标签： 商业护城河

第一部分：为什么网络效应很重要

网络效应是产品与商业中的一种机制，即每个新用户都会使产品/服务/体验对其他所有用户更具价值。网络效应之所以重要，是因为它们是数字世界中最强大的防御壁垒，从而也是价值创造的最佳形式（其他三大主要防御壁垒包括品牌、嵌入性和规模）。

如上所述，网络效应在过去几十年中占据了科技行业创造的大部分价值，因为许多赢家通吃的科技公司都依赖于网络效应。

然而，并非所有网络效应都相同，理解其中的细微差别对于将网络效应融入自身产品至关重要。不同类型的网络效应有强弱之分，且运作方式各异。迄今为止，已识别出16种不同的网络效应，按强度排序如下：

1. 物理网络效应（例如固定电话）

2. 协议网络效应（例如以太网）

3. 个人效用（例如iMessage、WhatsApp）

4. 个人社交（例如Facebook）

5. 市场网络（例如HoneyBook、AngelList）

6. 交易市场（例如eBay、Craigslist）

7. 平台（例如：Windows、iOS、Android）

8. 渐进式市场（例如：优步、来福车）

9. 数据（例如：位智、Yelp!）

10. 技术性能（例如：比特流、Skype）

11. 语言（例如：谷歌、施乐）

12. 信仰（货币、宗教）

13. 从众效应（例如：Slack、苹果）

14. 专业技能（Figma、Microsoft Excel）

15. 部落认同（苹果、哈佛、纽约洋基队……）

16. 中心辐射型（TikTok、Medium、Craigslist）

第二部分 – 网络如何运作

广义而言，网络是人与人、物与物相互连接的系统。几乎每个复杂系统中都能发现网络的存在——从电网、道路到社交媒体和人类大脑，无一例外。然而，所有类型的网络都具备若干共同特征。对于希望构建自身网络效应业务的创始人而言，理解网络的基本构成要素至关重要。

节点与链接

在最基本的层面上，网络由节点和链接构成。

节点是网络参与者：消费者、设备、客户、买家、卖家、经纪人等。不同类型的节点在同一网络中可能扮演截然不同的角色。

同一网络中的节点在影响力、权力和价值方面可能存在差异。 中心节点是网络中拥有大量链接的节点，通常价值更高。 边缘节点的链接相对较少，价值通常较低——但如果边缘节点与少数强大节点相连，也可能存在例外情况。准确计算节点价值的方式因网络而异。

最后， 网络规模可通过网络中节点的总数来衡量。仅凭网络规模无法决定其价值，因为网络中的活动量可能有所不同。

链接是网络中节点或节点群组之间的连接。网络中节点间的链接并非完全等同。链接在方向性上可能存在差异（详见下文）。

链接的强度各不相同，这取决于两个节点之间关系的持久性、亲密程度和活跃度。例如，你在 Facebook Messenger 上与挚友的链接，远强于与高中毕业后便再无联系之人的链接，但两者在 Facebook Messenger 网络中均被视为有效链接。

网络密度

网络的密度由其链接与节点的比率决定。比率越高，网络密度越大。

通常情况下，网络密度越高，其网络效应就越强大。链接的互联性能够强化并巩固其他节点之间的连接。例如，如果你与某人成为朋友，而此人又与你所有其他朋友都相识，那么你们之间的纽带强度很可能比孤立状态下更为牢固。

网络内的密度通常分布不均。网络中的某些区域可能比其他区域具有更高的密度（这导致了聚类现象，下文将对此进行更详细的描述）。

在产品构建过程中，建议关注节点之间如何形成连接，以便设计出能提升网络密度的产品。寻找你网络中的 “白热中心”——即密度最高、活跃度最强的部分——并围绕该群体的行为模式来设计产品功能与语言，引导其他用户效仿。他们的活跃度将吸引其他节点，这些节点会受到”白热”群体行为的启发，并以远超预期的速度向外辐射影响力。

方向性

在图论（网络科学的一个分支）中，节点之间的连接可以是有向或无向的。

图是否具有方向性，取决于网络中节点间连接的性质。若连接具有方向性，则意味着一个节点以单向方式指向另一个节点，且这种指向关系不具互惠性。

例如，在像 Twitter 这样的个人网络中，名人和政客等知名人士拥有大量粉丝，但他们并不会互相关注。信息流动大多是单向的——从更大、更中心的节点流向更小、更边缘的节点。

与之对比的是像 Facebook Messenger 或 WhatsApp 这样的个人效用网络 ，其中的连接必然是双向的。如果你在 Facebook Messenger 上与某人进行对话，信息和互动的流动是双向的。因此，Facebook Messenger 和 WhatsApp 是拥有无向连接的网络示例。

网络中节点之间链接的方向取决于节点间互动的流向（如果存在的话）。这种互动可以包括资金、信息、通信以及节点交互过程中可能传递的任何其他内容。

一个仅由有向链接组成的网络只被称为有向图 ，但纯粹的有向图很少见。通常，网络会包含有向连接和无向连接的混合。理解网络中链接的方向性并将其可视化，能够带来更好的产品设计和功能优先级排序。

一对一 vs 一对多

网络中节点之间的关系可以是一对一的，也可以是一对多的。

一对多连接的关键属性在于它们是有向链接，交互的流动是单向的。而一对一关系通常具有功能上的互惠性，因此它们是无向的，交互可以双向流动。

以之前讨论的 Twitter 为例，或是其他如 Instagram、YouTube 这类非对称关注型个人网络，存在拥有大量粉丝（入站有向连接）的中心节点，以及粉丝较少的边缘节点。在这些例子中，边缘节点主要是观察者，而中心节点则是内容生产者。

拥有单向关系的中心节点可以向边缘节点广播信息，而反向流动的交互通常很少甚至不存在（想想 Instagram 上明星与其粉丝的关系，或是电视网络与其观众的关系）。

中心节点同样存在于像 Facebook 这样的一对一连接网络中（尽管他们最终也自行添加了一对多的“关注”功能），在这些网络里，有些用户拥有众多好友，而另一些则寥寥无几。但与允许一对多连接的网络相比，这种差异的潜在幅度要小得多。

聚类

在现实世界的网络中，节点不太可能均匀分布。它们倾向于形成聚类或局部群体，这些群体内部的联系比整个网络更为紧密。当两个聚类之间仅通过一条孤立的链接相连，而除此之外彼此毫无关联且相互隔离时，这条链接被称为跨链桥 。

聚类现象可以在像 Slack 或 Facebook Messenger 这样的在线个人实用网络中观察到，人们会形成比整个网络更活跃的子群体。如果你回想一下自己私下使用这些服务的经历，很可能就能找到类似的例子。在 Twitter 和 YouTube 上，这些网络中的热门成员之间也能公开看到类似的聚类现象。

聚类程度较高的网络（通过“聚类系数”衡量）能够产生里德定律（下文详述）所描述的强大网络效应——该定律认为网络价值随规模增长呈指数级提升。高聚类系数的网络在扩张过程中价值会呈指数级增长，而低聚类系数的网络价值增速则相对缓慢。虽然并非所有网络都具备同等的聚类形成潜力，但仍存在提升网络聚类系数的策略。

临界规模

网络的临界规模是指网络产生的价值超越产品本身及竞品价值的临界点。根据网络类型的不同，这一临界点出现的时间节点也有所差异。

例如，电话等物理直接网络很早就达到了临界规模。正如 AT&T 董事长在 1908 年指出的 ：“一部电话——如果线路另一端没有连接——甚至连玩具或科学仪器都算不上。它是世界上最无用的东西之一。”由于一部没有任何连接的电话毫无价值，因此即使只有两个用户的电话网络，其价值也足以超过单个产品本身的固有价值。

与之对比的是像 Windows 或 iOS 这样的平台网络。即使没有任何程序或应用，Windows 操作系统本身的价值也相当高。只有当用户和开发者网络发展到相当规模后，所有第三方程序的价值，加上与其他用户互操作性的价值，才会超过（对用户而言）微软自身程序的价值。

大多数具有网络效应的产品最终必须达到临界规模，才能充分利用其网络效应提供的防御能力。在网络规模达到临界点之前，产品仍然相当脆弱，对用户而言可能没有太大价值。对于这类产品，挑战往往在于构建足够的初始价值，以激励早期用户在网络效应价值尚未显现时就开始使用该产品。

网络“定律”

多年来，众多网络先驱试图模拟网络规模增长如何提升其价值。换言之，他们尝试描述网络效应的力量。随着时间的推移，每一条新发现的定律都表明，过去对网络价值及其增长的认知被严重低估了 。

这些定律并非像万有引力定律那样经过科学验证的真理。它们只是描述不同类型网络与其价值之间关系的数学概念。之所以被称为“定律”，是因为听起来很酷。有时，同一网络可能同时体现所有这些“定律”的某些特征。

萨诺夫定律

大卫·萨尔诺夫是广播时代无线电和电视领域的巨头，从 1919 年到 1970 年领导美国无线电公司（该公司创立了 NBC）。在那段岁月里，它曾是全球最大的网络之一。萨尔诺夫发现，其网络的价值似乎与网络规模呈正比 ——即与 N 成正比，其中 N 代表网络上的用户总数。

事实证明，萨尔诺夫对网络价值的描述在某些类型的网络中其实被低估了，尽管它准确描述了广播网络——即少数中心节点向大量边缘节点（如广播或电视观众）进行传播的模式。

梅特卡夫定律

梅特卡夫定律指出，通信网络的价值与网络用户数量的平方成正比（即 N²，其中 N 代表网络上的用户总数）。

这一概念的形成可追溯至1980年左右，归功于以太网标准的发明者之一罗伯特·梅特卡夫。

梅特卡夫定律似乎成立，因为网络中节点之间的连接数量以数学方式按 N²的速率增长，其中 N 代表节点数量。虽然该定律最初是为描述以太网、传真或电话网络等通信网络而提出的，但随着互联网的出现，它已演变为同样适用于社交网络和电商平台。

里德定律

里德定律由麻省理工学院的 David P. Reed 于 1999 年提出。虽然 Reed 承认”许多类型的价值会随网络规模成比例增长”，且部分价值会按网络规模的平方成比例增长，但他指出，允许形成上述集群的”群组形成网络”的价值增长速度甚至远超其他网络。

根据里德的观点，群组形成网络的价值以 2^N 的速率增长，其中 N 代表网络中的节点总数。

里德提出 2^N 而非 N^2 公式的原因在于，支持便捷群组通信的网络中，潜在子群数量远不止一个。因此网络总连接数（即网络密度）并非仅取决于节点总数（N^2）。实际上，它由节点总数与所有可能子群或集群数量共同决定，而后者会随着网络用户增加以更快的速度增长。

由于大多数在线网络都支持形成集群，其价值增长规律至少会部分符合里德定律——即增长速度远超梅特卡夫定律或萨诺夫定律的预测。

第三部分 – 网络特性

不规则性

网络在现实生活中通常并非均匀分布，它们只是在示意图中看起来如此。网络中存在集群、热点和盲点，这些反映了现实世界中复杂系统的不规则性。例如地理因素（城市居民与农村居民的行为差异极大）、现实人际关系差异（管理者与员工的关系不同于同级同事关系）、规模差异（两人公司与30人或500人公司的决策方式截然不同），以及诸多其他因素。

你需要识别这些不规则性，找到网络中的”白热核心”，并首先集中精力在此建立网络效应，然后再将关注范围扩展到更广泛的网络。

真实身份 vs 假名身份 vs 匿名身份

许多网络效应业务要求用户创建在网络中其他节点可见的个人资料。与使用假名身份（例如用户自创的”Tiger123″这类昵称）的网络相比，将个人资料与节点真实身份（如真实姓名或真实公司名称）绑定的网络，在构建网络效应方面通常更为有效。

西方世界三大最成功、规模最大的社交网络——领英、脸书和推特——同时也是首批成功大规模推行真实身份资料服务的平台（尽管推特允许使用假名账号，但人们使用的身份通常与现实身份挂钩，例如”@realDonaldTrump”），这绝非巧合。在真实姓名被广泛接受之前推出的数百个社交网络，最终都难逃消亡的命运。

真实身份在双边市场和平台网络效应业务中也至关重要，因为信任和声誉能促进交易的流动性。

有一点需要注意：在加密货币或政府间谍工作中，某些应用将匿名性作为网络的必要特征。然而，这类网络通常会在短时间内崩溃，原因有三：a) 当网络的匿名性被破坏，系统信任随之终结；b) 当节点间传输的内容质量因匿名搭便车者拖累而变得过低；c) 当匿名网络变得不被外界及各类权威机构（如政府）所接受，从而介入干预。

需要明确的是，以 Telegram 为例，虽然用户消息经过加密，但人们使用它是因为能连接到真实身份，而非匿名者。 隐私与匿名性是不同的。

不对称性

这个术语主要与市场相关，无论该市场是单边、双边、三边还是多边。在几乎每个市场中，总有一方或某一类节点比其他方更难获取。

在某些情况下，市场中更难获取的一方是需求方——即买家。通常在这种场景下，如果你能成功吸引愿意付费的人（买家），供应商（卖家）就会迅速且相对轻松地出现。我们称之为”需求侧市场”。

Fiverr 和 UpWork 是专注于寻找需求并依赖供应方自然出现的例子。Lending Club 是另一个例子。他们集中精力寻找资金需求（借款人），而贷款方则会自行出现，为这些借款人提供资金。

在某些情况下，更难吸引的是供应方，而一旦供应方足够强大，需求方用户就会自然被吸引到市场中。我们称之为“供应方市场”。例如，Uber 和 Lyft 将大部分付费获客预算用于吸引司机——即供应 方 。同样，OpenTable 不得不缓慢地逐个获取餐厅（供应方），直到七年后积累了足够的供应，才吸引了需求（想要预订餐厅的人）。

当然，在某些市场中，如果你不幸或不明智地选择了目标领域，你会发现双方都同样难以吸引。这会让事情变得非常困难。

市场中的另一种不对称性体现在某一侧或某一类节点内部的不对称。换言之，并非所有供给或需求都具有同等价值。通常，某些节点对网络的价值贡献可能比其他节点高出千倍。

在市场中识别这些不同类型的不对称性，并优先确定哪些类型的需求或供给最值得优先吸引、其次吸引、再次吸引。随后集中精力制定策略，首先攻克价值最高的目标。

同质化网络 vs. 异质化网络

同质网络是指网络中所有节点功能相同的网络。一个用户与另一个用户在其基本功能上可以互换。例如，在固定电话网络中，每个节点（电话）的基本功能与其他节点相同，人们安装电话的动机也大致相同。总体而言，电信网络通常属于同质网络。

异质网络是指存在两类或更多类节点，这些节点根据功能和效用进行划分。在 Honeybook 市场网络中，活动策划者的行为与摄影师不同，而摄影师的行为又与花艺师不同。eBay 上的买家节点与卖家节点加入网络的根本原因截然不同。

渐近网络效应

渐近网络效应是指收益递减的网络效应。

回顾网络效应的基本定义：随着产品使用量的增长，每个用户获得的价值也随之增加。然而在某些情况下，当网络规模发展到特定节点后，网络效应反而可能开始减弱。渐近型网络在达到一定规模后，其增长将不再为现有用户带来额外价值。

优步（Uber）就是典型案例：当乘客等待时间缩短至约 4 分钟后，司机数量的进一步增加对乘客的边际效益便微乎其微。供给端增长带来的价值呈现”渐近”趋势——需求侧的价值增量趋近于零。

许多数据网络效应都具有渐近特性。当数据集达到特定规模后，继续扩充数据量已无法显著提升算法性能。大多数数据网络效应都受此特性制约。像位智（Waze）这样的服务之所以能最大程度规避该问题，是因为其需要实时数据——必须由成千上万个节点持续更新，才能维持最低限度的实用价值。

同侧网络效应

同侧网络效应是指发生在多边（双边或多边）网络同一侧的直接网络效应。它指的是当同一侧用户数量增加时，该侧用户所获得的价值变化。

以优步为例，其实际上存在负向同侧网络效应（即拥堵效应）。这是因为在任意时刻，乘客数量越多，每位乘客的乘车价格或等待时间就越长。司机端同样如此——优步司机越多，其他司机面临的竞争就越激烈。

不过，同侧网络效应也可能产生正向影响。以 Windows 用户为例，新增用户会因文件兼容性而让现有用户受益。两位 Windows 用户可以轻松共享文件，而可共享文件的对象数量会随着使用同一平台的人数增加而增长。

跨边网络效应

跨边网络效应是指在一个拥有多边用户的网络中，由互补商品或服务产生的直接网络效应。与间接网络效应不同，跨边网络效应特指网络某一侧用户数量的增加，直接为另一侧用户带来的价值提升。

再次以优步为例：该平台存在显著的正向跨边网络效应，因为每增加一名司机，都会直接为乘客侧的所有用户带来价值（ 在一定限度内 ），反之亦然。

间接网络效应

间接网络效应是指，当一种类型的节点直接使另一种类型的节点受益，但并未直接使同类型的其他节点受益时，网络价值随之提升的现象。同侧节点之所以能间接相互受益，是因为它们为网络另一侧的互补用户创造了更强的使用动机，进而使同侧所有节点都从中获益。

以 eBay 这样的双边市场为例：新卖家的加入并不会直接惠及其他卖家——事实上，更多卖家意味着所有 eBay 卖家面临更激烈的竞争。然而，由于商品库存的扩大使整个市场对买家更具吸引力，新增卖家最终会因潜在客户总量的增长而间接惠及其他卖家。每增加一位新卖家，网络对现有卖家的价值都会产生强大的间接增长效应。

像微软 Windows 这样的操作系统平台，是间接网络效应的另一个典型例子。新的 Windows 开发者并不会直接为其他开发者带来好处。然而，随着 Windows 程序库的不断丰富，Windows 用户数量也会随之增长。而更多 Windows 用户对所有开发者都有利，因为这扩大了其程序的潜在客户群体。

这篇 1992 年纽约大学的论文由 Economides 和 Salop 撰写，是最早研究间接网络效应的文献之一，文中指出间接网络效应是“兼容互补商品”价值的函数。

负面网络效应

在某些情况下，网络使用频率增加或网络规模扩大反而会降低网络价值，从而产生负面网络效应 。

负面网络效应可能通过两种方式产生： 网络拥堵 （使用量增加）和网络污染 （规模扩大）。

网络拥堵最典型的例子是道路交通。在高峰时段，道路上每增加一辆车，都会使城市道路网络对其他司机而言更加拥堵（即价值降低）。类似的拥堵现象也会发生在电信网络中，不过在在线网络中较为少见。

然而，网络污染在在线网络中更为常见。例如，你在 Facebook 上的社交圈越广，你的新闻推送就越容易被那些你几乎不认识的熟人、工作伙伴或家庭成员发布的无关或无用内容所污染。

网络可能同时存在负面和正面网络效应。Twitter 和 Facebook 就是最好的例子——这两个平台的动态流会展示你网络中许多人的内容，但如果人数过多，信息流就可能被污染。

创始人需要意识到这一点，以便在培育正向网络效应的同时，尽可能通过产品功能设计来缓解负向网络效应。

第四部分——构建与维护网络效应

多人模式与单人模式

这些术语通常用于游戏行业。我们将其用于讨论网络效应业务，是因为它们凸显了一个重要区别。

单人产品仅服务于单个用户，无需其他用户参与即可使用。用户能独立从产品/服务中获得价值。例如在亚马逊购物、通过 TurboTax 报税、或在自己的电商网站接入 Stripe 支付。这些产品能立即为我所用，但他人是否也在使用 Stripe 并不会给我带来额外价值。

用户为单机产品付费，是基于其直接提供的价值，这种价值通常是线性的。所有压力都在你身上，需要让产品对客户越来越有价值。大多数 SaaS 公司（如 WorkDay 或 Oracle）都是如此。

相比之下，“多人在线”产品能让用户感受到其他用户的存在和影响，但如果没有这些用户，产品就很难发挥作用。多人在线产品让用户通过彼此的行为为对方增值，哪怕只是像在 YouTube 上观看内容这样简单的操作。Vimeo 没有评论和视频播放量统计，是一种单机体验；而 YouTube 有播放量和评论功能，则是一种多人在线体验。

产品可以同时具备单机价值和多人在线价值。例如，HoneyBook 提供了一款工具，让活动策划师能为客户制作更精美的方案。随着越来越多的摄影师、餐饮服务商和花艺师加入 HoneyBook 网络，活动策划师便能从逐渐积累的专业网络和多方支付网络中获益。

企业完全有可能为单机产品增加多人模式，甚至将产品从单机模式切换为多人模式。我们经常协助企业实现这种转型。例如，亚马逊通过用户评论功能创造了多人互动体验，让过往购买者能够惠及未来消费者。他们还搭建了第三方卖家平台，数十万卖家入驻后持续为买家创造价值。根据 2017 年年度报告 ，亚马逊平台销售额首次突破总销量的 50%。这堪称革命性转变。

我们不建议企业只做单机模式产品。这类产品往往呈线性增长，且极易被竞争对手拖垮。

转换成本

转换成本是指用户从使用某产品转向使用另一不兼容产品时，在时间、精力或金钱方面产生的成本。当转换成本较高时，容易形成客户锁定效应 ，因为客户在整个使用周期中更有动力维持与原有供应商的合作关系。

转换成本与企业的防御能力密切相关，同时也与产品兼容性有很大关系。防御能力强的企业通常能够使其产品与竞争对手的产品不兼容，从而引入高昂的转换成本。

以苹果为例。购买 MacBook 等苹果产品会带来一系列与不兼容产品相关的转换成本。如果你买了 MacBook，从使用体验的角度来看，使用安卓手机的成本会很高，因为你无法轻松地将手机与电脑同步，必须使用不同的日历应用程序等。而且，当你在 iTunes 上购买一首歌、一部电影或一本书后，再使用 Spotify、Hulu 或 Kindle 就会产生高昂的转换成本，因为这些平台的资源库不兼容，你的媒体内容将分散在不同的不兼容服务中。

所有这些都为苹果用户创造了锁定效应，他们必须购买从 AirPods 到 Apple TV 的所有产品，才能确保自己的电子设备相互兼容。

网络效应进一步加剧了这类转换成本。不仅从兼容性角度看更换产品代价高昂，而且当产品具备网络效应时，转换成本在群体和个人层面都会同步提升。例如在 Craigslist 这类双边市场中，租房者群体面临高昂的转换成本——除非所有租房者与房东同时迁移至新平台，否则对房东而言离开的代价将高得难以承受。因此，市场中的供需双方会相互锁定。

鸡生蛋还是蛋生鸡问题（冷启动问题）

“鸡生蛋还是蛋生鸡”问题指的是如何积累足够的关键用户量以触发正向反馈循环。当网络中的用户为其他用户创造大部分价值时，如何吸引第一批用户加入？

这在双边市场中尤为突出（在双边平台中程度稍轻），因为存在两类用户——买家和卖家（或开发者和用户）——必须有一方先就位，另一方才有动力加入。启动双边网络需要为某一方用户提供某种初始价值，这种价值独立于网络另一方存在所带来的互补价值。

我们已知至少有 19 种具体策略可以帮助解决这个问题。其中一些策略涉及创建单用户模式产品，即使在没有网络效应的情况下，也能为市场的一方提供价值。另一些策略则通过现金或潜在客户等补偿方式吸引市场的一方。

多平台共存

当同时参与多个竞争性网络的成本很低或为零时，就会出现多平台共存现象。

这在社交网络中相当普遍。人们经常将分享的照片或快照同时发布到多个平台（如 Facebook、Instagram 和 Snapchat）。在市场中也很常见；市场双方的许多用户往往同时使用 Uber 和 Lyft、eBay 和 Craigslist、Etsy 和 Amazon Marketplace。

多租户行为可能会削弱网络的可防御性并降低网络效应，但这种影响是有限的。最终，规模更大的网络将胜出，因为它在潜在新客户中拥有更高的知名度，并且更有可能留住现有客户——即便这些客户偶尔会使用多个平台。由于网络规模更大，可选择的选项也会更多，人们只会在对现有服务不满时，或将其作为大网络所提供价值的补充时，才会转向竞争性网络。

例如，使用 Snapchat 故事功能的用户可能会通过 Instagram 故事功能触达不同的受众群体。随着人们越来越习惯同时使用这两种服务，并从两者共享的“故事”这一广泛类别中看到更大价值，对其中一项服务的使用反而可能强化并提升对另一项服务的使用。

eBay 或亚马逊的顾客可能会特意到 Etsy 寻找复古商品，虽然这属于多平台使用的情况，但一个平台的使用会强化另一个平台——因为消费者在网上购买的商品种类越丰富，他们就越倾向于在网上购物。

去中介化

去中介化是一种主要影响市场平台和市场网络的脆弱性。当用户通过市场平台或市场网络产品初次建立联系后，将后续交易转移至平台之外直接进行时，就会发生这种情况。这是一个严重的问题，因为在大多数交易型网络中，留存率带来的重复购买才是关键所在。

为帮助防止去中介化，你可以提供工具、信誉体系、保险、合规保障、潜在客户线索及其他激励措施。如果你的市场平台面临这个问题，有一整套详尽的策略手册可供参考。有些平台始终无法克服这一难题。

留存

留存率衡量的是用户回访并使用你产品的频率，这对网络效应影响巨大。如果留存率低，即使用户规模增长，也很难捕捉到任何形式的网络效应，因为产品的整体使用量不会增加，你将失去防御性优势。

在早期阶段，Facebook 拥有极高的留存率。注册用户持续使用产品，因此网络价值不断累积——如果你比朋友晚加入，他们大概率仍在活跃，你就能从加入中获益。反之，若留存率低，加入太晚就会错过潮流，你自己留下的可能性也会大大降低。

缺乏有效留存的网络，其网络效应必然薄弱；而薄弱的网络效应又会进一步导致留存率低下。请记住：网络效应并非源于网络规模，而是源于整体使用量。因此，仅仅扩大网络规模远远不够，聚焦提升使用量同样至关重要。

第五部分 – 相关概念

几何级（指数/非线性）增长 vs. 线性增长

既无病毒效应也无网络效应的企业，往往呈现线性、直线式的增长。线性增长虽能支撑起一家企业，却无法带来我们所有人都在追求的那种高影响力、令人振奋的增长。我们都渴望那条绿色曲线的增长轨迹。

创始人应推动自己和团队实现几何级增长，并能够衡量和识别从线性增长跨越到几何级增长时的差异。具备网络效应的企业，一旦突破临界点，通常会展现出这种几何级增长，这要么是因为 a) 它们具有病毒式传播特性，要么是因为 b) 它们的指标表现优异，从而有能力比竞争对手更高效地获取流量。

病毒效应与病毒式传播

病毒效应与网络效应不同，但许多人常将两者混淆。

网络效应是指当更多人使用产品时，产品价值随之提升。使用具有网络效应的产品的人越多，现有用户从中获得的效用就越大，因此他们转向竞争对手的可能性就越低。网络效应关乎用户留存与防御能力。

病毒效应则关乎获取新用户。当现有用户免费为你带来更多用户时，该产品便具有病毒性。具有病毒效应的产品或服务存在一个”病毒系数”，即每个用户带来的新用户数量。例如，若早期 Facebook 普通用户在特定时间内邀请足够多的朋友，使其中两位朋友加入，我们便称当时 Facebook 的病毒系数为 2。这意味着每日免费加入的新用户将呈指数级增长。

病毒效应与网络效应的混淆源于两个原因：

1）它们都是正反馈循环

2）在过去 15 年中，Facebook、Twitter 和 WhatsApp 等知名公司同时经历了这两种效应。

然而，由于我们自身曾在十余个用户量突破千万的病毒式传播产品中创造过病毒效应，可以证实：在产品中设计病毒效应比构建网络效应更容易。更重要的是，具备网络效应的产品天然更容易植入病毒式传播的钩子和循环机制——这一点我们将在其他章节详述。

许多产品可以具备病毒效应却不具备网络效应。产品能病毒式传播，并不意味着每个新用户都能让产品变得更有价值和防御性。病毒效应帮助 Facebook 达到如今地位，是因为 Facebook 同时拥有网络效应。但病毒式传播并未让 JibJab、Buzzfeed 或红杉资本投资的 QuizUp（曾获 2700 万美元融资后倒闭）获得同等的防御性或价值。它们的成功虽耀眼却昙花一现。

反之亦然。具有网络效应的产品未必具备病毒式传播效应。一个 B2B 市场可以轻松通过付费广告吸引买家和卖家，构建一个零病毒传播的双边市场网络效应。一家公司可以在城市中部署数千台物联网设备，形成一个网状网络。

例如，你可以在谷歌上投放广告，同时将卖家和买家引入 B2B 市场，构建双边市场网络效应，而依然保持零病毒传播。或者，你可以付费让城市部署一千台物联网设备，形成网状网络——由于网络密度，其性能远超其他任何网络，以至于竞争对手在部署自己的千个节点之前，根本无法与之竞争。

理解网络效应与病毒式传播效应的区别，对于制定正确的策略至关重要，尤其是考虑到人们经常将两者混淆。请确保你不会犯这种错误。 拥有病毒式传播效应并不意味着你拥有网络效应，反之亦然。

“平台商业模式”（较不实用的术语）

这是一个近期流行的术语，广泛用于描述多种类型的网络效应企业——它们通过培育外部网络、促进连接方式（而非生产方式）的规模化来发展。这些确实是重要的概念。然而，我们认为该术语混杂了过多概念，在试图厘清这些企业真正成功的关键要素时，其效用有限。我们更倾向于将 13 种不同的网络效应及网络的诸多属性进行细分。同时，我们将“平台”一词保留用于描述像 MS OS、iOS 或 FB 平台产品这类网络效应企业——在这些平台上，其他独立实体正依托它们构建自身业务。

强化

关于网络效应，关键在于一旦你建立起一个网络效应，就更容易在其基础上构建其他防御性优势，包括其他网络效应。这种”强化效应”往往被创始人低估，尤其是当他们专注于增长时。持续寻找并启动新的防御性优势非常重要，因为它们会相互强化：你拥有的防御性优势越多，每个优势的效果就越强（尽管这仅在一定限度内有效，因为同时尝试太多事情可能会分散运营重心）。

规模效应

规模效应与网络效应类似，是数字时代重要的防御性优势。规模效应常与网络效应混淆，因为两者都会随着用户增多而增强。

然而，两者的运作方式截然不同。理解规模效应的最佳方式是：运营良好的公司规模越大，其单位生产成本就越低。当规模效应开始发挥作用时，拥有规模优势的公司会成为客户在数学计算上的必然选择。

换句话说，更多用户意味着更大规模，更大规模意味着供应商更低的价格，更低的价格意味着顾客更低的消费，更低的消费意味着广告更高的转化率，这使得广告比竞争对手更有效，如此循环往复。

随着规模扩大，所有数据都开始向你倾斜，而数学规律是难以抗衡的。这一概念在学术文献中被称为”规模经济”。简而言之， 单位生产成本会降低。亚马逊是科技界最具规模效应的公司（如今他们正在叠加网络效应……值得警惕）。

品牌

品牌是一种强大的防御壁垒，但其本质与网络效应截然不同。与规模效应类似，品牌的防御力与产品的增长和使用情况相关，因此人们容易将品牌与网络效应混淆。然而，两者的运作机制存在根本差异。

当人们了解你是谁以及你的业务范畴时，品牌便应运而生。成熟的品牌形象会带来心理转换成本。用户从你的品牌转向陌生或知名度较低的品牌时，心理上会倾向于选择熟悉的事物。

人类天生厌恶风险，倾向于规避未知事物。当你的品牌具备辨识度时，人们熟悉你的定位与业务，这便构成了竞争优势。在当今注意力经济时代，品牌防御力至关重要——矛盾的是，即便负面的品牌认知（在一定限度内）也能增强企业的防御能力。

嵌入

嵌入是指将你的产品直接整合到客户的运营流程中，使客户无法轻易用竞争对手替代你，否则将耗费大量时间、精力或两者兼有的成本。换言之，嵌入直接提高了转换成本 ，这是用户采纳过程中的一部分。

嵌入可以与网络效应协同作用，增强你业务的防御性，但两者是独立的概念。

嵌入的典型例子包括 Workday、Oracle 或 SAP——这些案例表明，当客户是组织而非个人时，嵌入更为常见（在个人生活“运营”中难以实现嵌入）。尽管如此，嵌入在 B2C 产品中确实存在——例如 Google Drive 或 iCal。