第 3 章网络商品经济学

2014 年除夕夜，支付宝占据移动支付 82% 的份额，看起来坚不可摧。那天晚上，微信上线了群红包功能，超过 1600 万个红包被领取。几个月内，微信支付绑卡用户从不到 1 亿飙升到 3 亿。一个红包活动，就撼动了看似稳固的市场格局。

为什么？因为支付不只是工具问题，而是”别人用不用”的问题。当你看到朋友们都在抢红包、都绑了微信支付，你对这个支付工具的价值判断会发生根本变化。这正是网络效应（Network Effects）改变经济分析的关键：用户的决策不再独立，而是相互依赖。

这就是本章要回答的核心问题：

网络商品和普通商品到底有什么不同？
为什么同一个价格，可能对应两种完全不同的市场结果？
平台要跨过临界规模，靠什么？

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。本章就来搭建这套分析工具。我们沿三条线索展开：

需求线：网络效应让用户决策彼此依赖，需求分析变成博弈问题
均衡线：同一价格可能对应多个网络规模，均衡的选择取决于预期
策略线：平台要用价格、兼容性和时机来管理网络效应

这三条线索层层递进——先理解需求的特殊性，再看均衡的多样性，最后分析平台的应对策略。本章的难点不在公式多，而在每个公式都连着一个经济含义。

学习目标

理解网络效应如何让用户决策彼此依赖
掌握多重均衡和自我实现预期的经济含义
分析临界规模的来源和稳定性条件
比较垄断、竞争和社会最优下的网络规模差异
运用兼容性、动态定价等策略分析真实案例

3.1 网络商品需求

买土豆时，别人买不买，不改变你手里这袋土豆的价值。但选通信工具、支付工具、操作系统时——

商品	别人买不买，影响你吗？
一袋土豆	不影响
一部电话	没人打来就是摆设
一个支付 App	商家不接就用不了
一个操作系统	没人开发 App 就是空壳

用户不是独立决策，而是在猜”别人会不会来”。

课堂思考

想一想你每天用的产品：

微信的价值来自你自己还是你的朋友？
如果所有朋友都搬到另一个 App，你还会留在微信吗？
你上一次选择某个 App，是因为功能好还是因为”别人都在用”？

“我来不来”取决于”你来不来”——这就是需求互依。

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）$\beta > 0$——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：

	Yuri 购买	Yuri 不买
Xena 购买	$r_x + \beta - A$，$r_y + \beta - A$	$r_x - A$，$0$
Xena 不买	$0$，$r_y - A$	$0$，$0$

这是一个典型的协调博弈（Coordination Game）——两个人面对同样的价格，结果取决于对方怎么做。关键不是”价格高不高”，而是”我相信对方会怎么做”。

日常生活中的协调博弈到处都是：

场景	我的决策取决于…
今晚去哪吃饭	朋友去不去
要不要注册新 App	朋友用不用
要不要学一门编程语言	市场需不需要

协调博弈的困难在于：理性的个体也可能协调失败。

均衡分析

双方都购买是均衡，当且仅当双方都不想单方面偏离：$r_x + \beta - A \geq 0$ 且 $r_y + \beta - A \geq 0$。由于 $r_x > r_y$，条件简化为 $A \leq r_y + \beta$。
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 $A \geq r_x$。
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 $r_y + \beta - A \leq 0$（Yuri 即使加入也不划算）。条件为 $r_y + \beta \leq A \leq r_x$，这要求 $\beta < r_x - r_y$。
只有 Yuri 购买不可能成为均衡，因为这要求 $r_x + \beta \leq A \leq r_y$，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（$\beta < r_x - r_y$）

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 - $r_y + \beta < A \leq r_x$：只有 Xena 购买 - $A \leq r_y + \beta$：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（$\beta > r_x - r_y$）

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 $r_x \leq A \leq r_y + \beta$ 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 $A = (r_x + r_y + \beta)/2$，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。这不只是理论推演，现实中反复上演：

微信支付 2014：红包让人预期”大家都会绑卡” → 真绑了 → 预期成真
子弹短信 2018：罗永浩带货，短暂预期爆发 → 但朋友没搬过来 → 卸载 → 崩塌
来往 2013：阿里做社交 App 挑战微信 → 没人迁移 → 很快死了

同样的产品质量，命运可以截然不同——关键在预期落到哪个均衡。

多重均衡为什么重要

多重均衡不只是一个数学现象，它对平台运营有三层含义：

不可预测：平台定好价格后，仍然无法确定市场会落在哪个均衡上。需求不再是价格的函数，而是价格和预期的共同产物。
可能低效：即使所有人都买更好，市场也可能卡在无人购买的均衡里。协调失败会造成福利损失。
预期管理成为关键：既然均衡的选择取决于预期，平台就不能只会定价，还必须学会引导预期。这一点贯穿后续所有策略分析——从渗透定价到产品预告，背后都是预期管理的逻辑。

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 $\beta$。用户 $r$ 加入网络的效用为：

\[u = r + \beta n^e - A\]

其中 $n^e$ 是用户对网络规模的预期。$n^e$ 是桥梁：它把个体决策和总需求连了起来。

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 $n = n^e$。

为什么要这个条件？猜 1000 万人，结果只来 100 万——预期不可持续。只有猜对了的预期才能成为稳定状态。

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

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

在满足预期均衡中，$n = n^e$，解得：

\[n = \frac{1 - A}{1 - \beta} \quad \text{（当 } 0 < n < 1 \text{ 时）}\]

关键分叉点：$\beta = 1$

当 $\beta < 1$：每个价格对应唯一的网络规模，需求函数单调递减。网络规模随价格平滑下降，与传统需求曲线类似。
当 $\beta > 1$：对于 $1 < A < \beta$ 的价格区间，存在三个满足预期均衡。

具体来说，当 $\beta > 1$ 时，除了内点解 $n = (1-A)/(1-\beta)$ 之外，$n = 0$（无人加入）和 $n = 1$（所有人加入）也是满足预期均衡。三个 FEE 分别为：

\[n = 0, \quad n = \frac{A - 1}{\beta - 1}, \quad n = 1\]

直觉是这样的：如果所有人都预期没人加入（$n^e = 0$），那么每个人单独面对价格 $A > 1$ 时都不愿购买，$n = 0$ 自我实现。如果所有人都预期全员加入（$n^e = 1$），网络收益 $\beta > A$，即使内在估值最低的用户也愿意加入，$n = 1$ 自我实现。内点解 $n = (A-1)/(\beta-1)$ 则是一个中间状态——恰好让边际用户无差异。

强网络效应的含义就是：要么全来，要么全不来，中间状态不稳定。想想微信——很难想象一个城市里只有 30% 的人用微信。

两种异质性，不要混淆

上面的模型假设用户在内在估值 $r$ 上不同，但对网络收益的敏感度 $\beta$ 相同。下面我们换一个角度：让用户在网络收益估值上不同，但共享相同的内在估值。这两种异质性假设会导致需求曲线的形态完全不同。

异质网络收益模型（Rohlfs 模型）

设 $\beta \sim U[0, 1]$，所有用户共享相同的内在估值 $r$。用户效用为 $r + \beta n^e - A$。

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。

生活中的直觉：微信从 100 万到 1000 万用户——每个新用户都让网络价值大幅提升。微信从 10 亿到 10.01 亿——多一个人几乎没什么感觉。同一价格下，小网络和大网络可以共存——这就是倒 U 形的含义。

这意味着：对于 $r < A < r + 1/4$，存在三个均衡网络规模：

\[n_n = 0, \quad n_s = \frac{1}{2} - \frac{1}{2}\sqrt{1 - 4(A-r)}, \quad n_l = \frac{1}{2} + \frac{1}{2}\sqrt{1 - 4(A-r)}\]

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：

\[n(n^e) = 1 - \frac{A - r}{n^e}\]

我们计算：

\[n_{t+1} - n_t = n(n_t) - n_t = \frac{1}{n_t}(n_t - n_s)(n_l - n_t)\]

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 $n_l$）。$n_s$ 不是一个普通中间值，而是一道门槛——过不去，网络就往回缩。
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。

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

临界规模到底在哪里？不同平台的答案很不一样：

平台	临界规模在哪	跨过去了吗
微信	你的朋友圈里大多数人都在用	跨过了
子弹短信	朋友从微信搬过来	没跨过
ofo 每个城市	5 分钟内找到一辆可用的车	很多城市没做到
鸿蒙 OS	主流 App 都上架	正在跨越

临界规模是局部的、场景化的——不是”全国用户数”那么简单。共享单车的案例生动展示了这一点——我们在 3.4 节详细讨论。

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。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。这引发了用户的好奇心：越来越多的广告商购买像素，访问量上升，吸引更多广告商。最终，所有像素售罄，Alex 赚到了 100 万美元以上。

他成功地跨越了临界规模，启动了正反馈循环。

3.1 小结

本节我们建立了分析网络商品需求的博弈论框架。核心发现包括：

问题	结论
用户为什么互相依赖	网络收益取决于别人是否加入
为什么会多重均衡	预期会改变支付意愿，两种预期都能自我实现
为什么会有临界规模	小网络均衡不稳定——过不去就滑回零
为什么难以预测	同一价格可能兼容多个均衡

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——平台不只是在面对需求曲线，还在面对用户预期。

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（$\beta < r_x - r_y$）

平台面临两种选择： - 高价 $A = r_x$：只有 Xena 购买，利润 $\pi_1 = r_x - f$ - 低价 $A = r_y + \beta$：两人都买，利润 $\pi_2 = 2(r_y + \beta - f)$

平台选择限制网络规模（只卖给 Xena）的条件是 $\pi_1 > \pi_2$，即：

\[\beta < r_x - r_y - \frac{1}{2}(r_x - f)\]

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 $\pi_1 = 10 - 2 = 8$
垄断者卖给两人：定价 $A = 6 + \beta$，利润 $\pi_2 = 2(6 + \beta - 2) = 8 + 2\beta$

条件 $\beta < r_x - r_y - \frac{1}{2}(r_x - f) = 10 - 6 - 4 = 0$ 表明在此参数下，只要 $\beta > 0$，卖给两人总是更优。例如当 $\beta = 1$ 时，$\pi_2 = 10 > \pi_1 = 8$。由此可见，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：

\[r_x + r_y + 2\beta - 2f > r_x - f \quad \Rightarrow \quad \beta > \frac{1}{2}(f - r_y)\]

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。

生活中的”卖给谁”决策到处可见：

平台	高价策略	低价策略
iPhone	只卖给高支付意愿用户	推出 SE 扩大用户基数
视频网站	高清会员	免费版+广告
游戏主机	高价硬件+独占游戏	硬件补贴，靠游戏分成赚钱

网络效应越强，低价越有吸引力——多一人带来的收益更大。

强网络效应情形（$\beta > r_x - r_y$）

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。平台面对两个选择：

选择	价格	风险
稳妥但保守	低价确保都买（$A = r_x$）	利润低
激进但冒险	高价赌好均衡（$A = r_y + \beta$）	可能掉进零网络

补贴不是慈善，是在规避协调风险。

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。

课堂思考：滴滴 2014 年每单补贴十几元，是非理性的烧钱吗？

没有补贴 → 司机和乘客可能卡在”都不来”的坏均衡
补贴 → 确保加入是占优策略 → 推到”都来”的好均衡
一旦好均衡形成，补贴可以逐步退出

补贴不是在”买用户”，是在消除协调风险。

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 $\beta \sim U[0, 1]$。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：

\[\Pi = n \cdot A - f(n) = n^2(1-n) - f(n)\]

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：

\[TS = \int_{1-n}^{1} \beta n \, d\beta - f(n) = \frac{1}{2}n^2(2 - n) - f(n)\]

社会最优规模 $n^*$ 满足：$\frac{n(4 - 3n)}{2} = f'(n)$

三种基准各自在优化什么？

基准	目标	一阶条件
垄断	平台利润最大	$n(2-3n) = f'(n)$
竞争	价格 = 边际成本	$n(1-n) = f'(n)$
社会最优	总社会福利最大	$\frac{n(4-3n)}{2} = f'(n)$

模型假设的局限性

这里我们假设平台可以直接选择网络规模，这是一个强假设。现实中，平台只能设定价格，而网络规模由用户的协调结果决定。在存在多重均衡时，价格设定和规模选择并不等价——同一价格可能对应多个网络规模。本节的分析揭示了理想情形下的基准结果，实际定价决策更为复杂。

三种基准的经济直觉

垄断：平台会主动限制网络规模来维持高价。

竞争：价格被压低，但用户只看自己的收益，不考虑给别人带来的好处。

社会最优：把用户加入时给所有人带来的网络收益都算进去。

连竞争都不够——用户不内化自己给别人的网络收益。

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——这是教科书式的正外部性。

为什么连竞争都达不到社会最优

你注册微信时，你自己获得了通讯便利。但你同时也让 500 个联系人多了一个可联系的人——这是正外部性。你没把这个好处算进自己的决策，所以加入的人比社会最优少。

一个类比：打疫苗保护了自己也保护了别人，没有补贴就会打得太少。

正外部性 → 即使完全竞争，网络也偏小。

双重市场失灵

网络商品市场同时存在两层市场失灵：

失灵来源	后果	谁的问题
垄断势力	平台限制网络规模以维持高价	平台
网络外部性	用户不考虑自己给别人的好处	用户

两层叠加 → 即使把垄断解决了，网络仍然偏小。这为政府补贴网络商品提供了经济学依据。

3.2.3 存在替代网络时的定价

现实中往往存在替代选择。我们用 Hotelling 模型分析这种情况。

模型设定

新平台位于 0，老网络位于 1，用户均匀分布在 $[0, 1]$ 区间上。用户 $x$ 的效用为：

\[U(x) = \begin{cases} r + q - \tau x + \beta_1 n_1^e - A_1 & \text{加入新平台} \\ r - \tau(1-x) + \beta_2 n_2^e & \text{留在老网络（免费）} \end{cases}\]

其中 $q$ 是新平台的质量优势，$\tau$ 是单位距离的「运输成本」（代表用户偏好异质性）。

无差异用户 $x_0$ 满足加入新平台和留在旧网络的效用相等：

\[r + q - \tau x_0 + \beta_1 n_1^e - A_1 = r - \tau(1-x_0) + \beta_2 n_2^e\]

整理得：

\[q - \tau x_0 + \beta_1 n_1^e - A_1 = -\tau + \tau x_0 + \beta_2 n_2^e\]

\[2\tau x_0 = \tau + q + \beta_1 n_1^e - \beta_2 n_2^e - A_1\]

因此无差异用户位置为：

\[x_0 = \frac{1}{2} + \frac{q + \beta_1 n_1^e - \beta_2 n_2^e - A_1}{2\tau}\]

在满足预期均衡中，$n_1 = x_0$，$n_2 = 1 - x_0$，解得：

\[n_1 = \frac{q + \tau - \beta_2 - A_1}{2\tau - \beta_1 - \beta_2}\]

一个判断式决定市场结构

需求的走向取决于一个关键比较：

\[\frac{\beta_1+\beta_2}{2} \quad \text{vs} \quad \tau\]

情况	市场结构	例子
网络效应 < 差异化	共存	外卖：美团 vs 饿了么
网络效应 > 差异化	倾覆	即时通讯：微信一家独大

$\tau$ = 口味差异的力量，$\beta$ = 别人也在的力量——谁更强决定分流还是集中。

核心发现 3.5

当平台面临竞争网络时，市场结构取决于两股力量的平衡：产品差异化使用户倾向分散选择，网络效应驱动用户集中到同一平台。产品差异化更强时，两个网络可以共存；网络效应更强时，市场可能倾覆到单一网络主导。

课堂判断：以下哪些市场更可能赢者通吃？

A. 外卖
B. 即时通讯
C. 短视频
D. 网约车

想一想每个市场里，网络效应和产品差异化哪个更强。

弱网络效应下的最优定价

新平台最大化利润 $\pi_1 = A_1 \cdot n_1$，最优价格：

\[A_1^* = \frac{q + \tau - \beta_2}{2}\]

网络规模：

\[n_1^* = \frac{q + \tau - \beta_2}{2(2\tau - \beta_1 - \beta_2)}\]

利润：

\[\pi_1^* = \frac{(q + \tau - \beta_2)^2}{4(2\tau - \beta_1 - \beta_2)}\]

有趣的比较静态：当老网络的网络效应 $\beta_2$ 增强时，新平台会降低价格。如果新平台自身网络效应够强（$\beta_1 > \tau - q$），这种降价甚至可能导致市场份额上升！

案例：微信支付 vs 支付宝

微信支付挑战支付宝的过程，完美对应本节的 Hotelling 模型：支付宝是拥有庞大用户基础的「老网络」，微信支付是凭借社交场景整合获得质量优势 $q$ 的「新平台」。两者最终形成场景分化的双寡头格局，正是产品差异化 $\tau$ 足够大时两个网络可以共存的理论预测。详见 3.4 节案例讨论。

3.2 小结

本节分析了网络商品的定价决策，主要发现：

问题	核心结论
垄断为何偏小	平台主动限制网络规模以维持高价
竞争为何也不够	用户不内部化自己带给别人的网络收益
倾覆何时出现	网络效应压过产品差异化（$\beta > \tau$）
兼容何时有利	质量优势不大时更有利
先发一定赢吗	不一定——质量、兼容包袱、预期管理都可能翻盘

3.3 网络效应管理策略

网络效应的存在使得平台竞争变成了一场「标准之战」。本节讨论平台的三类核心策略：兼容性决策、动态定价和先发优势的利用。

3.3.1 兼容性决策

兼容性（Compatibility）决定了不同网络的用户能否相互连通。这是平台最重要的战略决策之一。

兼容性是一把双刃剑

兼容的好处	兼容的代价
放大总网络，提高支付意愿	抹平”我家网络更大”的竞争优势
降低协调风险	竞争更像普通商品，难赢者通吃

模型分析

沿用上一节的 Hotelling 模型，假设 $\beta_1 = \beta_2 = \beta < \tau$（弱网络效应）。

不兼容时（前面已分析）：利润 $\pi_1^* = \frac{(q + \tau - \beta)^2}{8(\tau - \beta)}$

兼容时：所有用户都能互联，$n_1^e = n_2^e = 1$。无差异用户：

\[x_0 = \frac{\tau + q - A_1}{2\tau}\]

最优价格 $A_1^c = \frac{\tau + q}{2}$，利润：

\[\pi_1^c = \frac{(\tau + q)^2}{8\tau}\]

平台的兼容性选择

比较两种情形的利润：

\[\pi_1^c - \pi_1^* = \beta \frac{\tau^2 - \beta\tau - q^2}{8\tau(\tau - \beta)}\]

令 $\hat{q} = \sqrt{\tau(\tau - \beta)}$，则： - 当 $q < \hat{q}$：平台偏好兼容——质量优势小，先借大网络的势 - 当 $q > \hat{q}$：平台偏好不兼容——质量优势大，独吃市场

核心发现 3.6

拥有较小质量优势的平台倾向于选择兼容，因为兼容提高了用户支付意愿。拥有较大质量优势的平台倾向于选择不兼容，因为不兼容使其可以利用网络规模优势。然而，平台选择不兼容时可能损害用户利益——用户通常偏好兼容带来的更大网络。

用户偏好与平台偏好的冲突

分析表明，当 $\tau > (9/8)\beta$ 时，在 $q = \hat{q}$ 附近，平台选择不兼容会损害用户福利。这为监管干预提供了理论依据——政府可能需要强制要求互操作性。

案例：鸿蒙 OS 的兼容性策略

华为鸿蒙 OS 的演进完美诠释了兼容性决策的动态逻辑。初期质量优势 $q$ 较小（$q < \hat{q}$），鸿蒙选择兼容 Android 应用以降低迁移成本；2024 年生态成熟后 $q$ 增大超过 $\hat{q}$，鸿蒙 NEXT 转向完全不兼容，以差异化优势建立壁垒。这与理论预测高度一致。详见 3.4 节案例讨论。

鸿蒙为什么能打破均衡

通常，挑战既有操作系统几乎不可能——Android+iOS 占全球 95%。但鸿蒙面对了一个特殊条件：美国制裁切断了 Google 服务。

因素	作用
外部冲击	华为被迫自研，不存在”继续用 Android”的选项
国内市场	Google 服务本来在中国不可用，迁移成本更低
政策支持	政府鼓励国产替代，开发者有额外激励
设备基础	华为手机 + IoT 设备提供初始安装基础

外部冲击可以打破看似稳固的均衡——这是纯粹的市场力量难以做到的。鸿蒙的案例说明，当外生事件改变了关键参数（比如”继续用旧网络”的成本突然变成无穷大），原本不可能的新均衡就变得可能。

3.3.2 动态定价

静态模型无法捕捉平台竞争的动态本质。实际上，平台需要在「收割」当前优势和「投资」未来规模之间权衡。

收割 vs 投资的两难

领先的平台面临：

选择	短期	长期
收割（高价）	利润高	网络扩张慢
投资（低价）	利润低甚至亏损	网络滚大后再提价

这两种激励方向相反，最优策略取决于贴现率、网络效应强度和用户更新率。

渗透定价

渗透定价（Penetration Pricing）是网络商品市场的常见策略：早期收取低价甚至补贴用户，以跨越临界规模；一旦建立规模优势，再逐步提高价格。

滴滴从每单补贴十几元到逐步缩减，最终转为抽佣——标准的先投资后收割。

案例：共享单车大战与临界规模

2016-2018 年共享单车大战是临界规模失败的标准案例。共享单车的网络效应是局部的——用户需要在 5 分钟内找到一辆可用的车，这意味着临界规模 $n_s$ 是城市级别的密度指标，而非全国用户总量。ofo 把车分散在几百个城市，每个城市都没跨过 $n_s$，最终滑回零网络均衡。详见 3.4 节案例讨论。

3.3.3 先发优势

网络效应使得先发优势（First-Mover Advantage）尤为重要。先发者可以： - 建立安装基础 - 影响用户预期 - 锁定早期用户

但先发优势并非绝对。以下因素可能削弱它：

内在质量的作用

后发者可能拥有更好的产品。正如 Hagiu 和 Rothman 观察：「成功的平台往往不是最先进入市场的，而是最先创造流动性的。」Airbnb 晚于 VRBO 十年，阿里巴巴是中国 eBay 的后来者，Uber 的 UberX 模式实际上是学习 Lyft。

向后兼容的束缚

先发者可能被旧版本束缚。为了维护向后兼容性，他们难以进行激进的产品升级。后发者可以从零开始设计更优的产品。

预期管理

如果用户预期形成不完全理性，平台可以通过产品预告（Product Preannouncement）等手段影响预期。但这是一把双刃剑——可能冻结竞争对手的销售，也可能冻结自己当前产品的销售。

标准战争的历史教训

VHS vs Betamax 是标准战争的经典案例。技术上，Betamax 被认为画质更好。但 JVC 的 VHS 采取了更开放的授权策略，吸引更多厂商加入，更快地建立了安装基础。当 VHS 的网络规模优势形成后，即使 Betamax 技术更好，也无法逆转局面。

换言之，在网络商品市场，速度和规模可能比技术质量更重要。但这并不意味着技术不重要——它只是说明了跨越临界规模的紧迫性。

3.3 小结

本节讨论了网络效应管理的三类核心策略：

兼容性决策：质量优势小的平台倾向兼容，质量优势大的平台倾向不兼容，但这可能损害用户利益
动态定价：平台需在「收割」和「投资」间权衡，渗透定价是跨越临界规模的常用策略
先发优势：网络效应放大先发优势，但内在质量、向后兼容和预期管理可能逆转局面

3.4 综合案例讨论

前面三节建立了理论框架，这一节用三个中国案例来检验这些理论。每个案例对应不同的核心机制。

案例 1：微信支付——十年数据看预期跳转

微信支付的故事，是自我实现预期和临界规模策略的经典样本。

市场份额变迁：

时间	支付宝	微信支付	关键事件
2014 年	82%	11%	微信红包上线
2019 年	55%	39%	格局趋稳
2025 年	36%	60%	微信支付反超

2014 年前，支付宝占移动支付 82%——一个看似稳固的大网络均衡。微信支付的关键不是补贴金额，而是借力已有网络制造预期跳转：

微信已有 6 亿用户的社交关系链——支付只需激活绑卡
红包把支付嵌入社交互动——“你要抢就得绑卡”
春节场景天然降低了试用门槛

微信红包不是从零建网络，而是把社交网络的势能迁移到支付。

为什么没有赢者通吃

微信支付起来之后，支付宝并没有消失——两者形成场景分化。微信走线下小额高频（日均 2.7 次），支付宝守线上电商（月均 2860 元）。产品差异化 $\tau$ 足够大时，双寡头可以稳定共存。

锁定机制的差异

维度	支付宝	微信支付
核心锁定	余额宝、花呗、芝麻信用	社交关系链、红包、小程序
锁定类型	金融生态锁定	社交关系锁定
转换成本	资金迁移+信用历史	关系链不可迁移

2024 年淘宝接入微信支付，某种程度上是兼容性的推进——当两者差异化足够大时，兼容对双方都有利。这也说明，移动支付市场的兼容性格局仍在动态演变。

案例 2：共享单车——错把全国规模当有效规模

ofo 的故事，是临界规模的局部性被忽视的典型反面教材。

ofo 全国投了 1100 万辆，但分散在几百个城市。正确理解：共享单车的网络效应是局部的，临界规模是城市级别的。

ofo vs 哈啰：

指标	ofo	哈啰
扩张策略	一线城市同时铺开	二三线城市逐个深耕
车辆质量	低成本机械锁	智能锁+高质量车
故障上报率	39.3%	低
结局	破产	存活，三足鼎立之一

从本章的分析框架看，ofo 的崩溃是理论预测的必然：

单车密度不够 → 没跨过 $n_s$（找车超过 5 分钟 = 服务不存在）
体验差 → 悲观预期自我实现（故障率高 → 用户流失 → 维护更差）
滑回零网络均衡（2018 年底 ofo 用户大规模申请退押金）

哈啰的做法刚好相反：二三线城市逐个做密度 → 单城市盈利 → 再扩张。杨磊的”幸运没有太多钱”不是谦虚，是对临界规模局部性的深刻理解。

案例 3：鸿蒙 OS——打破稳固均衡需要什么

鸿蒙的故事，是外部冲击加上动态兼容策略打破均衡的范例。

市场份额变迁：

时间	Android	iOS	鸿蒙
2023 年	72%	20%	8%
2025 年	64%	17%	19%

鸿蒙在中国超越 iOS——这在操作系统历史上极为罕见。如果没有美国制裁这一外部冲击，这几乎不可能发生。

鸿蒙的兼容性策略分两阶段演化：

阶段	兼容策略	经济逻辑
2020-2023	兼容 Android 应用	质量优势还小 → 兼容降低迁移成本
2024 起	鸿蒙 NEXT 去掉 Android 代码	生态积累起来 → 不兼容发挥差异化

这正好对应理论：早期 $q < \hat q$ → 兼容是理性选择；后期 $q > \hat q$ → 不兼容才能把差异化变成壁垒。

三个案例的理论总结

案例	核心机制	理论概念
微信支付	借已有网络制造预期跳转	自我实现预期、场景差异化
共享单车	局部临界规模与悲观预期	不稳定均衡、零网络收缩
鸿蒙 OS	外部冲击+动态兼容策略	兼容性决策、标准竞争

本章小结

本章建立了分析网络效应的基本理论框架，主要发现如下：

核心要点

需求的相互依赖：网络效应使用户决策相互依赖，形成协调博弈结构。每个用户的购买决策取决于对其他用户行为的预期。
多重均衡与自我实现预期：强网络效应导致多重均衡——同一价格可能对应多个需求水平。乐观预期和悲观预期都可以自我实现。
临界规模：不稳定的「小网络」均衡定义了临界规模。一旦跨越这个门槛，网络会滚雪球式增长到稳定的「大网络」均衡。
双重市场失灵：垄断势力和网络外部性共同导致网络规模低于社会最优。即使在完全竞争下，用户也不会内化对其他用户的正外部性。
兼容性与动态定价：拥有质量优势的平台倾向不兼容，但这可能损害用户福利。补贴和动态定价都是网络效应管理工具。

下一讲预告

第 4 章会从这里继续往前走：

平台和非平台怎么选——Hagiu-Wright 框架
鸡生蛋问题的四种解法——分而治之、种子用户、先管道再平台、动态定价
平台怎么建立信任——评级、保险、认证
站稳之后怎么做大——自营与邻近市场扩展

思考题

概念理解

解释为什么同一价格可能对应多个需求水平。这种现象在什么条件下会出现？
什么是满足预期均衡（FEE）？为什么我们在分析网络商品市场时要求预期被满足？

模型应用

考虑两个用户的模型，设 $r_x = 10$，$r_y = 6$，$\beta = 3$，边际成本 $f = 2$。
- 这属于弱网络效应还是强网络效应情形？
- 分析所有可能的纳什均衡
- 计算垄断平台的最优定价策略和利润
在 Rohlfs 模型中，设 $r = 0.1$，$A = 0.2$。
- 计算三个满足预期均衡的网络规模
- 分析哪些均衡是稳定的，为什么？
- 临界规模是多少？

案例分析

为什么微信红包比普通补贴更能跨越临界规模？从协调博弈和预期管理的角度分析。
共享单车的临界规模为什么是城市级而不是全国级？如果你是 ofo 的投资人，在 2017 年应该给出什么建议？
子弹短信为什么没能跨过临界规模？从协调博弈角度分析，它面临的核心困难是什么？

开放讨论

如果你是一个新平台，什么时候该兼容，什么时候该封闭？结合鸿蒙 OS 的案例说明。
从社会福利角度，移动支付的互联互通应该强制推行吗？讨论兼容性管制的利弊。
讨论鸿蒙 OS 从兼容 Android 到去 Android 化的策略转变。如果没有美国制裁这一外部冲击，鸿蒙能成功吗？

延伸阅读

经典英文文献

Katz, M. L., & Shapiro, C. (1985). Network externalities, competition, and compatibility. American Economic Review, 75(3), 424-440.
- 网络外部性和兼容性决策的开创性论文
Farrell, J., & Saloner, G. (1985). Standardization, compatibility, and innovation. Rand Journal of Economics, 16(1), 70-83.
- 分析标准竞争中的协调问题和创新激励
Cabral, L. (2011). Dynamic price competition with network effects. Review of Economic Studies, 78(1), 83-111.
- 网络效应下动态定价竞争的理论模型
Rohlfs, J. (1974). A theory of interdependent demand for a communications service. Bell Journal of Economics and Management Science, 5(1), 16-37.
- 网络商品需求理论的早期经典
Belleflamme, P., & Peitz, M. (2021). The Economics of Platforms: Concepts and Strategy. Cambridge University Press.
- 本章内容的主要参考来源，特别是第 3 章

--- title: "第 3 章网络商品经济学" --- 2014 年除夕夜，支付宝占据移动支付 82% 的份额，看起来坚不可摧。那天晚上，微信上线了群红包功能，超过 1600 万个红包被领取。几个月内，微信支付绑卡用户从不到 1 亿飙升到 3 亿。一个红包活动，就撼动了看似稳固的市场格局。为什么？因为支付不只是工具问题，而是"别人用不用"的问题。当你看到朋友们都在抢红包、都绑了微信支付，你对这个支付工具的价值判断会发生根本变化。这正是网络效应（Network Effects）改变经济分析的关键：用户的决策不再独立，而是相互依赖。这就是本章要回答的核心问题： - **网络商品**和普通商品到底有什么不同？ - 为什么同一个价格，可能对应两种完全不同的市场结果？ - 平台要跨过临界规模，靠什么？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。本章就来搭建这套分析工具。我们沿三条线索展开： - **需求线**：网络效应让用户决策彼此依赖，需求分析变成博弈问题 - **均衡线**：同一价格可能对应多个网络规模，均衡的选择取决于预期 - **策略线**：平台要用价格、兼容性和时机来管理网络效应这三条线索层层递进——先理解需求的特殊性，再看均衡的多样性，最后分析平台的应对策略。本章的难点不在公式多，而在每个公式都连着一个经济含义。 ::: {.callout-important} ## 学习目标 1. **理解** 网络效应如何让用户决策彼此依赖 2. **掌握** 多重均衡和自我实现预期的经济含义 3. **分析** 临界规模的来源和稳定性条件 4. **比较** 垄断、竞争和社会最优下的网络规模差异 5. **运用** 兼容性、动态定价等策略分析真实案例 ::: ![第 3 章思维导图](images/img_00_chapter3_mindmap.png) ## 3.1 网络商品需求买土豆时，别人买不买，不改变你手里这袋土豆的价值。但选通信工具、支付工具、操作系统时—— | 商品 | 别人买不买，影响你吗？ | |------|:---:| | 一袋土豆 | 不影响 | | 一部电话 | 没人打来就是摆设 | | 一个支付 App | 商家不接就用不了 | | 一个操作系统 | 没人开发 App 就是空壳 | 用户不是独立决策，而是在猜"别人会不会来"。 ::: {.callout-tip} ## 课堂思考想一想你每天用的产品： - 微信的价值来自你自己还是你的朋友？ - 如果所有朋友都搬到另一个 App，你还会留在微信吗？ - 你上一次选择某个 App，是因为功能好还是因为"别人都在用"？ "我来不来"取决于"你来不来"——这就是需求互依。 ::: ### 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）$\beta > 0$——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： | | Yuri 购买 | Yuri 不买 | |:---:|:---:|:---:| | **Xena 购买** | $r_x + \beta - A$，$r_y + \beta - A$ | $r_x - A$，$0$ | | **Xena 不买** | $0$，$r_y - A$ | $0$，$0$ | 这是一个典型的协调博弈（Coordination Game）——两个人面对同样的价格，结果取决于对方怎么做。关键不是"价格高不高"，而是"我相信对方会怎么做"。日常生活中的协调博弈到处都是： | 场景 | 我的决策取决于... | |------|-------------| | 今晚去哪吃饭 | 朋友去不去 | | 要不要注册新 App | 朋友用不用 | | 要不要学一门编程语言 | 市场需不需要 | 协调博弈的困难在于：理性的个体也可能协调失败。 **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：$r_x + \beta - A \geq 0$ 且 $r_y + \beta - A \geq 0$。由于 $r_x > r_y$，条件简化为 $A \leq r_y + \beta$。 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 $r_y + \beta - A \leq 0$（Yuri 即使加入也不划算）。条件为 $r_y + \beta \leq A \leq r_x$，这要求 $\beta < r_x - r_y$。 4. **只有 Yuri 购买**不可能成为均衡，因为这要求 $r_x + \beta \leq A \leq r_y$，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**（$\beta < r_x - r_y$） ![弱网络效应下的需求曲线](images/img_01a_weak_network_effects.png) 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 - $r_y + \beta < A \leq r_x$：只有 Xena 购买 - $A \leq r_y + \beta$：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**（$\beta > r_x - r_y$） ![强网络效应下的需求曲线](images/img_01b_strong_network_effects.png) 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 $r_x \leq A \leq r_y + \beta$ 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。 ::: {.callout-important} ## 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 $A = (r_x + r_y + \beta)/2$，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。这不只是理论推演，现实中反复上演： - **微信支付 2014**：红包让人预期"大家都会绑卡" → 真绑了 → 预期成真 - **子弹短信 2018**：罗永浩带货，短暂预期爆发 → 但朋友没搬过来 → 卸载 → 崩塌 - **来往 2013**：阿里做社交 App 挑战微信 → 没人迁移 → 很快死了同样的产品质量，命运可以截然不同——关键在预期落到哪个均衡。 **多重均衡为什么重要** 多重均衡不只是一个数学现象，它对平台运营有三层含义： 1. **不可预测**：平台定好价格后，仍然无法确定市场会落在哪个均衡上。需求不再是价格的函数，而是价格和预期的共同产物。 2. **可能低效**：即使所有人都买更好，市场也可能卡在无人购买的均衡里。协调失败会造成福利损失。 3. **预期管理成为关键**：既然均衡的选择取决于预期，平台就不能只会定价，还必须学会引导预期。这一点贯穿后续所有策略分析——从渗透定价到产品预告，背后都是预期管理的逻辑。 ### 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 $\beta$。用户 $r$ 加入网络的效用为： $$u = r + \beta n^e - A$$ 其中 $n^e$ 是用户对网络规模的预期。$n^e$ 是桥梁：它把个体决策和总需求连了起来。 **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 $n = n^e$。为什么要这个条件？猜 1000 万人，结果只来 100 万——预期不可持续。只有猜对了的预期才能成为稳定状态。临界用户类型 $r_0$ 满足：$r_0 + \beta n^e - A = 0$，即 $r_0 = A - \beta n^e$。所有 $r \geq r_0$ 的用户会加入网络，因此网络规模为 $n = 1 - r_0 = 1 - A + \beta n^e$。在满足预期均衡中，$n = n^e$，解得： $$n = \frac{1 - A}{1 - \beta} \quad \text{（当 } 0 < n < 1 \text{ 时）}$$ ![多用户模型中的需求曲线](images/img_02_demand_curve_network_goods.png) **关键分叉点：$\beta = 1$** - 当 $\beta < 1$：每个价格对应唯一的网络规模，需求函数单调递减。网络规模随价格平滑下降，与传统需求曲线类似。 - 当 $\beta > 1$：对于 $1 < A < \beta$ 的价格区间，存在三个满足预期均衡。具体来说，当 $\beta > 1$ 时，除了内点解 $n = (1-A)/(1-\beta)$ 之外，$n = 0$（无人加入）和 $n = 1$（所有人加入）也是满足预期均衡。三个 FEE 分别为： $$n = 0, \quad n = \frac{A - 1}{\beta - 1}, \quad n = 1$$ 直觉是这样的：如果所有人都预期没人加入（$n^e = 0$），那么每个人单独面对价格 $A > 1$ 时都不愿购买，$n = 0$ 自我实现。如果所有人都预期全员加入（$n^e = 1$），网络收益 $\beta > A$，即使内在估值最低的用户也愿意加入，$n = 1$ 自我实现。内点解 $n = (A-1)/(\beta-1)$ 则是一个中间状态——恰好让边际用户无差异。强网络效应的含义就是：要么全来，要么全不来，中间状态不稳定。想想微信——很难想象一个城市里只有 30% 的人用微信。 **两种异质性，不要混淆** 上面的模型假设用户在内在估值 $r$ 上不同，但对网络收益的敏感度 $\beta$ 相同。下面我们换一个角度：让用户在网络收益估值上不同，但共享相同的内在估值。这两种异质性假设会导致需求曲线的形态完全不同。 **异质网络收益模型（Rohlfs 模型）** 设 $\beta \sim U[0, 1]$，所有用户共享相同的内在估值 $r$。用户效用为 $r + \beta n^e - A$。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。生活中的直觉：微信从 100 万到 1000 万用户——每个新用户都让网络价值大幅提升。微信从 10 亿到 10.01 亿——多一个人几乎没什么感觉。同一价格下，小网络和大网络可以共存——这就是倒 U 形的含义。这意味着：对于 $r < A < r + 1/4$，存在三个均衡网络规模： $$n_n = 0, \quad n_s = \frac{1}{2} - \frac{1}{2}\sqrt{1 - 4(A-r)}, \quad n_l = \frac{1}{2} + \frac{1}{2}\sqrt{1 - 4(A-r)}$$ ::: {.callout-important} ## 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： $$n(n^e) = 1 - \frac{A - r}{n^e}$$ 我们计算： $$n_{t+1} - n_t = n(n_t) - n_t = \frac{1}{n_t}(n_t - n_s)(n_l - n_t)$$ ![满足预期均衡的稳定性分析](images/img_03_equilibrium_stability.png) **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 $n_l$）。$n_s$ 不是一个普通中间值，而是一道门槛——过不去，网络就往回缩。 - **大网络均衡** $n_l$：**稳定**。偏离后会回归。 ::: {.callout-important} ## 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。 ::: **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临界规模到底在哪里？不同平台的答案很不一样： | 平台 | 临界规模在哪 | 跨过去了吗 | |------|-----------|:---:| | 微信 | 你的朋友圈里大多数人都在用 | 跨过了 | | 子弹短信 | 朋友从微信搬过来 | 没跨过 | | ofo 每个城市 | 5 分钟内找到一辆可用的车 | 很多城市没做到 | | 鸿蒙 OS | 主流 App 都上架 | 正在跨越 | 临界规模是局部的、场景化的——不是"全国用户数"那么简单。共享单车的案例生动展示了这一点——我们在 3.4 节详细讨论。 ::: {.callout-note} ## 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。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。这引发了用户的好奇心：越来越多的广告商购买像素，访问量上升，吸引更多广告商。最终，所有像素售罄，Alex 赚到了 100 万美元以上。他成功地跨越了临界规模，启动了正反馈循环。 ::: ### 3.1 小结本节我们建立了分析网络商品需求的博弈论框架。核心发现包括： | 问题 | 结论 | |------|------| | 用户为什么互相依赖 | 网络收益取决于别人是否加入 | | 为什么会多重均衡 | 预期会改变支付意愿，两种预期都能自我实现 | | 为什么会有临界规模 | 小网络均衡不稳定——过不去就滑回零 | | 为什么难以预测 | 同一价格可能兼容多个均衡 | ## 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——平台不只是在面对需求曲线，还在面对用户预期。 ### 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**（$\beta < r_x - r_y$）平台面临两种选择： - 高价 $A = r_x$：只有 Xena 购买，利润 $\pi_1 = r_x - f$ - 低价 $A = r_y + \beta$：两人都买，利润 $\pi_2 = 2(r_y + \beta - f)$ 平台选择限制网络规模（只卖给 Xena）的条件是 $\pi_1 > \pi_2$，即： $$\beta < r_x - r_y - \frac{1}{2}(r_x - f)$$ **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 $\pi_1 = 10 - 2 = 8$ - 垄断者卖给两人：定价 $A = 6 + \beta$，利润 $\pi_2 = 2(6 + \beta - 2) = 8 + 2\beta$ 条件 $\beta < r_x - r_y - \frac{1}{2}(r_x - f) = 10 - 6 - 4 = 0$ 表明在此参数下，只要 $\beta > 0$，卖给两人总是更优。例如当 $\beta = 1$ 时，$\pi_2 = 10 > \pi_1 = 8$。由此可见，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： $$r_x + r_y + 2\beta - 2f > r_x - f \quad \Rightarrow \quad \beta > \frac{1}{2}(f - r_y)$$ 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。生活中的"卖给谁"决策到处可见： | 平台 | 高价策略 | 低价策略 | |------|---------|---------| | iPhone | 只卖给高支付意愿用户 | 推出 SE 扩大用户基数 | | 视频网站 | 高清会员 | 免费版+广告 | | 游戏主机 | 高价硬件+独占游戏 | 硬件补贴，靠游戏分成赚钱 | 网络效应越强，低价越有吸引力——多一人带来的收益更大。 **强网络效应情形**（$\beta > r_x - r_y$）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。平台面对两个选择： | 选择 | 价格 | 风险 | |------|------|------| | **稳妥但保守** | 低价确保都买（$A = r_x$） | 利润低 | | **激进但冒险** | 高价赌好均衡（$A = r_y + \beta$） | 可能掉进零网络 | 补贴不是慈善，是在规避协调风险。 ::: {.callout-warning} ## 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。 ::: ::: {.callout-tip} ## 课堂思考：滴滴 2014 年每单补贴十几元，是非理性的烧钱吗？ - 没有补贴 → 司机和乘客可能卡在"都不来"的坏均衡 - 补贴 → 确保加入是占优策略 → 推到"都来"的好均衡 - 一旦好均衡形成，补贴可以逐步退出补贴不是在"买用户"，是在**消除协调风险**。 ::: ### 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 $\beta \sim U[0, 1]$。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： $$\Pi = n \cdot A - f(n) = n^2(1-n) - f(n)$$ 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： $$TS = \int_{1-n}^{1} \beta n \, d\beta - f(n) = \frac{1}{2}n^2(2 - n) - f(n)$$ 社会最优规模 $n^*$ 满足：$\frac{n(4 - 3n)}{2} = f'(n)$ **三种基准各自在优化什么？** | 基准 | 目标 | 一阶条件 | |------|------|---------| | **垄断** | 平台利润最大 | $n(2-3n) = f'(n)$ | | **竞争** | 价格 = 边际成本 | $n(1-n) = f'(n)$ | | **社会最优** | 总社会福利最大 | $\frac{n(4-3n)}{2} = f'(n)$ | ::: {.callout-note} ## 模型假设的局限性这里我们假设平台可以直接选择网络规模，这是一个强假设。现实中，平台只能设定价格，而网络规模由用户的协调结果决定。在存在多重均衡时，价格设定和规模选择并不等价——同一价格可能对应多个网络规模。本节的分析揭示了理想情形下的基准结果，实际定价决策更为复杂。 ::: **三种基准的经济直觉** **垄断**：平台会主动限制网络规模来维持高价。 **竞争**：价格被压低，但用户只看自己的收益，不考虑给别人带来的好处。 **社会最优**：把用户加入时给所有人带来的网络收益都算进去。连竞争都不够——用户不内化自己给别人的网络收益。 ![垄断、完全竞争与社会最优的网络规模比较](images/img_04_network_size_comparison.png) **核心结论** 当边际成本不太高时（$f'(1/2) \leq 1/4$），有： $$n^m < n^c < n^*$$ ::: {.callout-important} ## 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——这是教科书式的正外部性。 ::: **为什么连竞争都达不到社会最优** 你注册微信时，你自己获得了通讯便利。但你**同时也让 500 个联系人多了一个可联系的人**——这是正外部性。你没把这个好处算进自己的决策，所以加入的人比社会最优少。一个类比：打疫苗保护了自己也保护了别人，没有补贴就会打得太少。正外部性 → 即使完全竞争，网络也偏小。 **双重市场失灵** 网络商品市场同时存在**两层市场失灵**： | 失灵来源 | 后果 | 谁的问题 | |---------|------|---------| | **垄断势力** | 平台限制网络规模以维持高价 | 平台 | | **网络外部性** | 用户不考虑自己给别人的好处 | 用户 | 两层叠加 → 即使把垄断解决了，网络仍然偏小。这为政府补贴网络商品提供了经济学依据。 ### 3.2.3 存在替代网络时的定价现实中往往存在替代选择。我们用 Hotelling 模型分析这种情况。 **模型设定** 新平台位于 0，老网络位于 1，用户均匀分布在 $[0, 1]$ 区间上。用户 $x$ 的效用为： $$U(x) = \begin{cases} r + q - \tau x + \beta_1 n_1^e - A_1 & \text{加入新平台} \\ r - \tau(1-x) + \beta_2 n_2^e & \text{留在老网络（免费）} \end{cases}$$ 其中 $q$ 是新平台的质量优势，$\tau$ 是单位距离的「运输成本」（代表用户偏好异质性）。无差异用户 $x_0$ 满足加入新平台和留在旧网络的效用相等： $$r + q - \tau x_0 + \beta_1 n_1^e - A_1 = r - \tau(1-x_0) + \beta_2 n_2^e$$ 整理得： $$q - \tau x_0 + \beta_1 n_1^e - A_1 = -\tau + \tau x_0 + \beta_2 n_2^e$$ $$2\tau x_0 = \tau + q + \beta_1 n_1^e - \beta_2 n_2^e - A_1$$ 因此无差异用户位置为： $$x_0 = \frac{1}{2} + \frac{q + \beta_1 n_1^e - \beta_2 n_2^e - A_1}{2\tau}$$ 在满足预期均衡中，$n_1 = x_0$，$n_2 = 1 - x_0$，解得： $$n_1 = \frac{q + \tau - \beta_2 - A_1}{2\tau - \beta_1 - \beta_2}$$ **一个判断式决定市场结构** 需求的走向取决于一个关键比较： $$\frac{\beta_1+\beta_2}{2} \quad \text{vs} \quad \tau$$ | 情况 | 市场结构 | 例子 | |------|---------|------| | 网络效应 < 差异化 | 共存 | 外卖：美团 vs 饿了么 | | 网络效应 > 差异化 | 倾覆 | 即时通讯：微信一家独大 | $\tau$ = 口味差异的力量，$\beta$ = 别人也在的力量——谁更强决定分流还是集中。 ::: {.callout-important} ## 核心发现 3.5 当平台面临竞争网络时，市场结构取决于两股力量的平衡：产品差异化使用户倾向分散选择，网络效应驱动用户集中到同一平台。产品差异化更强时，两个网络可以共存；网络效应更强时，市场可能倾覆到单一网络主导。 ::: ::: {.callout-tip} ## 课堂判断：以下哪些市场更可能赢者通吃？ - A. 外卖 - B. 即时通讯 - C. 短视频 - D. 网约车想一想每个市场里，网络效应和产品差异化哪个更强。 ::: **弱网络效应下的最优定价** 新平台最大化利润 $\pi_1 = A_1 \cdot n_1$，最优价格： $$A_1^* = \frac{q + \tau - \beta_2}{2}$$ 网络规模： $$n_1^* = \frac{q + \tau - \beta_2}{2(2\tau - \beta_1 - \beta_2)}$$ 利润： $$\pi_1^* = \frac{(q + \tau - \beta_2)^2}{4(2\tau - \beta_1 - \beta_2)}$$ 有趣的比较静态：当老网络的网络效应 $\beta_2$ 增强时，新平台会降低价格。如果新平台自身网络效应够强（$\beta_1 > \tau - q$），这种降价甚至可能导致市场份额上升！ ::: {.callout-note} ## 案例：微信支付 vs 支付宝微信支付挑战支付宝的过程，完美对应本节的 Hotelling 模型：支付宝是拥有庞大用户基础的「老网络」，微信支付是凭借社交场景整合获得质量优势 $q$ 的「新平台」。两者最终形成场景分化的双寡头格局，正是产品差异化 $\tau$ 足够大时两个网络可以共存的理论预测。详见 3.4 节案例讨论。 ::: ### 3.2 小结本节分析了网络商品的定价决策，主要发现： | 问题 | 核心结论 | |------|---------| | 垄断为何偏小 | 平台主动限制网络规模以维持高价 | | 竞争为何也不够 | 用户不内部化自己带给别人的网络收益 | | 倾覆何时出现 | 网络效应压过产品差异化（$\beta > \tau$） | | 兼容何时有利 | 质量优势不大时更有利 | | 先发一定赢吗 | 不一定——质量、兼容包袱、预期管理都可能翻盘 | ## 3.3 网络效应管理策略网络效应的存在使得平台竞争变成了一场「标准之战」。本节讨论平台的三类核心策略：兼容性决策、动态定价和先发优势的利用。 ### 3.3.1 兼容性决策兼容性（Compatibility）决定了不同网络的用户能否相互连通。这是平台最重要的战略决策之一。 **兼容性是一把双刃剑** | 兼容的好处 | 兼容的代价 | |-----------|-----------| | 放大总网络，提高支付意愿 | 抹平"我家网络更大"的竞争优势 | | 降低协调风险 | 竞争更像普通商品，难赢者通吃 | **模型分析** 沿用上一节的 Hotelling 模型，假设 $\beta_1 = \beta_2 = \beta < \tau$（弱网络效应）。 **不兼容时**（前面已分析）：利润 $\pi_1^* = \frac{(q + \tau - \beta)^2}{8(\tau - \beta)}$ **兼容时**：所有用户都能互联，$n_1^e = n_2^e = 1$。无差异用户： $$x_0 = \frac{\tau + q - A_1}{2\tau}$$ 最优价格 $A_1^c = \frac{\tau + q}{2}$，利润： $$\pi_1^c = \frac{(\tau + q)^2}{8\tau}$$ **平台的兼容性选择** 比较两种情形的利润： $$\pi_1^c - \pi_1^* = \beta \frac{\tau^2 - \beta\tau - q^2}{8\tau(\tau - \beta)}$$ 令 $\hat{q} = \sqrt{\tau(\tau - \beta)}$，则： - 当 $q < \hat{q}$：平台偏好**兼容**——质量优势小，先借大网络的势 - 当 $q > \hat{q}$：平台偏好**不兼容**——质量优势大，独吃市场 ::: {.callout-important} ## 核心发现 3.6 拥有较小质量优势的平台倾向于选择兼容，因为兼容提高了用户支付意愿。拥有较大质量优势的平台倾向于选择不兼容，因为不兼容使其可以利用网络规模优势。然而，平台选择不兼容时可能损害用户利益——用户通常偏好兼容带来的更大网络。 ::: ![兼容性决策分析矩阵](images/img_06_compatibility_decision.png) **用户偏好与平台偏好的冲突** 分析表明，当 $\tau > (9/8)\beta$ 时，在 $q = \hat{q}$ 附近，平台选择不兼容会损害用户福利。这为监管干预提供了理论依据——政府可能需要强制要求互操作性。 ::: {.callout-note} ## 案例：鸿蒙 OS 的兼容性策略华为鸿蒙 OS 的演进完美诠释了兼容性决策的动态逻辑。初期质量优势 $q$ 较小（$q < \hat{q}$），鸿蒙选择兼容 Android 应用以降低迁移成本；2024 年生态成熟后 $q$ 增大超过 $\hat{q}$，鸿蒙 NEXT 转向完全不兼容，以差异化优势建立壁垒。这与理论预测高度一致。详见 3.4 节案例讨论。 ::: **鸿蒙为什么能打破均衡** 通常，挑战既有操作系统几乎不可能——Android+iOS 占全球 95%。但鸿蒙面对了一个特殊条件：**美国制裁切断了 Google 服务**。 | 因素 | 作用 | |------|------| | 外部冲击 | 华为被迫自研，不存在"继续用 Android"的选项 | | 国内市场 | Google 服务本来在中国不可用，迁移成本更低 | | 政策支持 | 政府鼓励国产替代，开发者有额外激励 | | 设备基础 | 华为手机 + IoT 设备提供初始安装基础 | 外部冲击可以打破看似稳固的均衡——这是纯粹的市场力量难以做到的。鸿蒙的案例说明，当外生事件改变了关键参数（比如"继续用旧网络"的成本突然变成无穷大），原本不可能的新均衡就变得可能。 ### 3.3.2 动态定价静态模型无法捕捉平台竞争的动态本质。实际上，平台需要在「收割」当前优势和「投资」未来规模之间权衡。 **收割 vs 投资的两难** 领先的平台面临： | 选择 | 短期 | 长期 | |------|------|------| | **收割**（高价） | 利润高 | 网络扩张慢 | | **投资**（低价） | 利润低甚至亏损 | 网络滚大后再提价 | 这两种激励方向相反，最优策略取决于贴现率、网络效应强度和用户更新率。 **渗透定价** 渗透定价（Penetration Pricing）是网络商品市场的常见策略：早期收取低价甚至补贴用户，以跨越临界规模；一旦建立规模优势，再逐步提高价格。滴滴从每单补贴十几元到逐步缩减，最终转为抽佣——标准的先投资后收割。 ![临界规模与市场倾覆机制](images/img_05_critical_mass_tipping.png) ::: {.callout-note} ## 案例：共享单车大战与临界规模 2016-2018 年共享单车大战是临界规模失败的标准案例。共享单车的网络效应是局部的——用户需要在 5 分钟内找到一辆可用的车，这意味着临界规模 $n_s$ 是城市级别的密度指标，而非全国用户总量。ofo 把车分散在几百个城市，每个城市都没跨过 $n_s$，最终滑回零网络均衡。详见 3.4 节案例讨论。 ::: ### 3.3.3 先发优势网络效应使得先发优势（First-Mover Advantage）尤为重要。先发者可以： - 建立安装基础 - 影响用户预期 - 锁定早期用户但先发优势并非绝对。以下因素可能削弱它： **内在质量的作用** 后发者可能拥有更好的产品。正如 Hagiu 和 Rothman 观察：「成功的平台往往不是最先进入市场的，而是最先创造流动性的。」Airbnb 晚于 VRBO 十年，阿里巴巴是中国 eBay 的后来者，Uber 的 UberX 模式实际上是学习 Lyft。 **向后兼容的束缚** 先发者可能被旧版本束缚。为了维护向后兼容性，他们难以进行激进的产品升级。后发者可以从零开始设计更优的产品。 **预期管理** 如果用户预期形成不完全理性，平台可以通过产品预告（Product Preannouncement）等手段影响预期。但这是一把双刃剑——可能冻结竞争对手的销售，也可能冻结自己当前产品的销售。 ::: {.callout-warning} ## 标准战争的历史教训 VHS vs Betamax 是标准战争的经典案例。技术上，Betamax 被认为画质更好。但 JVC 的 VHS 采取了更开放的授权策略，吸引更多厂商加入，更快地建立了安装基础。当 VHS 的网络规模优势形成后，即使 Betamax 技术更好，也无法逆转局面。换言之，在网络商品市场，**速度和规模可能比技术质量更重要**。但这并不意味着技术不重要——它只是说明了跨越临界规模的紧迫性。 ::: ### 3.3 小结本节讨论了网络效应管理的三类核心策略： 1. **兼容性决策**：质量优势小的平台倾向兼容，质量优势大的平台倾向不兼容，但这可能损害用户利益 2. **动态定价**：平台需在「收割」和「投资」间权衡，渗透定价是跨越临界规模的常用策略 3. **先发优势**：网络效应放大先发优势，但内在质量、向后兼容和预期管理可能逆转局面 ## 3.4 综合案例讨论前面三节建立了理论框架，这一节用三个中国案例来检验这些理论。每个案例对应不同的核心机制。 ### 案例 1：微信支付——十年数据看预期跳转微信支付的故事，是自我实现预期和临界规模策略的经典样本。 **市场份额变迁**： | 时间 | 支付宝 | 微信支付 | 关键事件 | |------|:---:|:---:|------| | 2014 年 | 82% | 11% | 微信红包上线 | | 2019 年 | 55% | 39% | 格局趋稳 | | 2025 年 | 36% | 60% | 微信支付反超 | 2014 年前，支付宝占移动支付 82%——一个看似稳固的大网络均衡。微信支付的关键不是补贴金额，而是**借力已有网络制造预期跳转**： - 微信已有 6 亿用户的社交关系链——支付只需激活绑卡 - 红包把支付嵌入社交互动——"你要抢就得绑卡" - 春节场景天然降低了试用门槛微信红包不是从零建网络，而是把社交网络的势能迁移到支付。 **为什么没有赢者通吃** 微信支付起来之后，支付宝并没有消失——两者形成**场景分化**。微信走线下小额高频（日均 2.7 次），支付宝守线上电商（月均 2860 元）。产品差异化 $\tau$ 足够大时，双寡头可以稳定共存。 **锁定机制的差异** | 维度 | 支付宝 | 微信支付 | |------|--------|---------| | 核心锁定 | 余额宝、花呗、芝麻信用 | 社交关系链、红包、小程序 | | 锁定类型 | **金融生态锁定** | **社交关系锁定** | | 转换成本 | 资金迁移+信用历史 | 关系链不可迁移 | 2024 年淘宝接入微信支付，某种程度上是兼容性的推进——当两者差异化足够大时，兼容对双方都有利。这也说明，移动支付市场的兼容性格局仍在动态演变。 ### 案例 2：共享单车——错把全国规模当有效规模 ofo 的故事，是临界规模的局部性被忽视的典型反面教材。 ofo 全国投了 1100 万辆，但分散在几百个城市。**正确理解**：共享单车的网络效应是**局部的**，临界规模是**城市级别**的。 **ofo vs 哈啰**： | 指标 | ofo | 哈啰 | |------|-----|------| | 扩张策略 | 一线城市同时铺开 | 二三线城市逐个深耕 | | 车辆质量 | 低成本机械锁 | 智能锁+高质量车 | | 故障上报率 | 39.3% | 低 | | 结局 | 破产 | 存活，三足鼎立之一 | 从本章的分析框架看，ofo 的崩溃是理论预测的必然： 1. **单车密度不够 → 没跨过 $n_s$**（找车超过 5 分钟 = 服务不存在） 2. **体验差 → 悲观预期自我实现**（故障率高 → 用户流失 → 维护更差） 3. **滑回零网络均衡**（2018 年底 ofo 用户大规模申请退押金）哈啰的做法刚好相反：二三线城市逐个做密度 → 单城市盈利 → 再扩张。杨磊的"幸运没有太多钱"不是谦虚，是对临界规模局部性的深刻理解。 ### 案例 3：鸿蒙 OS——打破稳固均衡需要什么鸿蒙的故事，是外部冲击加上动态兼容策略打破均衡的范例。 **市场份额变迁**： | 时间 | Android | iOS | 鸿蒙 | |------|:---:|:---:|:---:| | 2023 年 | 72% | 20% | 8% | | 2025 年 | 64% | 17% | 19% | 鸿蒙在中国超越 iOS——这在操作系统历史上极为罕见。如果没有美国制裁这一外部冲击，这几乎不可能发生。鸿蒙的兼容性策略分两阶段演化： | 阶段 | 兼容策略 | 经济逻辑 | |------|---------|---------| | 2020-2023 | 兼容 Android 应用 | 质量优势还小 → 兼容降低迁移成本 | | 2024 起 | 鸿蒙 NEXT 去掉 Android 代码 | 生态积累起来 → 不兼容发挥差异化 | 这正好对应理论：早期 $q < \hat q$ → 兼容是理性选择；后期 $q > \hat q$ → 不兼容才能把差异化变成壁垒。 ### 三个案例的理论总结 | 案例 | 核心机制 | 理论概念 | |------|---------|---------| | 微信支付 | 借已有网络制造预期跳转 | 自我实现预期、场景差异化 | | 共享单车 | 局部临界规模与悲观预期 | 不稳定均衡、零网络收缩 | | 鸿蒙 OS | 外部冲击+动态兼容策略 | 兼容性决策、标准竞争 | ## 本章小结本章建立了分析网络效应的基本理论框架，主要发现如下： ::: {.callout-important} ## 核心要点 1. **需求的相互依赖**：网络效应使用户决策相互依赖，形成协调博弈结构。每个用户的购买决策取决于对其他用户行为的预期。 2. **多重均衡与自我实现预期**：强网络效应导致多重均衡——同一价格可能对应多个需求水平。乐观预期和悲观预期都可以自我实现。 3. **临界规模**：不稳定的「小网络」均衡定义了临界规模。一旦跨越这个门槛，网络会滚雪球式增长到稳定的「大网络」均衡。 4. **双重市场失灵**：垄断势力和网络外部性共同导致网络规模低于社会最优。即使在完全竞争下，用户也不会内化对其他用户的正外部性。 5. **兼容性与动态定价**：拥有质量优势的平台倾向不兼容，但这可能损害用户福利。补贴和动态定价都是网络效应管理工具。 ::: ## 下一讲预告第 4 章会从这里继续往前走： - 平台和非平台怎么选——Hagiu-Wright 框架 - 鸡生蛋问题的四种解法——分而治之、种子用户、先管道再平台、动态定价 - 平台怎么建立信任——评级、保险、认证 - 站稳之后怎么做大——自营与邻近市场扩展 ## 思考题 **概念理解** 1. 解释为什么同一价格可能对应多个需求水平。这种现象在什么条件下会出现？ 2. 什么是满足预期均衡（FEE）？为什么我们在分析网络商品市场时要求预期被满足？ **模型应用** 3. 考虑两个用户的模型，设 $r_x = 10$，$r_y = 6$，$\beta = 3$，边际成本 $f = 2$。 - 这属于弱网络效应还是强网络效应情形？ - 分析所有可能的纳什均衡 - 计算垄断平台的最优定价策略和利润 4. 在 Rohlfs 模型中，设 $r = 0.1$，$A = 0.2$。 - 计算三个满足预期均衡的网络规模 - 分析哪些均衡是稳定的，为什么？ - 临界规模是多少？ **案例分析** 5. 为什么微信红包比普通补贴更能跨越临界规模？从协调博弈和预期管理的角度分析。 6. 共享单车的临界规模为什么是城市级而不是全国级？如果你是 ofo 的投资人，在 2017 年应该给出什么建议？ 7. 子弹短信为什么没能跨过临界规模？从协调博弈角度分析，它面临的核心困难是什么？ **开放讨论** 8. 如果你是一个新平台，什么时候该兼容，什么时候该封闭？结合鸿蒙 OS 的案例说明。 9. 从社会福利角度，移动支付的互联互通应该强制推行吗？讨论兼容性管制的利弊。 10. 讨论鸿蒙 OS 从兼容 Android 到去 Android 化的策略转变。如果没有美国制裁这一外部冲击，鸿蒙能成功吗？ ## 延伸阅读 **经典英文文献** - Katz, M. L., & Shapiro, C. (1985). Network externalities, competition, and compatibility. *American Economic Review*, 75(3), 424-440. - 网络外部性和兼容性决策的开创性论文 - Farrell, J., & Saloner, G. (1985). Standardization, compatibility, and innovation. *Rand Journal of Economics*, 16(1), 70-83. - 分析标准竞争中的协调问题和创新激励 - Cabral, L. (2011). Dynamic price competition with network effects. *Review of Economic Studies*, 78(1), 83-111. - 网络效应下动态定价竞争的理论模型 - Rohlfs, J. (1974). A theory of interdependent demand for a communications service. *Bell Journal of Economics and Management Science*, 5(1), 16-37. - 网络商品需求理论的早期经典 - Belleflamme, P., & Peitz, M. (2021). *The Economics of Platforms: Concepts and Strategy*. Cambridge University Press. - 本章内容的主要参考来源，特别是第 3 章