网络效应 network effect

来自集智百科 - 伊辛模型
跳到导航 跳到搜索
该图说明了一些简单的电话网络中的网络效应。这些线代表电话之间的潜在呼叫。随着连接到网络的电话数量的增加,每个电话可用的潜在呼叫数量也增加,并且增加了每个电话(新电话和现有电话)的实用性。

网络效应 network effect(也称网络外部性 network externality需求方规模经济 demand-side economies of scale),是一个经济学和商业方面的术语,用于描述对于一个产品(或服务),每增多一名用户,都会对该产品的其他用户产生新的价值。当网络效应出现时,产品(或服务)的价值,会随着使用该产品(或服务)的人数的增加而增加。[1]


一个经典的例子是电话,越多的人使用电话,对每个电话使用者的价值就越大。一部电话的使用者,本来无意为其他用户创造价值,但当大家都购买电话时,这个行为就产生了正外部性。像微信、微博、Twitter、Facebook 这样的线上社交网络,[2]也是一样,随着更多用户的加入,每个用户获得的价值都在增加。


当网络的价值越来越大,越来越多的人加入时,网络效应还会带来从众效应,从而形成正反馈循环


网络效应这一表述不仅适用于正向的网络外部性,如电话的案例;消极的网络外部性也可能发生,即用户越多,产品的价值就越低,这种情况通常被称为“拥堵”,例如如交通拥堵或网络拥堵。


起源

网络效应是后专利时代贝尔电话公司的第一任总裁西奥多·韦尔 Theodore Vail期望获得美国电话服务垄断权的一系列方法中的核心主题。1908 年,当他在贝尔的年报中提出这一概念时,当地和地区电话交换机有 4000 多个,其中大部分最终被并入贝尔系统。


网络效应是由罗伯特·梅特卡夫 Robert Metcalfe推广的,称其为梅特卡夫定律 Metcalfe's law。Metcalfe是以太网的共同发明人之一,也是3Com公司的联合创始人。在销售产品的过程中,Metcalfe认为,客户要想从网络中获得收益,就需要以太网卡增长到一定的临界值以上,[3]按照Metcalfe的说法,网络卡销售的原理是:网络的成本与安装的网卡数量成正比,但网络的价值与用户数量的平方成正比。这在代数上表示为成本为 N ,价值为 N2。虽然这个命题背后的实际数字从来没有确定过,但这个概念使客户可以共享访问昂贵的资源,如磁盘驱动器和打印机,发送电子邮件,并最终访问互联网。


1985-1995年,研究人员 Michael L. Katz、Carl Shapiro、Joseph Farrell 和Garth Saloner 推进了网络效应的经济理论,[4] Rod Beckstrom 在2009年的 BlackHat和 DEF CON会议上提出了描述处于正网络效应状态的网络的数学模型,同时也提出了逆网络效应,并给出了经济模型的定义。[5]


网络效应的好处

网络效应在达到一定的认购比例后变得显著,称为临界值 critical mass。在临界值,从商品或服务中获得的价值大于或等于为商品或服务支付的价格。[6]由于商品的价值是由用户群决定的,这就意味着在一定数量的人订阅了服务或购买了商品后,由于价值大于价格,会有更多的人订阅服务或购买商品。[7]


那么,一个关键的商业问题必须是如何在达到临界值之前吸引用户。一种方法是依靠如付款、免费或请求朋友注册等外在的动机。[8] 更自然的策略是建立一个没有网络效应的但足够有价值的系统。然后,随着用户数量的增加系统会变得更有价值,继而吸引更广泛的用户群。[9]


超过临界值后用户数量的增加不会无限期地持续下去。到了一定程度后,大多数网络要么拥堵要么饱和,不再吸收用户。


拥堵 Congestion是由于过度使用而发生的。比如电话网络中,当用户数量低于拥堵点时,每增加一个用户都会给其他每一个用户增加额外的价值。然而,在某些时候,额外用户的增加超过了现有系统的容量。在这一点之后,每增加一个用户都会减少其他每一个用户获得的价值,因为从实际情况来看,每增加一个用户都会增加系统的总负荷,导致信号繁忙、无法获得拨号音、客户服务质量下降。假设拥堵点低于潜在的市场规模,下一个临界点获得的价值将等于付出的代价。如果不提高系统容量,此时网络将停止发展。点对点(P2P)系统是为了在其用户池中分配负载而设计的网络,理论上,这使得P2P网络可以无限扩大规模。基于P2P的电话服务Skype就得益于这种效应,它的增长主要受到市场饱和度的限制。[10]


网络效应通常被误认为是规模经济,但规模经济是由企业规模带来的,而非用户之间的相互操作性造成的。经典规模经济是在生产侧,而网络效应则是在需求侧产生的。


由于网络效应常常与正反馈相关,网络效应与范围经济 Economies of scope[11]口碑传播和巴斯扩散模型 Bass Diffusion Model相关,系统动力学可以作为一种描述这种现象的建模方法。[12]


技术生命周期

如果一些现有的技术或公司的利益主要基于网络效应,如果在面对如颠覆性的新技术或基于开源标准的竞争等挑战者时,他们开始失去市场份额,那么网络效应给他们带来的利益就会减少,给挑战者带来的利益会增加。


在这一模式中,最终会达到一个临界值,即挑战者的网络效应支配了原在位者的网络效应,在位者被迫加速衰落,挑战者逐渐取代原在位者的地位。[13]


网络效应带来锁定

因为常常会把用户和供应商锁定在某一个标准上,网络效应也有不好的一面,最常见的例子是微软产品和 QWERTY 键盘。


供应商锁定可以通过开放用户所依赖的标准来缓解,允许各实施方案之间的竞争。然而,这并不能减轻整个行业对标准本身的锁定。事实上,由于现在有多个供应商在降低价格和提高质量,更多的用户可能会采用该标准,从而造成整个行业对该标准的更大锁定。


网络效应的类型

大体而言,网络效应可分为直接网络效应间接网络效应两种。


直接网络效应

使用量的增加会直接导致其他用户价值的增加。例如,电话系统、传真机、社交网络都意味着用户之间的直接接触。直接网络效应也称为同边网络效应 same-side network effect,一个例子是在线游戏玩家,会从其他在线游戏玩家的参与中获益。


间接网络效应

一种产品或网络使用量的增加,会引起补充产品或网络价值的增加,而补充产品或网络又会增加原产品的价值。补充产品的例子包括软件(如操作系统的Office套件)和DVD(DVD播放器)。这也就是所谓的跨边网络效应 cross-side network effect。Windows和Linux可能不仅争夺用户,而且争夺软件开发商。大多数双边市场或中介市场,都具有间接网络效应的特点。


此外,在分析显示出网络效应的产品时,有两个相关的经济价值来源:


  • 内在价值:从使用产品中获得价值。
  • 网络价值:从别人对产品的使用中获得价值。


负网络外部性

数学意义上的负网络外部性 Negative network externalities,是指与网络效应相比,具有负效应的网络外部性。正的网络外部性会造成正反馈和指数增长,负网络外部性会造成负反馈和指数衰减。在自然界中,负网络外部性是拉向平衡的力量,是稳定的原因,代表着使系统受到约束的物理限制。


拥堵是随着使用网络的人越来越多导致网络的效率降低,同时降低了已经使用网络的人的价值。交通拥堵、网络带宽有限,都表现出负的网络外部性。[14]


布雷斯悖论 Braess's paradox表明,增加网络中的路径会对网络的性能产生负面影响。[15]


互操作性/协同工作能力

互操作性 Interoperability是指不同的计算机系统、网络、操作系统和应用程序一起工作并共享信息的能力,具有扩大网络的作用,从而增加网络对消费者的外部价值。互操作性主要是通过增加潜在的连接来实现的,其次是通过吸引新的参与者加入网络。互操作性的其他好处包括减少不确定性、减少锁定、商品化和基于价格的竞争。.[16]


互操作性可以通过标准化或其他合作来实现。参与促进互操作性的公司往往面临着紧张关系,因为既要与竞争者合作以扩大产品的潜在市场,又要彼此之间争夺市场份额。[16]


开源标准 vs 封闭标准

在通信和信息技术中,开源标准和接口往往是通过多家公司的参与而制定的,他们制定开源标准,往往也是互利的。但是,如果有关的通信协议或接口是封闭的标准,网络效应就会使控制这些标准的公司,具有垄断能力。 计算机专业人士普遍认为,微软公司是通过这些手段来维持其垄断地位的。可以看到,微软公司将网络效应发挥到极致的一种方法叫做拥抱、延伸和消灭 Embrace, extend and extinguish[17]


Mirabilis 是一家以色列的创业公司,它是即时通讯 instant messaging(IM)的先驱,被美国在线收购。通过免费赠送他们的 ICQ 产品,并防止他们的客户端软件与其他产品之间的互操作性,他们得以暂时主导了即时通讯的市场。由于网络效应,新的即时通讯用户选择使用 Mirabilis 系统(并加入其庞大的用户网络)比使用竞争系统获得的价值要大得多。作为那个时代的典型,该公司在出售公司之前从未试图从其主导地位中获得利润。[18]


案例

金融交易所

证券交易所和衍生品交易所具有网络效应的特点。市场流动性是决定证券买卖交易成本的主要因素,因为在购买价格与出售同一证券的价格之间存在着买卖差价。随着交易所的买卖双方数量的增加,流动性增加、交易成本降低,[19]这样就会吸引更多的买家和卖家来到交易所。


金融交易所的网络优势,明显体现在新成立的交易所,很难脱离主导交易所。例如,尽管 Eurex US 启动了相同期货合约的交易,但芝加哥期货交易所仍然保持了美国国债期货交易的压倒性优势。同样,尽管受到了 Euronext.Liffe 的挑战,芝加哥商业交易所也保持了在欧洲债券利率期货交易中的主导地位。


软件

计算机软件市场上存在着非常强大的网络效应。


对许多人来说,选择办公套件的首要考虑因素包括:学会该办公套件对潜在雇主的价值有多大,以及该软件与其他用户的互动情况如何。也就是说,由于学习使用一个办公套件需要花费很多时间,用户希望将这些时间投入到学习办公套件上,使他们对潜在的雇主和客户最具吸引力。同样,在决定购买哪款办公套件时,雇主们也要考虑是否能寻找到会操作的员工。[20]


2007 年,苹果发布了 iPhone,随后是 App store 应用商店。大多数 iPhone 应用非常依赖 iPhone 已经存在的强大的网络效应。这样软件应用能够以非常有限的市场营销预算,迅速增长人气并传播到庞大的用户群。[21]


免费增值的商业模式也具有网络效应,发布一个免费版本让用户不限制使用,然后对高级功能收费来作为主要收入来源。


网站

许多网站都得益于网络效应。一个例子是网络市场和交易所。例如如果拍卖没有竞争性,eBay 就不会成为一个特别有用的网站。随着 eBay 上用户数量的增长,拍卖会的竞争越来越激烈,推高了物品的竞价价格。这使得在 eBay 上出售物品更有价值并将更多的卖家带到 eBay 上。反过来,由于供应量的增加又促使价格下降,供应量的增加为 eBay 带来了更多的买家。从本质上讲,随着 eBay 用户数量的增加、价格下降、供给增加,越来越多的人发现这个网站是有用的。


20世纪90年代末,一些网络公司的商业模式基于网络效应。这些公司的经营理念是,当一个新的市场出现时,如果这个市场包含着强烈的网络效应,公司应该更关心市场份额的增长而不是马上变得有利可图。其理由是,市场份额将决定哪家公司能够制定技术和营销标准并使这些公司获得先发优势。[22]


社交网站就是很好的例子。在社交网站上注册的人越多,网站对其注册者越有用。[23]


Alexa互联网使用的技术是跟踪用户的网络浏览模式,因此 Alexa 的相关网站结果会随着更多用户使用该技术而提高。Alexa的网络严重依赖少量的浏览器软件关系,这使得该网络更容易受到竞争者的影响。


谷歌也试图通过其 Google AdSense 服务,在广告业务中创造网络效应。 Google AdSense 在许多小型网站(如博客)上投放广告,利用 Google 的技术来确定哪些广告与哪些博客相关。因此,该服务的目的似乎是作为一个交易场所,为许多广告商与许多小网站(如博客)进行匹配。一般来说,Google AdSense 能够接触到的博客越多,就会吸引更多的广告商,以此类推,使网络对所有参与者更有价值。


相比之下,一个新闻网站的价值,主要与文章的质量成正比而不是与其他使用网站的人数成正比。


同样,第一代搜索网站也没有经历什么网络效应,因为网站的价值是基于搜索结果的价值。一旦用户认为 Google 的搜索结果更胜一筹,Google 便不费吹灰之力就从雅虎手中赢得了用户。


铁路轨距

在最初的轨距选择和轨距转换决策中存在强烈的网络效应。


即使在放置不与任何其他线路连接的孤立钢轨时,轨道层通常也会选择一个标准轨距,这样他们就可以使用现成的机车车辆。虽然少数厂家生产的机车车辆可以适应不同轨距,但大多数厂家生产的机车车辆只能与标准轨距之一配合使用。


信用卡

对于现在被广泛使用的信用卡,市场上的大规模应用与网络效应密切相关。信用卡,作为当前经济中的一种货币支付方式,[24]起源于1949年。对零售级别的信用卡流通的早期研究发现,信用卡利率不受宏观经济利率的影响。几乎保持不变。后来,由于政策优先级的变化,信用卡逐渐进入了网络级别,并在1980年代成为流行的支付趋势。[22]不同级别的信用卡分别从两种类型的网络效应中受益。信用卡的应用与外部网络的影响有关,这是因为当这已成为一种付款方式时,越来越多的人使用信用卡。每增加一个人使用同一张信用卡,使用该信用卡的其他人的价值就会增加。[25]此外,网络级别的信用卡系统可以看作是一个双面市场。一方面,持卡人的数量吸引了商人使用信用卡作为支付方式。另一方面,越来越多的商人也可以吸引更多的新持卡人。换句话说,商人之间信用卡的使用已大大增加,这导致价值增加。相反,这可以增加持卡人的信用卡价值和用户数量。此外,信用卡服务还显示出商家折扣和信贷可及性之间的网络效应。当信贷可及性增加从而可以获得更大的销售额时,信用卡发行商将愿意向商家收取更多的折扣。[26]


Visa通过信用卡的网络效应作为其竞争优势,已成为电子支付行业的领导者。截止到2016年,Visa的信用卡市场份额已经从四分之一提高到四年中的一半。Visa受益于网络效应。由于每增加一个Visa卡持卡人都对商人更具吸引力,并且商人也可以通过该品牌吸引更多的新持卡人。换句话说,Visa在电子支付市场中的普及和便捷,导致更多的人和商家选择使用Visa,这大大增加了Visa的价值。[27]


参见

其他链接

  • 《协调和锁定:具有转换成本和网络效应的竞争 Coordination and Lock-In: Competition with Switching Costs and Network Effects》
  • 《网络外部性(影响) Network Externalities (Effects)》
  • 《网络效应概述 An Overview of Network Effects》
  • 《网络经济学 The Economics of Networks》Madureira, António; den Hartog, Frank; Bouwman, Harry; Baken, Nico (2013). "Empirical validation of Metcalfe's law: How Internet usage patterns have changed over time". Information Economics and Policy. 25 (4): 246–256. doi:10.1016/j.infoecopol.2013.07.002.

参考文献

  1. Shapiro, Carl. (1999). Information rules : a strategic guide to the network economy. Varian, Hal R.. Boston, Mass.: Harvard Business School Press. ISBN 0-87584-863-X. OCLC 39210116. https://www.worldcat.org/oclc/39210116. 
  2. Klemperer, P. (2018). The New Palgrave Dictionary of Economics. London: Macmillan Publishers Ltd. 
  3. "It's All In Your Head". Forbes. 2007-05-07. Retrieved 2010-12-10.
  4. Knut Blind (2004). The economics of standards: theory, evidence, policy. Edward Elgar Publishing. ISBN 978-1-84376-793-0. 
  5. Buley, Taylor (2009-07-31). "How To Value Your Networks". Forbes. Retrieved 2010-12-10.
  6. Grajek, Michał; Kretschmer, Tobias (2012-11-01). "Identifying critical mass in the global cellular telephony market". International Journal of Industrial Organization (in English). 30 (6): 496–507. doi:10.1016/j.ijindorg.2012.06.003. ISSN 0167-7187.
  7. The new Palgrave dictionary of economics. Jones, Garett (Third ed.). London. ISBN 978-1-349-95189-5. OCLC 1029103812. https://www.worldcat.org/oclc/1029103812. 
  8. Sledgianowsk i, Deb; Kulviwat, Songpol (2009-06-01). "Using Social Network Sites: The Effects of Playfulness, Critical Mass and Trust in a Hedonic Context". The Journal of Computer Information Systems. 49 (4): 74–83. doi:10.1080/08874417.2009.11645342 (inactive 2020-10-30). eISSN 2380-2057. ISSN 0887-4417.
  9. Lu, Yueming, ed. Trustworthy computing and services : International Conference, ISCTCS 2014, Beijing, China, November 28-29, 2014, Revised selected papers. Heidelberg. ISBN 978-3-662-47401-3. OCLC 911938121. 
  10. Gunduz, Gurhan; Yuksel, Murat (2016-05-08). "Popularity-based scalable peer-to-peer topology growth". Computer Networks (in English). 100: 124–140. doi:10.1016/j.comnet.2016.02.017. ISSN 1389-1286.
  11. Kumar, Ravi (2018-07-30). "Understanding the basics of Network Effects — The Power of the Platform". Medium (in English). Retrieved 2020-10-30.
  12. Jorgenson, Eric (2020-05-06). "The Power of Network Effects: Why they make such Valuable Companies, and how to Harness them". Medium (in English). Retrieved 2020-10-30.
  13. Wolf, James R.; Portegys, Thomas E. (September 2007). "Technology Adoption in the Presence of Network Externalities: A Web-Based Classroom Game". INFORMS Transactions on Education (in English). 8 (1): 49–54. doi:10.1287/ited.8.1.49. ISSN 1532-0545.
  14. Zhang, Mengyuan; Yang, Lei; Gong, Xiaowen; He, Shibo; Zhang, Junshan (August 2018). "Wireless Service Pricing Competition Under Network Effect, Congestion Effect, and Bounded Rationality". IEEE Transactions on Vehicular Technology. 67 (8): 7497–7507. doi:10.1109/TVT.2018.2822843. ISSN 0018-9545.
  15. Lin, Henry; Roughgarden, Tim; Tardos, Éva; Walkover, Asher. "Stronger Bounds on Braess's Paradox and the Maximum Latency of Selfish Routing" (PDF). Stanford Theory. Society for Industrial and Applied Mathematics. Retrieved 16 September 2014.
  16. 16.0 16.1 Carl Shapiro and Hal R. Varian (1999). Information Rules. Harvard Business School Press. ISBN 0-87584-863-X. https://archive.org/details/informationrules00shap. 
  17. "US Department of Justice Proposed Findings of Fact". Usdoj.gov. Retrieved 2016-04-28.
  18. Chordas, Lori; Thompson, Erick; Vondrick, Glen (2003-07-01). "Instant connection". Best's Review. Oldwick: A.M. Best Company. 104 (3): 100. eISSN 2161-282X. ISSN 1527-5914.
  19. Nel, George F.; Smit, Eon; Brummer, Leon M. (2018-04-12). "The link between Internet investor relations and information asymmetry". South African Journal of Economic and Management Sciences. 21 (1). doi:10.4102/sajems.v21i1.1966. ISSN 2222-3436.
  20. Kemper, Andreas. (2010). Valuation of network effects in software markets : a complex networks approach. Heidelberg: Physica. ISBN 978-3-7908-2367-7. OCLC 697300408. https://www.worldcat.org/oclc/697300408. 
  21. Cheng, Hsing Kenneth; Liu, Yipeng (2012). "Optimal Software Free Trial Strategy: The Impact of Network Externalities and Consumer Uncertainty". Information Systems Research. 23 (2): 488–504. doi:10.1287/isre.1110.0348. ISSN 1047-7047. JSTOR 23274435.
  22. 22.0 22.1 Jones, Garett. The new Palgrave dictionary of economics (Third ed.). London. ISBN 978-1-349-95189-5. OCLC 1029103812. 
  23. Belvaux, Bertrand (2011). "The Development of Social Media: Proposal for a Diffusion Model Incorporating Network Externalities in a Competitive Environment". Recherche et Applications en Marketing - English Version. 26 (3): 7–22. doi:10.1177/205157071102600301.
  24. Shy, Oz (2001). The economics of network industries s. Cambridge, U.K.: Cambridge University Press. ISBN 0-511-03224-2. OCLC 559215717. 
  25. "Unit 21 Innovation, information, and the networked economy". www.core-econ.org (in English). Retrieved 2020-10-30.
  26. Chakravorti, Sujit; To, Ted (2007-06-01). "A theory of credit cards". International Journal of Industrial Organization (in English). 25 (3): 583–595. doi:10.1016/j.ijindorg.2006.06.005. ISSN 0167-7187.
  27. "How Visa Created a Network Effect". Market Realist (in English). Retrieved 2020-10-30.


编者推荐

2020 网络研究前沿概述

网络科学日新月异,在新的一年中,有哪些最新的研究方向?曾获网络科学大会ER奖的加州大学洛杉矶分校数学教授Mason A. Porter,近期在 arxiv.org 提交了一篇综述论文Nonlinearity + Networks: A 2020 Vision,指出了未来复杂网络研究的四个热点,分别是:

  • 时序网络(temporal networks)
  • 网络上的动力学过程(dynamical processes on network)
  • 自适应网络(adaptive network)
  • 高阶网络(high order network)

该文章将简单介绍这四个前沿领域及其进展,对网络科学感兴趣的研究者,想要跟上时代快些上车吧。



本中文词条由润悟参与编译, 黄秋莉 审校,薄荷编辑,欢迎在讨论页面留言。


本词条内容源自wikipedia及公开资料,遵守 CC3.0协议。