第 1 章平台：定义与分类

🎧 本章配套播客

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）。

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

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。

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。

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、WhatsApp 和 Snapchat 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。

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、WhatsApp	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。在用户生成内容的平台上（如早期的 YouTube），用户数量增加提高了可用内容的多样性，从而改善用户体验；此外，用户还能从与朋友或公众的共享体验中获益——这种收益也随平台用户数量增加而增加。

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 以近 10 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。

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。

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 WhatsApp 的对比

WhatsApp 也是即时通讯应用，也具有组内网络效应，但在中国市场完全失败。原因在于网络效应的本地性：WhatsApp 在全球的用户规模虽大，但对中国用户来说，重要的是有多少中国亲友使用它。当微信已经在中国建立起强大的用户网络时，WhatsApp 即使技术功能相当，也无法突破——因为新用户加入 WhatsApp 获得的网络价值远低于加入微信。

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）。

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。

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值得注意的特性是，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

网络浏览器提供了一个例子：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。

另一个例子是因当地文化而吸引游客的地点（如社区、餐厅或酒吧）。虽然游客被当地人的存在吸引，但当地人并不回应这种感觉；相反，他们感到被排斥。

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 组内还是跨组网络效应？

在结束本节之前，让我们强调有时候组内和跨组网络效应之间的界限可能很模糊。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）；在这种情况下，将有两个不同的群体，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。这对很多问题可能不成问题。例如，如果我们关心的是平台随时间增加用户基础的成功，我们理解正向网络效应——无论是组内还是跨组相互的——产生正反馈循环；也就是说，是吸引力循环还是吸引力螺旋对这个目的并不关键。

然而，当涉及设计具体的平台策略时，确定网络效应的确切性质可能非常关键。在扑克例子中，认为网络效应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。

1.2.5 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 2024 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：

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

这一吸引力螺旋是淘宝从 2003 年战胜 eBay 易趣的关键。当时 eBay 是全球电商巨头，但淘宝通过免费策略（对卖家不收费）迅速积累了双边用户基础，一旦吸引力螺旋形成，eBay 就难以追赶。

价格结构的设计

淘宝早期采用分而治之（Divide-and-Conquer）策略：对买家免费，向卖家收取佣金和广告费。这一定价结构的经济学逻辑是：选择网络效应更强或价格弹性更大的一边作为补贴侧。买家的平台选择很大程度上取决于商品丰富度，而商品丰富度取决于卖家数量；因此补贴买家侧（让买家免费）可以启动吸引力螺旋。

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

1.2.6 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。这也是为什么本地生活服务市场往往呈现高度集中的格局。

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

1.3 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。

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。我们承认有一些有趣的中介问题与网络效应无关。而且，正如导言中讨论的，可能是规模经济和范围经济，而非网络效应，对中介机构或聚合一组用户需求的企业的成功贡献更大。

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。人们确实经常在商业报刊、政策文件或学术文献中读到，平台被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。现在重要的是用我们的定义从平台视角分析大量实体。我们对若干现实世界的例子这样做。对于每个实体，我们讨论它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「积极管理网络效应」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——它面临缺乏母语者安装基础的问题。估计世界语有大约 200 万使用者；鉴于其普世目的，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

Aldi：Aldi 是一家折扣店。可以论证的是，购物者之间不存在或至少不突出网络效应（除了拥挤效应）。总之，Aldi 不被视为平台，因为我们定义中的第一个条件不满足。

Tesco：Tesco 是一家超市连锁店。乍一看，我们不会将 Tesco 视为平台，因为它是一家购买产品然后按自己的条款销售的零售商。但是，如果 Tesco 将其商业模式聚焦于向卖家出租货架空间，它就作为平台运营并管理网络效应；它可以通过决定不同类别产品的条款来这样做，类似于购物中心运营商管理商店和买家之间的跨组网络效应。正如经常观察到的，像 Tesco 这样的超市连锁店要求产品上架、获得优先货架位置或被广告宣传的上架费。消费者访问零售商越多，对品牌制造商参与的吸引力就越大。相反，携带或让消费者看到的有吸引力的品牌越多，参与的消费者就越多。

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？
Facebook	是（组内）	是	是
Wikipedia	是（组内）	是	是
Uber	是（跨组）	是	是
世界语	是（组内）	否	否
Aldi	否	否	否
Tesco	是（跨组）？	是？	是？
个人博客	否	否	否
团队/广告博客	是（跨组）	是	是
加油站	否	否	否
公证人	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

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
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。这说明一旦双边网络效应形成，具有相当的稳定性。

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

平台的定义：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。
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。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。
平台判定：一个实体要被视为平台，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，并且必须以积极方式管理这些网络效应。特定实体是否满足这两个要求往往是程度和焦点的问题。
平台分类：平台可以用多种方式分类。我们通过回答两个问题来构建分类：平台如何创造经济价值？平台如何获取经济价值？

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（外部性）
    ↓
区分组内/跨组 → 正向/负向
    ↓
反馈机制：吸引力循环（组内）、吸引力螺旋（跨组）、吸引/排斥钟摆、吸引力溢出
    ↓
平台定义：网络效应的管理者
    ↓
平台分类：按价值创造（网络效应类型）和价值获取（货币化方式）

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

微信的组内网络效应（通讯）和跨组网络效应（小程序）如何相互强化？哪一种是其核心护城河？
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？

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？
拼多多如何在淘宝、京东已经很强大的情况下崛起？从网络效应角度，它是如何解决鸡生蛋问题的？

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" --- ::: {.callout-tip} ## 🎧 本章配套播客 <audio controls style="width: 100%;" src="../../参考资料及素材/textbooks/economics_of_platforms/中长度播客/chapter-1/podcast.mp3"></audio> ::: 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）。 ::: {.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 ::: ![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。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。 **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、WhatsApp 和 Snapchat 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。 | 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、WhatsApp | 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。在用户生成内容的平台上（如早期的 YouTube），用户数量增加提高了可用内容的多样性，从而改善用户体验；此外，用户还能从与朋友或公众的共享体验中获益——这种收益也随平台用户数量增加而增加。 ::: {.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 以近 10 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。 ::: ### 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。 ![跨组网络效应示意图](images/img_05_cross_group_effects.png) ::: {.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。 ::: ### 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 WhatsApp 的对比** WhatsApp 也是即时通讯应用，也具有组内网络效应，但在中国市场完全失败。原因在于网络效应的本地性：WhatsApp 在全球的用户规模虽大，但对中国用户来说，重要的是有多少中国亲友使用它。当微信已经在中国建立起强大的用户网络时，WhatsApp 即使技术功能相当，也无法突破——因为新用户加入 WhatsApp 获得的网络价值远低于加入微信。 ## 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）。 ::: 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）。 ### 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。 ::: ![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值得注意的特性是，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。 ::: **例子** 网络浏览器提供了一个例子：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。另一个例子是因当地文化而吸引游客的地点（如社区、餐厅或酒吧）。虽然游客被当地人的存在吸引，但当地人并不回应这种感觉；相反，他们感到被排斥。 ![吸引/排斥钟摆示意图](images/img_10_pendulum_effect.png) ### 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）。 ![跨组网络效应三种类型对比](images/img_06_cross_group_types.png) ### 1.2.4 组内还是跨组网络效应？在结束本节之前，让我们强调有时候组内和跨组网络效应之间的界限可能很模糊。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）；在这种情况下，将有两个不同的群体，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。这对很多问题可能不成问题。例如，如果我们关心的是平台随时间增加用户基础的成功，我们理解正向网络效应——无论是组内还是跨组相互的——产生正反馈循环；也就是说，是吸引力循环还是吸引力螺旋对这个目的并不关键。然而，当涉及设计具体的平台策略时，确定网络效应的确切性质可能非常关键。在扑克例子中，认为网络效应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。 ::: ### 1.2.5 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 2024 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： $$ \text{买家越多} \rightarrow \text{对卖家吸引力越强} \rightarrow \text{商品供给越丰富} \rightarrow \text{买家体验越好} \rightarrow \text{更多买家加入} $$ 这一吸引力螺旋是淘宝从 2003 年战胜 eBay 易趣的关键。当时 eBay 是全球电商巨头，但淘宝通过免费策略（对卖家不收费）迅速积累了双边用户基础，一旦吸引力螺旋形成，eBay 就难以追赶。 **价格结构的设计** 淘宝早期采用分而治之（Divide-and-Conquer）策略：对买家免费，向卖家收取佣金和广告费。这一定价结构的经济学逻辑是：选择网络效应更强或价格弹性更大的一边作为补贴侧。买家的平台选择很大程度上取决于商品丰富度，而商品丰富度取决于卖家数量；因此补贴买家侧（让买家免费）可以启动吸引力螺旋。 **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) ### 1.2.6 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。这也是为什么本地生活服务市场往往呈现高度集中的格局。 **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) ## 1.3 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。 **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。我们承认有一些有趣的中介问题与网络效应无关。而且，正如导言中讨论的，可能是规模经济和范围经济，而非网络效应，对中介机构或聚合一组用户需求的企业的成功贡献更大。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。人们确实经常在商业报刊、政策文件或学术文献中读到，平台被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。现在重要的是用我们的定义从平台视角分析大量实体。我们对若干现实世界的例子这样做。对于每个实体，我们讨论它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「积极管理网络效应」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——它面临缺乏母语者安装基础的问题。估计世界语有大约 200 万使用者；鉴于其普世目的，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** *Aldi*：Aldi 是一家折扣店。可以论证的是，购物者之间不存在或至少不突出网络效应（除了拥挤效应）。总之，Aldi 不被视为平台，因为我们定义中的第一个条件不满足。 *Tesco*：Tesco 是一家超市连锁店。乍一看，我们不会将 Tesco 视为平台，因为它是一家购买产品然后按自己的条款销售的零售商。但是，如果 Tesco 将其商业模式聚焦于向卖家出租货架空间，它就作为平台运营并管理网络效应；它可以通过决定不同类别产品的条款来这样做，类似于购物中心运营商管理商店和买家之间的跨组网络效应。正如经常观察到的，像 Tesco 这样的超市连锁店要求产品上架、获得优先货架位置或被广告宣传的上架费。消费者访问零售商越多，对品牌制造商参与的吸引力就越大。相反，携带或让消费者看到的有吸引力的品牌越多，参与的消费者就越多。 *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？ | |------|--------------|----------------|----------| | Facebook | 是（组内） | 是 | 是 | | Wikipedia | 是（组内） | 是 | 是 | | Uber | 是（跨组） | 是 | 是 | | 世界语 | 是（组内） | 否 | 否 | | Aldi | 否 | 否 | 否 | | Tesco | 是（跨组）？ | 是？ | 是？ | | 个人博客 | 否 | 否 | 否 | | 团队/广告博客 | 是（跨组） | 是 | 是 | | 加油站 | 否 | 否 | 否 | | 公证人 | 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) **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 - **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。这说明一旦双边网络效应形成，具有相当的稳定性。 **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. **平台的定义**：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。 2. **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。 3. **反馈机制**：正向组内网络效应产生吸引力循环。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。 4. **平台判定**：一个实体要被视为平台，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，并且必须以积极方式管理这些网络效应。特定实体是否满足这两个要求往往是程度和焦点的问题。 5. **平台分类**：平台可以用多种方式分类。我们通过回答两个问题来构建分类：平台如何创造经济价值？平台如何获取经济价值？ ::: **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（外部性） ↓ 区分组内/跨组 → 正向/负向 ↓ 反馈机制：吸引力循环（组内）、吸引力螺旋（跨组）、吸引/排斥钟摆、吸引力溢出 ↓ 平台定义：网络效应的管理者 ↓ 平台分类：按价值创造（网络效应类型）和价值获取（货币化方式） ``` 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. 微信的组内网络效应（通讯）和跨组网络效应（小程序）如何相互强化？哪一种是其核心护城河？ 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？ **开放讨论题** 7. 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？ 8. 拼多多如何在淘宝、京东已经很强大的情况下崛起？从网络效应角度，它是如何解决鸡生蛋问题的？ ## 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.