网络效应视角下技术标准的竞争性扩散——来自iOS与Android之争的实证研究，本文主要内容关键词为：竞争性论文,之争论文,技术标准论文,视角论文,效应论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
[中图分类号]F271.3 [文献标识码]A [文章编号]1006-480X(2014)09-0135-13 一、问题提出 目前经济体或者企业之间围绕标准①控制权的竞争愈演愈烈。标准采用效应的存在深刻影响了生产者的市场行为[2]。信息技术革命带动网络型产业兴起，并伴随信息产业对国民经济的全面渗透，使一些传统产业也具有了网络特性。更为重要的是，网络型产业发展不仅使技术标准产生的动因增强[3]，也使其成为产业发展的必需制度[4]。因此，技术标准对企业的生存和竞争、甚至垄断势力的形成和维持具有至关重要的作用[5]。标准竞争是指两种或两种以上个体标准争夺市场标准地位的过程[6]，主要竞争机制是网络效应，竞争焦点是安装基础，表现形式是多个技术标准在市场中竞争性扩散。早期学者大多通过构建博弈模型，从发起人[7，8]、安装基础[9]、标准组织[10，11]、兼容性[7，12，13]等不同侧面为网络效应对标准扩散影响机制的研究建立了经济学理论基础。研究方法方面，Bass模型能够完整清晰地描述产品(或技术)在整个采用周期中的扩散情况[14]，其微分方程成为该领域研究最常用基本模型型态，并形成阵容庞大的系列扩展形式，即所谓“非恒定影响模型”(Non-Invariable Influence，简称NII)[15-19]。许多学者将其引入对技术标准扩散的研究。其中，竞争性的引入(从单一标准扩散推广到多标准竞争)和网络效应在扩散中的作用受到关注。Kim et al.[20]认为竞争者的数量增加意味着产品质量改善和长期发展潜力，因此会加速技术创新的扩散，但Dekimpe et al.[21]提出反例，认为旧技术的用户基础会负向作用于新技术的扩散。同时，竞争者分割了市场，从而降低了网络效应[22]。Goldenberg et al.[23]则通过基于多主体建模(Agent-based Model)，认为在标准的竞争性扩散中会因网络效应的存在出现“寒蝉效应”(Chilling Effect)；Peres et al.[24]认为由于网络效应，技术标准先期采用者承担巨大的风险，对风险的规避倾向抑制了标准的扩散速度。Weitzel et al.[25]通过均衡分析和仿真分析认为，网络拓扑结构对标准的扩散过程产生重要影响，因此最终市场中单一标准独霸天下的局面并不常见；国内学者鲜于波和梅琳则用类似的方法探讨个体适应性对标准扩散的影响[26]。以上研究或侧重对某种标准扩散的实证分析，作为已有扩散模型的一个应用，或完全基于均衡分析和数值模拟，尽管大多数学者都承认网络效应在标准竞争性扩散中的作用，但在扩散模型中将其分离出社会影响因素并予以模型化方面还鲜有研究。同时在对网络效应的影响因素研究中，更多强调安装基础所起的作用，而从Bass方程中可以发现安装基础既是标准扩散的原因，也是其结果，网络本身在连接性上的技术差异没有得到足够的重视，而这正是本文需要关注的问题。 二、理论模型构建：标准扩散机制中网络效应的提炼与表达 1.逻辑框架的提出 社会参与者的相互依存性可以概括为三个方面：口碑效应、社会信号和网络效应，经典的Bass扩散模型将这些因素糅合在一个参数q中刻画[24]。本文认为，在标准竞争中网络效应的作用必须被提炼出来。网络效应是技术标准竞争的内在机理，无论“需求方规模效应”、“供给方规模效应”还是“双向规模效应”，最终都将表现为竞争性标准安装基础之间的此消彼长，争夺比对手更多的采用者成为标准竞争的主旋律。如果不考虑政府和行业协会的影响，参与标准竞争的企业主要有两种基本战略：先发优势和预期管理。先发优势可以使企业迅速发现消费者需求并予以满足，在竞争对手未做出有效反应的时候就已经建立起一定规模的安装基础，为网络规模的进一步扩大奠定基础。理性的潜在采用者对标准的预期不仅取决于标准进入时间和现有安装基础，也取决于对其技术特性(开放性和兼容性等)的比较和研判。 传统Bass模型将潜在采用者分为“创新者”和“模仿者”。前者主要受大众传播媒介外部影响，如广告、促销等，后者主要受已购买者对未购买者的宣传等内部影响，传播某些难以验证的性能，如可靠性、使用方便性以及耐用程度等。Peres et al.[24]据此认为在产品扩散中网络效应只对“模仿者”施加影响。与之不同，本文认为在技术标准竞争性扩散中，网络效应不仅影响“模仿者”，而且会左右“创新者”的购买决策。主要原因如下： (1)从消费者选择理论角度看，所有理性的消费者在进行购买决策时均遵循“收益—成本”原则。许多网络产品单独使用的效用很小，主要依靠网络效应为消费者提供效用。而网络效应源自网络节点之间的相互依存性，受到网络结构、网络密度和连接强度等诸多因素的影响，节点间相互连通的技术和手段非常重要②。除了连接数量，不同产品在互联互通方面的技术特性根本上决定了网络内物质流的速度[27]，进而决定了产品能为消费者提供的价值，构成了产品差异化的主要内容(经典的经济学文献中使用“网络效应系数”或“网络密度”进行刻画)。因此，只要扩散产品具有网络性，已采用者就不仅作为使用者，而且作为产品效用的生产者对所有潜在用户(包括创新者和模仿者，二者主要区别在于侧重于不同的产品信息获取渠道)产生影响。 (2)网络效应在一般产品扩散与技术标准扩散中的作用程度不同。对于一些不具备(或很少具备)网络特性的产品，“创新者”完全可以因对某方面的新颖特性和先进性具有强烈偏好而选择小众产品。但是技术标准(指一种或一系列具有一定强制性要求或指导性功能，内容含有细节性技术要求和有关技术方案的文件)所代表的技术并不一定具有先进性和新颖性，既可能是“创新”，也可能是“守旧”。网络效应在标准扩散中起到核心作用，没有任何采用者可以在标准选择中作为“孤岛”存在，在此过程中产生转移成本、路径依赖[28]、过度惰性[29]、过度惯性[6]等问题，无疑会对创新者的选择带来压力，甚至使其被动地放弃偏好的标准，因为选择网络效应更大的标准将获得更多的使用保障和更小的“被边缘化”风险。 (3)从信息传递角度看，在标准扩散中，网络效应更有条件通过大众媒体对创新者产生影响。标准扩散是强者的游戏，在竞争性垄断[30]市场结构中，只有少数标准主导企业(或经济体)才有资格作为标准扩散的推动者。这些实力强大的企业(或经济体)更有能力通过大众媒体传递信息(比如更加频繁地在最权威的媒体上做广告、运营覆盖面更大的官方信息交流平台③、召开广受瞩目的新产品发布会)扩大其标准的影响力，而大众媒体恰恰是创新者获取信息的主要渠道。技术标准推广者利用公开、权威、大规模的信息发布为创新者建立牢固的信任感和乐观的前景，实际上已经成为“预期管理”的重要策略之一。
图1 技术标准竞争性扩散的逻辑框架 资料来源：作者绘制，以下各图同。 竞争性标准的功能具有相互替代性，安装基础成为争夺的焦点，一方采用者数量增长提升自身网络效应的同时削弱了另一方的网络效应，对潜在用户产生更大吸引力，因此其扩散呈现出此消彼长的态势。除此之外，竞争性标准相似的功能也将会加速同类产品的市场渗透，在非恒定影响模型中，这种渗透经常表现为潜在用户数量与各标准已采用者总数量呈正相关关系。综上，本文构建技术标准竞争性扩散的逻辑框架(如图1所示)。一是参考Bass模型的基本框架，将潜在采用者分为两类：创新者和模仿者。二是根据Katz and Shapiro[7，8]的观点，将技术标准提供的效用分为基本效用和由网络效应提供的效用，为便于分析，假定基本效用很小，因此主要依靠网络效应为采用者提供价值。其中网络效应主要受标准的安装基础(已采用者数量)和网络连接效率(开放性、兼容性、节点间物质流速等)影响，从网络拓扑学角度看，即指节点的数量和边的强度。三是本文认为网络效应对创新者和模仿者的采用决策都会产生作用，原因如上文所述。四是技术标准安装基础的增加会正向影响己方技术标准的网络效应，从而进入自加强过程，对方技术标准对潜在采用者的争夺会反向影响己方技术标准的网络效应，降低己方技术标准的吸引力。与此同时，如果不考虑竞争期内重复购买和更新换代，竞争性技术标准采用者总量将持续递增，并通过市场渗透增加潜在采用者规模。 2.计量模型的推演 下面根据图1所示逻辑关系，建立技术标准竞争性扩散方程模型。单一产品扩散基本模型如下[14，31]：
式(1)中N(t)为t时刻已经购买了该产品的人数，dN(t)/dt为t时刻的扩散速度；p为创新系数或外部影响系数；q为模仿系数或内部影响系数。M(t)为t时刻市场最大潜量④；N(t)/M(t)表示t时刻已采用者占市场最大潜量的比例，[M(t)-N(t)]表示此时剩余的潜在消费者数量，下同。 在竞争性技术标准市场扩散中，各方围绕安装基础进行“规模锦标赛”，这一过程的核心实现机制就是网络效应。网络效应(由安装基础和网络连接效率决定)的存在会调整标准扩散速度，如果效应强，则成为标准扩散的“加速器”，反之亦然。不仅如此，这种调整在整个技术标准的扩散中并非恒定，而是随时间变化而变化。同样，外部影响系数和内部影响系数应当是时变的，本文尝试将网络效应作为主要时变要素从外部影响和内部影响中提取出来。遵循产品扩散非恒定影响研究的一般形式，假设标准i的外部影响函数为
，内部影响函数为
分别为标准i的固定外部影响参数和内部影响参数。如果市场中有n个标准同时存在，则t时刻潜在采用者数量变为
。标准i在t时刻扩散方程为：
本文将
(t)称为技术标准i在t时刻的“网络效应增益⑤”。理论上讲，在技术标准竞争性市场扩散中，
(t)函数应当取决于两方面：一是己方安装基础和网络连接效率(分别用
表示)；二是对方安装基础和网络连接效率(分别用
表示，其中j≠i，即标准j为市场中标准i的竞争标准)。并且
(t)应当具有以下性质：①
(t)＞0，潜在采用者单次选择的假设下，网络效应的存在不会“摧毁”安装基础，即假设不考虑负网络效应；如果
(t)＞1，则己方网络效应与竞争对手相比占据优势，能够提高扩散速度；如果0＜
(t)＜1，则己方网络效应与竞争对手相比占据劣势，使扩散速度降低；如果
(t)=1，则己方网络效用被对手网络效应所抵消，对扩散速度没有影响；②
，即己方安装基础和网络连接效率参数与网络效应增益呈正相关；③
，即对方安装基础和网络连接效率参数与己方网络效应增益呈负相关。满足以上性质，本文尝试将网络效应增益函数写为以下形式： 如果
，则：
式(3)实际可以理解为标准i在t时刻的网络效应与整个市场平均网络效应的比值，如果
，则网络效应将“加速”标准扩散；反之则“抑制”标准扩散。如果二者相等，则网络效应增益等于1，表明技术标准i在t时刻的网络效应被竞争对手的网络效应抵消，退化为不考虑网络效应的普通市场竞争模型。极端情况下，如果
，表明具有网络效应的标准i以n倍速扩散，迅速填补了其他缺乏网络效应技术标准的市场空间。如果市场上仅有两项技术标准竞争，即n=2，则技术标准1在t时刻的网络效应增益
可以进一步写成：
表示t时刻技术标准1与技术标准2的相对市场占有率。 由此可见，技术标准1在t时刻的网络效应增益实际取决于t时刻两种技术标准网络效应参数和安装基础的相对数而非绝对数，两者之间的竞争性扩散是一个此消彼长的过程。图2为当
分别为1∶2、1∶1和2∶1时技术标准1的网络效应增益与网络效应技术参数的三维曲面图，可见
呈正相关关系，与
呈负相关关系，当参数
给定，技术标准1与竞争性技术标准2相比市场占有率越大，其网络效应增益
(t)越大。 综上所述，通过将网络效应增益函数整合入Bass方程，本文提出技术标准竞争性扩散模型：
式(4)中，
，表明市场潜量具有非恒定性(假设价格不变，令D作为价格参数)，其他参数如前所述。
图2 网络效应参数与网络效应增益关系 三、实证研究：iOS与Andriod操作系统之争 1.数据来源 下面利用本文提出的理论模型对智能手机移动操作系统竞争性扩散进行实证研究。智能手机可以像个人电脑一样安装第三方软件，具有丰富的功能，独立的操作系统，很强的应用扩展性和良好的用户界面。目前整个移动互联网终端市场大体分为两个阵营：以开放手机联盟(Open Handset Alliance，简称OHA)⑥为核心的Android阵营和以Apple公司为核心的iOS阵营，二者总共占据了移动操作系统90%以上的市场份额，具有很强的垄断力量。Android系统具有开放性的技术特点，技术门槛相对较低，相关组件生产商可以很低的成本使用、开发和修改，出现之后以惊人的速度在市场中快速扩散，截至2013年年底市场占有率超过50%，并一直保持十分强劲的增长势头。与Android不同，iOS是一个比较封闭的操作系统，目前所有的iOS设备都是由Apple公司开发，并由富士康或其他合作伙伴制造。本文利用2008年11月至2013年11月智能手机iOS系统和Android系统全球月度销售数量组成的面板数据，研究市场上的技术标准竞争性扩散问题。其中，全球智能手机操作系统销售量数据来自Gartner数据库，系统销量市场占比数据来自StatCounter数据库。 2.移动操作系统的网络效应 移动操作系统是移动终端软硬件的核心，决定整个系统产品的功能和使用者交互界面，是产品各组件有机结合的技术标准。从表面看，对操作系统的选择是由终端产品制造商做出而非由最终用户直接选择，但是用户可以通过对终端产品品牌的选择(货币投票)反向影响制造商对技术标准的选择，因此两大平台之间的标准竞争态势可以用最终用户数量的对比体现出来。 本文认为，对于以互联互通为本质要求的移动操作系统来说，网络效应可以表现在以下方面：一是直接网络效应。两大系统中许多自带的网络服务为本系统独有，如iMessage、iCloud云同步、Siri语音服务等只能在iOS设备上使用，而Google Now等则只能在Android设备上使用，自然安装基础越大，数据传输速度越快，给用户带来的效用越大。二是双边网络效应(包括间接网络效应)。移动操作系统作为一个服务平台，一端连接着最终用户，一端连接着应用软件提供者，当安装基础增加时，会有更多App设计者愿意为此平台设计软件，不仅种类更加丰富，而且由此带来的竞争效应会降低软件的使用成本，为用户提供更大的消费者剩余，进而吸引更多潜在用户选择这一系统，市场形成“正反馈”[32]机制。为了最大化这种良性循环，Apple公司建立了AppStore平台，组织和整合开发者为iOS量身定制应用软件，Google公司也针锋相对地建立了Android Market(后更名为GooglePlay)。值得注意的是，目前一些主流的移动网络应用都同时为两大平台开发相应版本，即存在跨平台的“多属”现象。但从移动网络市场整体格局看，目前几乎所有的App开发者都是分别为iOS和Android进行定制设计，鲜见有独立App能够同时安装运行于两大系统并带来无差异的消费者体验，几乎没有发现任何跨平台软件强大到可以反向决定移动操作系统的设计路径，因此平台发展的“竞争性瓶颈”[33]尚未出现。而且相当一部分App的iOS和Android版本之间在外观、价格甚至功能方面存在较大差异，在一定程度上限制了软件使用的兼容性。三是负向网络效用，主要是信息安全问题。不可否认的是，移动操作系统的安装基础越大，负载其上的信息财富价值就越大，由此承担的信息风险就越高。操作系统采用的技术路径对于信息安全也有决定性影响，比如Android系统完全开放其源代码，允许使用者可以低成本地设计软件甚至对系统进行改写，这一策略虽然可以获得更大的间接网络效应，但也更容易暴露在病毒和网络攻击之下。四是基于用户自身的口碑和平台学习也是一种网络效应[34]。随着用户对一个系统使用越多，通过熟能生巧等会加深对这一系统的了解和依赖，也会产生更佳的口碑。最后，互联网的发展为潜在消费者提供了更多的产品信息和强大的购买决策工具，网络共享大大降低了产品信息的搜寻成本[35]，使其能够对移动操作系统的发展态势(如系统的现有用户数量和技术特点)有更为清晰的认识，对未来的预期趋于理性。 3.计量分析方法与结果 根据前文提出的技术标准竞争性扩散模型，本文建立以下微分方程组作为计量模型。
式(5)中
(t)表示iOS系统在第t期的安装基础，
(t)表示Android系统在第t期的安装基础；
分别为iOS系统的固定(非时变)外部影响参数和固定内部影响参数，
分别为Android系统的固定(非时变)外部参数和内部参数；并将
标准化为1，以减少待估参数，提高模型估计效率；
为外生变量，表示技术价格等于0时的市场潜量，即最大市场潜量，其他参数含义与前文同。由于上述联立方程模型内各微分方程的参数相互影响，考虑到回归方程间残差存在相关性，本文尝试采用非线性似不相关回归(Nonlinear Seemingly Unrelated Regression Estimation，简记为NLSUR)，使用可行广义最小二乘法(FGLS)对模型进行系统估计。据统计，2013年全球手机用户数量超过50亿户，其中13亿户为智能手机移动互联网用户[36]。因此，本文以50亿户为最大市场潜力，即
=5000000(单位：千户)作为外生给定变量，并选择迭代至收敛，估计中使用稳健标准差。回归结果见表1。 从方程估计结果看，方程1和方程2的均方根误差为1705.053和820.4766，如采用不考虑网络效应增益的竞争市场模型，两方程的均方根误差为1854.17和1045.692(限于篇幅，详细估计结果不在此列出)，表明本文模型具有更高的一致性。另外，可决系数均大于95%，表明方程对估计对象的误差具有较好的解释力。从参数估计结果看，整个市场的价格参数为0.0039，且在5%的水平上显著，表明市场潜力会随着时间推移(总采用者数量)而上升，市场渗透系数为0.0011，但并不显著。分别考察两个系统，
，四个参数均在1%水平上显著，表明在剔除网络效应情况下，iOS系统的固定外部影响系数和固定内部影响系数均小于Android系统，但二者的网络连接效率参数之比为1∶0.2706，且在1%的水平上显著，表明iOS系统网络节点之间的连接效率远超过Android系统。比如，iOS系统集成了iCloud、iTunes、Facetime、iMessage、GameCenter、Twitter等设备间数据传输和通讯社交软件，这被认为是提升系统的软硬件一体化程度，带来更好的用户体验和便利。
图3 两系统外部影响函数
图4 两系统内部影响函数 根据相关参数，可以分别得到两个系统的外部影响函数
与内部影响函数
。如图3、图4所示，虽然iOS系统的固定外部影响系数较小，但由于在初始阶段已经拥有了一定量的用户基础(2010年10月底，iOS用户总量为12051640户，Android刚刚诞生，其用户数仅为176700户)，其外部影响函数值仍然大于Android系统。可见，此时iOS系统拥有可观的忠诚用户群，有人将这些Apple公司电子产品的忠实爱好者称为“果粉”。Android系统经过初期的用户积累后，依靠较低的采用门槛和技术开放策略，使其外部影响函数值快速提升，削弱竞争对手赖以生存的安装基础和用户情感认同。数据显示，Android系统从2010年5月开始出现“起飞”(Take Off⑦)[37]，标志着进入增长期，此后增长幅度逐年加大，并且在2011年3月份后来居上，全面超越了iOS系统。 从内部影响角度分析，良好的用户体验可以带来正向的“口碑效应”。iOS系统具有十分友好的用户交互界面，与初期尚不成熟的Android系统相比，其美观、简化、流畅、高效的操作方式赢得使用者的广泛认同。更为重要的是，Apple公司创建了AppStore网络平台，为iOS系统提供数量大、功能全、质量高的应用软件，带来强有力的间接网络效应。而随着时间的推移，当采用iOS系统的电子产品开始覆盖价格敏感消费者的时候，其高价格的劣势开始显露。在没有明显性能改善情况下，更多消费者对其产品性价比产生质疑，如系统占用内存大，电池消耗快，封闭性系统缺乏扩展能力和外部兼容性，导致负向口碑效应出现。市场调查公司YouGov BrandIndex(舆观)2012年发布的调查数据可成为这一变化的良好佐证。自2008年1月起，苹果在作为移动互联产品消费主力的18—34岁人群吸引力随着时间逐渐降低，尤其是搭载iOS系统的iPhone5推出后，被美国消费者认为缺乏创意，品牌认知度大打折扣。反观Android系统，作为市场的后进入者，早期技术尚不成熟，系统缺乏稳定性，开放源码策略在增加系统扩展性同时也带来严重的信息安全问题。Android系统推广者也建立了自己的应用程序运营平台——Android Market，成立之初缺乏有效的网络监管和审查制度，导致质量低劣软件泛滥，大量应用程序甚至被植入非法广告和病毒，给使用者带来不良的消费体验。随着以Google公司为首的开放手机联盟对Android的不断完善，系统的易用性、安全性大幅度提高。Samsung、Motorola、HTC、联想等众多手机生产商宣布支持Android系统，从高端、中端和低端对智能手机市场进行全面渗透。 四、模型仿真分析 为进一步研究技术标准竞争性扩散的规律，需要对技术标准的采用规模和市场格局进行预测。由于模型中微分方程组难以获得解析解，本文尝试采用数值法获得技术标准采用数量的时变曲线，能够更为清晰地反映各方未来的力量对比。基于模型，本文使用Matlab-Simulink工具箱进行建模。将前文非线性似不相关回归得到的参数输入模型，并设置iOS系统和Android系统已采用者数量的初始值向量为[12051，176](单位：千户)⑧，进行t=150期数值模拟。 模拟结果如图5、图6所示。双方竞争初期，iOS系统拥有明显的先动优势，其增长速度和安装基础数量均高于Android系统，但随着时间的推移，后者迅速超越前者并一直保持数量上的压倒性优势，最终Android系统的市场占有率为87.7%，iOS系统市场占有率为12.3%(本文同时对不考虑网络效应增益的模型进行模拟，结果显示：最终Android系统的市场占有率为97.3%，iOS仅为2.7%，可见网络效应对于iOS系统维持用户基础意义重大)。
图5 模拟结果：iOS与Android总采用量曲线
图6 模拟结果：iOS与Android扩散速度曲线 另外，两系统网络连接效率参数的比值对最终市场竞争格局有很大影响，如表2所示。将
设定为1，对
不同取值下的模拟结果分析发现，iOS系统的市场占有率随着
值的增大而增加，当比例为1∶0.280时，iOS的市场占有率仅为6.73%，当比例为1∶0.260时，双方市场占有率基本持平，当比例为1∶0.250时iOS的市场占有率达到84.28%。可见，最终市场格局的变化对于网络效应技术参数的变化是非常敏感的。
值得一提的是，模拟显示当
取值约0.258时，双方的规模竞争过程呈现出明显的“胶着”现象，如图7所示。本文认为，这是影响技术标准扩散的各项影响因素相互交织、共同作用的结果。竞争初期，iOS可能凭借先期建立的安装基础，取得先动优势，其用户数高于Android用户数；Android则依靠日益完善的技术和价格优势(有时甚至采取掠夺式定价策略)，不断进行市场渗透，在第31期超越前者，令iOS的先动优势丧失殆尽；在固定外部影响系数和固定内部影响系数都小于Android的情况下，iOS系统转而依靠更高的网络连接效率，提升网络效应增益，为其标准扩散安装强劲的“加速器”，数量处于劣势的采用者群体却带来更大网络效应，最终“后程发力”在第72期实现了数量上的反超，成为市场上的强势标准。模拟分析充分说明，标准竞争中某一阶段的“赢者”未必能够“通吃”，拥有先发优势的一方未必可以一劳永逸。
图7 技术标准“胶着”扩散模拟(双系统安装基础数量) 五、结论与启示 本文在Bass模型的基础上引入网络效应，研究技术标准竞争性扩散的机制。首先通过引入“网络效应增益”将网络效应的影响在扩散方程中独立出来，进而使用非线性似不相关回归对iOS和Android在智能手机操作系统市场中竞争性扩散进行实证分析，在此基础上通过建立仿真模型进一步研究竞争性扩散的趋势，主要得到以下结论： (1)在技术标准竞争性扩散过程中，无论是创新采用者还是模仿采用者，都要受到网络效应的直接影响。即使是潜在用户中的创新采用者，决策时也必须考虑标准产品基本效用和网络效应带来的效用，尤其对于那些网络效应强、以互联互通为本质要求的产品(如大多数信息技术产品)，这种考虑是非常必要的；而模仿采用者除了要考虑网络效应外，还要考虑标准产品的口碑效应(互联网产品市场中称为“鼠碑[38]效应”)和社会信号效应等因素。此外，某一标准已采用者总数量增加会对竞争标准产生两方面影响。一方面令潜在用户的数量增加，“做大的蛋糕”为整个市场提供增长潜力，对处于竞争中的标准创造更大发展空间；另一方面，某一标准已采用者总数量增加推动己方标准的网络效应增强，并同时从安装基础角度削弱对方标准的网络效应。 (2)网络效应对竞争结果的影响主要通过两个方面实现。一方面，安装基础的相对规模。在此过程中起关键作用的是各标准采用者数量的相对位次，而不是绝对数量(随着潜在用户的增加，经常出现所有标准采用者数量都上升的情况)，因此标准竞争性扩散更像是一个“锦标赛”过程。具有先动优势的技术标准会在竞争初期享有更大的扩散加速度，但是在消费者异质性高的情况下这种优势可能随着竞争对手的市场渗透逐渐丧失。另一方面，网络连接效率。与前者相比，这一点似乎经常被忽略。本文认为，从逻辑上讲，用户数量的差距只是竞争的表象，而技术水平的差异才是根本。如果一种标准所包含的模块化技术和接口技术能够使用户之间的连接更加紧密，信息、知识传播共享的速度更快，它将比竞争对手更具吸引力。以iOS系统为例，虽然用户规模早已被Android系统超越，但凭借更高的软硬件一体化水平、软件质量、设备间数据传输效率，仍然保持近1/3的出货量市场份额和遥遥领先于行业平均水平的利润率，并没有出现“赢者通吃”的局面。同时需要指出，更高的网络连接效率也可能使网络变成“单面镜”，系统提供者凭借信息不对称的优势，加强对用户的监控，带来一定的信息安全隐患⑨，从这个角度讲，网络连接效率的提高与安装基础一样，也可能带来负向网络效应。但是总体来说，安装基础和网络连接效率结合在一起产生作用，会显著影响技术标准的市场扩散速度。 上述结论对企业(尤其是网络产业中的企业)技术创新和参与技术标准竞争具有重要启示意义。从产品技术角度看，采用者之间的网络连接效率对标准竞争的最终结果具有重大影响，企业在进行标准技术研发时，应更加关注设备之间互联互通方面的技术创新(如设备局域网络构建、设备之间资源共享、设备接口兼容性等)。以智能手机为例，网络传输效率比存储卡容量更重要，网络连接速度比CPU性能更重要，网络稳定性比屏幕分辨率更重要。产品一旦投入市场，竞争初期在网络连接效率方面的微小差距，会因安装基础积累而被放大，甚至可能决定技术标准竞争的最终结果。 另外，对已采用者的维护会很大程度上影响技术标准的市场吸引力。网络效应的特殊性就在于消费者一旦做出了购买决策，就同时承担了生产者的角色，因为他们的存在“创造”出更大的效用。企业可以为用户搭建后续服务和信息交流平台，提高用户满意度，创造更好的消费体验，这不仅是企业的责任，也有助于形成良好的口碑。从这个角度讲，高满意度的用户群又成为企业技术标准的推广者。互联网的发展为企业搭建这种平台创造了条件，目前涌现出的各种由企业引导建立或用户自发创建的技术论坛、远程服务中心、“QQ群”、“微博”、“微信朋友圈”等，使用户与企业之间、用户之间的联系更加紧密，其网络效应得以增强，已经成为企业技术标准竞争的重要策略。 上述研究仍存在一些不足之处：一是本文提出并模型化“网络连接效率”，将其纳入“网络效应增益”函数整合进扩散方程，但是网络连接效率的影响因素可能还包括信息传输硬件的技术水平、节点之间的交流频率(意愿)、网络的空间拓扑结构等，需要另文作更加深入的探讨。二是本文主要从网络效应视角对智能手机移动操作系统的扩散进行实证分析和模拟，实际上是对这一过程做了简化分析。不可否认的是，最终用户在选择移动操作系统时，不仅关注其安装基础和网络连接效率，还关注其价格、美观程度、品牌、软硬件一体化程度、信息安全等更为直观的因素，后续研究中可以将这些方面整合为更为全面的分析框架。另外，尽管目前来看两大系统主要使用于智能手机，但已经应用于平板电脑、音乐播放器、游戏机，甚至智能电视、智能手表、智能汽车等非手机设备，无疑这些设备与手机之间也会形成网络效应。但出于数据可得性的考虑，本文并未将其纳入实证分析中，未来还需要广泛收集数据做出更为精准的分析。 ①根据Blind[1]对标准的分类，标准按照服务对象分为技术标准、管理标准和工作标准三大类，其中技术标准是企业进行生产技术活动的基本依据，是指一种或一系列具有一定强制性要求或指导性功能，内容含有细节性技术要求和有关技术方案的文件；按照形成过程可以将其分为法定标准(De Jure Standards)和事实标准(De Facto Standards)，本文主要研究事实标准扩散问题。 ②实际上，第一次对网络效应的系统性探索就是源于Rohlf对电话网络的研究，此后随着E-mail、Internet、GPS、移动通信的发展，这一领域的研究快速推进。 ③例如，每年苹果(Apple)公司召开的“苹果全球开发者大会”和谷歌(Google)公司召开的“谷歌I/O开发者大会”。
⑤在电子学中，“增益”(Gain)表示对信号的放大倍数，本文借用这一概念。 ⑥开放手机联盟是美国Google公司于2007年11月5日宣布组建的一个全球性的联盟组织。这一联盟支持Google所发布的Android操作系统和应用软件，以及共同开发以Android系统为核心移动终端产品和移动数据服务。 ⑦Golder and Tellis[37]将“起飞”定义为技术(产品)销售突然增加的时刻，并将此作为技术(产品)引入期和成长期的分界点。 ⑧本文直接采用2008年11月的实际数据，着重研究网络连接效率的影响。实际上，模拟结果对初始值设置也比较敏感，“先动优势”对竞争结果的影响也具有进一步研究的价值。 ⑨例如，2014年7月26日，Apple公司承认，公司员工可以通过一项此前并未公开的技术来提取iPhone中短信、通讯录和照片等个人数据。这意味着执法或其他人员可以利用这一技术通过“授信”电脑绕开备份加密，轻松进入已联网的iPhone中[39]。
标签：ios系统论文; 网络模型论文; 效用理论论文; 信息安全论文; 移动互联网论文;
