网络效应：不仅仅是“越多人用，就会变得越好”
让我们从更多角度审视
网络效应成为了在现代商业世界必不可少的一种思维方式，尤其在软件领域。
什么是网络效应
网络效应的一个简单定义是：一项产品或服务如果有更多的人使用，对于用户就更有价值。另一个经常被同时提起的词是梅特卡夫定律，让我们回顾一下方便理解。下面的三种图分别显示了随着网络中节点的增加，网络的价值（图中被抽象成了边的条数）将相应以线性、平方关系以及指数级速度进行增长。大多数情况下所说的网络效应指第二张图（梅特卡夫定律）。
社交网络是网络效应的经典案例，以全球最知名的两家社交网络应用微信和Facebook为例，它们的月活用户数量和应用软件收入之间的关系很好地表现了梅特卡夫定律，如下图所示1。不过，我认为实际不一定严格满足数学上的规律，网络效应或者梅特卡夫定律只是大概描述一种增长速度。
从一个比较粗糙的分类来看，社交网络属于同构网络（即网络中的节点都是相同，或者可以理解为单边），只是只是众多网络中的一种。类似地，还有双边网络以及多边网络，一个网络中有多种参与方，但一般来说，比较常见的模式包括以下三种：
网络（Network）：具有同构特征，网络中的节点扮演相同的角色，具体的例子包括微信，Facebook，Skype。
交易市场（Marketplace）：具有异构特征，一般主要包括两个参与方，具体的例子包括Tinder、Glassdoor、Amazon。
平台（Platform）：具有异构特征，网络中有多个参与方，具体的例子如操作系统（Windows和macOS，安卓和iOS），网络中除了平台自身和用户之外，还包括在上面构建各类软件的第三方开发者。
对于一个网络的增长而言，最难的部分是冷启动（Cold Start Problem/ Bootstrapping），也就是在网络刚刚建立初期吸引用户进入网络，也被成为“鸡生蛋/蛋生鸡”问题。在网络初期价值很低的时候，用户为什么要加入这个初期荒凉的网络呢？此时启动往往需要网络本身提供良好的使用价值（come for tool, stay for network），以及好的市场营销，或者由补贴来吸引用户直到到达一定规模或者越过临界点开始自然增长。
冷启动不是本文讨论的重点，我想更多讨论一个网络度过初期阶段之后，如何衡量网络效应，以及一些可能的演化方向。对于一个已有的网络，强化或者削弱一个网络的因素非常多，更多观察网络效应的视角，将帮助我们建立对于一个网络的立体认知。
观察评估网络网络效应强度的关键维度
用户侧（各类网络参与者）
1.天然用户和付费用户占比如何？付费用户的获客效率如何？
微信，Facebook，抖音，Instagram具有相当规模后主要依靠口碑传播（Word of month）
网约车业务在激烈竞争时用户大量付费用户，获客成本也比较高（大量补贴）
2.新用户的留存比例和老用户的流失比例如何？使用深度/频率如何？
用户在Opentable上行动路径由“发现一家餐厅—>想去—>访问餐厅网站—>使用Opentable组件订餐”变为了“在Opentable发现一家餐厅—>想去—>在Openable上订餐”
Instagram最初的主要功能精美的滤镜，但是后来转向社交，用户在Instagram上的行动路径由“修图需求—>在Instagram上修图—>发布到其他平台”变为了“想在Instagram上发布—>在Instagram上发布”
Medium在刚刚开始主打简介优雅的在线文本编辑工具，后来变成了一个内容平台。
这些例子都体现了“come for tool, stay for network”的发展路径，如果一个网络中大部分的用户都仅仅是come for tool，可能说明网络效应没有那么强。
3.用户使用其他竞争网络的占比有多高？使用的频率和深度如何？
招聘软件，电商平台，dating App可能用户的重复率非常高，尤其招聘软件，供需双方没有理由不在其他平台发布同样的需求。过高的用户重复率代表较弱的网络效应，不够exclusive，核心原因是用户的需求很难又快又好地被满足，所以需要广撒网。
4.用户切换网络的成本有多高？或者直接同时使用多个网络的成本有多高？
需求侧：最好的例子就是微信，在“主要社交软件”这个点上，切换成本几乎是无穷大:)，关于同时使用多个网络的成本，可能要具体分析。例如，多用一个小时的Youtube，可能意味着少用一个小时的Tiktok。
供给侧：Uber做Uber eats的 Switching cost并不高，某种意义上高德地图/美团做打车的进入成本也不高，因为可复用的要素比较多（例如移动端的用户和类似的应用场景），从一个网络切换到另一个网络相对容易。
5.新加入的用户对网络的贡献度如何？
正面用户：Youtube上优质内容创作者，操作系统平台上优秀的第三方开发者。
中性用户：普通的网络参与者。
负面用户：电商平台上假冒伪劣的用户，年轻人的社交网络上你的post下评论的长辈，招聘平台上从事不良业务的皮包公司。
业务侧
1.网络中对各方需求匹配的成功率有多高？
招聘软件上的所有员工和公司，找到心仪雇主或者雇员的占比是多少？Dating App上的男男女女们实际上有多少人成功匹配了？
2.网络中对各方需求匹配的速度有多快？
招聘软件和Dating App上的用户要花多久才能满足自己的需求？网约车软件的司机工作时间内的空车时长占比是多久？
3.网络中“流动性深度”如何？如果突然出现大量需求能否被及时满足？
在某个时空切片，突然有1000个用户开始叫车Uber和滴滴打车能否满足？Airbnb能否承接短期大量涌入的客户？
一般来说，“流动性深度”好说明供需充足，但是另一个角度来看是否意味着供需双方资源利用效率不高？（不过这可能与产品/服务的类型有关）
4.网络中的各方构成是集中还是分散？
如果Uber上50%的网约车由某一家公司控制将会如何，如果某个电商平台上大多数的销售额由少量超级买家/卖家构成将会如何？显然网络将面对更多风险。
5.网络中需求的供给双方是否足够多元化？
Airbnb的房型供需是否能满足各类用户的需求？Uber和滴滴打车的车型是否足够多元？
6.这是一个类似B端的网络还是类似C端的网络？单次服务或者完成一次交易的周转速度如何？
似乎C端的产品在这一方面有天然优势，例如Instagram，Youtube等。B端的产品一般都比较重（或者需要更长的时间验证），网络的adoption会相对比较慢，展现网络效应可能需要一定的延迟（AWS？Slack？）
7.为了留在网络中，用户愿意付出多少钱？
时间侧
以上所有的分析，都值得加一条时间轴重新审视一遍，随着时间推移，这些指标在变好还是在变差？
供需的好兄弟：边际递减？
同质化供需：以网约车的业务网络为例，如果增加供给端，让乘客的平均等待时间由20分钟降低10分钟，乘客的体验会增加多少？如果降低到5分钟呢？3分钟呢？
异质化供需：对于一个招聘软件、电商平台、或者像Airbnb、Opentable这样的marketplace来说，由于网络中的需求是多样的，网络的价值随着规模增加会一直上升，边际递减的天花板很高。（前提是网络规模的增加也是多样化的，而不是靠单一组份驱动增长）
负面网络效应：对于一个高质量的讨论社区，随着加入者的增加，可能会导致整体内容质量的下降，使得优质用户流失，导致社区整体质量下降，优质用户继续流失，进入恶性循环。我认为知乎、以及群聊讨论都属于这样的例子，负面网络效应告诉我们网络的发展趋势和该网络本身提供的服务有紧密关系，不可一概而论。
网络的规模不等于价值
以太网协议在诞生之初并不是一枝独秀，但由于以太网具有领先优势，迅速占领了市场。到今天，每秒10M的速率、48位的地址以及一个全局16位以太网类型字段已经成为了事实上的标准。类似地，TCP/IP协议也以同样的演化路径成为了今天互联网底层的标准协议，QWERTY也成为了所有键盘的标准布局。不过，好像没有人从这些协议/标准的崛起中挣到钱（如果我们把价值 = 财务回报的话）。或者说，这些协议和标准的确非常有用，但它们没有捕获商业价值。
参与各方的不对称
网络的参与各方很多情况下是不对称的，总有一些参与方更难驱动（本质是由于供需不对称）。在一个需求方驱动的市场中，供给方的用户天然更难获得。对于一个打车软件来说，网络中有足够多的司机可能更加困难，对于一个类似美团的本地生活软件来说，网络中有足够多的商家可能更加困难。
大部分网络的拥有者（中心化的科技巨头）本身也是网络的参与方，因为他们负责构建网络的运行规则，所以他们对于网络的影响要比普通的参与方更大。例如YouTube和Tiktok这样的内容生产平台，用户数据全部沉淀在平台上，内容推荐的具体算法也由平台制定，此时平台的行为将对网络造成重大影响。
最后
在软件吞噬世界的纪元，网络效应将是对各类产品进行判断的重要维度（我认为没有之一）。
参考阅读
https://future.a16z.com/how-to-measure-network-effects/
https://www.nfx.com/
https://www.researchgate.net/publication/273895436_Tencent_and_Facebook_Data_Validate_Metcalfe%27s_Law