必须满足两个关键要求。第一，该实体必须促进通过某种形式网络效应相联系的用户之间的互动。第二，该实体必须以积极的方式管理这些网络效应。

核心概念

平台（Platform）是指将经济主体聚集在一起并积极管理它们之间网络效应的实体。

虽然类似平台的中介机构早已存在，但数字技术的快速发展极大地扩展了满足这些要求的可能性。数字技术使中介机构能够大幅降低用户互动必须承担的交易成本（与搜索、匹配、筛选、签约、信任、声誉、争端解决、预订管理等相关的成本）。同时，中介机构可以依靠数字技术更积极地管理网络效应，并通过价格和非价格工具增加或重新分配价值。

平台是战略选择

平台不是天然属性，而是企业的战略选择。同一家企业可以选择做平台，也可以选择不做平台——甚至同时运营两种模式。

京东是最好的例子。京东自营业务采购商品、管理库存、直接销售给消费者——这是经销商模式，不是平台。但京东第三方业务让外部商家入驻、自行管理商品、京东提供流量和物流服务——这就是平台模式。同一个 App 里，两种模式并存。

微信的演化更能说明问题。2011 年微信只是一款通讯工具，严格来说只管理通讯用户之间的组内网络效应。后来微信逐步加入公众号（连接作者和读者）、小程序（连接商家和消费者）、微信支付（连接商户和用户），主动将自己从单边工具变成了多边平台。每加一条边，都是一次战略选择。

做平台有代价：管理网络效应需要投入大量成本（技术基础设施、规则制定、纠纷处理），也需要承担风险（网络效应可能退化、钟摆可能失控）。不是每家企业都适合做平台。

关于定义的两点讨论

对于那些不认为网络效应是平台本质特征的人来说，我们的定义可能显得过于狭窄。确实，有些中介问题与网络效应无关，而且规模经济和范围经济对某些中介机构的成功可能贡献更大。

相反，对于那些认为多边性是平台主要特征的人来说，我们的定义可能显得过于宽泛。商业报刊、政策文件和学术文献中常将平台定义为积极管理两个或多个经济主体群体之间（跨组）网络效应的实体。我们认为这种对多边性的关注不适合我们的目的，有三个原因：

许多当今的巨型数字平台最初是通过管理组内网络效应起步的（并且在很大程度上仍然如此）
这些平台逐渐将跨组网络效应的管理纳入其商业模式和货币化策略
一些竞争挑战（如某些有平台的市场倾向于倾覆到单一平台）无论是否多边都存在：所需的只是吸引力循环或吸引力螺旋足够强

换句话说，在评估平台的市场力量来源时，所有类型的网络效应都发挥重要作用；而且，在平台上增加额外的边是一个内生决策。采用更狭窄的平台定义会导致我们过于选择性地分析这些问题。然而，我们承认某些问题是双边或多边平台特有的，这将使我们在本书中专门用大量篇幅讨论这类实体。

1.3.2 什么是（什么不是）平台？

平台有多种可用的工具来管理网络效应。虽然向不同参与者收取的价格是最明显的，但还有一长串其他可能可用的工具。下面我们用这一定义来分析若干现实案例，讨论每个实体在多大程度上可以被视为平台。

网络效应明显存在的案例

世界语（Esperanto）：世界语是 19 世纪末构建的一种口语。与任何其他语言一样，世界语产生正向组内网络效应：说这种语言的人越多，其他人学习它就越有趣。然而，尽管有世界世界语大会（每年举办会议）和联合国的官方支持（自 1954 年），似乎没有实体能够（或愿意）积极管理这些网络效应。世界语案例清楚地表明，网络效应的存在本身不足以使一个产品成功——缺少的是积极管理这一要素。这有助于解释为什么世界语从未达到用户的临界规模。估计世界语有大约 200 万使用者；对于一门旨在成为全球通用语言的语言来说，这是一个相当小的社区。

Uber：打车应用 Uber 匹配司机和乘客。司机由于至少两个原因体验到正向跨组网络效应：更多乘客减少了预期空闲时间，也减少了司机位置和接客点之间的预期距离。乘客体验正向跨组网络效应是因为这减少了预期等待时间。通过其算法和价格激励，Uber 可以尝试管理司机和乘客的使用。

边界模糊的案例

永辉超市与普通超市：普通超市买断商品再转卖给消费者，消费者之间不存在明显的网络效应，不是平台。

Tesco 与上架费模式：但如果超市将商业模式聚焦于向卖家出租货架空间（收取上架费），它就作为平台运营并管理跨组网络效应——消费者越多，品牌制造商越愿意参与；携带更多有吸引力的品牌，又能吸引更多消费者。此时超市具有部分平台属性。

超市到底是不是平台？

同一种业态，平台属性可以截然不同：

超市类型	网络效应	管理方式	平台属性
普通超市（买断转卖）	弱	弱	低
普通超市（收上架费）	有跨组效应	有一定管理	中
山姆/Costco（会员制）	强跨组效应	双向筛选	高

山姆会员店是一个特别有启发性的案例。表面看它是超市，实际上它通过两把筛子积极管理网络效应：

供给侧：专业选品团队，仅保留约 4000 个 SKU（普通超市通常有数万个），提供质量背书
需求侧：260 元/年起的会员费筛选高消费力客户

\[\text{精选商品} \rightarrow \text{消费者信任} \rightarrow \text{付会员费} \rightarrow \text{优质客流} \rightarrow \text{供应商给最优价} \rightarrow \text{更有吸引力}\]

山姆完全符合平台定义的两个条件：存在跨组网络效应（供应商和消费者相互吸引），并通过选品和会员制积极管理这些效应。

淘宝 vs 山姆：定价方向为何相反？

	淘宝	山姆
补贴侧	买家（免费）	供应商（独占渠道）
收费侧	卖家（佣金+广告）	消费者（会员费）
逻辑	买家转换成本低、弹性高	供应商竞争激烈、争着进场
商品利润	平台不碰商品	极低毛利（10%-14%）

定价原则：补贴弹性高、对另一边吸引力强的那一边，向获益更多且弹性低的那一边收费。淘宝的买家容易流失（弹性高），所以补贴买家；山姆的供应商竞争激烈、渴望进入优质渠道（弹性高），所以补贴供应商。（详见第 5 章）

平台的边界是程度和焦点的问题，不是非黑即白。

论坛 vs 知乎：管理的差距

管理程度的差异也能决定一个实体是否成为平台：

实体	网络效应	管理方式	是平台？
大学 BBS（水木/未名）	有组内效应	版主自治，无系统管理	否
百度贴吧	有组内效应	管理有限	边界模糊
知乎（早期）	有组内效应	邀请制 + 编辑推荐	是

论坛有网络效应但缺乏系统性管理；平台不仅有网络效应，还积极干预其走向。知乎早期的邀请制正是主动管理网络效应的体现——通过控制谁能加入来维护社区质量。

其他边界案例

个人博客 vs 团队博客：个人博客不能被视为平台，因为它不满足我们定义的任何两个要求。但如果博主邀请更多作者加入，或使用广告作为货币化策略，博客就可能变成平台。这时博客连接广告商和读者；只要读者不喜欢在内容旁边看到广告，博客就展现出吸引/排斥钟摆。

加油站和公证人：独立加油站促成石油公司和零售客户之间的汽油交易，但不涉及网络效应。公证人是促成买卖双方之间交易并收取监管佣金的实体的例子。这类实体不满足我们的定义，因为很难看出什么是网络效应，即使有，该实体也可能没有可用的工具来管理它们。

总结表

实体	网络效应存在？	网络效应被管理？	是平台吗？
微信	是（组内+跨组）	是	是
滴滴	是（跨组）	是	是
Uber	是（跨组）	是	是
知乎（早期）	是（组内）	是	是
世界语	是（组内）	否	否
永辉超市	否	否	否
山姆会员店	是（跨组）	是	是
百度贴吧	是（组内）	有限	边界模糊
大学 BBS	是（组内）	否	否
加油站	否	否	否

正如这些例子所示，很难在哪个实体满足我们的平台定义和哪个不满足之间画出清晰的分界线：这往往是一个程度和焦点的问题。

1.3.3 平台分类框架

平台的分类方法很多。不同的分类关注平台的不同维度，从而服务于不同目的。就本书而言，我们的目标是双重的：一方面，我们想识别平台策略背后的经济力量；另一方面，我们想理解平台如何表现。为此，我们提出一个与我们的定义一致的平台类型学，关注平台如何创造和获取经济价值。

价值创造与价值获取

两个问题是决定平台如何设计策略和表现的关键：

平台如何创造经济价值？ 特别是，平台积极管理哪些网络效应？
平台如何获取经济价值？ 换句话说，平台使用什么货币化策略？

关于价值创造，我们区分三个选项：

利用相互正向的跨组网络效应（吸引力螺旋）
利用正向组内网络效应（吸引力循环）
主要通过独立产品或服务创造价值（网络效应对价值创造不核心，但可能对价值获取有用）

关于价值获取（货币化），我们识别两大选项：

向享受正向网络效应的用户收费：通常通过免费增值（Freemium）策略实施——提供有限功能的免费版和更多功能的付费高级版
捆绑坏品：将服务与广告和/或个人或匿名数据的转让捆绑。用户通常不面临货币支付，但经常承担被广告骚扰或隐私被侵犯的影子成本

平台分类矩阵

	吸引力循环（组内）	吸引力螺旋（跨组）	无显著网络效应
向用户收费	Netflix、爱奇艺会员、原始 LinkedIn	淘宝天猫（向商家）、Amazon Marketplace、Tinder、当前 LinkedIn	（非平台）
捆绑广告/数据	微信朋友圈、Facebook	抖音、小红书、YouTube	纽约时报、澎湃新闻

一个平台可以占多个格子

分类矩阵中的格子不是互斥的——一个平台往往同时占据多个位置。微信是最好的例子：

功能	价值创造	价值获取	矩阵位置
通讯	组内	免费	—
朋友圈	组内	广告	左下
小程序/支付	跨组	向商家收费	右上
公众号	跨组	广告	右下

平台会主动增加边——微信从单边通讯工具演化为多边超级平台，每加一条边都是战略选择。这也呼应了前面的核心洞见：平台是战略选择，不是天然属性。一个实体选择管理什么类型的网络效应、采用什么货币化方式，决定了它在分类矩阵中的位置——而这个位置是可以改变的。

按平台功能分类

硬件/软件系统：允许应用开发者和最终用户互动。例如：Android、iOS、PlayStation、鸿蒙
匹配平台：帮助一组成员在另一组中找到合适匹配。例如：Tinder、LinkedIn、智联招聘、探探
交易平台：帮助买卖双方搜索可行合约和最佳价格。例如：淘宝、京东、美团、Airbnb
对等市场：促进个人之间商品和服务的交换。例如：滴滴、Uber、闲鱼
媒体和娱乐平台：向用户提供内容，向内容提供者提供受众。例如：抖音、微信公众号、YouTube
支付系统：提供支付方式促进买卖双方之间的交易。例如：支付宝、微信支付、Visa

1.3.4 案例分析：滴滴出行的双边市场

滴滴出行于 2012 年成立，经历与快的、优步中国的激烈竞争和合并后，成为中国网约车市场的绝对领导者。截至 2025 年，滴滴国内市场份额约 70%-80%，日均订单量 3620 万单。

双边市场的典型特征

滴滴是经典的双边市场，连接司机和乘客：

\[ \text{司机越多} \rightarrow \text{乘客等待时间越短} \rightarrow \text{用户体验越好} \rightarrow \text{乘客越多} \rightarrow \text{司机空驶率越低} \rightarrow \text{司机收入越稳定} \rightarrow \text{更多司机加入} \]

临界规模的地域性

与电商平台不同，网约车的网络效应具有强烈的地域性。滴滴在北京的司机无法服务上海的乘客。因此，滴滴需要在每个城市分别达到临界规模。这解释了为什么网约车市场早期出现了大量的补贴大战——各平台争相在关键城市率先达到临界规模。

鸡生蛋问题的解决

滴滴早期面临典型的鸡生蛋蛋生鸡问题（Chicken-and-Egg Problem）：

没有司机 → 乘客打不到车 → 乘客不用
没有乘客 → 司机接不到单 → 司机不加入

滴滴通过对司机端的高额补贴解决了这一问题，吸引司机入驻后，乘客自然会跟随。

网络效应的韧性

2021 年滴滴因数据安全问题被下架，长达一年多无法获取新用户。但其双边网络效应并未被摧毁——存量司机和乘客继续使用，网络效应的锁定效应让用户难以迁移到其他平台。重新上架后，滴滴的市场份额几乎未受影响。

这个案例有力地说明：一旦双边网络效应形成，具有相当的稳定性和韧性。即便遭遇重大外部冲击，只要网络本身没有被拆散（用户和司机的关系链还在），恢复力就很强。

数据支撑

指标	数据	时间
国内市场份额	70%-80%	2024 年
日均订单量	3620 万单	2025 年 Q1
注册用户	5 亿以上	2025 年
注册司机	1000 万以上	2025 年

本章小结

核心要点

网络效应：网络效应是一个额外用户对其他用户从产品、服务或互动中获得的价值所产生的影响。网络效应可以是正向或负向的。当用户可以被识别为属于不同群体时，区分组内网络效应和跨组网络效应是有用的。
反馈机制：正向组内网络效应产生吸引力循环（既能向上滚也能向下滚）。双向正向跨组网络效应产生吸引力螺旋。单向正向、单向负向的跨组网络效应产生吸引/排斥钟摆。这些类型不是固定的——会随时间动态演化。
平台定义：平台是将经济主体聚集在一起并积极管理它们之间网络效应的实体。管理质量决定平台命运。
平台是战略选择：做不做平台、怎么管理网络效应，是企业的战略决策，不是天然属性。
平台分类：平台可以按价值创造（网络效应类型）和价值获取（货币化方式）进行分类。同一个平台可以同时占据分类矩阵中的多个位置。

逻辑框架

本章从网络效应的基本概念出发，建立了理解平台经济学的分析框架：

网络效应（消费外部性）
    ↓
区分：组内 / 跨组 × 正向 / 负向
    ↓
反馈机制：吸引力循环、吸引力螺旋、钟摆、溢出
    ↓
动态视角：网络效应类型会随时间演化（管理质量决定演化方向）
    ↓
平台定义：网络效应的管理者（两个条件缺一不可）
    ↓
平台分类：价值创造 × 价值获取
    ↓
核心洞见：网络效应不是天然属性，可以被创造、被管理、也会退化

这一框架将贯穿全书：第 2 章讨论平台如何通过评级推荐系统管理网络效应，第 3 章讨论网络商品的均衡与定价，第 4 章讨论平台如何启动网络效应，第 5-6 章讨论平台的定价与设计策略，第 7 章讨论网络效应对竞争的影响。

思考题

概念理解题

请解释组内网络效应和跨组网络效应的区别，并各举一个生活中的例子。
为什么香槟集市的伯爵可以被视为平台运营者？现代数字平台与之有何异同？

模型应用题

假设一个双边平台连接买家和卖家。每增加 1 个买家，会吸引 0.5 个卖家加入；每增加 1 个卖家，会吸引 0.4 个买家加入。如果平台通过营销活动吸引了 100 个新买家，根据吸引力螺旋的乘数公式，最终买家和卖家各会增加多少？（提示：$\beta_A = 0.4$，$\beta_B = 0.5$）
考虑两个竞争的社交网络平台 A 和 B。假设用户从网络中获得的效用为 $u = 10 + 2n - p$，其中 $n$ 是平台用户数量，$p$ 是价格。如果两个平台价格相同，什么情况下会出现赢者通吃的结果？

案例分析题

微信同时拥有组内网络效应（通讯）和跨组网络效应（小程序）。哪种网络效应是其核心护城河？为什么微信在短视频领域无法赢者通吃？
美团的三边网络效应与淘宝的双边网络效应相比，哪种更难被竞争对手突破？为什么？
抖音如何同时管理吸引力螺旋（创作者 ↔︎ 观众）和吸引/排斥钟摆（观众 ↔︎ 广告商）？如果两者发生冲突，平台应如何取舍？

开放讨论题

滴滴的网络效应为什么具有地域性？这对其扩张策略有何影响？与电商平台相比，本地生活服务平台在网络效应方面有什么独特之处？
拼多多通过砍一刀/拼团机制人为创造了买家之间的组内网络效应。你还能想到哪些平台通过产品设计创造了本不存在的网络效应？
知乎的网络效应经历了从吸引力循环到溢出再到钟摆的演化。如果你是知乎的产品负责人，你会采取什么措施阻止钟摆效应？

延伸阅读

经典文献

Rochet, J.-C., & Tirole, J. (2003). Platform competition in two-sided markets. Journal of the European Economic Association, 1(4), 990-1029.
Armstrong, M. (2006). Competition in two-sided markets. RAND Journal of Economics, 37(3), 668-691.

教材

Belleflamme, P., & Peitz, M. (2021). The Economics of Platforms: Concepts and Strategy. Cambridge University Press. Chapter 1.
Belleflamme, P., & Peitz, M. (2015). Industrial Organization: Markets and Strategies (2nd ed.). Cambridge University Press. Chapters 20-22.

中国平台经济研究

江小涓, 靳景. (2022). 数字技术提升经济效率: 服务分工、产业协同和数实孪生. 管理世界, (12), 9-26.

--- title: "第 1 章平台：定义与分类" --- 12 世纪末的法国香槟地区，欧洲贸易开始起飞。香槟伯爵在领地内举办定期集市，每六周轮换一次，依次在六座城市举行。来自欧洲各地的商人聚集于此，因为他们相信能在这里找到交易伙伴。这份信心来自伯爵对集市的精心管理：严格筛选参与者，剔除可疑商人；一旦获准入场，所有人一视同仁，绝无特权；集市选址于设防城镇，设立公正的仲裁机构执行合约、解决纠纷；伯爵甚至提供贷款担保，允许用票据代替现金结算。作为回报，伯爵从每笔交易中抽取少量费用，迅速积累起可观财富。香槟伯爵在 800 多年前做的事情，与今天的淘宝、微信、美团并无本质区别——他们都在做同一件事：创造条件让交易得以发生。伯爵提供的是安全保障和争端解决机制，现代平台提供的是搜索匹配和支付系统。形式变了，功能没变。这种促成用户互动、从中创造价值的实体，就是我们所说的平台（Platform）。本章将从网络效应的基本概念出发，建立理解平台的分析框架。我们将看到，网络效应不是天然属性——它可以被创造、被管理，也会退化。理解这一点，是理解整个平台经济学的起点。 ::: {.callout-important} ## 学习目标 1. **理解** 网络效应的基本概念，区分组内网络效应与跨组网络效应 2. **掌握** 吸引力循环和吸引力螺旋的形成机制及其经济含义 3. **运用** 网络效应分析框架评估实际平台案例 4. **辨析** 平台的定义标准，判断一个实体是否构成平台 5. **认识** 网络效应的动态演化——类型会随时间变化，管理质量决定平台命运 ::: ![第 1 章概念关系思维导图](images/img_01_chapter_mindmap.png) ## 1.1 组内网络效应我们首先关注同一用户群体内部产生的网络效应。本节将定义组内网络效应并识别其来源，解释正向组内网络效应如何产生自我强化的吸引力循环，最后讨论这种循环如何影响用户的平台选择。 ### 1.1.1 定义与来源在很多市场环境中，消费者或其他市场参与者获得的效用不仅来自产品或服务本身，更来自与其他用户的互动。用户形成一个相互连接的网络，随着网络变化，每个用户从互动中获得的价值也随之改变。当一个新用户加入网络时，会影响其他用户的效用——这种外部效应就是网络效应（Network Effects）。网络效应是一种特殊的消费外部性：用户从产品或服务中获得的效用取决于使用该产品或服务的其他用户的数量或身份。这与生产外部性（如污染）或其他类型的消费外部性（如示范效应）不同。 ::: {.callout-important} ## 核心概念 **网络效应**（Network Effects）描述的是：一个额外的产品或服务用户，或一个额外的互动参与者，对其他用户或参与者从该产品、服务或互动中获得的价值所产生的影响。当用户属于同一群体时，我们称之为**组内网络效应**（Within-Group Network Effects），也叫**直接网络效应**（Direct Network Effects），因为一个用户的行为直接影响其他用户的效用。 ::: ![组内网络效应示意图](images/img_04_within_group_effects.png) 社交规范、语言、通讯设备都能产生正向的组内网络效应：采用的人越多，采用者获得的效用就越大。在正向组内网络效应存在的情况下，群体成员发现群体活动水平越高，自己参与的吸引力就越大。当然，也存在负向的组内网络效应。道路拥堵就是典型例子：在特定时刻选择特定道路的司机越多，该道路上的车速就越慢，每个司机的效用也就越低。节假日高速公路就是最直观的场景——车辆越多，车速越慢，每个司机的效用越低。 | | 正向 | 负向 | |---|---|---| | **机制** | 用户越多，价值越高 | 用户越多，体验越差 | | **典型案例** | 微信、QQ、电话网络 | 道路拥堵、五一高速 | | **反馈方向** | 自我强化（滚雪球） | 自我抑制（拥挤效应） | 网络效应的来源通常被认为是网络规模：随着网络扩大，对用户的价值增加（正向网络效应）或减少（负向网络效应）。但对于通讯工具（如特定语言或即时通讯应用），用户主要关心的是与自己有定期互动的那部分人的决策，因此用户的身份也很重要。不过，如果潜在采用者最初并不知道谁是用户，只有关于用户数量的信念，那么预期用户数量就是预期收益的最佳估计，更高的预期数量使采用更具吸引力。 **网络效应的两个渠道** 网络效应通过两个不同渠道发挥作用： | 渠道类型 | 用户关心什么 | 典型案例 | 网络效应来源 | |---------|------------|---------|-------------| | 直接互动收益 | 能与多少人互动 | 微信、米聊 | 可通话/聊天的对象越多，价值越大 | | 服务质量提升 | 服务质量高低 | 高德地图、百度搜索 | 用户越多 → 数据越丰富 → 算法越准确 | 微信用户加入是为了与朋友聊天（直接互动），而高德地图用户加入是为了获得准确路线推荐（服务质量），即使他们可能不知道或不关心有多少其他用户在用。在某些情况下，两个渠道同时存在——比如 B 站，用户数量增加既丰富了可用内容（服务质量），又增加了弹幕互动的趣味性（直接互动）。 **通讯网络的简单形式化** 我们用一个简单的星型网络模型来形式化通讯平台上的网络效应。考虑一个本地电话交换系统：用户 $A$ 通过购买从自己位置 $A$ 到本地交换机 $S$ 的连接（链路 $AS$）接入网络。如果用户 $B$ 也订购了类似的链路（链路 $BS$），那么 $A$ 和 $B$ 就能互相通话。链路 $AS$ 和 $BS$ 可以看作两个互补品，组合起来创造了有价值的通讯系统。如果网络有 $n$ 个订户，就存在 $n(n-1)/2$ 个这样的通讯系统。因此，一个新订户加入网络会创造 $n$ 个新系统，这让所有现有订户受益，构成了网络效应的来源。 ![星型通讯网络模型](images/img_08_star_network.png) 这个星型网络模型假设所有通讯都通过中心交换机进行，简化了现实网络的复杂性。在实际通讯网络中，用户可能通过多种路径连接，网络拓扑可能更复杂（如网状网络）。但星型模型捕捉了网络效应的核心机制：每个新用户创造的价值与现有用户数量成正比。通讯系统的例子包括：电报系统、固定电话和移动电话、Skype 等通讯应用、微信和 QQ 等即时通讯软件。 ### 1.1.2 吸引力循环网络效应的一个重要后果是让用户决策相互依赖：采取某行动的价值取决于有多少（以及是哪些）用户采取相同行动。在正向组内网络效应存在的情况下，当用户从同组其他用户采取特定行动中受益更多时，他们自己采取该行动的激励也更强。这产生了一个自我强化的过程，我们称之为吸引力循环（Attraction Loop）：采取特定行动的用户越多，该行动就越有吸引力，就会有更多用户跟随。 ::: {.callout-important} ## 核心概念 **吸引力循环**（Attraction Loop）是正向组内网络效应产生的自我强化过程：群体活动水平越高 → 对每个成员增加活动的吸引力越大 → 群体整体活动水平进一步提高。 ::: ![吸引力循环流程图](images/img_02_attraction_loop.png) 想象一群朋友面对这样的情况：小部分人提议的活动最初可能受到其他人质疑；但随着越来越多成员同意参加，剩余成员加入的吸引力也越来越大。吸引力循环可能通过两个不同渠道产生： 1. **直接互动收益**：用户数量越多，用户从互动中获得的收益越大。大多数通讯类平台属于此类。 2. **服务质量提升**：用户主要关心服务质量，而质量本身取决于用户数量。搜索引擎和导航应用属于此类——用户只是间接关心用户数量，因为搜索结果或建议路线会随着活跃用户增多而改进。 ::: {.callout-note} ## 案例：Waze 导航应用的组内网络效应 Waze 是一款具有 GPS 功能的智能手机应用，为用户提供实时行程时间、路线详情、交通更新和位置相关信息。2008 年由以色列创业公司 Waze Mobile 开发，2013 年被 Google 以约 11.5 亿美元收购，截至 2018 年声称拥有 1 亿用户。 Waze 的独特之处在于其社区性质：它依赖用户提供补充地图数据和交通信息。要发挥真正效用，应用需要在特定国家或地区达到临界规模的用户（否则实时交通信息很少）。用户被鼓励（通过积分和徽章系统）报告事故、交通拥堵、测速和警察陷阱，以及更新道路、地标、门牌号等。这里存在组内网络效应的来源：贡献信息的用户越多，Waze 提供的社交地图服务就越有用。即使是不主动分享信息的被动用户也贡献了网络效应：像其他 GPS 软件一样，Waze 收集用户速度和位置的匿名信息，处理这些数据来改进整体服务。简而言之，用户网络越大，服务越好。 ::: **吸引力循环的双向性：向上滚与向下滚** 吸引力循环是一把双刃剑——同一个机制既能向上滚，也能向下滚。 | 方向 | 机制 | 结果 | |------|------|------| | **向上** | 用户多 → 更有吸引力 → 更多用户 | 滚雪球式增长 | | **向下** | 用户少 → 没吸引力 → 用户流失 | 加速萎缩直至归零 | 向上滚的例子我们已经看到很多。向下滚同样真实：一旦用户开始流失，平台吸引力下降，导致更多用户流失，形成恶性循环。这直接联系到第 3 章的**临界规模**（Critical Mass）概念——存在一个门槛，超过它就向上滚，低于它就向下滚到零。平台启动阶段的核心挑战，正是要突破这个门槛。 ### 1.1.3 对平台选择的影响在前面的很多例子中，用户可以在多个平台之间选择：语言、通讯渠道、视频游戏主机、搜索引擎等。吸引力循环使这种选择变得特殊，因为它们常常诱导用户协调加入单一平台，而牺牲所有其他平台。这可能导致所谓的赢者通吃（Winner-Takes-All）结果，具有两个有趣的特性： 1. 即使可选平台在事前看起来对称，市场最终可能陷入不对称的局面 2. 协调到单一平台的收益可能导致某些用户采取并非给他们最高独立效用的行动——某些用户可能决定违背自己的个人偏好 **一个简单模型** 让我们构建一个简单模型来说明这一点。假设有两个平台 $X$ 和 $Y$，以及两类用户：$X$ 偏好者和 $Y$ 偏好者。用户随机到达市场，必须在两个平台之间选择。在没有网络效应的世界里，用户只会比较两个平台提供的独立效用。假设 $K$ 偏好者认为平台 $K$（$K \in \{X, Y\}$）的独立效用更高，且两类用户在人口中均等分布，那么长期来看两个平台应该有相等的市场份额。这就像反复抛一枚公平的硬币：大数定律预测长期来看正反面数量相等。但在存在平台特定的正向组内网络效应时，情况发生了戏剧性变化。如果用户是短视的，不仅关心独立效用还关心与其他用户互动的可能性，那么当轮到他们选择时，决策会受到两个平台当前市场份额的影响。为模型赋予具体结构，假设用户对获得偏好平台的独立效用估值为 $v$（如 $v=10$），对与任何其他用户互动估值为 $\delta$（如 $\delta=1$）。这意味着独立效用与网络效应的相对强度为 $v/\delta = 10$。那么当一个 $Y$ 偏好者到达市场时，如果观察到平台 $X$ 比平台 $Y$ 多至少 $v/\delta = 10$ 个用户，他就会决定加入平台 $X$：平台 $X$ 在网络效应方面的优势（多 10 个用户 × 1 单位互动价值 = 10）正好抵消了它在独立效用方面的劣势（少 10 单位独立效用）。从那时起，所有用户无论类型都会加入平台 $X$：平台 $X$ 的市场份额将增加，平台 $Y$ 永远无法追上。这就好像我们反复抛的硬币变得越来越不公平：比如说正面出现得越多，硬币的重量分布就越不对称，使正面出现的概率增加。这种过程最终导致只有一种结果出现。在我们的例子中，这意味着单一平台最终将占领整个市场。 ::: {.callout-warning} ## 常见误解网络效应不等于规模经济。**规模经济**（Economies of Scale）发生在供给侧，指生产规模扩大带来的平均成本下降；**网络效应**发生在需求侧，指用户数量增加带来的用户价值提升。两者都可能导致市场集中，但作用机制完全不同。 | | 网络效应 | 规模经济 | |---|---------|---------| | **发生侧** | 需求侧 | 供给侧 | | **机制** | 用户数量增加 → 用户价值提升 | 生产规模扩大 → 平均成本下降 | | **受益者** | 用户 | 生产者 | ::: ### 1.1.4 案例分析：微信的组内网络效应微信（WeChat）由腾讯于 2011 年 1 月推出，最初是一款即时通讯工具，现已发展为集社交、支付、电商、内容、政务于一体的超级应用。截至 2024 年第二季度，微信月活跃用户达 13.71 亿，覆盖 95% 的中国智能手机用户。 **组内网络效应的体现** 微信的核心价值源于其通讯功能产生的强大组内网络效应。用户加入微信的价值取决于其社交圈中有多少人使用微信——亲友越多，价值越高。这正是典型的吸引力循环： $$ \text{用户越多} \rightarrow \text{对新用户吸引力越强} \rightarrow \text{更多用户加入} \rightarrow \text{价值进一步提升} $$ 微信的组内网络效应已形成极高的用户锁定（Lock-In）效应。即便出现技术上更优秀的通讯工具，用户也难以迁移，因为迁移意味着失去与现有社交网络的连接。这解释了为什么微信在中国即时通讯市场实现了赢者通吃，几乎没有有效竞争者。 ![微信组内网络效应](images/img_09_wechat_network_effect.png) **数据支撑** | 指标 | 数据 | 时间 | |------|------|------| | 月活跃用户 | 13.71 亿 | 2024 年 Q2 | | 日均使用时长 | 150 分钟以上 | 2024 年 | | 中国智能手机用户覆盖率 | 95% | 2024 年 | **与米聊的对比** 米聊是小米公司 2010 年 12 月推出的即时通讯应用，比微信早一个月上线，功能高度相似。米聊初期增长迅猛，一度突破千万用户，但微信借助 QQ 积累的社交关系链快速导入海量用户，短时间内实现反超。一旦用户发现身边朋友大多已在微信上，米聊的网络价值就急剧下降。2021 年米聊正式停服。类似的还有网易与中国电信合推的易信、阿里巴巴的来往，都未能撼动微信——吸引力循环一旦启动，后来者即使产品功能相当也几乎无法翻盘。 **QQ 与微信的共存：社交隔离下的多平台共存** QQ 和微信同属腾讯，功能高度重叠，却长期共存且用户群体明显分化。这看似违背了赢者通吃的逻辑，但原因在于：青少年和中年人之间的日常社交本身就是相对隔离的。 | 群体 | 主要使用 | 社交圈 | |------|---------|--------| | 中小学生 | QQ | 同学、游戏好友 | | 大学生 → 职场人 | 微信 | 同事、客户、家长群 | 两个群体之间缺乏频繁的日常互动，因此各自可以维持独立的吸引力循环——QQ 在青少年中自我强化，微信在成年人中自我强化，互不干扰。但当一个人从学生变为职场人，社交圈发生切换，他也会自然地从 QQ 转向微信。赢者通吃的前提是所有用户处于同一个互动网络中；当群体之间社交隔离时，不同平台可以在各自的圈子里各自通吃。 ## 1.2 跨组网络效应在前面的例子中，用户很难被区分开：他们都是同一产品或服务的消费者，或者都有潜力以相同身份与他人互动。然而，在很多环境中，用户明显属于不同群体，互动主要发生在不同群体的用户之间。交易平台就是典型案例，它让买家和卖家互动。这里我们说的是跨组网络效应（Cross-Group Network Effects），因为平台的一个额外用户影响的是另一群体用户的效用。 ::: {.callout-important} ## 核心概念 **跨组网络效应**（Cross-Group Network Effects）是指某一群体的额外用户对另一群体用户产生的网络效应。也称为**间接网络效应**（Indirect Network Effects）。 ::: ![跨组网络效应示意图](images/img_05_cross_group_effects.png) 在交易平台上，其他条件不变时，买家通常在卖家越多时越满意，反之亦然：两个群体对彼此产生正向的跨组网络效应。内容平台提供了另一个例子：平台提供内容吸引消费者加入，消费者可能直接付费或通过关注与内容捆绑的广告间接付费。如果消费者效用随广告量增加而下降，广告商就对消费者产生负向跨组网络效应，而消费者对广告商产生正向跨组网络效应。考虑连接两组用户的平台，跨组网络效应可以是正向、负向或不存在的。我们忽略双向都是负向的情况（如族群间的紧张关系），因为这意味着两组之间的联系应该被切断，与我们关注的促进互动的平台无关。这留下三种典型情况。我们用 $A$ 和 $B$ 标识两个群体，用 $n_A$ 和 $n_B$ 表示各自的活动水平（可用用户数量近似）。 ![跨组网络效应三种类型对比](images/img_06_cross_group_types.png) | 类型 | 方向 | 典型案例 | |------|------|---------| | **吸引力螺旋** | A 与 B 相互吸引 | 淘宝买家与卖家 | | **吸引/排斥钟摆** | A 吸引 B，B 排斥 A | 视频观众与广告商 | | **吸引力溢出** | A 吸引 B，B 对 A 无影响 | 专家与业余爱好者 | ### 1.2.1 吸引力螺旋在这种情况下，每个群体对另一群体产生正向网络效应。也就是说，一个群体的更高活动水平会吸引另一群体的成员加入平台。因此，每个群体的活动水平都是另一群体活动水平的增函数：$n_A$ 随 $n_B$ 增加而增加，反之亦然。因为吸引是相互的，两个群体之间的互动产生两个有趣的特性。 **正反馈循环** 相互吸引在两个群体之间创造了正反馈循环，我们称之为吸引力螺旋（Attraction Spiral）。假设群体 $A$ 的活动水平因某种原因上升。由于 $n_B$ 是 $n_A$ 的增函数，这导致群体 $B$ 的活动水平增加。而由于 $n_A$ 也是 $n_B$ 的增函数，更多群体 $A$ 的成员被吸引到平台，这又吸引更多群体 $B$ 的成员，如此循环往复。活动水平因此螺旋上升，最终增加量大于初始增加量。 ::: {.callout-important} ## 核心概念 **吸引力螺旋**（Attraction Spiral）：如果一个群体的更高活动水平使另一群体成员更愿意增加他们的活动水平，反之亦然，这种跨组效应就产生吸引力螺旋。 $$n_A \uparrow \rightarrow n_B \uparrow \rightarrow n_A \uparrow \uparrow \rightarrow n_B \uparrow \uparrow \rightarrow \cdots$$ ::: ![吸引力螺旋流程图](images/img_03_attraction_spiral.png) **乘数效应的数学表达** 如果我们用 $\beta_A$ 衡量群体 $B$ 成员对群体 $A$ 成员产生的网络效应强度，并假设这一强度与活动水平无关，那么群体 $A$ 成员的吸引力正向依赖于 $\beta_A n_B$。反之，群体 $B$ 成员的吸引力正向依赖于 $\beta_B n_A$。为了举例说明，假设依赖关系是一对一的：群体 $A$ 多一个用户会吸引 $\beta_B$ 个群体 $B$ 的额外用户，群体 $B$ 多一个用户会吸引 $\beta_A$ 个群体 $A$ 的额外用户。那么如果初始增加是群体 $A$ 多一个用户，我们依次有： - 群体 $B$ 增加 $\beta_B$ 个用户 - 群体 $A$ 增加 $\beta_A \beta_B$ 个用户 - 群体 $B$ 增加 $\beta_A \beta_B^2$ 个用户 - 以此类推... 累加起来，当 $\beta_A \beta_B < 1$ 时（即跨组网络效应的乘积小于 1，确保过程收敛），群体 $A$ 最终增加： $$ 1 + \beta_A \beta_B + \beta_A^2 \beta_B^2 + \beta_A^3 \beta_B^3 + \cdots = \frac{1}{1 - \beta_A \beta_B} $$ 群体 $B$ 最终增加： $$ \beta_B + \beta_A \beta_B^2 + \beta_A^2 \beta_B^3 + \cdots = \frac{\beta_B}{1 - \beta_A \beta_B} $$ 如果 $\beta_A \beta_B \geq 1$，螺旋会无限放大，意味着任何初始扰动都会导致活动水平爆炸性增长——这在现实中不可持续，通常表明平台会迅速达到容量约束或市场饱和。例如，如果 $\beta_A = 1/3$，$\beta_B = 1/2$（即需要两个群体 $A$ 用户才能多吸引一个群体 $B$ 用户，三个群体 $B$ 用户才能多吸引一个群体 $A$ 用户），群体 $A$ 初始增加 10 个用户会转化为群体 $A$ 实际增加 12 个用户，群体 $B$ 增加 6 个用户。 ::: {.callout-note} ## 与凯恩斯乘数的类比这个乘数效应在结构上与宏观经济学中的凯恩斯乘数相似。但有一个关键区别：凯恩斯乘数描述的是总量关系，而这里的乘数有明确的微观基础——每个用户的加入都是一个决策，受到网络规模的影响。 ::: **间接网络效应** 两个群体之间相互吸引的第二个特性是，它在每个群体成员之间产生了正向的间接网络效应。如前所述，一个群体活动水平的初始增加会导致最终增加超过比例。因此，群体 $A$ 中更多的参与最终会让群体 $A$ 的所有成员受益——不是直接通过某种组内网络效应，而是间接通过两个正向跨组网络效应的组合。间接网络效应在系统商品（System Goods）的环境中得到研究，这类商品通常将某种硬件与各种软件结合。系统商品本身并不产生直接网络效应，因为它们的主要功能不是促进用户之间的互动。然而，它们产生间接网络效应，因为更多采用会鼓励供应更多数量或种类的软件，从而使整个系统对用户更有价值。 ### 1.2.2 吸引/排斥钟摆吸引并不总是相互的。当一个群体被另一群体吸引时，后者可能以冷漠（下一节讨论）甚至排斥来回应。在后一种情况下，群体 $i$（$i \in \{A, B\}$）的活动水平是另一群体 $j$（$j \neq i$）活动水平的增函数，而群体 $j$ 的活动水平是群体 $i$ 活动水平的减函数。因此，如果群体 $A$ 的活动水平因某种原因上升，这会导致群体 $B$ 的活动水平增加，但这又排斥群体 $A$ 的成员，进而使钟摆摆回来，降低群体 $A$ 的活动水平。由于群体 $A$ 活动水平降低，群体 $B$ 不那么活跃，这又增加群体 $A$ 的活动水平，如此往复。我们称这种环境为吸引/排斥钟摆（Attraction/Repulsion Pendulum）。 ::: {.callout-important} ## 核心概念 **吸引/排斥钟摆**（Attraction/Repulsion Pendulum）：如果一个群体的更高活动水平使另一群体成员更愿意增加他们的活动水平，但反过来，后者群体的成员往往被前者更高的活动水平排斥，这种跨组效应就产生吸引/排斥钟摆。 ::: ![吸引/排斥钟摆示意图](images/img_10_pendulum_effect.png) **例子** 视频平台是最贴近日常体验的例子：观众越多，广告商越想来（正向跨组效应）；但广告越多，观众体验越差（负向跨组效应）。视频网站必须在广告收入和用户体验之间不断平衡——这个钟摆如何管理，直接决定了平台的长期命运。网络浏览器提供了另一个例子：随着一款浏览器被更多用户采用，对黑客的吸引力也增加。因此，从用户到黑客存在正向跨组网络效应。但吸引不是相互的：黑客越多，潜在用户越不愿意采用该浏览器，因为黑客活动会排斥他们。因当地文化而吸引游客的地点也呈现钟摆特征——丽江古城是一个典型案例。原住民社区的传统文化和生活方式吸引了大量游客；但游客涌入后，商业化气息浓重，物价上涨，原住民逐渐搬离，古城失去了最初吸引游客的文化底蕴。这种退化一旦发生，很难逆转。 ### 1.2.3 吸引力溢出最后，一个群体对另一群体感受到的正向吸引可能被冷漠回应。一个群体（比如群体 $A$）对群体 $B$ 产生正向网络效应，但群体 $B$ 对群体 $A$ 既不产生正向也不产生负向网络效应。因此，群体 $B$ 的活动水平 $n_B$ 是 $n_A$ 的增函数，而群体 $A$ 的活动水平不受群体 $B$ 活动水平的影响。我们称这种情况为吸引力溢出（Attraction Spillover）。 ::: {.callout-important} ## 核心概念 **吸引力溢出**（Attraction Spillover）：如果一个群体的更高活动水平使其他群体成员更愿意增加他们的活动水平，但吸引力在相反方向不受影响，这种跨组效应就产生吸引力溢出。 ::: **例子** 这种情况可能出现在专业人士和业余爱好者群体之间的互动中：业余爱好者从专家更高的活动水平中获益（例如可以从他们那里获得有价值的信息，专家活动越多这种信息溢出越可能），而专家不从任何人的存在中获益（例如因为他们已经完全知情）。那么业余爱好者就会被专家聚集的地方吸引。两组参与者可能是同类用户但在不同时间点活跃在平台上。考虑有早期用户和后期用户的情况：第一期在平台上购买的早期用户越多，第二期能卖出的升级版就越好。其他条件不变，第二期用户发现参与的吸引力随第一期购买数量增加而增加。因此，第一期用户对第二期用户产生正向网络效应（但后者不影响前者的效用）。 ### 1.2.4 网络效应类型的动态演化前面我们把吸引力螺旋、钟摆和溢出当作静态分类来介绍。但在现实中，同一个平台上的网络效应类型可能随时间发生根本性的转变。这是理解平台生命周期的关键视角。 | 阶段 | 知乎的状态 | 丽江古城 | 效应类型 | |------|-----------|---------|---------| | 初期 | 专家互相吸引，邀请制社区 | 原住民社区，文化氛围浓厚 | 组内正向 | | 中期 | 专家内容吸引大量普通用户 | 独特文化吸引游客 | 吸引力溢出 | | 后期 | 普通用户过多，专家被驱逐 | 游客过多，居民搬离 | 钟摆 | **知乎的演化：从循环到钟摆** 知乎成立于 2011 年，早期采用邀请制，吸引了大量各领域专业人士。专家之间的高质量互动形成了正向组内网络效应——好问题引来好回答，好回答吸引更多专家参与。这是一个教科书式的吸引力循环。随着知乎开放注册，专家贡献的优质内容开始吸引大量普通用户——这时效应类型从组内循环演变为溢出。专家群体的活动水平吸引了业余用户，但业余用户的增长本身并不影响专家。转折点发生在平台追求流量增长之后。随着普通用户远远超过专家用户，平台算法开始优先推送情绪化、故事化的内容（因为这类内容流量更高），专业回答反而得不到足够曝光。专家失去贡献动力，逐渐离开——效应类型变成了钟摆。 **深层结构**：高质量群体创造吸引力 → 吸引低质量群体 → 低质量群体驱逐高质量群体 → 核心价值被稀释。 ::: {.callout-important} ## 核心洞见知乎的衰落不是必然的自然规律，而是平台放弃有效管理的结果。早期知乎有专业编辑推荐优质回答，专家获得正反馈，持续贡献；后期纯算法追求流量，情绪化故事被顶上去，专家失去动力。钟摆效应不是不可逆的——如果平台持续投入管理资源，维护高质量群体的参与激励，溢出不必演变为钟摆。但管理质量本身会退化，这才是最大的风险。 ::: ### 1.2.5 组内还是跨组网络效应？组内和跨组网络效应之间的界限有时候很模糊。确定平台用户是否属于同一群体还是应该分成不同群体可能很棘手。 **电话网络的例子** 电信网络的经济学文献大多为简化起见假设均匀通话模式——即每个订户打电话给任何其他订户和被任何其他订户打电话的可能性相等；这种完全对称参与者的假设意味着单一群体展现组内网络效应。另一个简化假设是认为某些人只打电话而其他人只接电话（如餐厅和想要点外卖或预订的顾客）；这样就形成两个不同群体，只有跨组网络效应。现实自然介于这两个极端之间：订户在打电话和接电话的倾向上都是异质的。而且，通话模式被广泛报道为非均匀的：大多数订户有一个通话圈，即与他们互动更频繁的订户子集。从个别订户的角度来看，网络效应主要是组内的（即通话圈内部），跨组网络效应（即通话圈外部）相对有限。 **在线扑克的案例** 在线游戏提供了另一个乍看只有单一用户群体（玩家）受网络效应影响的平台环境；但仔细观察会发现更丰富的结构，同时存在组内和跨组网络效应。 Wimmer 等人（2018）对在线扑克玩家进行了调查，询问他们对其他玩家存在对扑克网站吸引力的评价。显然，活跃玩家越多，等待游戏的时间越短，这表明存在正向组内网络效应。然而，更仔细的观察揭示玩家在能力上是异质的。扑克作为一种零和博弈，其中成功取决于玩家能力，具有这样的特性：获胜概率随玩家自身能力增加而增加，随其他玩家能力增加而降低。如果我们区分低技能和高技能玩家，那么每个玩家都发现如果低技能玩家更多网站更有吸引力。如果等待时间减少被获胜概率降低所主导，那么每个玩家都发现如果高技能玩家更多网站更没有吸引力。因此，在混合池中评估，我们预期低技能玩家产生正向的组内和跨组网络效应，而高技能玩家产生负向的组内和跨组网络效应。 ::: {.callout-tip} ## 分析技巧区分组内和跨组网络效应在某些情况下可能很困难。如果我们关心的是平台随时间增加用户基础的成功，区分不太关键（都是正反馈）。但如果关心平台策略设计，精确区分就很重要。在扑克例子中，认为网络效应纯粹是组内类型的平台会部署策略吸引任何玩家，无论其技能；然而，这种策略可能导致高技能玩家过多，最终可能降低平台的吸引力。 ::: ### 1.2.6 案例分析：淘宝天猫的跨组网络效应淘宝网于 2003 年由阿里巴巴创立，天猫（原淘宝商城）于 2008 年独立运营。淘宝定位 C2C 市场，天猫定位 B2C 品牌商城。截至 2025 年，淘宝天猫月活用户超 9.2 亿，GMV 约 8.5 万亿元。 **吸引力螺旋的典型体现** 淘宝天猫是典型的双边市场，连接买家和卖家两个用户群体： $$ \text{买家越多} \rightarrow \text{对卖家吸引力越强} \rightarrow \text{商品供给越丰富} \rightarrow \text{买家体验越好} \rightarrow \text{更多买家加入} $$ **淘宝如何战胜 eBay？** 2003 年 eBay 是全球电商巨头，通过收购易趣已占据中国 C2C 市场的主导地位。淘宝通过四步策略实现逆袭： 1. **免费吸引卖家**：eBay 易趣对卖家收取上架费和交易佣金，淘宝宣布对卖家全免费，大量中小卖家涌入 2. **商品丰富吸引买家**：卖家增多带来商品多样性，买家开始转向淘宝 3. **吸引力螺旋启动**：买家增多进一步吸引卖家，螺旋加速运转 4. **2006 年 eBay 退出中国市场**：螺旋一旦在淘宝这边形成，eBay 无法追赶这一策略的本质是分而治之（Divide-and-Conquer）：选择网络效应更强或价格弹性更大的一边作为补贴侧，用免费撬动螺旋。 **买家群体的组内网络效应** 买家群体内部是否存在网络效应？表面上看，买家之间存在竞争关系（争夺限量商品），可能产生负向组内效应。但淘宝通过评价系统、问大家、买家秀等功能，让买家贡献的内容提升了其他买家的购物体验，形成了正向的组内网络效应。 **数据支撑** | 指标 | 数据 | 时间 | |------|------|------| | 月活跃用户 | 9.2 亿以上 | 2025 年 6 月 | | 年度活跃消费者 | 10 亿以上 | 2024 年 | | GMV | 约 8.5 万亿元 | 2024 财年 | | 新入驻商家增长 | 同比增长 60% | 2024 年 Q1 | ![淘宝吸引力螺旋](images/img_11_taobao_spiral.png) ### 1.2.7 案例分析：美团的三边网络效应美团于 2010 年成立，从团购起家，经历千团大战后成为本地生活服务超级平台。2024 年美团年收入 3376 亿元，外卖市场份额约 70%，活跃商家数达 1450 万。 **三边市场的协同网络效应** 美团外卖是典型的三边市场（Three-Sided Market），连接消费者、商家和骑手三类用户群体。这三边形成相互强化的网络效应闭环： | 效应方向 | 描述 | |---------|------| | 商家 → 消费者 | 商家越多，选择越丰富，消费者越满意 | | 消费者 → 商家 | 消费者越多，订单越多，商家越愿意入驻 | | 消费者 → 骑手 | 订单越多，骑手收入越稳定，骑手越多 | | 骑手 → 消费者 | 骑手越多，配送越快，消费者体验越好 | | 骑手 → 商家 | 骑手密度越高，履约效率越高，商家满意度越高 | 这种三角稳定结构形成了极高的竞争壁垒——竞争对手需要同时突破三边才能动摇美团的市场地位。 **临界规模与鸡生蛋问题** 外卖平台存在明显的临界规模（Critical Mass）要求： $$ \text{骑手密度不足} \rightarrow \text{配送时间过长} \rightarrow \text{用户体验差} \rightarrow \text{订单减少} \rightarrow \text{骑手收入下降} \rightarrow \text{骑手流失} $$ 美团通过千团大战时期的补贴策略率先达到临界规模，建立了先发优势。三边比双边更难突破——这是鸡生蛋问题的升级版（详见第 4 章）。 **京东进军外卖：挑战三边壁垒** 2025 年京东进入外卖市场，采取了一个独特的策略：为骑手提供正式员工合同和社保。 | 层面 | 效果 | |------|------| | **进攻** | 吸引骑手到京东，提升自身配送体验 | | **破坏** | 正式合同意味着骑手独占——减少美团可用骑手 | 这不是简单的补贴，而是**提高竞争对手成本**（Raising Rivals' Costs）——试图拆掉美团三边中最薄弱的一环。但这一策略也有风险：正式员工 = 固定成本。如果订单量不够，骑手薪资就成了负担。 | | 美团（灵活用工） | 京东（正式员工） | |---|---|---| | 成本结构 | 按单计费（可变成本） | 固定工资（固定成本） | | 订单少时 | 成本自动下降 | 仍需支付工资 | | 骑手归属 | 多平台共享 | 京东独占 | 京东必须在单个城市快速达到足够的订单密度，否则正式员工模式反而成为拖累。 **数据支撑** | 指标 | 数据 | 时间 | |------|------|------| | 年收入 | 3376 亿元 | 2024 年 | | 外卖日单量 | 约 6000 万单 | 2024 年 | | 外卖市场份额 | 约 70% | 2024 年 | | 活跃商家数 | 1450 万 | 2024 年 | | 日均活跃骑手 | 300 万以上 | 2025 年 | ![美团三边市场网络效应](images/img_12_meituan_threeway.png) ### 1.2.8 案例分析：抖音的双重算法机制抖音（2016 年上线）日活超过 7 亿，连接创作者、观众和广告商三类用户。抖音的独特之处在于它的算法同时在做两件事： | 目标 | 机制 | 效果 | |------|------|------| | 最大化正向螺旋 | 精准匹配内容与用户偏好 | 创作者 ↔ 观众互相强化 | | 最小化钟摆排斥 | 学习每个用户的广告容忍度 | 广告干扰感降到可接受范围 | **螺旋管理**：抖音的推荐算法让每个创作者的内容都能精准触达感兴趣的观众。观众的正反馈（点赞、完播、关注）激励创作者持续产出，形成创作者与观众之间的吸引力螺旋。 **钟摆管理**：广告商被海量观众吸引（正向），但广告太多会让观众反感（负向）。抖音通过用户反馈机制学习每个人的广告容忍边界，在不触发钟摆排斥效应的前提下最大化广告收入。 ::: {.callout-note} ## 广告收入最大化 ≠ 广告数量最大化 $$\text{广告收入} = \text{广告数量} \times \text{单价}$$ 广告太多 → 观众流失 → 流量下降 → 单价下降 → 收入反而减少。抖音用算法控制广告数量的上限，让钟摆的摆幅维持在可控范围内。这正是平台积极管理网络效应的典型体现——不是放任钟摆摆动，而是用算法控制摆幅。 ::: 两套算法缺一不可，构成互补优势。叠加数据网络效应（用户越多 → 数据越丰富 → 算法越精准 → 体验越好），抖音形成了三重壁垒。 ### 1.2.9 案例分析：拼多多的崛起——创造网络效应按照吸引力螺旋的理论，淘宝已经积累了数亿买家和数百万卖家，螺旋转得飞快，应该赢者通吃——拼多多怎么活下来的？ **三步策略** **第一步：找到被忽略的用户。** 淘宝和京东的主力用户是一二线城市的消费者。拼多多瞄准了三四线城市的价格敏感群体——这些用户对品牌溢价不感兴趣，只想用最低的价格买到能用的东西。这类似 QQ vs 微信的逻辑：不同用户群体之间存在天然隔离。 **第二步：用社交裂变创造组内网络效应。** 电商平台本来没有买家之间的组内网络效应——你在淘宝买东西不需要关心别的买家是谁。但拼多多通过砍一刀和拼团机制人为创造了它： $$\text{想便宜买} \rightarrow \text{分享微信群} \rightarrow \text{亲友也想买} \rightarrow \text{再分享} \rightarrow \text{吸引力循环}$$ **第三步：买家规模起来后，跨组螺旋自然启动。** 当买家规模达到一定量级，卖家自然被吸引入驻。传统的吸引力螺旋开始运转。 | 传统打法 | 拼多多打法 | |---------|---------| | 正面抢对手用户 | 开发被忽略的新群体 | | 靠补贴吸引买家 | 靠社交裂变让买家拉买家 | | 从跨组螺旋启动 | 先创造组内效应，再过渡到跨组 | ::: {.callout-important} ## 核心洞见拼多多案例揭示了一个深刻的道理：**网络效应不是天然属性，是可以被创造的。** 电商本无买家之间的组内网络效应，拼多多通过砍一刀/拼团机制人为创造了它。这说明企业可以通过产品设计主动构建网络效应，而不是被动等待网络效应自然产生。 ::: ## 1.3 平台的定义与分类现在我们已经介绍了不同类型的网络效应——组内与跨组、正向与负向——以及它们的组合如何导致若干典型情况，我们可以明确平台的概念了。本节首先给出平台的定义，然后用若干现实案例来检验这一定义，最后提出平台分类的不同方式。 ### 1.3.1 平台的定义在我们看来，一个实体要被视为平台，必须满足两个关键要求。第一，该实体必须促进通过某种形式网络效应相联系的用户之间的互动。第二，该实体必须以积极的方式管理这些网络效应。 ::: {.callout-important} ## 核心概念 **平台**（Platform）是指将经济主体聚集在一起并积极管理它们之间网络效应的实体。 ::: 虽然类似平台的中介机构早已存在，但数字技术的快速发展极大地扩展了满足这些要求的可能性。数字技术使中介机构能够大幅降低用户互动必须承担的交易成本（与搜索、匹配、筛选、签约、信任、声誉、争端解决、预订管理等相关的成本）。同时，中介机构可以依靠数字技术更积极地管理网络效应，并通过价格和非价格工具增加或重新分配价值。 **平台是战略选择** 平台不是天然属性，而是企业的战略选择。同一家企业可以选择做平台，也可以选择不做平台——甚至同时运营两种模式。京东是最好的例子。京东自营业务采购商品、管理库存、直接销售给消费者——这是经销商模式，不是平台。但京东第三方业务让外部商家入驻、自行管理商品、京东提供流量和物流服务——这就是平台模式。同一个 App 里，两种模式并存。微信的演化更能说明问题。2011 年微信只是一款通讯工具，严格来说只管理通讯用户之间的组内网络效应。后来微信逐步加入公众号（连接作者和读者）、小程序（连接商家和消费者）、微信支付（连接商户和用户），主动将自己从单边工具变成了多边平台。每加一条边，都是一次战略选择。做平台有代价：管理网络效应需要投入大量成本（技术基础设施、规则制定、纠纷处理），也需要承担风险（网络效应可能退化、钟摆可能失控）。不是每家企业都适合做平台。 **关于定义的两点讨论** 对于那些不认为网络效应是平台本质特征的人来说，我们的定义可能显得过于狭窄。确实，有些中介问题与网络效应无关，而且规模经济和范围经济对某些中介机构的成功可能贡献更大。相反，对于那些认为多边性是平台主要特征的人来说，我们的定义可能显得过于宽泛。商业报刊、政策文件和学术文献中常将平台定义为积极管理两个或多个经济主体群体之间（跨组）网络效应的实体。我们认为这种对多边性的关注不适合我们的目的，有三个原因： 1. 许多当今的巨型数字平台最初是通过管理组内网络效应起步的（并且在很大程度上仍然如此） 2. 这些平台逐渐将跨组网络效应的管理纳入其商业模式和货币化策略 3. 一些竞争挑战（如某些有平台的市场倾向于倾覆到单一平台）无论是否多边都存在：所需的只是吸引力循环或吸引力螺旋足够强换句话说，在评估平台的市场力量来源时，所有类型的网络效应都发挥重要作用；而且，在平台上增加额外的边是一个内生决策。采用更狭窄的平台定义会导致我们过于选择性地分析这些问题。然而，我们承认某些问题是双边或多边平台特有的，这将使我们在本书中专门用大量篇幅讨论这类实体。 ### 1.3.2 什么是（什么不是）平台？平台有多种可用的工具来管理网络效应。虽然向不同参与者收取的价格是最明显的，但还有一长串其他可能可用的工具。下面我们用这一定义来分析若干现实案例，讨论每个实体在多大程度上可以被视为平台。 **网络效应明显存在的案例** *世界语（Esperanto）*：世界语是 19 世纪末构建的一种口语。与任何其他语言一样，世界语产生正向组内网络效应：说这种语言的人越多，其他人学习它就越有趣。然而，尽管有世界世界语大会（每年举办会议）和联合国的官方支持（自 1954 年），似乎没有实体能够（或愿意）积极管理这些网络效应。世界语案例清楚地表明，网络效应的存在本身不足以使一个产品成功——缺少的是积极管理这一要素。这有助于解释为什么世界语从未达到用户的临界规模。估计世界语有大约 200 万使用者；对于一门旨在成为全球通用语言的语言来说，这是一个相当小的社区。 *Uber*：打车应用 Uber 匹配司机和乘客。司机由于至少两个原因体验到正向跨组网络效应：更多乘客减少了预期空闲时间，也减少了司机位置和接客点之间的预期距离。乘客体验正向跨组网络效应是因为这减少了预期等待时间。通过其算法和价格激励，Uber 可以尝试管理司机和乘客的使用。 **边界模糊的案例** *永辉超市与普通超市*：普通超市买断商品再转卖给消费者，消费者之间不存在明显的网络效应，不是平台。 *Tesco 与上架费模式*：但如果超市将商业模式聚焦于向卖家出租货架空间（收取上架费），它就作为平台运营并管理跨组网络效应——消费者越多，品牌制造商越愿意参与；携带更多有吸引力的品牌，又能吸引更多消费者。此时超市具有部分平台属性。 **超市到底是不是平台？** 同一种业态，平台属性可以截然不同： | 超市类型 | 网络效应 | 管理方式 | 平台属性 | |---------|---------|---------|:--------:| | 普通超市（买断转卖） | 弱 | 弱 | 低 | | 普通超市（收上架费） | 有跨组效应 | 有一定管理 | 中 | | **山姆/Costco**（会员制） | 强跨组效应 | 双向筛选 | **高** | 山姆会员店是一个特别有启发性的案例。表面看它是超市，实际上它通过两把筛子积极管理网络效应： - **供给侧**：专业选品团队，仅保留约 4000 个 SKU（普通超市通常有数万个），提供质量背书 - **需求侧**：260 元/年起的会员费筛选高消费力客户 $$\text{精选商品} \rightarrow \text{消费者信任} \rightarrow \text{付会员费} \rightarrow \text{优质客流} \rightarrow \text{供应商给最优价} \rightarrow \text{更有吸引力}$$ 山姆完全符合平台定义的两个条件：存在跨组网络效应（供应商和消费者相互吸引），并通过选品和会员制积极管理这些效应。 ::: {.callout-note} ## 淘宝 vs 山姆：定价方向为何相反？ | | 淘宝 | 山姆 | |---|---|---| | **补贴侧** | 买家（免费） | 供应商（独占渠道） | | **收费侧** | 卖家（佣金+广告） | 消费者（会员费） | | **逻辑** | 买家转换成本低、弹性高 | 供应商竞争激烈、争着进场 | | **商品利润** | 平台不碰商品 | 极低毛利（10%-14%） | 定价原则：补贴弹性高、对另一边吸引力强的那一边，向获益更多且弹性低的那一边收费。淘宝的买家容易流失（弹性高），所以补贴买家；山姆的供应商竞争激烈、渴望进入优质渠道（弹性高），所以补贴供应商。（详见第 5 章） ::: 平台的边界是程度和焦点的问题，不是非黑即白。 **论坛 vs 知乎：管理的差距** 管理程度的差异也能决定一个实体是否成为平台： | 实体 | 网络效应 | 管理方式 | 是平台？ | |------|---------|---------|:--------:| | 大学 BBS（水木/未名） | 有组内效应 | 版主自治，无系统管理 | 否 | | 百度贴吧 | 有组内效应 | 管理有限 | 边界模糊 | | 知乎（早期） | 有组内效应 | 邀请制 + 编辑推荐 | **是** | 论坛有网络效应但缺乏系统性管理；平台不仅有网络效应，还积极干预其走向。知乎早期的邀请制正是主动管理网络效应的体现——通过控制谁能加入来维护社区质量。 **其他边界案例** *个人博客 vs 团队博客*：个人博客不能被视为平台，因为它不满足我们定义的任何两个要求。但如果博主邀请更多作者加入，或使用广告作为货币化策略，博客就可能变成平台。这时博客连接广告商和读者；只要读者不喜欢在内容旁边看到广告，博客就展现出吸引/排斥钟摆。 *加油站和公证人*：独立加油站促成石油公司和零售客户之间的汽油交易，但不涉及网络效应。公证人是促成买卖双方之间交易并收取监管佣金的实体的例子。这类实体不满足我们的定义，因为很难看出什么是网络效应，即使有，该实体也可能没有可用的工具来管理它们。 **总结表** | 实体 | 网络效应存在？ | 网络效应被管理？ | 是平台吗？ | |------|--------------|----------------|----------| | 微信 | 是（组内+跨组） | 是 | 是 | | 滴滴 | 是（跨组） | 是 | 是 | | Uber | 是（跨组） | 是 | 是 | | 知乎（早期） | 是（组内） | 是 | 是 | | 世界语 | 是（组内） | 否 | 否 | | 永辉超市 | 否 | 否 | 否 | | 山姆会员店 | 是（跨组） | 是 | 是 | | 百度贴吧 | 是（组内） | 有限 | 边界模糊 | | 大学 BBS | 是（组内） | 否 | 否 | | 加油站 | 否 | 否 | 否 | ![平台判定标准流程图](images/img_14_platform_criteria.png) 正如这些例子所示，很难在哪个实体满足我们的平台定义和哪个不满足之间画出清晰的分界线：这往往是一个程度和焦点的问题。 ### 1.3.3 平台分类框架平台的分类方法很多。不同的分类关注平台的不同维度，从而服务于不同目的。就本书而言，我们的目标是双重的：一方面，我们想识别平台策略背后的经济力量；另一方面，我们想理解平台如何表现。为此，我们提出一个与我们的定义一致的平台类型学，关注平台如何创造和获取经济价值。 **价值创造与价值获取** 两个问题是决定平台如何设计策略和表现的关键： 1. **平台如何创造经济价值？** 特别是，平台积极管理哪些网络效应？ 2. **平台如何获取经济价值？** 换句话说，平台使用什么货币化策略？关于价值创造，我们区分三个选项： - 利用相互正向的跨组网络效应（吸引力螺旋） - 利用正向组内网络效应（吸引力循环） - 主要通过独立产品或服务创造价值（网络效应对价值创造不核心，但可能对价值获取有用）关于价值获取（货币化），我们识别两大选项： - **向享受正向网络效应的用户收费**：通常通过免费增值（Freemium）策略实施——提供有限功能的免费版和更多功能的付费高级版 - **捆绑坏品**：将服务与广告和/或个人或匿名数据的转让捆绑。用户通常不面临货币支付，但经常承担被广告骚扰或隐私被侵犯的影子成本 **平台分类矩阵** | | 吸引力循环（组内） | 吸引力螺旋（跨组） | 无显著网络效应 | |---|---|---|---| | **向用户收费** | Netflix、爱奇艺会员、原始 LinkedIn | 淘宝天猫（向商家）、Amazon Marketplace、Tinder、当前 LinkedIn | （非平台） | | **捆绑广告/数据** | 微信朋友圈、Facebook | 抖音、小红书、YouTube | 纽约时报、澎湃新闻 | ![平台分类矩阵](images/img_07_platform_matrix.png) **一个平台可以占多个格子** 分类矩阵中的格子不是互斥的——一个平台往往同时占据多个位置。微信是最好的例子： | 功能 | 价值创造 | 价值获取 | 矩阵位置 | |------|---------|---------|---------| | 通讯 | 组内 | 免费 | — | | 朋友圈 | 组内 | 广告 | 左下 | | 小程序/支付 | 跨组 | 向商家收费 | 右上 | | 公众号 | 跨组 | 广告 | 右下 | 平台会主动增加边——微信从单边通讯工具演化为多边超级平台，每加一条边都是战略选择。这也呼应了前面的核心洞见：平台是战略选择，不是天然属性。一个实体选择管理什么类型的网络效应、采用什么货币化方式，决定了它在分类矩阵中的位置——而这个位置是可以改变的。 **按平台功能分类** - **硬件/软件系统**：允许应用开发者和最终用户互动。例如：Android、iOS、PlayStation、鸿蒙 - **匹配平台**：帮助一组成员在另一组中找到合适匹配。例如：Tinder、LinkedIn、智联招聘、探探 - **交易平台**：帮助买卖双方搜索可行合约和最佳价格。例如：淘宝、京东、美团、Airbnb - **对等市场**：促进个人之间商品和服务的交换。例如：滴滴、Uber、闲鱼 - **媒体和娱乐平台**：向用户提供内容，向内容提供者提供受众。例如：抖音、微信公众号、YouTube - **支付系统**：提供支付方式促进买卖双方之间的交易。例如：支付宝、微信支付、Visa ### 1.3.4 案例分析：滴滴出行的双边市场滴滴出行于 2012 年成立，经历与快的、优步中国的激烈竞争和合并后，成为中国网约车市场的绝对领导者。截至 2025 年，滴滴国内市场份额约 70%-80%，日均订单量 3620 万单。 **双边市场的典型特征** 滴滴是经典的双边市场，连接司机和乘客： $$ \text{司机越多} \rightarrow \text{乘客等待时间越短} \rightarrow \text{用户体验越好} \rightarrow \text{乘客越多} \rightarrow \text{司机空驶率越低} \rightarrow \text{司机收入越稳定} \rightarrow \text{更多司机加入} $$ **临界规模的地域性** 与电商平台不同，网约车的网络效应具有强烈的地域性。滴滴在北京的司机无法服务上海的乘客。因此，滴滴需要在每个城市分别达到临界规模。这解释了为什么网约车市场早期出现了大量的补贴大战——各平台争相在关键城市率先达到临界规模。 **鸡生蛋问题的解决** 滴滴早期面临典型的鸡生蛋蛋生鸡问题（Chicken-and-Egg Problem）： - 没有司机 → 乘客打不到车 → 乘客不用 - 没有乘客 → 司机接不到单 → 司机不加入滴滴通过对司机端的高额补贴解决了这一问题，吸引司机入驻后，乘客自然会跟随。 **网络效应的韧性** 2021 年滴滴因数据安全问题被下架，长达一年多无法获取新用户。但其双边网络效应并未被摧毁——存量司机和乘客继续使用，网络效应的锁定效应让用户难以迁移到其他平台。重新上架后，滴滴的市场份额几乎未受影响。这个案例有力地说明：一旦双边网络效应形成，具有相当的稳定性和韧性。即便遭遇重大外部冲击，只要网络本身没有被拆散（用户和司机的关系链还在），恢复力就很强。 **数据支撑** | 指标 | 数据 | 时间 | |------|------|------| | 国内市场份额 | 70%-80% | 2024 年 | | 日均订单量 | 3620 万单 | 2025 年 Q1 | | 注册用户 | 5 亿以上 | 2025 年 | | 注册司机 | 1000 万以上 | 2025 年 | ![滴滴双边网络效应](images/img_13_didi_bilateral.png) ## 本章小结 ::: {.callout-important} ## 核心要点 1. **网络效应**：网络效应是一个额外用户对其他用户从产品、服务或互动中获得的价值所产生的影响。网络效应可以是正向或负向的。当用户可以被识别为属于不同群体时，区分组内网络效应和跨组网络效应是有用的。 2. **反馈机制**：正向组内网络效应产生吸引力循环（既能向上滚也能向下滚）。双向正向跨组网络效应产生吸引力螺旋。单向正向、单向负向的跨组网络效应产生吸引/排斥钟摆。这些类型不是固定的——会随时间动态演化。 3. **平台定义**：平台是将经济主体聚集在一起并积极管理它们之间网络效应的实体。管理质量决定平台命运。 4. **平台是战略选择**：做不做平台、怎么管理网络效应，是企业的战略决策，不是天然属性。 5. **平台分类**：平台可以按价值创造（网络效应类型）和价值获取（货币化方式）进行分类。同一个平台可以同时占据分类矩阵中的多个位置。 ::: **逻辑框架** 本章从网络效应的基本概念出发，建立了理解平台经济学的分析框架： ```txt 网络效应（消费外部性） ↓ 区分：组内 / 跨组 × 正向 / 负向 ↓ 反馈机制：吸引力循环、吸引力螺旋、钟摆、溢出 ↓ 动态视角：网络效应类型会随时间演化（管理质量决定演化方向） ↓ 平台定义：网络效应的管理者（两个条件缺一不可） ↓ 平台分类：价值创造 × 价值获取 ↓ 核心洞见：网络效应不是天然属性，可以被创造、被管理、也会退化 ``` 这一框架将贯穿全书：第 2 章讨论平台如何通过评级推荐系统管理网络效应，第 3 章讨论网络商品的均衡与定价，第 4 章讨论平台如何启动网络效应，第 5-6 章讨论平台的定价与设计策略，第 7 章讨论网络效应对竞争的影响。 ## 思考题 **概念理解题** 1. 请解释组内网络效应和跨组网络效应的区别，并各举一个生活中的例子。 2. 为什么香槟集市的伯爵可以被视为平台运营者？现代数字平台与之有何异同？ **模型应用题** 3. 假设一个双边平台连接买家和卖家。每增加 1 个买家，会吸引 0.5 个卖家加入；每增加 1 个卖家，会吸引 0.4 个买家加入。如果平台通过营销活动吸引了 100 个新买家，根据吸引力螺旋的乘数公式，最终买家和卖家各会增加多少？（提示：$\beta_A = 0.4$，$\beta_B = 0.5$） 4. 考虑两个竞争的社交网络平台 A 和 B。假设用户从网络中获得的效用为 $u = 10 + 2n - p$，其中 $n$ 是平台用户数量，$p$ 是价格。如果两个平台价格相同，什么情况下会出现赢者通吃的结果？ **案例分析题** 5. 微信同时拥有组内网络效应（通讯）和跨组网络效应（小程序）。哪种网络效应是其核心护城河？为什么微信在短视频领域无法赢者通吃？ 6. 美团的三边网络效应与淘宝的双边网络效应相比，哪种更难被竞争对手突破？为什么？ 7. 抖音如何同时管理吸引力螺旋（创作者 ↔ 观众）和吸引/排斥钟摆（观众 ↔ 广告商）？如果两者发生冲突，平台应如何取舍？ **开放讨论题** 8. 滴滴的网络效应为什么具有地域性？这对其扩张策略有何影响？与电商平台相比，本地生活服务平台在网络效应方面有什么独特之处？ 9. 拼多多通过砍一刀/拼团机制人为创造了买家之间的组内网络效应。你还能想到哪些平台通过产品设计创造了本不存在的网络效应？ 10. 知乎的网络效应经历了从吸引力循环到溢出再到钟摆的演化。如果你是知乎的产品负责人，你会采取什么措施阻止钟摆效应？ ## 延伸阅读 **经典文献** - Rochet, J.-C., & Tirole, J. (2003). Platform competition in two-sided markets. *Journal of the European Economic Association*, 1(4), 990-1029. - Armstrong, M. (2006). Competition in two-sided markets. *RAND Journal of Economics*, 37(3), 668-691. **教材** - Belleflamme, P., & Peitz, M. (2021). *The Economics of Platforms: Concepts and Strategy*. Cambridge University Press. Chapter 1. - Belleflamme, P., & Peitz, M. (2015). *Industrial Organization: Markets and Strategies* (2nd ed.). Cambridge University Press. Chapters 20-22. **中国平台经济研究** - 江小涓, 靳景. (2022). 数字技术提升经济效率: 服务分工、产业协同和数实孪生. *管理世界*, (12), 9-26.