Oxera：在商業中使用算法的風險（英文版）（4頁）.pdf

《Oxera：在商業中使用算法的風險（英文版）（4頁）.pdf》由會員分享，可在線閱讀，更多相關《Oxera：在商業中使用算法的風險（英文版）（4頁）.pdf（4頁珍藏版）》請在三個皮匠報告上搜索。

1、基于數據的學習必然產生數據網絡效應，并將后者等同于標準網絡效應。這導致了對競爭優勢和基于數據支持學習的鎖定的夸大聲明?；叵胍幌?，當一個產品或服務對一個用戶的價值隨著其他用戶購買相同產品或使用相同服務的數量的增加而直接增加時，該產品或服務會表現出規則的網絡效應，因為用戶希望彼此交互或交易。這涵蓋了“相同的網絡副作用”，即從提供商的角度來看，所有用戶本質上是相同的(例如。社交網絡上的用戶)和“跨側網絡效應”，其中有兩個或兩個以上不同的客戶群體彼此互動/交易(例如市場上的買家和供應商)；iOS或Android上的用戶和應用程序開發人員)。在我們看來，數據網絡效應和常規網絡效應之間的混淆部分是因為許多

2、圍繞具有常規網絡效應的平臺而建立的大型科技公司(如Airbnb、阿里巴巴、亞馬遜、Facebook和谷歌)也能獲得有價值的數據，從而增強其現有的網絡效應。在這種情況下，這些公司已經從網絡效應中獲得的強大競爭地位可能被錯誤地(或過度地)歸因于他們的數據。另一個讓人困惑的原因是，在某些情況下，看似數據化學習導致的網絡效應實際上只是正常的網絡效應。例如，當用戶直接彼此共享信息時，數據支持的學習就不存在了(例如TripAdvisor和Yelp上的用戶評論、Spotify上用戶生成的播放列表、Quora和Stack Overflow上的用戶問答)。在這種情況下，這樣的用戶越多，共享的信息就越多，服務就越有價值。這種網絡效應可能相當強大，但不需要增強公司從客戶數據中學習的能力。