第 4 章 平台成长

2014 年初的北京，寒风凛冽，但网约车市场却异常火热。滴滴和快的两家公司正在进行一场史无前例的补贴大战：乘客打车不花钱甚至倒贴，司机每单额外奖励十几元。短短四个月，双方烧掉超过 20 亿元。这场补贴大战反映了平台经济学的核心问题——如何让一个双边市场从零开始运转起来？

平台的价值创造遵循两步走的逻辑：第一步是把不同群体的用户聚集到一起，第二步是管理用户之间的网络效应。第一步并不简单。没有司机，乘客不会来；没有乘客，司机也不愿加入。这种相互依赖的困境被称为鸡生蛋蛋生鸡问题（Chicken-and-Egg Problem）。本章将系统分析平台如何破解这一难题，以及如何在站稳脚跟后实现进一步扩张。

重要学习目标
  1. 分析 企业选择平台模式与传统模式的权衡因素
  2. 理解 鸡生蛋问题的博弈论本质和多重均衡结构
  3. 掌握 分而治之、种子用户、动态定价等四大冷启动策略
  4. 设计 平台信任建立机制，理解信任如何影响网络效应强度
  5. 评估 平台自营的利弊与邻近市场扩张的经济逻辑

第 4 章思维导图

4.1 平台还是非平台？

在决定如何启动平台之前，企业首先要回答一个更根本的问题：是否应该采用平台模式？

旅游住宿行业的演变说明了这个问题。几十年前，酒店业几乎完全采用垂直整合模式——企业拥有物业、雇佣员工、控制服务的全过程。如今，Airbnb 和途家等平台彻底改变了这一格局：它们不拥有任何房产，却撮合了数以亿计的住宿交易。类似的变革也发生在出行领域——Uber、滴滴不拥有车辆，却成为全球最大的出行服务提供者。

两种模式的区别是：平台赋能（enable）交易，而垂直整合企业控制（control）交易。

4.1.1 基本权衡：赋能 vs 控制

Hagiu 和 Wright（2015）提出了一个分析框架，将组织模式的选择归结为三个维度的权衡：激励、适应与协调。

激励问题

在平台模式下，服务提供者（如 Airbnb 房东、滴滴司机）是独立的个体经营者，他们保留对交易的剩余控制权，因此有充足的动力提升服务质量——付出的努力越多，获得的回报也越多。相比之下，在垂直整合模式下，服务人员是企业雇员，拿固定工资，缺乏同等的激励去额外付出。

用经济学术语来说，平台模式更好地解决了道德风险（moral hazard）问题。

适应问题

服务提供者往往拥有企业难以获取的私人信息。一位经验丰富的房东最清楚什么样的布置能吸引租客，一位老司机最了解哪条路线最省时。平台模式让拥有信息的人做决策，因此能更好地适应本地化、个性化的需求。

在垂直整合模式下，企业可能因为缺乏这些私人信息（hidden information）而做出次优决策。

协调问题

然而，平台模式有一个明显的劣势：难以协调外部性。当多个服务提供者之间存在相互影响时——比如产品之间是替代品或互补品，或者一个商家的行为会影响其他商家的声誉——平台很难协调这些关系。

垂直整合企业则可以从全局出发，统筹安排。例如，连锁酒店可以根据各门店的入住率动态调整价格，而 Airbnb 很难让独立房东配合这样的协调定价。

Hagiu-Wright 框架

赋能模式与控制模式对比
维度 平台模式（赋能） 垂直整合（控制）
激励 强——服务者保留剩余控制权 弱——雇员缺乏足够激励
适应 强——服务者可利用私人信息 弱——企业缺乏本地知识
协调 弱——难以协调外部性 强——可统筹跨产品溢出效应
注记核心洞见

模式选择取决于信息结构与激励结构的匹配程度。市场变化越快、服务个性化要求越高，平台模式的适应优势越明显。

赋能 vs 控制：一个连续的光谱

赋能和控制不是非此即彼的选择，而是一个连续光谱上的程度问题。不同平台在这个光谱上占据不同位置：

光谱位置 平台 特征
纯赋能 淘宝 C2C 不介入交易条件，卖家完全自主定价和运营
中间偏赋能 天猫 设置准入门槛和品质标准，但不控制卖家定价
中间偏控制 山姆/Costco 主动选品，替买家压价，严格控制 SKU 数量
纯控制 连锁酒店 拥有物业、雇佣员工、控制服务全过程

规律是：商品越标准化、SKU 越少，越适合靠近控制端；商品越个性化、种类越多，越适合靠近赋能端。淘宝上数以亿计的长尾商品没有企业能自己采购和管理，只能走赋能模式；而山姆会员店精选 4000 个 SKU，每件商品都经过严格筛选和议价，本质上更接近控制端。

4.1.2 激励、适应与协调

上述三个维度并非固定不变。平台可以通过设计机制来弥补自身劣势，垂直整合企业也可以改进激励方案。

平台如何改善协调能力？

平台可以通过交易费来调节服务者的行为。如果服务者之间存在负向溢出效应（如恶性价格战），平台可以提高佣金率以抑制过度竞争；如果存在正向溢出效应（如品质提升的示范效应），平台可以降低费率以鼓励投入。

垂直整合企业如何改善激励？

企业可以设计与业绩挂钩的薪酬方案。例如，将奖金与客户满意度、销售额等指标关联，部分模拟平台模式下的激励效果。

4.1.3 选择决策

综合以上分析，我们可以得出以下判断原则：

倾向选择平台模式的情形： - 服务质量高度依赖个人努力（激励问题重要） - 服务需要因地制宜、因人而异（适应问题重要） - 服务提供者之间的相互影响较小（协调问题不严重） - 市场变化快速，需要灵活响应

倾向选择垂直整合的情形： - 服务标准化程度高，个人努力影响有限 - 规模经济显著 - 质量控制和品牌一致性至关重要 - 服务之间存在强互补性，需要统一协调

提示Amazon 的混合策略

Amazon 同时扮演零售商（控制模式）和电商平台（赋能模式）两种角色。Hagiu 和 Wright（2015）的研究发现，Amazon 在不同品类的模式选择符合理论预测：

  • 图书：变化慢、标准化程度高，Amazon 自营比例达 54%
  • 电子产品：更新快、适应性要求高，Amazon 自营比例仅 1%

这说明：市场变化越快，平台模式的适应优势越明显。

模式选择的动态演变

Hagiu-Wright 框架描述的是稳态下的最优选择，但现实中模式选择会随平台生命周期动态演变。许多企业先用垂直整合解决冷启动问题，再逐步转向平台模式：

阶段 模式 例子
早期 垂直整合（自我供给） Apple 先自己开发应用
成长期 逐步开放平台 Apple 开放 App Store
成熟期 纯平台或混合 Amazon 自营 + 第三方并行

模式选择不是一次性决策。企业在不同阶段面临的激励、适应、协调权衡各不相同，最优模式也随之变化。这一观察为后面 Part 2 的”先管道再平台”策略做了铺垫。

4.2 鸡生蛋问题

决定采用平台模式后，企业面临的第一个挑战就是启动问题。双边平台的价值来源于两边用户的互动，但在平台诞生之初，两边都没有用户——这就是所谓的鸡生蛋蛋生鸡问题。

4.2.1 问题本质

鸡生蛋问题本质上是协调博弈（coordination game），存在多重均衡。

考虑一个简单的模型。假设平台试图连接买方和卖方两个群体，分别有 \(N_b\) 个买方和 \(N_s\) 个卖方。如果 \(n_b\) 个买方和 \(n_s\) 个卖方加入平台，他们的净效用分别为：

\[ v_b = r_b + \beta_b n_s - A_b \quad \text{和} \quad v_s = r_s + \beta_s n_b - A_s \]

其中： - \(r_b, r_s\)：用户从平台获得的独立价值（不依赖对方群体规模） - \(\beta_b\)：卖方对买方的跨组网络效应强度（每多一个卖方，买方效用增加 \(\beta_b\)） - \(\beta_s\)：买方对卖方的跨组网络效应强度 - \(A_b, A_s\)：平台向买方、卖方收取的接入费

用户的外部选项价值分别为 \(v_b^0\) 和 \(v_s^0\)。

多重均衡的产生

分析第二阶段的用户决策，可以发现四种可能的均衡：

  1. 好均衡 \((N_b, N_s)\)：所有人都加入，条件是： \[A_b \leq r_b - v_b^0 + \beta_b N_s \quad \text{且} \quad A_s \leq r_s - v_s^0 + \beta_s N_b\]

  2. 坏均衡 \((0, 0)\)：没人加入，条件是： \[A_b > r_b - v_b^0 \quad \text{且} \quad A_s > r_s - v_s^0\]

  3. 部分均衡 \((N_b, 0)\) 或 \((0, N_s)\)：只有一边参与

问题是：当定价处于某个中间区域时，好均衡和坏均衡同时存在。均衡的选择取决于用户的预期，而非基本面。如果用户悲观地认为对方不会来，这种预期会自我实现，平台陷入零均衡的陷阱。

多重均衡示意图
注记多重均衡的自我实现

鸡生蛋问题的核心是预期协调失败。两个均衡都是自我实现的预言（self-fulfilling prophecy）： - 乐观预期：大家都相信平台会成功 → 都加入 → 平台真的成功 - 悲观预期：大家都相信平台会失败 → 都不加入 → 平台真的失败

平台的挑战是如何打破悲观预期，引导用户走向好均衡。

4.2.2 策略一：分而治之

分而治之策略（Divide-and-Conquer）是解决鸡生蛋问题的核心武器。其基本思路是：通过差异化定价，让一方的加入成为占优策略，从而消除坏均衡。

策略逻辑

为了确保 \((0,0)\) 不是均衡，平台需要让至少一方在对方不来的情况下仍然愿意加入。这要求：

\[A_b \leq r_b - v_b^0 \quad \text{或} \quad A_s \leq r_s - v_s^0\]

也就是说，即使没有跨组网络效应的好处，被补贴的一方加入平台也比外部选项更好。

一旦买方确定会来，卖方看到这一点，愿意支付的最高价格变为 \(r_s - v_s^0 + \beta_s N_b\)。平台通过补贴一方，从另一方赚回利润。

补贴哪一边？

一个关键问题是：应该补贴买方还是卖方？

答案是：补贴对另一边网络效应更大的群体。

如果买方是补贴方，平台利润为： \[\Pi = N_b(r_b - v_b^0) + N_s(r_s - v_s^0 + \beta_s N_b)\]

如果卖方是补贴方，平台利润为： \[\Pi = N_b(r_b - v_b^0 + \beta_b N_s) + N_s(r_s - v_s^0)\]

比较两式可知，当 \(\beta_s > \beta_b\)（买方对卖方的吸引力更大）时，应该补贴买方。

重要核心结论

补贴侧的选择与群体规模无关，只与跨组网络效应强度有关。应该补贴对另一边吸引力更大的群体，从吸引力较小的群体那里赚钱。

这解释了为什么： - 夜店给女性免费入场，向男性收费（女性对男性吸引力更大） - 购物中心给顾客免费停车，向商户收租金（顾客对商户吸引力更大） - 游戏主机补贴硬件，从游戏开发商赚钱（玩家对开发商吸引力更大）

分而治之策略

竞争条件下的分而治之

当两个同质平台竞争时，情况更加激烈。双方都会采用分而治之策略，竞相压低价格。最终结果是市场倾覆（tipping）到只剩一个平台，且该平台可能零利润。

这一结论与我们在第 3 章关于网络效应与市场结构的分析一致：强跨组网络效应 + 平台无差异 = 赢者通吃。

4.2.3 策略二：种子用户

种子用户策略

前面的分析假设用户同时决策，但现实中平台是逐步发展的。动态视角下，平台可以采用种子用户策略（seeding strategy）：先吸引一小批用户作为种子，然后利用网络效应的正反馈逐步扩大规模。

种子用户的选择原则

应该优先吸引哪些用户？综合考虑两个因素：

优先级 = 产生的网络效应 / 获取成本

明星用户（marquee users）是指能为对方群体带来巨大价值的用户。典型例子包括： - 游戏主机平台上的明星游戏（如《侠盗猎车手》对 PlayStation） - 购物中心里的主力店铺（如超市、电影院） - 社交媒体上的意见领袖

明星用户的问题是：他们知道自己的价值，会要求更好的条件。平台之间对明星用户的竞争可能让收益化为乌有。

低成本用户是另一类值得优先争取的对象，包括： - 外部选项较差的用户（尚未被其他平台锁定） - 对平台服务本身有高估值的用户（早期采用者） - 更看重独立价值而非网络价值的用户 - 忠诚度高、不易流失的用户

提示种子用户策略的成功要素

种子用户策略能否奏效，取决于三个条件：

  1. 可观察性：后来者能观察到早期用户的存在
  2. 信号解读：后来者能正确理解平台的补贴政策
  3. 承诺可信：后来者相信早期用户会留下来

如果这些条件不满足，平台需要通过广告、公关、数据披露等方式提高早期行动的可见度。例如，滴滴会公布 5 公里内平均响应时间来向乘客展示司机供给充足。

案例：滴滴的启动策略

滴滴出行的冷启动策略是种子用户策略的经典案例。

2012 年滴滴刚成立时，面临典型的双边协调困境。滴滴选择先司机、后乘客的顺序：

  1. 司机侧启动（2012-2013）：运营人员到北京南站等出租车聚集地，逐个帮司机安装 App，通过注册返现、接单奖励等方式拓展司机数量。
  2. 临界规模判断：当司机覆盖率达到能保证 5 公里内 10-15 分钟响应时，开始重点拓展乘客。
  3. 补贴大战（2014-2016）：与快的、Uber 展开激烈补贴竞争，实施双边补贴。

为什么先攻司机侧？教科书答案是：乘客对司机数量（等待时间）极其敏感（\(\beta_b\) 大），所以先确保司机供给，再吸引乘客。

但实际决策远比这复杂。滴滴先攻司机是多维权衡的结果：

因素 支持先攻司机的理由
网络效应 乘客对等待时间敏感，\(\beta_b\) 大
获取成本 司机集中在固定地点（车站、机场），地推效率高
留存特性 司机有单就接，留存几乎自动
乘客端难点 大规模让用户装 App 难度大，留存取决于打车体验

现实中的补贴决策 = \(\beta\) + 获取成本 + 留存率 + 多栖倾向。纯粹的网络效应分析只是起点，实际操作中要综合考虑多个维度。

4.2.4 策略三：先做管道，再做平台

先管道再平台

有时候，鸡生蛋问题太过棘手，纯平台模式在短期内无法运转。此时，一个务实的策略是：先做管道（pipeline），再做平台。管道模式指企业自己生产产品或提供服务，而非撮合第三方。

自我供给策略

平台可以通过自己提供一方的服务来启动市场，而不是等待第三方加入。这相当于分而治之策略的非价格版本：通过直接供给来确保一方的参与。

历史上，许多成功平台都经历过这个阶段： - 早期游戏机自带游戏，后来才开放给第三方开发者 - Apple 最初自己开发应用，后来才开放 App Store - Amazon 从纯零售商起步，后来才建立第三方市场

这和 4.1.3 讨论的模式动态演变一脉相承：企业在不同发展阶段选择不同模式，从管道过渡到平台是一条被反复验证的路径。

4.2.5 策略四：动态定价

动态定价策略

分而治之是静态的——设定一个固定的差异化价格结构。但实际中，平台还可以在时间维度上动态调整价格。

渗透定价——先低后高

渗透定价（penetration pricing）是最常见的动态定价形式：

  • 启动期：大幅补贴，快速积累用户。滴滴每单补贴十几元，美团外卖对商家免佣金
  • 成长期：逐步减少补贴，转向精准补贴高价值用户
  • 成熟期：转向正常定价甚至提价。滴滴从补贴转为抽佣模式，佣金率逐步提高

渗透定价的底层逻辑是：今天的补贴是为了明天的网络效应。一旦用户达到临界规模，正反馈机制会自动维持增长，平台就可以逐步回收早期投入。

序贯进入——先一个市场，再下一个

平台可以先在一个细分市场站稳脚跟，再向相邻市场扩展，降低同时在多个市场启动的风险：

  • 地理序贯：滴滴先从北京起步，验证模式后逐步复制到全国各城市。每进入一个新城市，都可以借鉴前一个城市的运营经验
  • 品类序贯：Amazon 从图书起步，再扩展到电子产品、日用品等品类。美团先做团购，再做外卖，再做酒旅

序贯进入让平台在每个新市场都能集中资源，降低失败风险，同时积累可复制的运营方法论。

承诺与可信性

动态定价的一个关键挑战在于承诺可信——用户会担心：现在补贴吸引我来，以后会不会涨价套牢我？

如果用户预期补贴不可持续，他们可能从一开始就不愿意投入时间和精力适应新平台。平台需要通过多种手段增强承诺的可信度：

  • 合同锁定：承诺一定时期内的价格条款。例如，对商家承诺首年免佣金
  • 声誉投资：大规模广告和品牌投入表明长期经营的决心，一旦退出声誉损失巨大
  • 沉没成本信号：前期巨额的基础设施投资（如自建物流、数据中心）表明平台不会轻易退出
注记四大策略的关系

四大策略不是互斥的，实际操作中往往组合使用。滴滴的冷启动就同时用了种子用户（先攻司机）、分而治之（双边补贴）和渗透定价（先低后高）。拼多多则用了种子用户（下沉市场）、社交裂变创造网络效应（下一节详述），并借力微信生态降低获客成本。

4.2.6 案例：拼多多——通过机制设计创造网络效应

拼多多 2015 年进入电商市场时，面临的是红海竞争——淘宝、京东已经占据主导地位。传统的补贴策略成本太高，拼多多另辟蹊径，采用社交裂变模式。

拼多多的创新在于：

  1. 借力微信生态：将购物嵌入社交场景，通过小程序降低使用门槛
  2. 砍一刀机制设计：
    • 用户发起砍价，初始砍掉大部分价格
    • 邀请好友帮忙，每人砍随机金额
    • 系统根据用户社交关系动态调整难度
    • 利用沉没成本效应：越砍越难，促使用户持续邀请
  3. 病毒式传播：单次活动平均邀请 20+ 好友，获客成本仅为传统电商的 1/3

砍一刀的三层递进分析

砍一刀看起来只是一个营销工具，但从平台经济学角度看，它的意义远不止于此：

层次 做了什么 理论意义
表层 用户帮平台拉人 转嫁获客成本——平台不花钱，用户自己做推广
核心 你帮我砍，我帮你砍 创造买家间的组内网络效应——把买家之间的关系从”无关”变为”互补”
延伸 熟人推荐天然可信 部分解决信任问题——朋友推荐的商品比算法推荐更让人放心

表层容易看到，核心层才是真正的理论创新。在大多数平台中，同一侧的用户之间没有网络效应——淘宝上一个买家多一个少一个，对其他买家没有影响。但拼多多通过砍一刀的机制设计，让买家之间产生了互补关系：你帮我砍，我帮你砍，每个买家的加入都提高了其他买家的效用。

这是一种全新的冷启动策略：通过机制设计创造原本不存在的网络效应。传统策略是在既有网络效应的基础上解决协调问题，拼多多则在协调问题出现之前，先把网络效应本身造出来。

从种子用户的角度看，拼多多也做了精准的用户选择：瞄准淘宝和京东忽视的下沉市场用户，这些用户对价格极度敏感、社交链条紧密、外部选项少（之前没有特别好用的电商平台），恰好是获取成本低、网络效应传播效率高的理想种子。

4.2.7 从冷启动到盈利

冷启动成功不等于马上盈利。中国互联网平台的发展轨迹有一个共同特征：从烧钱到盈利往往需要很多年。

中国平台从冷启动到盈利时间线

拼多多 2015 年上线，2021 年才首次实现全年盈利。美团 2010 年成立，2019 年才首次全年盈利。滴滴 2012 年创立，直到 2023 年才开始扭亏。淘宝 2003 年上线，免费开店策略让它迅速击败 eBay 易趣，但阿里电商生态从免费到盈利经历了约 6-7 年探索期——直到 2009-2010 年天猫（原淘宝商城）上线、广告系统（直通车、钻展）成熟后，阿里电商才形成稳定的盈利模式。

这些时间线有几点启发：

补贴是手段，不是目的。 补贴解决的是协调博弈中的坏均衡问题，一旦正反馈建立起来，补贴就应该逐步退出。把补贴当成长期策略是危险的——意味着平台还没有找到可持续的价值创造模式。

补贴不只是现金。 淘宝的免费开店是补贴，支付宝的担保交易是补贴（平台承担了信用风险），微信对拼多多的流量开放也是一种补贴。补贴的形式可以是现金、免费工具、信任担保或流量支持。

规模不等于利润。 平台靠补贴启动正反馈以后，往往还会经历一段”规模很大、但利润不稳”的阶段。利润兑现的快慢取决于多个因素：场景频率（高频场景变现快）、竞争结构（寡头市场变现快）、监管环境和平台治理能力。

注记Part 2 小结
策略 核心思路
策略一：分而治之 补贴对另一边网络效应更大的群体
策略二：种子用户 优先级 = 网络效应 / 获取成本
策略三：先管道再平台 自我供给确保一方先参与
策略四：动态定价 渗透定价 + 序贯进入 + 承诺可信

冷启动成功只是第一步，利润兑现往往还要很多年。

4.3 建立信任

平台赋能交易而非控制交易，这意味着交易质量取决于独立的服务提供者。在陌生人之间的匿名交易中，信任是稀缺资源。如果用户不信任彼此，悲观预期会导致平台陷入零均衡。

4.3.1 信任机制的本质

平台面临的信息不对称问题主要有两类：

隐藏信息（逆向选择）

交易一方拥有另一方不知道的重要信息。例如： - 二手交易中，卖家比买家更了解商品真实状况 - 众筹平台上，创业者比投资人更了解项目风险 - 求职平台上，求职者比雇主更了解自己的能力

如果买家无法区分高质量和低质量卖家，他们只愿意支付基于平均质量的价格。这个价格可能让高质量卖家无利可图而退出。接着买家会下调质量预期，导致更多卖家退出……最终市场崩溃，只剩下低质量商品——这就是经典的柠檬市场问题。

隐藏行动（道德风险）

交易质量取决于一方或双方的努力程度，而这些努力难以监督。例如： - 拼车平台上，司机的驾驶是否安全、态度是否友好 - 外卖平台上，骑手是否按时送达、食品是否妥善保管 - 短租平台上，房东是否打扫干净、房客是否爱护房屋

由于交易双方可能不会再见面，缺乏维护声誉的动力，机会主义行为可能泛滥。

信任的目标：降低信息不对称

理解信任机制的关键是：目标不是消灭低质量，而是降低信息不对称。只要买家能识别质量等级、定价与质量相匹配，买卖就能发生。买家无法区分质量时，逆向选择才会让市场崩溃。

不同平台用不同方式降低信息不对称：

平台 降低信息不对称的方式
滴滴 产品分层（快车 vs 专车），用户按需选择
淘宝→天猫 平台分层（C2C vs B2C），天猫认证提供质量信号
拼多多 低价校准预期 + 仅退款兜底——买家知道这是便宜货，质量预期本来就低
山姆 严格选品 + 替买家压价——会员费买的是选品服务

每种方式的核心逻辑都是一样的：让买家在交易前就能形成合理的质量预期。

平台信任机制框架

4.3.2 信任工具箱

平台可以在交易的不同阶段部署信任机制：

阶段 信息问题 措施 例子
事前 逆向选择 认证与筛选 滴滴人脸识别、天猫入驻标准
事中 交易风险 支付托管 支付宝担保交易
事后 道德风险 保险与担保 Airbnb 房屋损坏保险
持续 信息反馈 评价系统 将事后信息转化为事前信息

事前措施：认证与筛选

  • 强制认证：Uber 检查司机的驾驶记录；滴滴要求司机人脸识别
  • 自愿认证：Airbnb 房东可以认证照片真实性；淘宝卖家可以申请实名认证
  • 质量门槛：App Store 审核应用安全性；天猫要求企业资质
  • 分层管理：Amazon 区分普通卖家和 Prime 卖家；Airbnb 设立超级房东制度

认证和筛选面临一个基本权衡：门槛越高，信任越强，但也限制了供给侧规模。天猫的企业资质要求让买家更放心，但也把大量个体卖家挡在门外。分层体系（如钻石卖家、超级房东）是一种折中方案——不把人挡在外面，但通过等级制度让买家能区分质量。动态淘汰机制（信用分低于阈值则降权或清退）则确保分层体系不会变成一潭死水。

事中措施：支付托管

平台提供第三方支付托管，确保买家付款后卖家才能收到钱，商品确认收货后资金才释放。

提示案例：支付宝如何解决淘宝的信任危机

2003 年淘宝上线，面临严峻的信任困境：买家怕付了钱收不到货，卖家怕发了货收不到钱。双方都不愿先行动——又是一个鸡生蛋问题，但这次不是用户规模的问题，而是信任的问题。

2004 年支付宝推出担保交易，用一个简洁的三步流程打破僵局：

  1. 买家下单，钱打到支付宝（第三方托管），而不是直接付给卖家
  2. 支付宝通知卖家钱已到账，卖家发货
  3. 买家确认收货，支付宝放款给卖家

这个机制把”信任博弈”变成了”有第三方执行的合约博弈”。买家不需要信任卖家——他只需要信任支付宝。而支付宝背后是阿里巴巴的信用背书，信任成本大幅降低。

从网络效应的角度看，担保交易直接提高了 \(\beta_b\)（每多一个卖家，买家获得的效用增加），因为交易风险的消除让卖家数量真正转化为买家的购物选择。

事后措施：保险与担保

保险让买家放心交易，但也会产生新的激励问题：

  • 降低摩擦：淘宝假一赔三让买家敢下单
  • 道德风险：过于慷慨的退货政策可能被滥用——有人专门利用仅退款规则薅羊毛
  • 成本分担：保险费用最终由谁承担？卖家承担则可能转嫁到商品价格中

平台在设计规则时，本质上是在分配风险。

评价系统

评价系统将事后信息转化为事前信息，是平台最基础的信任工具。我们在第 2 章已详细讨论过评价系统的设计原理，这里强调它面临的三个挑战：

  • 虚假好评：刷单、好评返现扭曲信息，买家看到的好评不反映真实质量
  • 报复差评：买家以差评要挟卖家索要额外补偿
  • 选择偏差：满意的人往往不评价，不满的人才评价，导致评分系统性偏低

淘宝推出匿名评价和追评机制来缓解这些问题，但没有完美的解决方案——评价系统的设计本身就是一个持续博弈。

4.3.3 案例：淘宝冷启动三板斧

2003 年 eBay 以收购易趣进入中国市场时，占据了国内 C2C 电商 90% 以上的份额。淘宝作为后来者，用三个维度的差异化策略实现了逆袭：

策略 淘宝 eBay 易趣 理论对应
定价 免费开店，不收上架费和佣金 收取上架费 + 成交佣金 分而治之——补贴卖家侧
支付 支付宝担保交易 PayPal 点对点支付 提高 \(\beta_b\)——消除交易风险
沟通 旺旺即时沟通 禁止买卖双方直接联系 建立信任——让买家在交易前充分了解商品

三板斧背后的逻辑环环相扣：免费开店拉来大量卖家（解决供给侧冷启动），支付宝让买家敢交易（解决信任问题），旺旺让买家能跟卖家直接沟通了解商品细节（进一步增强信任）。

eBay 的策略有其商业逻辑——靠佣金盈利，禁止站外沟通是为了防止脱媒（买卖双方绕过平台直接交易）。但在中国市场，买家对陌生人电商的信任度极低，禁止沟通反而加剧了不信任。淘宝反其道而行，免费意味着不怕脱媒，旺旺鼓励沟通以建立信任，支付宝提供交易保障。这三招组合在一起，系统性地解决了 C2C 电商在中国的冷启动难题。

4.3.4 认证与筛选

案例：闲鱼的芝麻信用

闲鱼是中国最大的二手交易平台，面临的信任挑战尤其严峻：非标准化商品、陌生人交易、信息不对称严重。闲鱼的解决方案是借用阿里生态内的信用资源。

闲鱼的信任机制设计：

  1. 芝麻信用分引入：用户可查看对方的芝麻信用分。研究显示，买家信用分每提高 100 分，成交率提升 30.3%；卖家每提高 100 分，成交率提升 18.6%。

  2. 实人认证：卖家需上传身份证进行实人认证，2024 年认证率达 92%。

  3. 支付宝担保交易：利用支付宝的资金托管功能降低交易风险。

  4. 鱼塘社区：通过兴趣社区让同好的陌生人拉近关系，增强信任感。

这个案例的启示是：新平台不必从零建立信用体系，可以借用既有平台的信用资源。这是一种跨平台的资源杠杆策略。

4.3.5 信任机制与网络效应

信任机制直接影响跨组网络效应的强度。\(\beta\) 不是外生常数，而是平台制度设计的结果。

  • 没有信任机制 → 卖家再多，买家也不敢交易 → \(\beta_b \approx 0\)
  • 支付宝担保交易 → 交易风险消除 → \(\beta_b\) 大幅提高
  • 更好的推荐算法 → 匹配质量提升，\(\beta_b\) 和 \(\beta_s\) 都增加
政策 保护谁 效果
严格退货政策 买方 \(\beta_b\) ↑，\(\beta_s\) 可能 ↓（卖家负担加重）
严格取消政策 卖方 \(\beta_s\) ↑，\(\beta_b\) 可能 ↓（买家灵活性下降）

不同平台在买卖双方之间的风险分配不同。Airbnb 相对保护房东：房东取消只需付罚金；Booking 相对保护房客：房东取消必须提供替代方案。不同政策导致不同的网络效应强度分布，影响平台的用户结构。

重要核心洞见

先有信任（\(\beta\) 提高），冷启动策略才能奏效。分而治之和种子用户策略都假设网络效应存在且足够强，但如果用户不信任交易对手，\(\beta\) 再大也没有用——因为实际上 \(\beta \approx 0\)。信任机制是让 \(\beta\) 从理论值变为实际值的前提条件。

4.4 平台拓展

成功克服冷启动难题后，平台面临新的战略问题：往哪里扩张？扩张方向主要有两个：推出自营产品，与平台上的第三方卖家直接竞争；或者进入邻近市场，把既有优势延伸到新领域。

4.4.1 平台自营

平台做到一定规模后，往往会推出自有产品或服务，与平台上的第三方卖家形成竞争。这种做法背后有两个截然不同的动机。

价值捕获（Value Capture）

平台掌握大量交易数据，能精准识别哪些品类利润丰厚。第三方卖家在某个品类做得越好，平台推出自营版本、直接截取利润的动力就越强。

Amazon 的做法最为典型。研究发现，Amazon 倾向于在第三方卖家的畅销品类推出自营版本——先让卖家试水，确认市场需求后再亲自下场。Google 也有类似行为：欧盟委员会认定 Google 在搜索结果中优先展示自家比价购物服务 Google Shopping，压制第三方比价网站，2017 年对其处以 24.2 亿欧元罚款。

质量提升（Quality Enhancement）

并非所有自营都出于利润攫取。当第三方产品质量参差不齐、消费者对平台丧失信心时，自营产品可以充当质量标杆。

京东自营是这一动机的典型案例。早期中国电商市场假货横行，消费者对网购商品质量普遍不信任。京东在 3C 数码、家电等假货重灾区大力发展自营，自建仓储物流和品控体系，打出正品行货的招牌。京东自营标签本质上是一种质量信号：消费者看到这个标签，就知道产品经过平台筛选。淘宝后来推出天猫，思路类似——通过品牌分层应对假货问题，天猫商家须缴纳保证金、满足资质要求，以此区别于 C2C 集市。

类似的例子还有 Google 推出自己的手电筒应用。当时 Google Play 商店里大量第三方手电筒应用过度收集用户隐私数据，Google 发布一个干净简洁的官方版本，既保护用户，也维护应用商店声誉。Intel 也曾在第三方芯片组质量较差的领域推出自有产品，反而带动了整个领域的竞争和创新。

自营的经济学分析

用一个简单模型来理解自营的影响。设平台连接买家和卖家，每次买卖互动为双方创造的价值是 \(\beta_b + \beta_s\)。平台推出自营产品后，自营与第三方卖家形成竞争，买卖互动的价值会降低，降幅记为 \(\delta\)。与此同时，自营产品给买家带来额外价值 \(\alpha\)（比如更可靠的品质、更好的售后）。

自营是否划算，取决于 \(\alpha\) 与 \(\delta\) 的大小关系。只有当 \(\alpha\) 足够大——大到能补偿买卖互动价值的下降——自营策略才对平台有利。但平台获利不等于消费者获益：自营可能让平台和消费者双赢，也可能只是平台单方面得利。卖家则几乎必然受损——他们面临的是一个既当裁判又当运动员的竞争对手。

重要核心发现 4.8

平台引入自营产品会削弱第三方卖家与买家之间的互动价值。因此，自营策略要盈利，消费者对自营产品的额外估值必须足够高。但平台盈利不等于消费者获益，卖家则很可能受损。

面对自营竞争，第三方卖家并非毫无还手之力。差异化是最常见的应对方式：避开平台自营集中的标准化品类，转向个性化、定制化产品。大卖家还可以用出走威胁平台。2019 年 Disney 从 Netflix 撤出全部内容，推出自己的流媒体平台 Disney+，就是一个鲜明的例子——当第三方足够强大时，自营策略反而可能催生新的竞争对手。

4.4.2 进入邻近市场

平台扩张的另一个方向是进入邻近市场。背后的经济学逻辑是范围经济（Economies of Scope），可以从供给侧和需求侧两个层面来理解。

供给侧范围经济

联合提供多种服务的成本低于分别提供——这就是供给侧范围经济。平台天然具备这种优势，因为许多核心资源可以跨业务复用：

  • 技术复用：Facebook 和 Instagram 共用同一套广告投放系统；Uber 把出行业务的匹配算法和地图技术复用到 Uber Eats（外卖）和 Uber Freight（货运），新业务的技术开发成本大幅降低
  • 数据复用：电商平台积累的交易数据可以用于优化仓储布局和配送路线
  • 用户基础复用：向既有用户推广新服务的边际成本远低于从零获客

案例：美团的供给侧范围经济

美团平台扩张路径

美团从团购起家，逐步扩展到外卖、酒旅、电影、单车、买菜等领域。美团扩张的核心资源是地推铁军。2011 年王兴从阿里挖来干嘉伟，打造了一支强大的地面推广团队。这支团队帮助美团在千团大战中胜出，积累了大量商家资源和本地运营经验。

美团 2013 年进入外卖市场时，地推能力成为关键优势：团购业务积累的餐饮商家可以快速转化为外卖商家，地推团队深谙如何说服商家上线新服务，本地运营经验可以直接迁移。地推团队、商家关系、运营系统跨业务共享，正是典型的供给侧范围经济。

需求侧范围经济

用户在同一平台获取多种服务的总价值，高于在不同平台分别获取——这就是需求侧范围经济。其来源比供给侧更加多样：

  • 互补性：有些服务天然互补。Xbox Live 增强了游戏的社交体验；阿里推出支付宝、Apple 推出 Apple Pay，都是因为支付功能与电商或硬件高度互补。淘宝早期的支付痛点催生了支付宝，支付宝反过来降低交易摩擦，提升买家购物体验
  • 便利性：一站式服务减少用户的交易成本。统一账户、单点登录、支付信息复用——用户不必在不同平台反复注册和验证。美团用户可以在一个 App 内点外卖、订酒店、买电影票，每项服务单独看未必最优，但整合带来的便利性构成了强大的用户粘性
  • 信任溢出：知名平台的品牌信任可以溢出到新服务。Google 在 2019 年推出公共交通互助服务 Pigeon，让通勤者相互报告地铁延误、拥挤等实时信息。这类服务依赖直接网络效应，冷启动尤其困难，但用户因为信任 Google 品牌而更愿意尝试，帮助新服务快速跨过临界规模
  • 数据驱动的跨市场扩展：跨服务的用户数据可以提升每项服务的质量。Facebook 利用社交关系数据推出 Facebook Dating，这是独立交友应用做不到的。抖音利用内容偏好数据进入电商（兴趣电商），根据用户看过的短视频推荐商品。数据资产是平台进入邻近市场的强大杠杆——独立竞争者很难复制这种优势

案例：美团扩张的需求侧范围经济

美团的扩张不仅依靠供给侧的资源复用，需求侧的范围经济同样重要：

  • 便利性：一个 App 完成多种本地生活消费，用户不必在外卖、酒旅、买菜等场景分别下载不同应用
  • 信任溢出：外卖服务建立的品牌信任延伸到酒旅、买菜等新业务——用户觉得美团外卖靠谱，酒旅大概也靠谱
  • 数据驱动：餐饮消费数据帮助优化酒旅推荐，用户的消费画像跨业务共享

多线作战也有代价：美团持续亏损多年才实现盈利。资源虽然可以复用，但每进入一个新市场仍然需要大量投入，尤其是面临该市场既有玩家的激烈竞争时。

案例：字节跳动的生态扩张

字节跳动的扩张路径展示了流量和算法优势如何支撑业务多元化：

  1. 今日头条建立流量基础（2012-2016）：用算法推荐颠覆传统新闻门户
  2. 抖音继承算法能力（2016-2020）：短视频借助推荐算法快速崛起
  3. 从内容向交易延伸（2020 至今）：抖音电商用推荐算法做商品分发，抖音本地生活与美团正面竞争

推荐算法从新闻迁移到短视频，再迁移到电商和本地生活，这是供给侧范围经济。庞大的用户流量为新业务提供冷启动优势，而用户在抖音上既看内容又购物的习惯，则体现了需求侧范围经济。

多边网络效应

当平台从双边扩展到多边时，网络效应的结构变得更为复杂。

考虑三个用户群体 A、B、C，其中 A 是枢纽群体，原本连接 B。平台扩展到群体 C 后，A 与 C 之间形成新的吸引螺旋。B 和 C 虽然没有直接互动，却通过 A 间接相互影响：C 增多吸引更多 A，更多 A 又吸引更多 B；反过来，B 增多也经由 A 间接惠及 C。新旧吸引螺旋相互增强，平台整体网络效应变得更强。

以美团为例：消费者（A）是枢纽群体，连接餐饮商家（B）和酒旅商家（C）。更多餐饮商家吸引更多消费者使用美团 App，这些消费者又成为酒旅业务的潜在客户。B 和 C 之间没有直接互动，但通过消费者这个枢纽间接相互促进。

重要核心发现 4.9

平台可以进入邻近市场，利用供给侧范围经济（联合提供多种服务成本更低）或需求侧范围经济（用户在同一平台消费多种服务的支付意愿更高）。

本章小结

本章分析了平台从无到有、从小到大的成长过程。本章要点：

  1. 模式选择：平台模式（赋能）在激励和适应方面有优势，垂直整合（控制）在协调方面有优势。赋能与控制不是非此即彼，而是一个连续光谱。模式选择随平台生命周期动态演变。

  2. 鸡生蛋问题：双边平台面临协调博弈中的多重均衡问题。悲观预期会自我实现，导致平台无法启动。

  3. 四大冷启动策略：分而治之（补贴对另一边网络效应更大的群体）、种子用户（优先吸引网络效应/获取成本比值最高的用户）、先管道再平台（自我供给确保一方参与）、动态定价（渗透定价 + 序贯进入 + 承诺可信）。

  4. 从冷启动到盈利：补贴是解决协调问题的手段，不是长期均衡。冷启动成功不等于马上盈利，利润兑现取决于场景频率、竞争结构、监管环境和平台治理。

  5. 信任机制：平台通过认证筛选、支付托管、保险担保、评价系统等手段降低信息不对称。信任机制的目标不是消灭低质量，而是让买家形成合理的质量预期。信任直接影响网络效应强度——\(\beta\) 不是外生常数，而是制度设计的结果。

  6. 平台扩张：成熟平台可以通过自营产品捕获价值或树立质量标杆，也可以利用供给侧和需求侧范围经济进入邻近市场。从双边扩展到多边时，新旧吸引螺旋相互增强，平台整体网络效应更强。

思考题

  1. 概念理解：解释为什么分而治之策略中，补贴侧的选择与群体规模无关，只与跨组网络效应强度有关。用夜店定价的例子说明这一原理。

  2. 模型应用：假设一个外卖平台面临 \(\beta_b = 0.3\)（每多一个商家，消费者效用增加 0.3）和 \(\beta_s = 0.5\)（每多一个消费者，商家效用增加 0.5）。消费者的外部选项价值为 2，商家的外部选项价值为 1。平台应该补贴哪一边？如果平台被迫对两边收取相同费用，会发生什么？

  3. 案例分析：比较滴滴和拼多多的冷启动策略。两者分别采用了什么方法解决鸡生蛋问题？拼多多的砍一刀为什么构成了一种全新的冷启动策略——创造原本不存在的网络效应？

  4. 批判性思考：闲鱼借用芝麻信用的策略有什么潜在风险？如果支付宝决定限制芝麻信用对外开放，闲鱼应该如何应对？

  5. 延伸讨论：美团从团购扩展到外卖，再到酒旅、买菜等业务，体现了什么样的平台扩张逻辑？这种无边界扩张策略是否可持续？可能面临哪些挑战？

延伸阅读

  • Hagiu, A., & Wright, J. (2015). Marketplace or reseller? Management Science, 61(1), 184-203.
  • Caillaud, B., & Jullien, B. (2003). Chicken & egg: Competition among intermediation service providers. RAND Journal of Economics, 34(2), 309-328.
  • Evans, D. S. (2009). How catalysts ignite: The economics of platform-based start-ups. In A. Gawer (Ed.), Platforms, Markets and Innovation (pp. 99-128). Edward Elgar.
  • Zhu, F. (2019). Friends or foes? Examining platform owners’ entry into complementors’ spaces. Journal of Economics & Management Strategy, 28(1), 23-28.