第 5 章平台定价

🎧 本章配套播客

平台如何收费？这看似简单的问题背后隐藏着深刻的经济学洞见。传统企业遵循的定价法则在平台经济中往往不再适用：一边收费太高会吓跑用户，另一边就失去了交易对手；一边定价太低虽能吸引人群，却可能无法覆盖成本。更反直觉的是，利润最大化的平台有时会主动补贴某一边用户——这种看似亏本的策略，恰恰是双边市场定价的精髓所在。

本章将系统阐述平台定价的核心理论。我们从 Rochet 和 Tirole 的经典框架出发，探讨会员费与交易费的选择、价格结构的非中性原理，以及平台定价与社会最优之间的偏离。通过淘宝、美团、滴滴等中国平台的真实案例，我们将看到理论如何指导实践，实践又如何丰富理论。

学习目标

理解会员费与交易费的不同功能及其适用场景
掌握双边平台最优定价的 Lerner 指数公式及其经济含义
分析平台定价偏离社会最优的四种扭曲机制
运用定价理论解释淘宝免费策略、美团佣金争议、滴滴动态定价等现实案例
评价价格透明度、预期形成对平台定价效果的影响

5.1 平台定价基础

平台定价的复杂性源于三个特征：第一，平台服务多个用户群体，可以对不同群体设定不同价格；第二，用户决策相互依赖，网络效应使得一边的价格会影响另一边的参与；第三，平台可以同时调节用户的准入和交易强度。理解这些特征，是掌握平台定价逻辑的前提。

5.1.1 价格类型

双边平台可以收取两类费用，它们在调节平台运营中发挥着不同作用。

会员费（Membership Fee），也称订阅费，是用户一次性支付或定期续费的固定费用。它调节的是平台的准入——谁能进入平台、平台上有多少用户。健身房的月卡、视频网站的年费会员、购物中心向商户收取的租金，都属于会员费的范畴。

交易费（Transaction Fee），也称使用费，是按实际交易收取的可变费用。它可以是固定金额（如每笔交易收 1 元），也可以是交易额的一定比例（即佣金）。交易费调节的是平台上的活动强度——用户进行多少交易、交易规模多大。外卖平台向商家收取的抽成、信用卡网络向商户收取的手续费、电商平台的成交服务费，都是交易费的典型形式。

一个追求利润最大化的平台，理想状态下会同时运用这两类费用。例如，平台可以降低交易费来刺激交易量，提高用户对平台的估值，再通过提高会员费来捕获这部分增值。然而，实际中两类费用的可行性受到环境约束。

会员费的难点在于启动阶段的鸡生蛋蛋生鸡问题。如果用户不确定能否找到交易对手，他们就不愿意预付入场费——万一进去后没人可交易，钱就白花了。相比之下，交易费只在实际成交时才收取，规避了这种风险。这解释了为什么许多新兴平台在启动期选择免会员费、只收交易费的模式。

交易费的难点则在于监控和防绕道。平台必须能够观测到交易的发生，否则无从收费。更麻烦的是平台泄漏（Platform Leakage）问题：用户在平台上找到交易对手后，可能绕开平台在线下完成交易以规避费用。这在房产中介、家政服务等领域尤为常见。为应对泄漏，平台往往采取非价格手段：Airbnb 隐藏房东的具体地址直到订单确认；淘宝在早期曾严格禁止买卖双方交换站外联系方式；部分平台甚至对站外成交的交易收取介绍费。

数字技术的发展显著改善了交易费的收取条件。在线支付使交易可追溯，区块链技术提供了不可篡改的交易记录，平台深度嵌入交易流程降低了绕道成本。这解释了为什么佣金模式在数字平台中如此普遍：Uber 向司机收取约 20% 的佣金，Amazon 和 eBay 向卖家收取约 10% 的费用，Airbnb 则向房东和房客双边收费。

信用卡网络的费用结构

信用卡网络是研究交易费的经典案例。Visa、Mastercard 等卡组织向商户收取的费用包括三部分：发卡行收入（约 1.5%~2%）、收单行收入（约 0.2%~0.5%）和品牌费（约 0.1%）。而持卡人不仅不用付费，还能获得积分、返现等补贴——这正是交易费非对称分配的典型体现。Rochet 和 Tirole（2003）正是通过分析信用卡市场，奠定了双边市场定价理论的基础。

5.1.2 数值例子分析

为了建立直觉，我们用一个数值例子来说明平台定价的核心逻辑。

模型设定

考虑一个连接买家和卖家的交易平台。市场上各有 6 个潜在买家和 6 个潜在卖家。平台对每笔交易向买家收取费用 $a_b$，向卖家收取费用 $a_s$。每个买家最多从每个卖家处购买一单位商品。

假设买家同质：每个买家从与每个卖家的交易中获得毛剩余 6。卖家异质：卖家 $i$（$i = 1, 2, \ldots, 6$）从每个买家的交易中获得毛剩余 $i - 3$：

卖家编号	毛剩余 $\beta_s$	参与意愿
卖家 1	$-2$	即使免费也不愿加入
卖家 2	$-1$	即使免费也不愿加入
卖家 3	$0$	刚好持平（边际）
卖家 4	$1$	愿意在合理收费下加入
卖家 5	$2$	愿意在合理收费下加入
卖家 6	$3$	愿意在合理收费下加入

假设卖家无法将平台费用转嫁给买家（即零传导），且买卖双方的毛剩余独立于平台收费。

短视定价 vs 最优定价

平台的利润为 $\Pi = (a_b + a_s) \times n_b \times n_s$，其中 $n_b$ 和 $n_s$ 分别是加入平台的买家和卖家数量。

由于买家同质，最优的买家费用是 $a_b = 6$——恰好使所有买家刚好愿意参与。

卖家费用的设定则更微妙。如果平台只关注卖家侧的利润，会计算如下：

卖家费用 $a_s$	卖家数量 $n_s$	买家数量 $n_b$	卖家侧利润 $\pi_s$
3	1	6	18
2	2	6	24
1	3	6	18
0	4	6	0

短视策略会选择 $a_s = 2$，吸引 2 个卖家，获得卖家侧利润 24，加上买家侧利润 $6 \times 6 \times 2 = 72$，总利润 96。

但这种策略忽视了关键一点：每增加一个卖家，平台可以从买家侧额外获得 $6 \times 6 = 36$ 的收入！

考虑到跨边网络效应，我们重新计算：

$a_s$	$n_s$	$\pi_s$	$\pi_b$	总利润 $\Pi$
2	2	24	72	96
1	3	18	108	126
0	4	0	144	144
-1	5	-30	180	150
-2	6	-72	216	144

最优策略是 $a_s = -1$，即补贴卖家！虽然卖家侧亏损 30，但买家侧赚取 180，总利润 150，远超短视策略的 96。

核心洞见

这个例子揭示了平台定价的三个核心原理：

第一，补贴可能是最优的。在没有网络效应的市场中，企业不会花钱请顾客来；但在双边市场中，补贴一边用户能带来另一边的收益，只要后者足以弥补前者，补贴就是有利可图的。

第二，价格结构非中性。市场结果不仅取决于总费用 $a_b + a_s$，还取决于费用在两边的分配。同样是总费用 5 元，$(a_b, a_s) = (6, -1)$ 和 $(a_b, a_s) = (3, 2)$ 导致完全不同的参与率和利润。

第三，定价取决于弹性和网络效应。平台倾向于对价格敏感度高的一边收取较低费用，对施加较强网络效应的一边给予较大补贴。

分而治之策略

上述定价原则与我们在第 4 章学习的分而治之策略（Divide-and-Conquer）一脉相承：先用低价甚至负价吸引一边用户，再从另一边收费。淘宝对买家免费、向卖家收费的模式，正是这一策略的经典应用。

5.1.3 垄断平台的定价扭曲

私人最优的价格结构通常偏离社会最优。在双边市场中，这种偏离源于四类扭曲。

市场力量扭曲（Market-Power Distortion）

这是任何垄断市场都存在的标准扭曲：垄断者通过限制产出来抬高价格，导致价格高于边际成本。在平台情境下，表现为两边的价格都可能高于社会有效水平。

Spence 扭曲

这类扭曲源于 Spence（1975）关于垄断者质量选择的经典分析。垄断者关心的是边际消费者对质量的评价，而社会计划者关心的是平均消费者的评价。

在双边平台中，一边用户眼中的质量就是另一边的参与率。平台只考虑边际用户从网络效应中获得的收益，而忽略了已有用户的收益。如果边际卖家对买家参与的估值低于平均卖家，平台就会设定过高的买家价格，导致买家参与不足。

回到我们的数值例子：私人最优是补贴 1 元吸引 5 个卖家，总利润 150；但社会最优是补贴 2 元吸引全部 6 个卖家，总福利 234。差距在于，平台没有完全内部化第 6 个卖家对买家的价值——这个价值是 36，但平台只能捕获其中的 6。

位移扭曲（Displacement Distortion）

Tan 和 Wright（2018a）在评论 Weyl（2010）的多边平台价格理论时识别出这类扭曲，它是对 Weyl 框架的扩展和精细化。平台调整一边价格时会考虑另一边边际用户的估值，但这个估值在垄断均衡和社会最优下是不同的。如果垄断者对买家收费过高，那么边际买家对卖家的估值就会高于社会最优情形下的估值，导致平台对卖家收费过低——形成负向的位移扭曲。

规模扭曲（Scale Distortion）

Tan 和 Wright（2018b）识别出第四类扭曲。平台从卖家处提取的利润取决于买家的参与率，而这个参与率在垄断和社会最优下不同。由于参与规模的差异，平台提高买家价格的激励也与社会计划者不同。

扭曲方向可能相反

四种扭曲的方向可能互相抵消。市场力量扭曲倾向于推高价格，但 Spence 扭曲、位移扭曲和规模扭曲的方向取决于具体参数。因此，垄断平台在某一边的价格可能高于有效水平，在另一边可能低于有效水平。简单的「低价=好」的直觉在双边市场中并不成立。

5.2 垄断平台定价

我们现在用更一般的框架来分析平台定价问题。考虑一个连接买家和卖家的市场平台，每个买家对每个卖家有一单位的需求，交易的收益对买家是 $\beta_b$，对卖家是 $\beta_s$。用户还享有独立于交易的固定收益 $r_b$ 和 $r_s$。平台在每边同时设定会员费 $A_k$ 和交易费 $a_k$（$k \in \{b, s\}$）。

当 $n_b$ 个买家和 $n_s$ 个卖家加入平台时，买家的净效用为：

\[ \nu_b = r_b + (\beta_b - a_b)n_s - A_b \]

卖家的净效用为：

\[ \nu_s = r_s + (\beta_s - a_s)n_b - A_s \]

用户的外部选择（机会成本）存在异质性。效用超过机会成本的用户会选择加入。平台服务每个用户的边际成本为 $f_k$，每笔交易的边际成本为 $c$。

5.2.1 一般性分析框架

平台的利润可以写成：

\[ \Pi = (A_b - f_b)n_b + (A_s - f_s)n_s + (a_b + a_s - c)n_bn_s \]

这个表达式可以重写为：

\[ \Pi = \left[\left(\frac{A_b}{n_s} + a_b\right) + \left(\frac{A_s}{n_b} + a_s\right) - \frac{f_b}{n_s} - \frac{f_s}{n_b} - c\right]n_bn_s \]

其中，$\frac{A_b}{n_s} + a_b$ 是买家每笔交易的平均费用，$P \equiv \frac{A_b}{n_s} + a_b + \frac{A_s}{n_b} + a_s$ 可以视为每笔交易的虚拟价格。

如果 $f_b = f_s = 0$，平台的决策可以分两步理解：首先选择虚拟价格 $P$，然后选择价格结构使交易量 $n_bn_s$ 最大化。虚拟价格由标准的 Lerner 公式决定：

\[ \frac{P - c}{P} = \frac{1}{\eta} \]

其中 $\eta$ 是交易服务派生需求的价格弹性。

5.2.2 价格结构与网络效应

我们分别考察只收交易费和只收会员费两种情形。

交易费定价

假设用户的固定收益和平台的固定成本都为零（$r_k = f_k = 0$）。买家在 $\beta_b \geq a_b$ 时参与，卖家在 $\beta_s \geq a_s$ 时参与。令 $N_b(a_b) = \Pr(\beta_b \geq a_b)$ 和 $N_s(a_s) = \Pr(\beta_s \geq a_s)$ 分别为参与函数。

平台利润为 $(a_b + a_s - c)N_b(a_b)N_s(a_s)$。对利润取对数并求一阶条件：

\[ \frac{1}{a_b + a_s - c} = -\frac{N'_b}{N_b} = -\frac{N'_s}{N_s} \]

定义需求弹性 $\eta_b = -\frac{N'_b}{N_b}a_b$ 和 $\eta_s = -\frac{N'_s}{N_s}a_s$，可以将一阶条件改写为 Lerner 形式：

\[ \frac{a_b - (c - a_s)}{a_b} = \frac{1}{\eta_b} \quad \text{和} \quad \frac{a_s - (c - a_b)}{a_s} = \frac{1}{\eta_s} \]

这就是调整后的双边市场垄断定价公式。与标准垄断定价的关键区别在于：一边的有效边际成本是 $c$ 减去另一边的收费。通过向一边收费，平台降低了服务另一边的机会成本。

整理两个方程，我们得到：

\[ \frac{a_s}{a_b} = \frac{\eta_s}{\eta_b} \]

核心定价原则

交易费比例等于弹性比例：如果买家对价格不敏感（弹性低），他们反而面临较低的交易费。这与分离市场的定价逻辑相反——在标准垄断中，弹性低的市场应收高价。差异的根源在于，双边市场追求的是总交易量 $n_b \times n_s$ 的最大化，而非单边需求。

会员费定价

现在假设平台只收会员费，用户对交易收益的估值同质（均为 $\beta_b$ 和 $\beta_s$），但外部选择异质。买家的净效用为 $\nu_b = \beta_bn_s - A_b$，卖家的净效用为 $\nu_s = \beta_sn_b - A_s$。

参与人数由自由进入条件决定：$n_b = N_b(\nu_b)$ 和 $n_s = N_s(\nu_s)$。平台利润为：

\[ \Pi = (A_s - f_s)n_s + (A_b - f_b)n_b \]

通过变量替换和求解一阶条件，利润最大化的会员费满足：

\[ A_s = f_s - \beta_b n_b + \frac{N_s(\nu_s)}{N'_s(\nu_s)} \]

\[ A_b = f_b - \beta_s n_s + \frac{N_b(\nu_b)}{N'_b(\nu_b)} \]

这可以改写为 Lerner 形式：

\[ \frac{A_s - (f_s - \beta_b n_b)}{A_s} = \frac{1}{\eta_s(A_s|n_b)} \]

\[ \frac{A_b - (f_b - \beta_s n_s)}{A_b} = \frac{1}{\eta_b(A_b|n_s)} \]

这个公式揭示了会员费定价的核心逻辑：会员费 = 边际成本 - 网络效应价值 + 市场势力加成。有效边际成本被网络效应向下调整了。如果卖家给买家带来很大价值（$\beta_b$ 大），吸引卖家的有效成本就降低，可能变成负的。

线性模型的显式解

假设外部选择在 $[0, V]$ 上均匀分布（$V$ 足够大），则 $n_k = \nu_k$。令 $\mu_k = r_k - f_k$ 表示用户 $k$ 的净固定价值（即独立于网络效应的内在价值减去平台服务该用户的边际成本），最优会员费为：

\[ A^*_s - f_s = \frac{1}{2}\mu_s + \frac{1}{2}\frac{\beta_s - \beta_b}{4 - (\beta_s + \beta_b)^2}(2\mu_b + (\beta_s + \beta_b)\mu_s) \]

第一项 $\frac{1}{2}\mu_s$ 是标准的垄断加成（对卖家固定价值的提取），第二项是网络效应的调整项。当 $\beta_s > \beta_b$（卖家更看重买家）时，第二项为正，平台在卖家侧收取更高边际、在买家侧收取更低边际。平台用买家作为杠杆来吸引卖家，再从卖家处提取价值。

5.2.3 会员费与交易费的选择

会员费和交易费各有优劣，平台的选择取决于具体环境。

会员费的优势： - 收入稳定，不受交易波动影响 - 无需监控具体交易 - 用户一旦付费，就有动力多使用平台

交易费的优势： - 与平台创造的价值直接挂钩 - 降低用户进入门槛，有利于解决鸡生蛋蛋生鸡问题 - 天然的风险分担机制（无交易则无费用）

交易费的挑战： - 需要监控能力 - 面临平台泄漏风险 - 可能抑制交易量

在实践中，许多平台采用混合模式。美团向商家收取年费（会员费性质）加上每单佣金（交易费性质）。视频平台向用户收取订阅费（会员费），向广告商按曝光或点击收费（交易费）。

案例：交易费的分配——谁来支付？

不同平台对交易费的分配策略差异显著。Uber 和 Lyft 向司机收取约 20% 的佣金，乘客不直接支付平台费用。Airbnb 则双边收费：房东支付 3%~5%，房客支付 6%~12%。信用卡网络主要向商户收费，持卡人反而获得返现补贴。

这种差异背后的逻辑是什么？根据我们的理论，弹性低的一边应该承担更多费用。在网约车市场，乘客有多种出行选择（公交、地铁、出租车），需求弹性相对较高；而司机一旦投入车辆和时间，转换成本较高，弹性相对较低。因此，平台选择向司机收费而补贴乘客。

5.3 定价的高级议题

5.3.1 单一费率约束

有时平台被迫对两边收取相同费用。美国部分州禁止约会平台按性别差异定价；反歧视法规可能要求统一价格；技术限制也可能使差异化定价不可行。

非歧视性定价的影响

在我们的线性模型中，如果平台必须设定统一费用 $A$，最优选择恰好是两个无约束最优费用的平均：

\[ \tilde{A} = \frac{1}{2}(A^*_s + A^*_b) \]

假设 $\beta_s > \beta_b$（卖家更看重买家），则 $A^*_s > A^*_b$。统一定价后，卖家费用下降、买家费用上升。直觉上，卖家应该受益、买家应该受损。

但网络效应使结果更复杂。买家费用上升导致买家参与减少；买家减少又降低了卖家的交易价值。即使卖家费用下降了，他们也可能因为找不到足够的买家而受损。

数学分析表明：当网络效应足够强时，双方可能都变差。至少有一方必然受损（证明见 Belleflamme & Peitz, 2021, Lemma 5.2），但另一方是否受益取决于网络效应强度与费用变化的相对大小。

政策启示

禁止价格歧视的监管政策可能产生意想不到的后果。如果约会平台被迫对男女收取相同费用，女性（通常支付较低费用）必然受损，男性也可能因为遇到更少女性而受损。监管者在制定政策时需要考虑双边市场的特殊性。

5.3.2 组内网络效应

到目前为止，我们只考虑了跨组网络效应。但许多平台还存在组内网络效应（Within-Group Network Effects）——同一边用户之间的相互影响。

将效用函数扩展为：

\[ \nu_b = r_b + \beta_b n_s + \gamma_b n_b \]

\[ \nu_s = r_s + \beta_s n_b + \gamma_s n_s \]

其中 $\gamma_k$ 衡量组内网络效应：$\gamma_k > 0$ 表示正向效应（同边用户越多越好），$\gamma_k < 0$ 表示负向效应（拥挤或竞争）。

不同平台的组内效应模式：

平台类型	卖家/供给方 $\gamma_s$	买家/需求方 $\gamma_b$
网约车（滴滴、Uber）	负（司机竞争订单）	负（乘客竞争车辆）
社交网络（微信、Facebook）	—	正（用户越多越有趣）
游戏平台（PlayStation）	负（开发商竞争玩家）	正（多人游戏更好玩）
电商平台（淘宝、Amazon）	负（商家竞争流量）	弱正（评价更丰富、社区感）

电商平台买家侧的组内效应较弱：更多评价提升信息质量是正向效应，但买家之间不直接互动，社交价值有限。相比之下，社交网络的组内效应显著更强。

正向组内效应使平台能吸引更多用户，赚取更高利润。负向组内效应则有相反效果。当买家之间存在正向组内效应时，平台可以用买家作为更有效的杠杆来吸引卖家——因为买家自己会相互吸引。

5.3.3 差异化定价

即使所有用户都在同一边，他们对独立收益 $r$ 和网络收益 $\beta$ 的估值也可能不同。平台可以利用这种异质性进行价格歧视。

按独立价值歧视

假设用户分两个细分市场：高价值用户（$r_s$）和低价值用户（$r_b$），$r_s > r_b$，但两者对网络效应的估值相同。

如果平台可以识别用户类型，最优定价为 $A^*_s = r_s/2$ 和 $A^*_b = r_b/2$。高价值用户支付更多，但总参与不变。

按网络价值歧视

假设用户对网络效应的估值不同：$\beta_s > \beta_b$。更看重网络效应的用户（可能是高频用户或专业用户）应该支付更高价格。

有趣的是，这种歧视反而提高了总参与率。通过对高网络价值用户收取更高费用，平台可以用这些收入补贴低网络价值用户，扩大用户基础，进而提高所有用户的网络收益。

版本化策略

即使平台无法直接识别用户类型，也可以通过菜单设计诱导用户自我选择。提供高级版和基础版，让高价值用户自愿选择高价的高级版，低价值用户选择低价的基础版。

在特定条件下，版本化策略可以达到与直接价格歧视相同的利润水平——平台无需承担信息获取成本，就能实现差异化定价的效果。

Freemium 模式的经济学

Freemium（免费增值）是版本化策略的典型应用：提供免费的基础版（带广告）和付费的高级版（无广告）。

考虑如下模型：用户对服务的估值为 $r$，对广告的厌恶程度 $\beta$ 在 $[1, 2]$ 上均匀分布。平台可选择三种模式：

订阅模式：定价 $A = r$，利润 $\pi^{su} = r$
广告模式：广告量 $n_s = r/2$，利润 $\pi^{ad} = ar/2$（$a$ 为广告价格）
Freemium 模式：菜单定价，利润 $\pi^f = r(\sqrt{a} - 1)^2 + r$

当 $1 < a < 4$ 时，Freemium 模式占优。

惊人的结论是：Freemium 模式下，免费版用户看到的广告比纯广告模式更多！因为平台知道最讨厌广告的用户会购买订阅，可以放心地在免费版中增加广告。这是一个没有用户变得更好的帕累托恶化！

5.4 预期形成与定价

用户的参与决策取决于对另一边参与率的预期。这些预期如何形成，以及平台能否影响这些预期，对定价效果有重要影响。

5.4.1 信息披露

价格透明度的价值

如果用户只能观察自己这边的价格，看不到另一边的价格，会发生什么？

平台面临一个机会主义问题：提高另一边价格会降低另一边参与，但本边用户看不到这种负面效应。平台因此有动机过度提价。这种情形类似于 Hart 和 Tirole（1990）分析的经典机会主义问题。

数学分析表明，当价格不透明时，平台设定的费用对自己都过高——它会因为信息不对称而做出伤害自己利润的定价决策。因此，垄断平台实际上有动机主动披露两边的价格信息。

案例：索尼公开 PS3 开发套件降价

2009 年，索尼宣布将 PS3 开发套件的价格从 10,000 美元降至 2,000 美元。这个消息不仅通知了开发者群体，还广泛传播给了玩家。

为什么索尼要让玩家知道开发成本下降了？根据我们的理论，这是一种预期管理策略。当玩家知道开发成本降低时，他们会预期更多游戏将登陆 PS3 平台，从而提高购买 PS3 的意愿。索尼通过信息披露，增强了玩家对平台未来的信心。

5.4.2 承诺与预期管理

数量承诺的等价性

平台是否可以通过直接选择参与数量（而非价格）来规避协调问题？例如，通过拍卖固定数量的席位来确保参与率。

在我们的模型中，一个重要的等价性结果成立：垄断平台选择会员费和选择参与数量，会达到完全相同的均衡结果。这是双边市场版本的「价格-数量等价性」——只要用户能解决协调问题，两种方式在结果上没有差异。

序贯参与

现实中，用户往往是先后加入平台，而非同时决策。如果卖家先加入、买家后加入，而平台无法提前承诺买家价格，结果会如何？

分析表明： 1. 两边参与都低于能承诺时的情况 2. 但平台利润可能更高（除非网络效应非常强） 3. 平台偏好让「吸引力更强」的一边先加入

直觉是：平台用先加入的一边作为诱饵，从后加入的一边提取价值。最优策略是让吸引力强但自身价值低的一边先来，让吸引力弱但价值高的一边后来。

序贯参与的最优顺序

考虑一个无法承诺未来价格的平台，需要决定让哪一边用户先加入。最优策略是：先邀请施加较强网络效应、从交易中获得较低净收益的群体。

这个群体是最好的「诱饵」——他们的存在对另一边有强大吸引力，但自身从平台获取的价值有限，可以用较低成本吸引。第二个群体则是平台的「金矿」——虽然对第一群体的吸引力较弱，但能为平台创造较大价值。

5.5 案例分析

案例 1：淘宝免费策略——分而治之的教科书

2003 年淘宝网成立时，面对的是占据中国 C2C 市场 95% 份额的易趣 eBay。eBay 采用经典的双边收费模式：向卖家收取商品登录费和成交服务费，同时禁止买卖双方站外联系。

马云的颠覆性策略是：宣布对买卖双方三年内完全免费。这看似放弃收入，实则是对双边市场定价理论的精准应用。

理论分析

淘宝将买家定位为补贴侧、卖家定位为收费侧，基于以下经济学逻辑：

需求弹性差异：消费者对价格更敏感，收费会显著抑制需求；卖家为获取流量愿意支付更高费用
跨组网络效应不对称：卖家对买家数量的估值远高于买家对卖家数量的估值——一个拥有 1000 万买家的平台对卖家极具吸引力
单栖与多栖：买家倾向多栖（同时使用多平台比价），卖家更可能单栖（运营多店成本高），对单栖侧收费更有效

淘宝的定价演进呈现清晰的三阶段结构：

阶段	时间	买家价格	卖家价格	变现方式
启动期	2003-2006	免费	免费	无直接收入
成长期	2006-2010	免费	基础免费+增值收费	直通车、消保认证
成熟期	2010 至今	免费	佣金+广告+增值	多元化变现

核心收费产品「直通车」采用 CPC（按点击付费）模式。当平台聚集了数百万卖家后，搜索「卫生纸」可能出现成千上万个商家，谁想排在前面就要付费——这正是网络效应变现的经典路径。

为什么 eBay 无法跟进？

这是一个经典的战略承诺问题。eBay 作为上市公司，面临资本市场对短期利润的预期压力，难以承受长期亏损换取市场份额的策略。淘宝作为阿里巴巴的战略投资，有充裕的资金支持和长期视野。此外，eBay 已经形成了围绕收费模式的组织惯性，包括销售团队、财务体系、股东预期等，转型成本极高。

这个案例印证了我们的理论：免费或补贴策略的可行性，不仅取决于经济逻辑，还取决于企业的战略禀赋和竞争环境。

案例 2：美团外卖佣金争议——三边市场的定价难题

美团外卖占据中国外卖市场约 70% 的份额（2024 年）。其定价模式在 2021 年经历了从「综合费率」到「费率透明化」的重大改革。

费用结构分解

美团将收费拆分为两部分： 1. 技术服务费：6%~8%，用于信息展示、流量支持、运营保障 2. 配送服务费：根据距离、时段、客单价浮动，约 10%~20%

然而，商家反馈的「综合费率」常达 20%~40%。争议的核心在于：配送服务费应该被视为佣金的一部分，还是独立的履约服务？

以一单外卖为例：用户支付 46.9 元，扣除优惠后商家收到 35.35 元，技术服务费 2.55 元（7.2%），配送费 4.97 元，商家最终到手 27.83 元（约为原价的 59%）。

经济学解释

美团外卖是典型的三边市场——消费者、商家、骑手。平台需要同时平衡三方利益：

对消费者：通过补贴和优惠券吸引订单
对商家：通过佣金和配送费变现流量价值
对骑手：通过配送费激励即时响应

高佣金模式成立的前提是强大的网络效应。美团 70% 的市场份额意味着商家「不得不上」。这符合 Armstrong（2006）的竞争瓶颈（Competitive Bottleneck）模型：当消费者单栖（主要使用美团），商家就必须接受平台的定价条款。

2025 年京东宣布外卖业务仅收取 5% 佣金，直接挑战美团的定价权。这印证了平台经济学的核心观点：可竞争性是遏制平台定价权力的关键。

案例 3：滴滴动态定价——算法驱动的供需匹配

滴滴出行最具争议的定价机制是动态调价（Surge Pricing）：在供需失衡时通过价格杠杆调节运力。

定价机制

动态定价的核心算法考虑： - 供需比例：某区域内司机数量与订单数量的比值 - 实时路况：拥堵程度影响司机接单意愿 - 时段因素：早晚高峰、雨雪天气、节假日 - 距离因素：长途订单的溢价系数

价格由三部分构成： - 基础费用：起步价 + 里程费 + 时长费 - 动态溢价：1.2x ~ 3.0x - 特殊附加费：夜间费、远途费

经济学原理

动态定价是供需定律的数字化应用。当某区域需求激增（如演唱会散场）： 1. 抑制需求：价格敏感用户转向公共交通 2. 增加供给：周边空闲司机被高价吸引 3. 市场出清：愿意支付高价的用户能打到车

这是一种时间维度的价格歧视——对急需用车的用户收取更高价格。从社会福利角度，这可能是有效率的：高峰期加价使真正急需的人（如赶飞机）能打到车；如果实行统一低价，所有人都打不到车。

与传统出租车对比：出租车实行政府定价，高峰期拒载严重。网约车动态定价虽然「贵」，但至少能匹配到车辆——这是价格机制优于排队机制的典型案例。

争议与边界

动态定价面临三重批评： 1. 大数据杀熟质疑：同一时间、同一路线，不同用户看到不同价格 2. 算法不透明：用户无法理解为何某次加价 2 倍、某次 1.5 倍 3. 价格上限缺失：极端情况下加价可能失控

滴滴在中国逐步弱化动态加价，更多采用「向下折扣」方式——在供过于求时发优惠券，而非在供不应求时强制加价。这反映了中国消费者对「价格应公平透明」的心理预期更强——受传统「明码标价」观念影响，动态加价易被视为「趁火打劫」。这种文化差异也体现在网约车监管政策上：中国多地规定网约车价格不得明显高于出租车。平台在效率与公平之间的妥协，本质上是在经济逻辑与社会认同之间寻找平衡。

动态定价 vs 大数据杀熟

两者有本质区别：

动态定价：同一时刻所有用户面对相同价格，价格随供需变化而非随用户特征变化
大数据杀熟：同一时刻不同用户面对不同价格，基于用户历史行为和支付能力的个性化定价

动态定价是合法的市场机制，大数据杀熟涉及消费者权益和算法歧视问题。监管应区分对待。

案例 4：长视频平台会员——Freemium 模式的中国实践

中国长视频平台（爱奇艺、腾讯视频、B 站）普遍采用 Freemium 模式，但定价策略存在显著差异。

平台	连续包月	连续包年	会员规模	核心权益
爱奇艺	30 元	258 元	1.03 亿	去广告、独家内容
腾讯视频	20 元	218 元	1.25 亿	去广告、独家内容
B 站	25 元	148 元	2270 万	画质、番剧提前看

爱奇艺的涨价逻辑

爱奇艺 2020-2022 年三次提价，月会员费从 19.8 元涨至 30 元（涨幅 51.5%）。CEO 龚宇多次表示中国视频会员价格偏低——仅为美国 Netflix 的 1/4~1/3。涨价的依据是： - 内容成本持续上涨（顶级剧集单集成本超千万元） - 广告收入增长乏力 - 需要提高会员 ARPU

B 站的定价困境

B 站大会员渗透率仅 6.6%，远低于爱奇艺、腾讯视频。原因在于： - B 站核心资产是 UGC（用户生成内容），而非版权内容 - 大会员权益与非会员差距不大（主要是画质） - 社区文化对收费有抵触情绪

超前点播的启示

2019 年《庆余年》首创超前点播——会员额外付费 50 元可提前解锁全集。这被人民日报批评为「涸泽而渔」，2021 年被取消。

超前点播失败揭示了平台定价的社会契约边界：用户购买会员时形成了「支付会员费即可享受所有内容」的心理预期，超前点播打破了这一隐性契约。Freemium 模式下，免费版和付费版的权益边界必须清晰稳定，否则会引发用户反弹。

本章小结

两类费用各有职能：会员费调节平台准入，交易费调节交易强度。数字技术提升了交易可监控性，使交易费日益普遍。
价格结构非中性：市场结果不仅取决于总费用，还取决于费用在两边的分配。平台倾向于低价（甚至补贴）吸引价格敏感度高或网络效应强的一边。
最优定价遵循调整后的 Lerner 公式：一边的有效边际成本是实际成本减去另一边的收费（交易费）或网络效应价值（会员费）。
垄断定价存在四类扭曲：市场力量扭曲、Spence 扭曲、位移扭曲、规模扭曲。它们的方向可能相反，导致平台在某一边定价过高、另一边定价过低。
价格透明有利于平台：当用户看不到另一边价格时，平台会设定对自己都过高的费用。主动披露价格信息符合平台利益。
序贯参与的最优策略：无法承诺未来价格的平台，应该先邀请网络效应强但净收益低的群体，用他们作为诱饵吸引高价值群体。

思考题

概念理解：为什么说「补贴一边用户」在双边市场中可能是利润最大化的策略？请用本章的数值例子说明。
模型应用：假设某平台面临两类用户，买家的需求弹性为 0.5，卖家的需求弹性为 1.5。如果平台只能收取交易费，最优的费用比例 $a_s/a_b$ 应该是多少？这个结果与你的直觉一致吗？
案例分析：美团外卖的「三边市场」结构（消费者、商家、骑手）如何影响其定价策略？如果政府规定外卖平台佣金不得超过 10%，可能产生什么后果？
政策评价：有人认为应该禁止网约车动态定价以保护消费者利益。请从本章的理论视角评价这一主张，分析禁止动态定价可能带来的效率损失和分配效应。
开放讨论：Freemium 模式下，选择免费版的用户可能看到比纯广告模式更多的广告（参见 5.3.3 节 Freemium 模式的经济学）。这是否意味着 Freemium 模式损害了消费者福利？平台应该如何平衡盈利与用户体验？

延伸阅读

Rochet, J.-C., & Tirole, J. (2003). Platform Competition in Two-Sided Markets. Journal of the European Economic Association, 1(4), 990-1029.
Rochet, J.-C., & Tirole, J. (2006). Two-Sided Markets: A Progress Report. RAND Journal of Economics, 37(3), 645-667.
Armstrong, M. (2006). Competition in Two-Sided Markets. RAND Journal of Economics, 37(3), 668-691.
Weyl, E. G. (2010). A Price Theory of Multi-Sided Platforms. American Economic Review, 100(4), 1642-1672.
Tan, G., & Wright, J. (2018). A Price Theory of Multi-Sided Platforms: Comment. American Economic Review, 108(9), 2758-2760.

--- title: "第 5 章平台定价" --- ::: {.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-5/podcast.mp3"></audio> ::: 平台如何收费？这看似简单的问题背后隐藏着深刻的经济学洞见。传统企业遵循的定价法则在平台经济中往往不再适用：一边收费太高会吓跑用户，另一边就失去了交易对手；一边定价太低虽能吸引人群，却可能无法覆盖成本。更反直觉的是，利润最大化的平台有时会主动补贴某一边用户——这种看似亏本的策略，恰恰是双边市场定价的精髓所在。本章将系统阐述平台定价的核心理论。我们从 Rochet 和 Tirole 的经典框架出发，探讨会员费与交易费的选择、价格结构的非中性原理，以及平台定价与社会最优之间的偏离。通过淘宝、美团、滴滴等中国平台的真实案例，我们将看到理论如何指导实践，实践又如何丰富理论。 ::: {.callout-important} ## 学习目标 1. **理解** 会员费与交易费的不同功能及其适用场景 2. **掌握** 双边平台最优定价的 Lerner 指数公式及其经济含义 3. **分析** 平台定价偏离社会最优的四种扭曲机制 4. **运用** 定价理论解释淘宝免费策略、美团佣金争议、滴滴动态定价等现实案例 5. **评价** 价格透明度、预期形成对平台定价效果的影响 ::: ![第5章思维导图](images/img_00_chapter5_mindmap.png) ## 5.1 平台定价基础平台定价的复杂性源于三个特征：第一，平台服务多个用户群体，可以对不同群体设定不同价格；第二，用户决策相互依赖，网络效应使得一边的价格会影响另一边的参与；第三，平台可以同时调节用户的准入和交易强度。理解这些特征，是掌握平台定价逻辑的前提。 ### 5.1.1 价格类型 ![会员费与交易费对比](images/img_01_fee_types.png) 双边平台可以收取两类费用，它们在调节平台运营中发挥着不同作用。 **会员费**（Membership Fee），也称订阅费，是用户一次性支付或定期续费的固定费用。它调节的是平台的准入——谁能进入平台、平台上有多少用户。健身房的月卡、视频网站的年费会员、购物中心向商户收取的租金，都属于会员费的范畴。 **交易费**（Transaction Fee），也称使用费，是按实际交易收取的可变费用。它可以是固定金额（如每笔交易收 1 元），也可以是交易额的一定比例（即佣金）。交易费调节的是平台上的活动强度——用户进行多少交易、交易规模多大。外卖平台向商家收取的抽成、信用卡网络向商户收取的手续费、电商平台的成交服务费，都是交易费的典型形式。一个追求利润最大化的平台，理想状态下会同时运用这两类费用。例如，平台可以降低交易费来刺激交易量，提高用户对平台的估值，再通过提高会员费来捕获这部分增值。然而，实际中两类费用的可行性受到环境约束。会员费的难点在于启动阶段的鸡生蛋蛋生鸡问题。如果用户不确定能否找到交易对手，他们就不愿意预付入场费——万一进去后没人可交易，钱就白花了。相比之下，交易费只在实际成交时才收取，规避了这种风险。这解释了为什么许多新兴平台在启动期选择免会员费、只收交易费的模式。交易费的难点则在于监控和防绕道。平台必须能够观测到交易的发生，否则无从收费。更麻烦的是平台泄漏（Platform Leakage）问题：用户在平台上找到交易对手后，可能绕开平台在线下完成交易以规避费用。这在房产中介、家政服务等领域尤为常见。为应对泄漏，平台往往采取非价格手段：Airbnb 隐藏房东的具体地址直到订单确认；淘宝在早期曾严格禁止买卖双方交换站外联系方式；部分平台甚至对站外成交的交易收取介绍费。数字技术的发展显著改善了交易费的收取条件。在线支付使交易可追溯，区块链技术提供了不可篡改的交易记录，平台深度嵌入交易流程降低了绕道成本。这解释了为什么佣金模式在数字平台中如此普遍：Uber 向司机收取约 20% 的佣金，Amazon 和 eBay 向卖家收取约 10% 的费用，Airbnb 则向房东和房客双边收费。 ::: {.callout-note} ## 信用卡网络的费用结构信用卡网络是研究交易费的经典案例。Visa、Mastercard 等卡组织向商户收取的费用包括三部分：发卡行收入（约 1.5%~2%）、收单行收入（约 0.2%~0.5%）和品牌费（约 0.1%）。而持卡人不仅不用付费，还能获得积分、返现等补贴——这正是交易费非对称分配的典型体现。Rochet 和 Tirole（2003）正是通过分析信用卡市场，奠定了双边市场定价理论的基础。 ::: ### 5.1.2 数值例子分析为了建立直觉，我们用一个数值例子来说明平台定价的核心逻辑。 **模型设定** 考虑一个连接买家和卖家的交易平台。市场上各有 6 个潜在买家和 6 个潜在卖家。平台对每笔交易向买家收取费用 $a_b$，向卖家收取费用 $a_s$。每个买家最多从每个卖家处购买一单位商品。假设买家同质：每个买家从与每个卖家的交易中获得毛剩余 6。卖家异质：卖家 $i$（$i = 1, 2, \ldots, 6$）从每个买家的交易中获得毛剩余 $i - 3$： | 卖家编号 | 毛剩余 $\beta_s$ | 参与意愿 | |:-------:|:---------------:|---------| | 卖家 1 | $-2$ | 即使免费也不愿加入 | | 卖家 2 | $-1$ | 即使免费也不愿加入 | | 卖家 3 | $0$ | 刚好持平（边际） | | 卖家 4 | $1$ | 愿意在合理收费下加入 | | 卖家 5 | $2$ | 愿意在合理收费下加入 | | 卖家 6 | $3$ | 愿意在合理收费下加入 | 假设卖家无法将平台费用转嫁给买家（即零传导），且买卖双方的毛剩余独立于平台收费。 **短视定价 vs 最优定价** 平台的利润为 $\Pi = (a_b + a_s) \times n_b \times n_s$，其中 $n_b$ 和 $n_s$ 分别是加入平台的买家和卖家数量。由于买家同质，最优的买家费用是 $a_b = 6$——恰好使所有买家刚好愿意参与。卖家费用的设定则更微妙。如果平台只关注卖家侧的利润，会计算如下： | 卖家费用 $a_s$ | 卖家数量 $n_s$ | 买家数量 $n_b$ | 卖家侧利润 $\pi_s$ | |:---:|:---:|:---:|:---:| | 3 | 1 | 6 | 18 | | 2 | 2 | 6 | 24 | | 1 | 3 | 6 | 18 | | 0 | 4 | 6 | 0 | 短视策略会选择 $a_s = 2$，吸引 2 个卖家，获得卖家侧利润 24，加上买家侧利润 $6 \times 6 \times 2 = 72$，总利润 96。但这种策略忽视了关键一点：每增加一个卖家，平台可以从买家侧额外获得 $6 \times 6 = 36$ 的收入！考虑到跨边网络效应，我们重新计算： | $a_s$ | $n_s$ | $\pi_s$ | $\pi_b$ | 总利润 $\Pi$ | |:---:|:---:|:---:|:---:|:---:| | 2 | 2 | 24 | 72 | 96 | | 1 | 3 | 18 | 108 | 126 | | 0 | 4 | 0 | 144 | 144 | | -1 | 5 | -30 | 180 | **150** | | -2 | 6 | -72 | 216 | 144 | 最优策略是 $a_s = -1$，即补贴卖家！虽然卖家侧亏损 30，但买家侧赚取 180，总利润 150，远超短视策略的 96。 **核心洞见** ![补贴侧选择逻辑](images/img_02_subsidy_side.png) 这个例子揭示了平台定价的三个核心原理：第一，**补贴可能是最优的**。在没有网络效应的市场中，企业不会花钱请顾客来；但在双边市场中，补贴一边用户能带来另一边的收益，只要后者足以弥补前者，补贴就是有利可图的。第二，**价格结构非中性**。市场结果不仅取决于总费用 $a_b + a_s$，还取决于费用在两边的分配。同样是总费用 5 元，$(a_b, a_s) = (6, -1)$ 和 $(a_b, a_s) = (3, 2)$ 导致完全不同的参与率和利润。第三，**定价取决于弹性和网络效应**。平台倾向于对价格敏感度高的一边收取较低费用，对施加较强网络效应的一边给予较大补贴。 ::: {.callout-tip} ## 分而治之策略上述定价原则与我们在第 4 章学习的分而治之策略（Divide-and-Conquer）一脉相承：先用低价甚至负价吸引一边用户，再从另一边收费。淘宝对买家免费、向卖家收费的模式，正是这一策略的经典应用。 ::: ### 5.1.3 垄断平台的定价扭曲 ![四种定价扭曲机制](images/img_03_four_distortions.png) 私人最优的价格结构通常偏离社会最优。在双边市场中，这种偏离源于四类扭曲。 **市场力量扭曲**（Market-Power Distortion）这是任何垄断市场都存在的标准扭曲：垄断者通过限制产出来抬高价格，导致价格高于边际成本。在平台情境下，表现为两边的价格都可能高于社会有效水平。 **Spence 扭曲** 这类扭曲源于 Spence（1975）关于垄断者质量选择的经典分析。垄断者关心的是边际消费者对质量的评价，而社会计划者关心的是平均消费者的评价。在双边平台中，一边用户眼中的质量就是另一边的参与率。平台只考虑边际用户从网络效应中获得的收益，而忽略了已有用户的收益。如果边际卖家对买家参与的估值低于平均卖家，平台就会设定过高的买家价格，导致买家参与不足。回到我们的数值例子：私人最优是补贴 1 元吸引 5 个卖家，总利润 150；但社会最优是补贴 2 元吸引全部 6 个卖家，总福利 234。差距在于，平台没有完全内部化第 6 个卖家对买家的价值——这个价值是 36，但平台只能捕获其中的 6。 **位移扭曲**（Displacement Distortion） Tan 和 Wright（2018a）在评论 Weyl（2010）的多边平台价格理论时识别出这类扭曲，它是对 Weyl 框架的扩展和精细化。平台调整一边价格时会考虑另一边边际用户的估值，但这个估值在垄断均衡和社会最优下是不同的。如果垄断者对买家收费过高，那么边际买家对卖家的估值就会高于社会最优情形下的估值，导致平台对卖家收费过低——形成负向的位移扭曲。 **规模扭曲**（Scale Distortion） Tan 和 Wright（2018b）识别出第四类扭曲。平台从卖家处提取的利润取决于买家的参与率，而这个参与率在垄断和社会最优下不同。由于参与规模的差异，平台提高买家价格的激励也与社会计划者不同。 ::: {.callout-warning} ## 扭曲方向可能相反四种扭曲的方向可能互相抵消。市场力量扭曲倾向于推高价格，但 Spence 扭曲、位移扭曲和规模扭曲的方向取决于具体参数。因此，垄断平台在某一边的价格可能高于有效水平，在另一边可能低于有效水平。简单的「低价=好」的直觉在双边市场中并不成立。 ::: ## 5.2 垄断平台定价我们现在用更一般的框架来分析平台定价问题。考虑一个连接买家和卖家的市场平台，每个买家对每个卖家有一单位的需求，交易的收益对买家是 $\beta_b$，对卖家是 $\beta_s$。用户还享有独立于交易的固定收益 $r_b$ 和 $r_s$。平台在每边同时设定会员费 $A_k$ 和交易费 $a_k$（$k \in \{b, s\}$）。当 $n_b$ 个买家和 $n_s$ 个卖家加入平台时，买家的净效用为： $$ \nu_b = r_b + (\beta_b - a_b)n_s - A_b $$ 卖家的净效用为： $$ \nu_s = r_s + (\beta_s - a_s)n_b - A_s $$ 用户的外部选择（机会成本）存在异质性。效用超过机会成本的用户会选择加入。平台服务每个用户的边际成本为 $f_k$，每笔交易的边际成本为 $c$。 ### 5.2.1 一般性分析框架平台的利润可以写成： $$ \Pi = (A_b - f_b)n_b + (A_s - f_s)n_s + (a_b + a_s - c)n_bn_s $$ 这个表达式可以重写为： $$ \Pi = \left[\left(\frac{A_b}{n_s} + a_b\right) + \left(\frac{A_s}{n_b} + a_s\right) - \frac{f_b}{n_s} - \frac{f_s}{n_b} - c\right]n_bn_s $$ 其中，$\frac{A_b}{n_s} + a_b$ 是买家每笔交易的平均费用，$P \equiv \frac{A_b}{n_s} + a_b + \frac{A_s}{n_b} + a_s$ 可以视为每笔交易的虚拟价格。如果 $f_b = f_s = 0$，平台的决策可以分两步理解：首先选择虚拟价格 $P$，然后选择价格结构使交易量 $n_bn_s$ 最大化。虚拟价格由标准的 Lerner 公式决定： $$ \frac{P - c}{P} = \frac{1}{\eta} $$ 其中 $\eta$ 是交易服务派生需求的价格弹性。 ### 5.2.2 价格结构与网络效应我们分别考察只收交易费和只收会员费两种情形。 **交易费定价** 假设用户的固定收益和平台的固定成本都为零（$r_k = f_k = 0$）。买家在 $\beta_b \geq a_b$ 时参与，卖家在 $\beta_s \geq a_s$ 时参与。令 $N_b(a_b) = \Pr(\beta_b \geq a_b)$ 和 $N_s(a_s) = \Pr(\beta_s \geq a_s)$ 分别为参与函数。平台利润为 $(a_b + a_s - c)N_b(a_b)N_s(a_s)$。对利润取对数并求一阶条件： $$ \frac{1}{a_b + a_s - c} = -\frac{N'_b}{N_b} = -\frac{N'_s}{N_s} $$ 定义需求弹性 $\eta_b = -\frac{N'_b}{N_b}a_b$ 和 $\eta_s = -\frac{N'_s}{N_s}a_s$，可以将一阶条件改写为 Lerner 形式： $$ \frac{a_b - (c - a_s)}{a_b} = \frac{1}{\eta_b} \quad \text{和} \quad \frac{a_s - (c - a_b)}{a_s} = \frac{1}{\eta_s} $$ 这就是调整后的双边市场垄断定价公式。与标准垄断定价的关键区别在于：一边的有效边际成本是 $c$ 减去另一边的收费。通过向一边收费，平台降低了服务另一边的机会成本。整理两个方程，我们得到： $$ \frac{a_s}{a_b} = \frac{\eta_s}{\eta_b} $$ ::: {.callout-important} ## 核心定价原则 **交易费比例等于弹性比例**：如果买家对价格不敏感（弹性低），他们反而面临较低的交易费。这与分离市场的定价逻辑相反——在标准垄断中，弹性低的市场应收高价。差异的根源在于，双边市场追求的是总交易量 $n_b \times n_s$ 的最大化，而非单边需求。 ::: **会员费定价** 现在假设平台只收会员费，用户对交易收益的估值同质（均为 $\beta_b$ 和 $\beta_s$），但外部选择异质。买家的净效用为 $\nu_b = \beta_bn_s - A_b$，卖家的净效用为 $\nu_s = \beta_sn_b - A_s$。参与人数由自由进入条件决定：$n_b = N_b(\nu_b)$ 和 $n_s = N_s(\nu_s)$。平台利润为： $$ \Pi = (A_s - f_s)n_s + (A_b - f_b)n_b $$ 通过变量替换和求解一阶条件，利润最大化的会员费满足： $$ A_s = f_s - \beta_b n_b + \frac{N_s(\nu_s)}{N'_s(\nu_s)} $$ $$ A_b = f_b - \beta_s n_s + \frac{N_b(\nu_b)}{N'_b(\nu_b)} $$ 这可以改写为 Lerner 形式： $$ \frac{A_s - (f_s - \beta_b n_b)}{A_s} = \frac{1}{\eta_s(A_s|n_b)} $$ $$ \frac{A_b - (f_b - \beta_s n_s)}{A_b} = \frac{1}{\eta_b(A_b|n_s)} $$ 这个公式揭示了会员费定价的核心逻辑：会员费 = 边际成本 - 网络效应价值 + 市场势力加成。有效边际成本被网络效应向下调整了。如果卖家给买家带来很大价值（$\beta_b$ 大），吸引卖家的有效成本就降低，可能变成负的。 ::: {.callout-note} ## 线性模型的显式解假设外部选择在 $[0, V]$ 上均匀分布（$V$ 足够大），则 $n_k = \nu_k$。令 $\mu_k = r_k - f_k$ 表示用户 $k$ 的净固定价值（即独立于网络效应的内在价值减去平台服务该用户的边际成本），最优会员费为： $$ A^*_s - f_s = \frac{1}{2}\mu_s + \frac{1}{2}\frac{\beta_s - \beta_b}{4 - (\beta_s + \beta_b)^2}(2\mu_b + (\beta_s + \beta_b)\mu_s) $$ 第一项 $\frac{1}{2}\mu_s$ 是标准的垄断加成（对卖家固定价值的提取），第二项是网络效应的调整项。当 $\beta_s > \beta_b$（卖家更看重买家）时，第二项为正，平台在卖家侧收取更高边际、在买家侧收取更低边际。平台用买家作为杠杆来吸引卖家，再从卖家处提取价值。 ::: ### 5.2.3 会员费与交易费的选择会员费和交易费各有优劣，平台的选择取决于具体环境。 **会员费的优势**： - 收入稳定，不受交易波动影响 - 无需监控具体交易 - 用户一旦付费，就有动力多使用平台 **交易费的优势**： - 与平台创造的价值直接挂钩 - 降低用户进入门槛，有利于解决鸡生蛋蛋生鸡问题 - 天然的风险分担机制（无交易则无费用） **交易费的挑战**： - 需要监控能力 - 面临平台泄漏风险 - 可能抑制交易量在实践中，许多平台采用混合模式。美团向商家收取年费（会员费性质）加上每单佣金（交易费性质）。视频平台向用户收取订阅费（会员费），向广告商按曝光或点击收费（交易费）。 ::: {.callout-note collapse="true"} ## 案例：交易费的分配——谁来支付？不同平台对交易费的分配策略差异显著。Uber 和 Lyft 向司机收取约 20% 的佣金，乘客不直接支付平台费用。Airbnb 则双边收费：房东支付 3%~5%，房客支付 6%~12%。信用卡网络主要向商户收费，持卡人反而获得返现补贴。这种差异背后的逻辑是什么？根据我们的理论，弹性低的一边应该承担更多费用。在网约车市场，乘客有多种出行选择（公交、地铁、出租车），需求弹性相对较高；而司机一旦投入车辆和时间，转换成本较高，弹性相对较低。因此，平台选择向司机收费而补贴乘客。 ::: ## 5.3 定价的高级议题 ### 5.3.1 单一费率约束有时平台被迫对两边收取相同费用。美国部分州禁止约会平台按性别差异定价；反歧视法规可能要求统一价格；技术限制也可能使差异化定价不可行。 **非歧视性定价的影响** 在我们的线性模型中，如果平台必须设定统一费用 $A$，最优选择恰好是两个无约束最优费用的平均： $$ \tilde{A} = \frac{1}{2}(A^*_s + A^*_b) $$ 假设 $\beta_s > \beta_b$（卖家更看重买家），则 $A^*_s > A^*_b$。统一定价后，卖家费用下降、买家费用上升。直觉上，卖家应该受益、买家应该受损。但网络效应使结果更复杂。买家费用上升导致买家参与减少；买家减少又降低了卖家的交易价值。即使卖家费用下降了，他们也可能因为找不到足够的买家而受损。数学分析表明：当网络效应足够强时，双方可能都变差。至少有一方必然受损（证明见 Belleflamme & Peitz, 2021, Lemma 5.2），但另一方是否受益取决于网络效应强度与费用变化的相对大小。 ::: {.callout-warning} ## 政策启示禁止价格歧视的监管政策可能产生意想不到的后果。如果约会平台被迫对男女收取相同费用，女性（通常支付较低费用）必然受损，男性也可能因为遇到更少女性而受损。监管者在制定政策时需要考虑双边市场的特殊性。 ::: ### 5.3.2 组内网络效应 ![组内网络效应对比](images/img_04_within_group_effects.png) 到目前为止，我们只考虑了跨组网络效应。但许多平台还存在组内网络效应（Within-Group Network Effects）——同一边用户之间的相互影响。将效用函数扩展为： $$ \nu_b = r_b + \beta_b n_s + \gamma_b n_b $$ $$ \nu_s = r_s + \beta_s n_b + \gamma_s n_s $$ 其中 $\gamma_k$ 衡量组内网络效应：$\gamma_k > 0$ 表示正向效应（同边用户越多越好），$\gamma_k < 0$ 表示负向效应（拥挤或竞争）。 **不同平台的组内效应模式**： | 平台类型 | 卖家/供给方 $\gamma_s$ | 买家/需求方 $\gamma_b$ | |---------|:---:|:---:| | 网约车（滴滴、Uber） | 负（司机竞争订单） | 负（乘客竞争车辆） | | 社交网络（微信、Facebook） | — | 正（用户越多越有趣） | | 游戏平台（PlayStation） | 负（开发商竞争玩家） | 正（多人游戏更好玩） | | 电商平台（淘宝、Amazon） | 负（商家竞争流量） | 弱正（评价更丰富、社区感） | 电商平台买家侧的组内效应较弱：更多评价提升信息质量是正向效应，但买家之间不直接互动，社交价值有限。相比之下，社交网络的组内效应显著更强。正向组内效应使平台能吸引更多用户，赚取更高利润。负向组内效应则有相反效果。当买家之间存在正向组内效应时，平台可以用买家作为更有效的杠杆来吸引卖家——因为买家自己会相互吸引。 ### 5.3.3 差异化定价即使所有用户都在同一边，他们对独立收益 $r$ 和网络收益 $\beta$ 的估值也可能不同。平台可以利用这种异质性进行价格歧视。 **按独立价值歧视** 假设用户分两个细分市场：高价值用户（$r_s$）和低价值用户（$r_b$），$r_s > r_b$，但两者对网络效应的估值相同。如果平台可以识别用户类型，最优定价为 $A^*_s = r_s/2$ 和 $A^*_b = r_b/2$。高价值用户支付更多，但总参与不变。 **按网络价值歧视** 假设用户对网络效应的估值不同：$\beta_s > \beta_b$。更看重网络效应的用户（可能是高频用户或专业用户）应该支付更高价格。有趣的是，这种歧视反而提高了总参与率。通过对高网络价值用户收取更高费用，平台可以用这些收入补贴低网络价值用户，扩大用户基础，进而提高所有用户的网络收益。 **版本化策略** 即使平台无法直接识别用户类型，也可以通过菜单设计诱导用户自我选择。提供高级版和基础版，让高价值用户自愿选择高价的高级版，低价值用户选择低价的基础版。在特定条件下，版本化策略可以达到与直接价格歧视相同的利润水平——平台无需承担信息获取成本，就能实现差异化定价的效果。 ![Freemium 模式对比](images/img_05_freemium_comparison.png) ::: {.callout-warning} ## Freemium 模式的经济学 Freemium（免费增值）是版本化策略的典型应用：提供免费的基础版（带广告）和付费的高级版（无广告）。考虑如下模型：用户对服务的估值为 $r$，对广告的厌恶程度 $\beta$ 在 $[1, 2]$ 上均匀分布。平台可选择三种模式： 1. **订阅模式**：定价 $A = r$，利润 $\pi^{su} = r$ 2. **广告模式**：广告量 $n_s = r/2$，利润 $\pi^{ad} = ar/2$（$a$ 为广告价格） 3. **Freemium 模式**：菜单定价，利润 $\pi^f = r(\sqrt{a} - 1)^2 + r$ 当 $1 < a < 4$ 时，Freemium 模式占优。惊人的结论是：Freemium 模式下，免费版用户看到的广告比纯广告模式更多！因为平台知道最讨厌广告的用户会购买订阅，可以放心地在免费版中增加广告。这是一个没有用户变得更好的帕累托恶化！ ::: ## 5.4 预期形成与定价用户的参与决策取决于对另一边参与率的预期。这些预期如何形成，以及平台能否影响这些预期，对定价效果有重要影响。 ### 5.4.1 信息披露 **价格透明度的价值** 如果用户只能观察自己这边的价格，看不到另一边的价格，会发生什么？平台面临一个机会主义问题：提高另一边价格会降低另一边参与，但本边用户看不到这种负面效应。平台因此有动机过度提价。这种情形类似于 Hart 和 Tirole（1990）分析的经典机会主义问题。数学分析表明，当价格不透明时，平台设定的费用对自己都过高——它会因为信息不对称而做出伤害自己利润的定价决策。因此，垄断平台实际上有动机主动披露两边的价格信息。 ::: {.callout-note} ## 案例：索尼公开 PS3 开发套件降价 2009 年，索尼宣布将 PS3 开发套件的价格从 10,000 美元降至 2,000 美元。这个消息不仅通知了开发者群体，还广泛传播给了玩家。为什么索尼要让玩家知道开发成本下降了？根据我们的理论，这是一种预期管理策略。当玩家知道开发成本降低时，他们会预期更多游戏将登陆 PS3 平台，从而提高购买 PS3 的意愿。索尼通过信息披露，增强了玩家对平台未来的信心。 ::: ### 5.4.2 承诺与预期管理 **数量承诺的等价性** 平台是否可以通过直接选择参与数量（而非价格）来规避协调问题？例如，通过拍卖固定数量的席位来确保参与率。在我们的模型中，一个重要的等价性结果成立：垄断平台选择会员费和选择参与数量，会达到完全相同的均衡结果。这是双边市场版本的「价格-数量等价性」——只要用户能解决协调问题，两种方式在结果上没有差异。 **序贯参与** 现实中，用户往往是先后加入平台，而非同时决策。如果卖家先加入、买家后加入，而平台无法提前承诺买家价格，结果会如何？分析表明： 1. 两边参与都低于能承诺时的情况 2. 但平台利润可能更高（除非网络效应非常强） 3. 平台偏好让「吸引力更强」的一边先加入直觉是：平台用先加入的一边作为诱饵，从后加入的一边提取价值。最优策略是让吸引力强但自身价值低的一边先来，让吸引力弱但价值高的一边后来。 ::: {.callout-important} ## 序贯参与的最优顺序考虑一个无法承诺未来价格的平台，需要决定让哪一边用户先加入。最优策略是：**先邀请施加较强网络效应、从交易中获得较低净收益的群体**。这个群体是最好的「诱饵」——他们的存在对另一边有强大吸引力，但自身从平台获取的价值有限，可以用较低成本吸引。第二个群体则是平台的「金矿」——虽然对第一群体的吸引力较弱，但能为平台创造较大价值。 ::: ## 5.5 案例分析 ### 案例 1：淘宝免费策略——分而治之的教科书 2003 年淘宝网成立时，面对的是占据中国 C2C 市场 95% 份额的易趣 eBay。eBay 采用经典的双边收费模式：向卖家收取商品登录费和成交服务费，同时禁止买卖双方站外联系。马云的颠覆性策略是：宣布对买卖双方三年内完全免费。这看似放弃收入，实则是对双边市场定价理论的精准应用。 **理论分析** 淘宝将买家定位为补贴侧、卖家定位为收费侧，基于以下经济学逻辑： 1. **需求弹性差异**：消费者对价格更敏感，收费会显著抑制需求；卖家为获取流量愿意支付更高费用 2. **跨组网络效应不对称**：卖家对买家数量的估值远高于买家对卖家数量的估值——一个拥有 1000 万买家的平台对卖家极具吸引力 3. **单栖与多栖**：买家倾向多栖（同时使用多平台比价），卖家更可能单栖（运营多店成本高），对单栖侧收费更有效淘宝的定价演进呈现清晰的三阶段结构： | 阶段 | 时间 | 买家价格 | 卖家价格 | 变现方式 | |------|------|:---:|---------|----------| | 启动期 | 2003-2006 | 免费 | 免费 | 无直接收入 | | 成长期 | 2006-2010 | 免费 | 基础免费+增值收费 | 直通车、消保认证 | | 成熟期 | 2010 至今 | 免费 | 佣金+广告+增值 | 多元化变现 | 核心收费产品「直通车」采用 CPC（按点击付费）模式。当平台聚集了数百万卖家后，搜索「卫生纸」可能出现成千上万个商家，谁想排在前面就要付费——这正是网络效应变现的经典路径。 **为什么 eBay 无法跟进？** 这是一个经典的战略承诺问题。eBay 作为上市公司，面临资本市场对短期利润的预期压力，难以承受长期亏损换取市场份额的策略。淘宝作为阿里巴巴的战略投资，有充裕的资金支持和长期视野。此外，eBay 已经形成了围绕收费模式的组织惯性，包括销售团队、财务体系、股东预期等，转型成本极高。这个案例印证了我们的理论：免费或补贴策略的可行性，不仅取决于经济逻辑，还取决于企业的战略禀赋和竞争环境。 ### 案例 2：美团外卖佣金争议——三边市场的定价难题美团外卖占据中国外卖市场约 70% 的份额（2024 年）。其定价模式在 2021 年经历了从「综合费率」到「费率透明化」的重大改革。 **费用结构分解** 美团将收费拆分为两部分： 1. **技术服务费**：6%~8%，用于信息展示、流量支持、运营保障 2. **配送服务费**：根据距离、时段、客单价浮动，约 10%~20% 然而，商家反馈的「综合费率」常达 20%~40%。争议的核心在于：配送服务费应该被视为佣金的一部分，还是独立的履约服务？以一单外卖为例：用户支付 46.9 元，扣除优惠后商家收到 35.35 元，技术服务费 2.55 元（7.2%），配送费 4.97 元，商家最终到手 27.83 元（约为原价的 59%）。 **经济学解释** 美团外卖是典型的三边市场——消费者、商家、骑手。平台需要同时平衡三方利益： - 对消费者：通过补贴和优惠券吸引订单 - 对商家：通过佣金和配送费变现流量价值 - 对骑手：通过配送费激励即时响应高佣金模式成立的前提是强大的网络效应。美团 70% 的市场份额意味着商家「不得不上」。这符合 Armstrong（2006）的竞争瓶颈（Competitive Bottleneck）模型：当消费者单栖（主要使用美团），商家就必须接受平台的定价条款。 2025 年京东宣布外卖业务仅收取 5% 佣金，直接挑战美团的定价权。这印证了平台经济学的核心观点：**可竞争性是遏制平台定价权力的关键**。 ### 案例 3：滴滴动态定价——算法驱动的供需匹配滴滴出行最具争议的定价机制是动态调价（Surge Pricing）：在供需失衡时通过价格杠杆调节运力。 **定价机制** 动态定价的核心算法考虑： - 供需比例：某区域内司机数量与订单数量的比值 - 实时路况：拥堵程度影响司机接单意愿 - 时段因素：早晚高峰、雨雪天气、节假日 - 距离因素：长途订单的溢价系数价格由三部分构成： - 基础费用：起步价 + 里程费 + 时长费 - 动态溢价：1.2x ~ 3.0x - 特殊附加费：夜间费、远途费 **经济学原理** 动态定价是供需定律的数字化应用。当某区域需求激增（如演唱会散场）： 1. **抑制需求**：价格敏感用户转向公共交通 2. **增加供给**：周边空闲司机被高价吸引 3. **市场出清**：愿意支付高价的用户能打到车这是一种时间维度的价格歧视——对急需用车的用户收取更高价格。从社会福利角度，这可能是有效率的：高峰期加价使真正急需的人（如赶飞机）能打到车；如果实行统一低价，所有人都打不到车。与传统出租车对比：出租车实行政府定价，高峰期拒载严重。网约车动态定价虽然「贵」，但至少能匹配到车辆——这是价格机制优于排队机制的典型案例。 **争议与边界** 动态定价面临三重批评： 1. **大数据杀熟质疑**：同一时间、同一路线，不同用户看到不同价格 2. **算法不透明**：用户无法理解为何某次加价 2 倍、某次 1.5 倍 3. **价格上限缺失**：极端情况下加价可能失控滴滴在中国逐步弱化动态加价，更多采用「向下折扣」方式——在供过于求时发优惠券，而非在供不应求时强制加价。这反映了中国消费者对「价格应公平透明」的心理预期更强——受传统「明码标价」观念影响，动态加价易被视为「趁火打劫」。这种文化差异也体现在网约车监管政策上：中国多地规定网约车价格不得明显高于出租车。平台在效率与公平之间的妥协，本质上是在经济逻辑与社会认同之间寻找平衡。 ::: {.callout-warning} ## 动态定价 vs 大数据杀熟两者有本质区别： - **动态定价**：同一时刻所有用户面对相同价格，价格随供需变化而非随用户特征变化 - **大数据杀熟**：同一时刻不同用户面对不同价格，基于用户历史行为和支付能力的个性化定价动态定价是合法的市场机制，大数据杀熟涉及消费者权益和算法歧视问题。监管应区分对待。 ::: ### 案例 4：长视频平台会员——Freemium 模式的中国实践中国长视频平台（爱奇艺、腾讯视频、B 站）普遍采用 Freemium 模式，但定价策略存在显著差异。 | 平台 | 连续包月 | 连续包年 | 会员规模 | 核心权益 | |------|:---:|:---:|:---:|----------| | 爱奇艺 | 30 元 | 258 元 | 1.03 亿 | 去广告、独家内容 | | 腾讯视频 | 20 元 | 218 元 | 1.25 亿 | 去广告、独家内容 | | B 站 | 25 元 | 148 元 | 2270 万 | 画质、番剧提前看 | **爱奇艺的涨价逻辑** 爱奇艺 2020-2022 年三次提价，月会员费从 19.8 元涨至 30 元（涨幅 51.5%）。CEO 龚宇多次表示中国视频会员价格偏低——仅为美国 Netflix 的 1/4~1/3。涨价的依据是： - 内容成本持续上涨（顶级剧集单集成本超千万元） - 广告收入增长乏力 - 需要提高会员 ARPU **B 站的定价困境** B 站大会员渗透率仅 6.6%，远低于爱奇艺、腾讯视频。原因在于： - B 站核心资产是 UGC（用户生成内容），而非版权内容 - 大会员权益与非会员差距不大（主要是画质） - 社区文化对收费有抵触情绪 **超前点播的启示** 2019 年《庆余年》首创超前点播——会员额外付费 50 元可提前解锁全集。这被人民日报批评为「涸泽而渔」，2021 年被取消。超前点播失败揭示了平台定价的社会契约边界：用户购买会员时形成了「支付会员费即可享受所有内容」的心理预期，超前点播打破了这一隐性契约。Freemium 模式下，免费版和付费版的权益边界必须清晰稳定，否则会引发用户反弹。 ## 本章小结 1. **两类费用各有职能**：会员费调节平台准入，交易费调节交易强度。数字技术提升了交易可监控性，使交易费日益普遍。 2. **价格结构非中性**：市场结果不仅取决于总费用，还取决于费用在两边的分配。平台倾向于低价（甚至补贴）吸引价格敏感度高或网络效应强的一边。 3. **最优定价遵循调整后的 Lerner 公式**：一边的有效边际成本是实际成本减去另一边的收费（交易费）或网络效应价值（会员费）。 4. **垄断定价存在四类扭曲**：市场力量扭曲、Spence 扭曲、位移扭曲、规模扭曲。它们的方向可能相反，导致平台在某一边定价过高、另一边定价过低。 5. **价格透明有利于平台**：当用户看不到另一边价格时，平台会设定对自己都过高的费用。主动披露价格信息符合平台利益。 6. **序贯参与的最优策略**：无法承诺未来价格的平台，应该先邀请网络效应强但净收益低的群体，用他们作为诱饵吸引高价值群体。 ## 思考题 1. **概念理解**：为什么说「补贴一边用户」在双边市场中可能是利润最大化的策略？请用本章的数值例子说明。 2. **模型应用**：假设某平台面临两类用户，买家的需求弹性为 0.5，卖家的需求弹性为 1.5。如果平台只能收取交易费，最优的费用比例 $a_s/a_b$ 应该是多少？这个结果与你的直觉一致吗？ 3. **案例分析**：美团外卖的「三边市场」结构（消费者、商家、骑手）如何影响其定价策略？如果政府规定外卖平台佣金不得超过 10%，可能产生什么后果？ 4. **政策评价**：有人认为应该禁止网约车动态定价以保护消费者利益。请从本章的理论视角评价这一主张，分析禁止动态定价可能带来的效率损失和分配效应。 5. **开放讨论**：Freemium 模式下，选择免费版的用户可能看到比纯广告模式更多的广告（参见 5.3.3 节 Freemium 模式的经济学）。这是否意味着 Freemium 模式损害了消费者福利？平台应该如何平衡盈利与用户体验？ ## 延伸阅读 - Rochet, J.-C., & Tirole, J. (2003). Platform Competition in Two-Sided Markets. *Journal of the European Economic Association*, 1(4), 990-1029. - Rochet, J.-C., & Tirole, J. (2006). Two-Sided Markets: A Progress Report. *RAND Journal of Economics*, 37(3), 645-667. - Armstrong, M. (2006). Competition in Two-Sided Markets. *RAND Journal of Economics*, 37(3), 668-691. - Weyl, E. G. (2010). A Price Theory of Multi-Sided Platforms. *American Economic Review*, 100(4), 1642-1672. - Tan, G., & Wright, J. (2018). A Price Theory of Multi-Sided Platforms: Comment. *American Economic Review*, 108(9), 2758-2760.

卖家费用 \(a_s\)	卖家数量 \(n_s\)	买家数量 \(n_b\)	卖家侧利润 \(\pi_s\)
3	1	6	18
2	2	6	24
1	3	6	18
0	4	6	0