《Oxera:在商业中使用算法的风险(英文版)(4页).pdf》由会员分享,可在线阅读,更多相关《Oxera:在商业中使用算法的风险(英文版)(4页).pdf(4页珍藏版)》请在三个皮匠报告上搜索。
1、基于数据的学习必然产生数据网络效应,并将后者等同于标准网络效应。这导致了对竞争优势和基于数据支持学习的锁定的夸大声明。回想一下,当一个产品或服务对一个用户的价值随着其他用户购买相同产品或使用相同服务的数量的增加而直接增加时,该产品或服务会表现出规则的网络效应,因为用户希望彼此交互或交易。这涵盖了“相同的网络副作用”,即从提供商的角度来看,所有用户本质上是相同的(例如。社交网络上的用户)和“跨侧网络效应”,其中有两个或两个以上不同的客户群体彼此互动/交易(例如市场上的买家和供应商);iOS或Android上的用户和应用程序开发人员)。在我们看来,数据网络效应和常规网络效应之间的混淆部分是因为许多
2、围绕具有常规网络效应的平台而建立的大型科技公司(如Airbnb、阿里巴巴、亚马逊、Facebook和谷歌)也能获得有价值的数据,从而增强其现有的网络效应。在这种情况下,这些公司已经从网络效应中获得的强大竞争地位可能被错误地(或过度地)归因于他们的数据。另一个让人困惑的原因是,在某些情况下,看似数据化学习导致的网络效应实际上只是正常的网络效应。例如,当用户直接彼此共享信息时,数据支持的学习就不存在了(例如TripAdvisor和Yelp上的用户评论、Spotify上用户生成的播放列表、Quora和Stack Overflow上的用户问答)。在这种情况下,这样的用户越多,共享的信息就越多,服务就越有价值。这种网络效应可能相当强大,但不需要增强公司从客户数据中学习的能力。