اثر شبکه‌ای منفی – مرور کتاب انقلاب پلتفرم (۴)

در مطالب مربوط به مرور کتاب انقلاب پلتفرم، در قسمت اول مدل کسب‌وکار پلتفرمی تعریف شد. قسمت دوم راجع به اثر شبکه‌ای و انواع آن بود و قسمت سوم به مفهوم مقیاس‌پذیری اختصاص داشت. در این قسمت به مفهوم اثر شبکه‌ای منفی می‌پردازم.

اثر شبکه‌ای منفی

در تعریف اثر شبکه‌ای مثبت گفته شد که رشد کاربران به رشد شبکه و در نهایت بالندگی یا مقیاس‌پذیری آن منجر می‌شود. منظور از اثر شبکه‌ای منفی اما رشد کاربران است به نحوی که برعکس که باعث فرو ریختن شبکه شود.

به عبارتی، رشد شبکه می‌تواند باعث تولید اثر شبکه‌ای منفی شده و خروج کاربران و در نهایت مرگ کسب‌وکار پلتفرمی را به دنبال داشته باشد.

رشد کاربران قاعدتاً باید به جورسازی (matching) بیشتر بین مصرف‌کنندگان و عرضه‌کنندگان منجر شود. اگر به خاطر پیچیدگی یا دشواری یا غیرممکن بودن، این جورسازی اتفاق نیفتد، پلتفرم دچار اثر شبکه‌ای منفی شده است.

مثلاً در اسنپ علیرغم افزایش مسافر و راننده، درخواست‌های مسافران از طرف راننده‌ها قبول نشود یا این‌که «لغو سفر» به دفعات اتفاق بیفتد (چه از طرف راننده چه از طرف مسافر).

یا در پلتفرمی مثل جاباما اقامتگاه‌هایی که برای گردشگر در یک پلتفرم پیدا می‌شود (که تعدادشان هم کم نیست و بررسی آن‌ها برای گردشگر زحمت دارد) عموماً یا مورد پسند او نباشد یا پر شده باشد. با توجه به این‌که در حال حاضر بازار رزرو آفلاین اقامتگاه‌ها در ایران بزرگ‌تر از بازار آنلاین است، این شکل از اثر شبکه‌ای منفی در فضای فعلی این اپلیکیشن‌ها در ایران قابل توجه است.

مثلاً مالک ویلای خود را در جاباما گذاشته و همزمان آن را کنار جاده هم به مسافران عرضه می‌کند. خصوصاً در زمان پیک و تعطیلات، ویلا همان کنار جاده اجاره داده می‌شود و کاربر اپلیکیشن دیگر نمی‌تواند آن را رزرو کند (جورسازی ناموفق).

بخشی از این مسأله می‌تواند ناشی از کوچک بودن اندازۀ کاربران اپلیکیشن در سمت تقاضا باشد (مشابه مثال جاباما). بخش دیگر اما ناشی از همان ویژگی ورود بدون اصطکاک است. به این معنی که در هر دو طرف عرضه و تقاضا، تعداد زیادی کاربر وارد می‌شوند که کاربرِ «جور» خود را پیدا نمی‌کنند. درخواست‌های سفر لغو می‌شوند، راننده سیگار می‌کشد یا ماسک نمی‌زند. اقامتگاه‌ها کثیف یا اساساً پُر هستند.

چاره چیست؟

راهکار پلتفرم‌ها برای این مشکل انجام فرایندی موسوم به effective curation روی کاربران ورودی است. اقداماتی که برای فیلتر کردن، کنترل کردن و محدود کردن دسترسی کاربران به پلتفرم، فعالیت‌های آن‌ها و ارتباطاتی که با بقیۀ کاربران برقرار می‌کنند انجام می‌شود.

اصطلاح curation را شاید بیشتر در حوزۀ تولید محتوا شنیده باشید. بازخوانی، ویراستاری، انتخاب و اولویت‌بندی برای انتشار معمولاً کارهایی است که در مرحلۀ content curation در تولید محتوا انجام می‌شود. از این منظر شاید بتوان آن را «گلچین کردن» ترجمه کرد.

اسنپ در جذب رانندگان یک سری مدارک هویتی و عدم سوء پیشینه درخواست می‌کند و نظر مسافران بعد از هر سفر را در ارزیابی راننده مؤثر می‌کند. از طرفی هم با الگوریتم قیمت‌گذاری پویا سعی می‌کند در ساعات پیک، رانندگان را در برنامه نگه دارد.

جاباما هم علاوه بر موارد شبیه به اسنپ در پذیرش مالکان، در برخی شهرها اقدام به پیش‌خرید اقامتگاه‌ها می‌کند تا همه را در داخل اپلیکیشن عرضه کند. این اقدام شبیه به تخفیف‌های قابل توجه اسنپ در روزهای اول راه‌اندازی آن است.

مثال خودِ کتاب هم در نوع خود به عنوان یک curation داده‌محور جالب توجه است. یک پلتفرم دوست‌یابی به نام OkCupid که در ابتدای راه‌اندازی گرفتار شکلی از اثر شبکه‌ای منفی بوده است.

در این پلتفرم (و احتمالاً اکثر پلتفرم‌های دوست‌یابی)، تمایل طبیعی آقایان به ثبت درخواست برای زیباترین خانم‌هاست. طبعاً بسیاری از این آقایان از لحاظ جذابیت در سطح آن خانم‌ها نیستند. به همین خاطر پاسخی دریافت نمی‌کردند و لذا ناراضی می‌شدند. در مقابل، خانم‌های خیلی جذاب (به تعبیر کتاب: A-level females) هم به تدریج به خاطر تعدد درخواست‌های غیرمطلوب ناراضی می‌شدند و پلتفرم را ترک می‌کردند. این باعث می‌شد آقایان خیلی جذاب (A-level males) هم به تدریج مورد مناسب خودشان را پیدا نکنند و طبعاً پلتفرم را ترک می‌کردند. وقوع اثر شبکه‌ای منفی.

استراتژی این پلتفرم برای گلچین کردن کاربرها چه بود؟ الگوریتمی که نام آن را جورسازی چندسطحی گذاشته بود: multiple levels of matching.

سطح اول – علایق: پلتفرم با پرسیدن سؤالاتی در خصوص علایق و عادات افراد (غذا، سیگار کشیدن، تتو کردن و…) پایگاه دادۀ پروفایل آن‌ها را تقویت می‌کند.

سطح دوم – مقایسۀ جذابیت از نظر سایر کاربران: با تحلیل پروفایل‌ها، زوج کاربرانی که احتمالاً علایق نزدیک به هم دارند را انتخاب می‌کند و عکس آن‌ها را به طور تصادفی به دیگر کاربران نشان می‌دهد و از آن‌ها می‌پرسد که آیا این دو به هم می‌خورند؟ (in her league questions) چیزی شبیه به سؤالی که لینکدین دربارۀ مهارت‌های افراد از دیگران می‌پرسید (skill endorsement).

داده‌های نتایج این دو سطح، مبنای نمایش نتایج جستجو به افراد می‌شود. لذا احتمال matching به تدریج بالا رفته و رضایت کاربران بالا می‌رود. با رشد شبکه و به تبع آن افزایش اطلاعات روی پلتفرم، الگوریتم curation هم به مرور بهتر شده و این خود باعث تقویت اثر شبکه‌ای خواهد شد.

کتاب به اثر شبکه‌ای ناشی از اقدامات مبتنی بر تحلیل داده، اثر شبکه‌ای داده‌محور (data-driven network effects) می‌گوید.

به طور کلی داده‌های کاربران را، در کنار خودِ پلتفرم، می‌توان یک منبع کلیدی برای مدل کسب‌وکار پلتفرمی در نظر گرفت. منبعی که با خوراک‌دهی آن‌ها به ابزارهای تحلیل داده، مدل‌های پیش‌بینی مبتنی بر یادگیری ماشین توسعه داده می‌شوند. این مدل‌ها در حوزه‌های متنوعی از قبیل effective curation و یا قیمت‌گذاری پویا در پلتفرم‌ها منجر به ایجاد ارزش اضافی برای کاربران می‌شوند.

مطالب قبلی سری مرور کتاب انقلاب پلتفرم را می‌توانید از طریق لینک‌های زیر مطالعه کنید:

مقیاس‌پذیری

اثر شبکه‌ای

مدل کسب‌وکار پلتفرم