最近又把某Chrome扩展翻出来重写了一下.
原因大概一是依赖的某Polymer也到底1.0版本了,该切换下了.
二来,也是原来Proxy逻辑部分的kernel的有些华而不实的地方,用了比较多functional的形式写法.
其实早前也有过这个打算的.
当时Polymer的版本还是0.5吧.
简单bower了下,然后发现有些component的行为改了.
主要是当时用了个core-list吧.
最初的版本是不要求parent元素有height的,后来的版本要求了,于是一些地方就broken了.
然后简单翻了下,要fix的话,最简单的就是做个height限定.
不过这个终究不算是一个优雅的解决方法,毕竟分辨率这个是不定因素.
于是也就算了.
当时觉得这个改动还是挺儿戏的.
毕竟作为一个公共library,随意改行为终究不算什么太有原则的事情.
后来,当再npm update一下的时候,就觉得,这些其实不算什么.
毕竟,比起Node社区的某些工具链来说,至少core-list还保持了接口不变.
再后来,就是Polymer的1.x版本了.
也算正式版了.
看了下,基本上改动还是比较大的.
至少core-*的component基本上都改叫iron-*了.
倒是衍生的material design的paper-* component名字没怎么变.
虽然说实现也是基本改了.
毕竟,跟0.5甚至0.x时代来说,整个项目和某些哲学上的变化还是挺大的.
最明显的就是webcompoment这个东西算是独立出来了.
毕竟,当初还算是比较初级的阶段,浏览器支持不多.
基本是polyfill而非native的支持.
现在shadow dom基本算是常识了.
于是虽然保留了polyfill的部分,但至少从项目结构上来说,webcomponent不再是Polymer独有的东西.
对应的某些Polymer的某些template的语法变更了.
比如原来的custom-element改叫dom-module了.
template的functional的registration也由原来的Polymer(name,config)改为没那么多余的Polymer({is:name})了.
不过一个比较重要的改变应该是对templates的data binding部分吧.
开始的版本是可以随意bind对应model的某个attribute的,现在倒是限定了只能bind properties下面的东西.
而且在property的定义是一种显示的声明,得提供binding的一些行为和本身的类型之类的.
相对来说,这个改动使得binding的灵活性大为降低.
但原则上来说,倒是比较符合webcomponent的隔离哲学的.
毕竟,如果以component的思维和角度去看待这些templates的话,这种黑盒思路还是很有必要的.
不然的话,由于javascript本身语言比较随意,所以hack也能比较随意,带来的结果自然是component行为预期的不确定性了.
另外一个比较明显的改变是貌似取消了component的extends方式.
也就是说,component是没有父子继承关系了.
这点也不难理解,终究是黑盒的思路.
所以,要关掉一些可能更改行为的可能.
代价当然是灵活和所谓的复用性.
而所谓的"灵活"也只是特定条件下的术语.
毕竟,不能extends还能composite嘛.
所以并不算是一个实际的牺牲.
而复用性,在UI方面的话,composite就是解决方案.
有待解决的只是一些功能性的东西.
所以,这里就是behavior的mixin思路了.
这点其实是有些类似go之类语言的fucntion set的概念的.
实际上,这种设计很多地方确实就叫behavior.
就像某句著名的话.
"程序就是数据结构和算法".
其他一些改动就是对inline expression的evaluation.
这个也是比之前的较为严格了.
不再各种操作符.
原则上就是直接的property的direct mapping.
no more magic.
当然,也不是说现在的Polymer就是完全不能做hack做侵入的.
最简单的就是event/listener机制.
结合behavior的话,还是能够模拟一套能让外部侵入现有component,改变其行为的方法的.
只不过得考虑下怎么处理event driven的状态机而已.
还有一点改进是web-animation的部分.
之前的paper-* component系列的animation部分也是用这个重写了的.
特效部分也拆分为独立的neon-animation了.
也是顺应时代进步了的一个改动吧.
不过大体看了下,基本就是css3的transform的一些应用吧.
毕竟说到底material design的一个思路还是"平面UI立体交互吧".
所谓的paper和ink的关系.
所以基本上来说,paper也就是静态展示的部分基本上就是Google一贯风格的简约加上从微软metro吸收过来的视觉分块思路.
至于ink的动态部分.
一方面是分为UI状态变化.
一方面是用户交互的反馈.
前者的状态变化比较突出的就是hero这种联动的视觉块大小变化效果了.
通过变化做某种直觉引导的作用.
后者典型的就是ripple效果.
原则上来说,ripple类的效果也是做直觉引导的.
不过侧重点在于告诉用户交互已经发生.
而不是交互的变化结果.
这点大概就是material design为什么要用paper和ink来描述的原因了.
paper是书写/painting的效果/结果,ink是书写painting的动作及反馈.
所以Polymer的其中一个价值,至少是比较方便地自带material design的东西,可以直接用.
尤其考虑一些paper-style里的配色方案typography的话.
当然,除了这些算是比较好的点之外,1.x的Polymer用起来也还是有些地方比较tricky的.
不过,应该多数有two-way databing的都有这个问题.
即使bind的value update和paint的时间差的问题.
具体到Polymer来说,data change的observer的diff是在一个microtask或者说一个tick的最后,从一个pending的queue里取出来执行的.
因为Polymer实际上来说,还是以原则上300ms做一次check和update的.
所以,在每个300ms的time slice之后,是pop一些async/debounce的东西出来执行.
而pop的源里面其实至少包含了一个是data diff/change的处理,以及对应的dom modify.
所以,这里一个可能的案例就是,bind了一个array,然后array增加或者删除了元素.
然后,直觉上,应该是对应的dom节点应该也在这个function invoke的处理context/现场变更了.
而实际上是没有.
因为对dom的修改是在这个context之后.
更确切地说是在当前tick的microtask的lifecycle的最后才发生.
因此,该context的内容还是原来的.
要怎么解决呢?
一个解决方法就是去hack这个pending的queue.
假设实现不变的话,那么这里就只有一个queue.
而且dom changed应该是在queue的比较靠前的部分.
于是,既然有一个确定的position了,那么剩下的问题就是hack的点是需要在dom change前还是change后了.
对应的就是是在处理queue之前还是push到queue后面的地方.
当然,这算不上一个完美的解决方案.
毕竟这个依赖于Polymer的实现.
就像最近Go 1.5的某个更改一样.
原来的goroutine的scheudle的顺序是可估计的.
1.5之后,这个assumption不存在了,那自然要broken依赖于这个的很多东西.
不过无论怎么改,都解决不了实际上的bind value change和dom change是两个操作的事实,而不是一个atomic operraion.
除非就是什么时候浏览器暴露一个atomic的render hook了.
不过即使有,底层估计也还是会做一些batch或者类似tick的东西.
毕竟,这个世界很多时候其实是离散的.
instant是个很理想化的东西.
所以很多时候,很多东西其实是按照某种tick来计划安排的.
如人的秒.
如distributed system的versioning.
剩下的kernel方面的改动,其实多数是一些map/reduce/foreach等当时觉得好玩的写法的该写.
虽然这种functional的写法看起来可能阅读效果不错.
但实际上可能做的事情比较多余.
有些可以fast path的地方变得不太方便.
就像前段时间写Java 9的stram和lambda.
能用stream的地方就用stream,能写lambda就写lambda.
甚至还考虑写个基于Yarn的stream实现,写个基于socket的classloader基本就是分布式计算了.
不过后来想想,其实是种拿到新玩具的炫技心理吧.
有了新锤子,看什么都是钉子.
所谓的喜新厌旧.
2015-08-22
2015-08-03
销售为王
早上,或者说中午过马路的时候,顺手收了张传单.
然后冒出一个问题.
怎么去追踪这些传单的转化率,或者说评估效果呢?
像互联网上的话,追踪手段其实很多.
但是这种线下的方式的话,如果按照线上的思维思考的话,可能不太容易.
对于传单本身来说,不像线上可以对访问者/接受者做各种annotation.
也很难从其他地方infer出一个人的identity.
所以,依照常理来想的话,貌似是个很难解决的问题.
但有人提到了一点,传单上的返点/优惠券.
作为一个promotion,最根本的目的还是提高营收.
或者说提高转化率.
所以这里要追踪效果其实很简单,统计下使用情况就可以了.
而且衍生的计算边际效益/成本等问题也就自然而然了.
于是,到这里发觉自己的想法还是比较幼稚的.
或者说不切实际.
没有根据实际的商家情况却考虑估计的问题.
开始的思路是把宣传的"收益期"过度扩展了.
纳入了诸如接受了传单,但是没有在当期宣传期转化,而是在以后被转化成店里客人的情况.
即是考虑宣传的目的是"知名度"/"流量标的"这种可能不太适合的思路.
毕竟,在一个以浮夸著称的互联网行业待久了,视野总是被类似"流量为王"/"用户基数"这种东西所困惑.
对于实际的商家这种程度的scale来说,关注的点可能是实际的营收波动变化,而不是这种long term和huge scale的问题.
所谓小本经营.
所以,回过头来看派发传单这种行为的话,其实它关心的并不是转化率之类的问题.
而是实际的销售提升.
或者说,"打折促销"这个词语组合的本质目的在于后者的 促销.
因此,评估这种行为的工具就不需要是追踪或者可追溯性,而是直接的绩效或者KPI指导.
也就是,这是一个可以直接量化观测的东西,就没必要做一些准量化的时期,去曲折地观测结果了.
某种程度上来说,这种把简单问题复杂的化的原因还是在于个人的局限性上面.
就像经常用来嘲笑工程师的那句话一样,手里拿着锤子就看什么都是钉子.
对于一个普通的小店铺商家来说,只需要评估传单带来的边际营收效果即可了.
不用考虑那么多.
那么,如果换个角度.
给定一定数量的传单,如何最大化营收效果的提升的?
比如不同地段派发效果带来的转化率.
如果存在区别的话,那么如何均衡分配才能最大化收益呢?
如果是常规思路,自然是不同传单,然后通过不同的样式来区分转化来源了.
但是,这对于商家来说其实是不太现实的.
毕竟不同样式也就因为这一定的印刷成本增加.
而且小规模的来说,即使提升了,最终的效果可能还cover不掉增加的成本.
所以,一个能想到的办法就是分期不同地点派发.
这样实际上就是把一个稳定可预测的收入方程拆分成一个加权的线性组合收入.
把区分转化率的"投入成本"变做概率性风险散落到各个地点的转化系数/权重上面了而已.
于是,这里其实可以看出为什么线上思维不符合线下思路了.
本质上来说,线上的追踪成本某种程度上来说很低廉.
所以很容易多样化.
而且通常来说,追踪的周期理论上是无限延长的.
但是线下不同.
线下要考虑一定的投入成本以及时效性.
线下的促销本质决定了它关注的周期很短.
而线上可能更关注的是engagement.
如果考虑大型线下连锁的呢?
其实没什么太多变化.
因为区域性决定,效果和观测方法都不会有太大的不同.
只不过从连锁规模的角度看的话,需要一级级往上汇总区分.
所以,拆开来看的话,不过是简单的层别关系而已.
然后考虑网上销售/零售的方面.
或者说电商的促销广告.
某种程度上来说,电商的促销目的也是为了提升销售额.
所以,原则上来说,对于来源追踪并不需要太关心.
把广告成本也考虑进来的话呢?
其实就是类似线下的地区转化率区别.
这个依赖的是前期数据.
所以,电商在这一块跟线下的策略其实是没什么区别的.
甚至在成本控制和收益目标方面,也是没什么差别的.
电商有限的优势之一在于点对点的物流.
而随着目前电商的自提以及线下已有的就近送货来说,能拉开的空间其实不太多了.
当然,C2C是另外一回事.
但是C2C的处境可能更尴尬.
因为客户分布地理上和网络上都可能更稀疏,于是带来的就是通过优化"投放"的可能收效微乎其微.
尤其是在一些平台型的地方.
而对于像Tmall之类的大中型C来说,其实已经是某种程度的B2C了.
这个跟线下的区别只是"销售地点"的不同.
就如同一家线下零售提供了一个在线订单的服务一样.
本质上来说,还是线下的那套成本/利润模式.
因为最终关注点都是销售.
所以,抛开C2C的部分.
所谓电商,只不过是一家开在互联网的分店而已.
游戏规则和侧重点并没有太多的不同.
于是,把互联网其他地方的玩法搬过来用,其实就显得有些无谓和多余了.
毕竟,这是销售为王的地方.
然后冒出一个问题.
怎么去追踪这些传单的转化率,或者说评估效果呢?
像互联网上的话,追踪手段其实很多.
但是这种线下的方式的话,如果按照线上的思维思考的话,可能不太容易.
对于传单本身来说,不像线上可以对访问者/接受者做各种annotation.
也很难从其他地方infer出一个人的identity.
所以,依照常理来想的话,貌似是个很难解决的问题.
但有人提到了一点,传单上的返点/优惠券.
作为一个promotion,最根本的目的还是提高营收.
或者说提高转化率.
所以这里要追踪效果其实很简单,统计下使用情况就可以了.
而且衍生的计算边际效益/成本等问题也就自然而然了.
于是,到这里发觉自己的想法还是比较幼稚的.
或者说不切实际.
没有根据实际的商家情况却考虑估计的问题.
开始的思路是把宣传的"收益期"过度扩展了.
纳入了诸如接受了传单,但是没有在当期宣传期转化,而是在以后被转化成店里客人的情况.
即是考虑宣传的目的是"知名度"/"流量标的"这种可能不太适合的思路.
毕竟,在一个以浮夸著称的互联网行业待久了,视野总是被类似"流量为王"/"用户基数"这种东西所困惑.
对于实际的商家这种程度的scale来说,关注的点可能是实际的营收波动变化,而不是这种long term和huge scale的问题.
所谓小本经营.
所以,回过头来看派发传单这种行为的话,其实它关心的并不是转化率之类的问题.
而是实际的销售提升.
或者说,"打折促销"这个词语组合的本质目的在于后者的 促销.
因此,评估这种行为的工具就不需要是追踪或者可追溯性,而是直接的绩效或者KPI指导.
也就是,这是一个可以直接量化观测的东西,就没必要做一些准量化的时期,去曲折地观测结果了.
某种程度上来说,这种把简单问题复杂的化的原因还是在于个人的局限性上面.
就像经常用来嘲笑工程师的那句话一样,手里拿着锤子就看什么都是钉子.
对于一个普通的小店铺商家来说,只需要评估传单带来的边际营收效果即可了.
不用考虑那么多.
那么,如果换个角度.
给定一定数量的传单,如何最大化营收效果的提升的?
比如不同地段派发效果带来的转化率.
如果存在区别的话,那么如何均衡分配才能最大化收益呢?
如果是常规思路,自然是不同传单,然后通过不同的样式来区分转化来源了.
但是,这对于商家来说其实是不太现实的.
毕竟不同样式也就因为这一定的印刷成本增加.
而且小规模的来说,即使提升了,最终的效果可能还cover不掉增加的成本.
所以,一个能想到的办法就是分期不同地点派发.
这样实际上就是把一个稳定可预测的收入方程拆分成一个加权的线性组合收入.
把区分转化率的"投入成本"变做概率性风险散落到各个地点的转化系数/权重上面了而已.
于是,这里其实可以看出为什么线上思维不符合线下思路了.
本质上来说,线上的追踪成本某种程度上来说很低廉.
所以很容易多样化.
而且通常来说,追踪的周期理论上是无限延长的.
但是线下不同.
线下要考虑一定的投入成本以及时效性.
线下的促销本质决定了它关注的周期很短.
而线上可能更关注的是engagement.
如果考虑大型线下连锁的呢?
其实没什么太多变化.
因为区域性决定,效果和观测方法都不会有太大的不同.
只不过从连锁规模的角度看的话,需要一级级往上汇总区分.
所以,拆开来看的话,不过是简单的层别关系而已.
然后考虑网上销售/零售的方面.
或者说电商的促销广告.
某种程度上来说,电商的促销目的也是为了提升销售额.
所以,原则上来说,对于来源追踪并不需要太关心.
把广告成本也考虑进来的话呢?
其实就是类似线下的地区转化率区别.
这个依赖的是前期数据.
所以,电商在这一块跟线下的策略其实是没什么区别的.
甚至在成本控制和收益目标方面,也是没什么差别的.
电商有限的优势之一在于点对点的物流.
而随着目前电商的自提以及线下已有的就近送货来说,能拉开的空间其实不太多了.
当然,C2C是另外一回事.
但是C2C的处境可能更尴尬.
因为客户分布地理上和网络上都可能更稀疏,于是带来的就是通过优化"投放"的可能收效微乎其微.
尤其是在一些平台型的地方.
而对于像Tmall之类的大中型C来说,其实已经是某种程度的B2C了.
这个跟线下的区别只是"销售地点"的不同.
就如同一家线下零售提供了一个在线订单的服务一样.
本质上来说,还是线下的那套成本/利润模式.
因为最终关注点都是销售.
所以,抛开C2C的部分.
所谓电商,只不过是一家开在互联网的分店而已.
游戏规则和侧重点并没有太多的不同.
于是,把互联网其他地方的玩法搬过来用,其实就显得有些无谓和多余了.
毕竟,这是销售为王的地方.
2015-07-27
烟花易冷
null是种很奇怪的东西.
本身指的是不应该存在的,但自身却又实实在在地存在着.
不同的null和null之间,也并没有什么可比性.
所以,既然它代表的是一种空虚,一种无意义或者说意义不明的状态.
那么,为什么会有这种需要的场景呢.
也就是说,为什么需要去描述一些意义不明,不存在,或者毫无意义的东西呢?
为什么一个概念,对应着会有一个与之相反的概念.
如果,逻辑代数里没有 否 这个操作.
那么这个体系就不存在了吧.
毕竟,二元才存在这转化/变化.
一元本身是确定的,也就无所谓代数了.
所以,概念之所以为概念,是因为它有区别与"其他"的地方.
而这一点隐含的假设就是至少存在着一个对立面,使之有区别度.
或者说能区分出状态的变化.
所谓差别.
从这个角度上来说,"区别"本身不算一种独特有意义的存在.
只是一种现象级的东西.
基于A和B的各自独特性,才在此基础上衍生出"不同"这种概念.
所以,"不同"在脱离特定的比较环境之后,是没有什么具体意义的.
也就是说,一个东西A的,其对应的反面B的存在的意义跟A本身是没有什么关系的.
因为同时存在了A和B,而A和B有着各自的特质,于是才衍生出了"不同"/"反面"这种概念.
对于一个能名之的某物,如果要探寻它存在的价值,则试图从它对立面去寻找的话,多数是无关的.
因其两者间并没有直接的因果关系.
而一个名物之所以存在,是因为它本来就存在.
只不过由于需要有一种方式去称呼它,所以有了字面意义上的存在.
所以,原则上来说,某物的"存在"只是因为意识到了它的存在,所以某物存在了.
当完全没有某种东西的概念的时候,这种东西某种程度上来说就是不存在的.
因为不可描述,无从描述.
于是,某种程度上来说,"存在价值"的意义只不过是处于某种需要"描述"的动机才"存在的".
如果不去观测/衡量一个问题,那么问题本身就是不"存在"的.
如果没有意识到"问题",那么又何来问题呢.
于是,null的存在只是因为它是一种被观测/意识到的一个问题,所以被描述了出来.
所以便有了"存在价值"了.
那么,它为什么会被意识到呢.
或者说描述的基本动机是什么.
"描述"的本质在于,明确状态之间存在差别.
null之所以会被意识到,是因为它被感知为一种不同于已有概念的状态.
是一种新的未被描述所定义的状态.
所以,某种程度上来说,如果没有经历过这种状态,也就不需要描述和定义.
因此,null的存在是因为它是一个确实发生/经历过的,无法用已有描述定义的一个东西.
所谓烟花易冷.
本身指的是不应该存在的,但自身却又实实在在地存在着.
不同的null和null之间,也并没有什么可比性.
所以,既然它代表的是一种空虚,一种无意义或者说意义不明的状态.
那么,为什么会有这种需要的场景呢.
也就是说,为什么需要去描述一些意义不明,不存在,或者毫无意义的东西呢?
为什么一个概念,对应着会有一个与之相反的概念.
如果,逻辑代数里没有 否 这个操作.
那么这个体系就不存在了吧.
毕竟,二元才存在这转化/变化.
一元本身是确定的,也就无所谓代数了.
所以,概念之所以为概念,是因为它有区别与"其他"的地方.
而这一点隐含的假设就是至少存在着一个对立面,使之有区别度.
或者说能区分出状态的变化.
所谓差别.
从这个角度上来说,"区别"本身不算一种独特有意义的存在.
只是一种现象级的东西.
基于A和B的各自独特性,才在此基础上衍生出"不同"这种概念.
所以,"不同"在脱离特定的比较环境之后,是没有什么具体意义的.
也就是说,一个东西A的,其对应的反面B的存在的意义跟A本身是没有什么关系的.
因为同时存在了A和B,而A和B有着各自的特质,于是才衍生出了"不同"/"反面"这种概念.
对于一个能名之的某物,如果要探寻它存在的价值,则试图从它对立面去寻找的话,多数是无关的.
因其两者间并没有直接的因果关系.
而一个名物之所以存在,是因为它本来就存在.
只不过由于需要有一种方式去称呼它,所以有了字面意义上的存在.
所以,原则上来说,某物的"存在"只是因为意识到了它的存在,所以某物存在了.
当完全没有某种东西的概念的时候,这种东西某种程度上来说就是不存在的.
因为不可描述,无从描述.
于是,某种程度上来说,"存在价值"的意义只不过是处于某种需要"描述"的动机才"存在的".
如果不去观测/衡量一个问题,那么问题本身就是不"存在"的.
如果没有意识到"问题",那么又何来问题呢.
于是,null的存在只是因为它是一种被观测/意识到的一个问题,所以被描述了出来.
所以便有了"存在价值"了.
那么,它为什么会被意识到呢.
或者说描述的基本动机是什么.
"描述"的本质在于,明确状态之间存在差别.
null之所以会被意识到,是因为它被感知为一种不同于已有概念的状态.
是一种新的未被描述所定义的状态.
所以,某种程度上来说,如果没有经历过这种状态,也就不需要描述和定义.
因此,null的存在是因为它是一个确实发生/经历过的,无法用已有描述定义的一个东西.
所谓烟花易冷.
2015-07-16
一个称不上新的想法
算是今晚早些时候的一个想法吧.
关于书籍二手交换的.
一般来说,跳蚤市场或者说二手市场的旧物交换都是直接的交换.
所谓直接交换就是,一方所需的正是另一方所能提供的.
但是总体来说的话,这种交易能成立的几率相对较小.
毕竟并不是所有人都能达成这种直接交易.
从进一步的整体市场角度来考虑的话,其实还是有促成交易的优化空间的.
考虑这样一个场景.
甲持有物品A,意欲换物品B.
乙持有物品B,意欲换物品C.
丙持有物品C,意欲换物品A.
这里明显的是存在一个环状交易结构能满足所有人的交易需求的.
但是对于基于直接交易的模式来说,这种本来能够促成的交易其实是不可解的.
因为交易局限在直接匹配的双方之间.
即是说,两种交易结构的区别在于,市场在撮合的过程中,考虑的参与者的多寡问题.
所以,如果把所有交易者纳入到一个交易需求当中的话,就有能够尽量地最大化实际成功的交易比数.
这就有点像金融市场里的做市商.
实际上,是承担流动性提供者的这一个角色.
或者通俗点说,存在一个名为市场的掮客,通过制造一些流动性促成了原本并不能成立的交易.
也就是一个事实上的撮合系统.
通过把每个交易标的物/欲交换的物品看作是一个有向图的节点node N.
对于一个参与者想要用N1交换N2的话,即是在有向图中存在一个从N1指向N2的edge.
于是,整个交易的"意图市场"/intention就是由这些node换个edge构成的有向图.
而促成交易的方式就是尽可能地把图中的闭环剥离出来.
因为闭环实际上就等价于上面提到的ABC类型流动性提供支持的环状交易.
对于直接交换模式的交易来说,实际上就是环状交易的一个特例而已.
参与者节点只有两个的情况.
因此,本质上来说,这个撮合交易的方式并不复杂.
只不过具体到实践上的话,utility function的选择可能涉及到不同的maximize策略.
毕竟,但就闭环的选择来说,就存在是最大化链路长度,还是最大化全局促成的交易数,这也是个抉择.
然后是about the business.
具体到二手交换这个范畴来说,因为不同的标的物存在不同的价值/价格.
那么在具体的实现上面的话,就存在着两种选择.
一种是ignore不同标的的价格区别.无视不同物品的价值差异.
这样带来的好处就是简化的撮合模型.
当然问题也很明显.
一个明显的cheating的方式就是高价物换低价物.
虽然从市场平衡的角度来说,应该都还是围绕等价交换或者近似等价交换来进行.
但是不管这样,都存在一种方式让系统产生过多的无效撮合,产生不必要的交易噪声影响撮合效率.
因为从机制上是系统可以给出撮合建议,但是用户会无视这种不平等的交换.
而过多的这种无效撮合必然地影响着撮合系统的效率和可用度.
而且从概率上来说,也因为各种原因实际产生了不平等的的交换的事情.
这个对于系统还是被损失方来说,都不能算是一件好事.
第二种是respect不同标的的价格区别.
这个是能够解决不等价交换的问题.
但随之而来的问题是,从一定程度上来说降低了环状交易的发现概率.
因为存在价格区间/匹配度的差异,相当于过滤掉了一些本该存在的edge,改变了图的拓扑结构.
一个解决办法是引入 信用代币 补充因为价格差距产生的流动性缺失.
比如,甲 用 价值10的物品A 换 乙 的价值100的物品B.
系统在促成这比交易的时候,对甲乙做个会计处理.
计甲,
借:100的物品B
贷:10的物品A + 90的信用代币
计乙,
借:10的物品A + 90的信用代币
贷:100的物品B
在这种理想情况下,整个资产负债表是平衡的.
但这里存在另外一个问题.
这个信用代币到底是什么,或者说如何产生.
如果把它设计成系统"赠予"的类似一些游戏经济系统里的货币的话.
从长远来看,这种信用代币的实际价值是趋向于零的.
即使实质上是把交易推回到不等价交换.
因为无论信用代币的产生是以时间作为参考因素还是以其他用户行为作为增减标准,都同样存在这个问题.
关键点在于,无法把用户行为直接变现/等价为对应的货币价值.
考虑把系统引入作为流动性的负债方,即
计甲,
借:100的物品B
贷:10的物品A
计乙,
借:10的物品A
贷:100的物品B
计系统,
借:乙的90的信用代币的溢价抵押
贷:甲的90的信用代币的折价债务
这样的话,把系统作为risk taker加入进来的话,整个资产负债表也还是平衡的.
而且这里的信用代币跟货币价值是直接挂钩的.
这样是不是就没问题了呢?
考虑系统对甲的90代币的折价负债.
如果甲最后"违约",没有后续的正向交易以间接通过系统平掉这90的债务的话,那么就相当于系统多了90的不良负债.
因为甲"违约"的同时,还必须保证对乙90的信用代币的溢价/抵押赎回支持,整个系统的负债表变为:
计乙,
借:10的物品A
贷:100的物品B
计系统,
借:乙的90的信用代币的溢价抵押
贷:甲的90的信用代币的折价债务
也就是总体增加了90的货币债务.
所以这种方式的风险实际上是类似甲的信用交易的违约行为.
如果完全杜绝这种负债交易的话,实际上也还是退回到等价交换的模式.
因为如果不允许信用透支的话,是促成不了这种非等价交换的.
所以,要么通过一些行为模式给予一定的信用透支额度,尽量把系统坏账风险降低.
要么就是让用户提供足够的"保证金"避免信用透支的产生.
如果采用"保证金"方式的话,信用代币的模式实际上等价于一个折扣价格购买标的的形式.
也就是说,对于拥有溢价抵押的一方来说,有点类似于传统销售模式里的卖方,通过销售得到了一笔收入.
那么,进一步地,提供信用代币和货币直接兑换的话,实际上就是一个物品销售平台.
只不过销售的方式是经过系统撮合促成的交易.
更进一步的话,如果把整个市场的"买方"情况暴露出来,提供给卖方.
那么卖方就有能力像做高频交易一样,"主动"利用撮合系统促成交易,完成销售.
同时,也存在一个利用不对称信息做交易的间隙,使得做市商能够通过"优化"交易配对,赚取差价利润.
一旦市场买卖信息是可获取的,那么类似各种金融衍生品的玩法都可以复制过来了.
退回来说的话,这么一种交换撮合系统,实际上就是一般的二手买卖市场.
在刨除了金融交易系统的一些特质之后,只不过是一种存在以物换物的特例的零货币/现金交易的特例的形式而已.
实际上,如果考虑让系统承担一定的信用透支风险的话,其实就类似现在电商的各种白条/信用产品了.
再考虑一下现有电商环境下的各种比价工具,实际上也算某种撮合系统的原始形式.
只不过不算高效且只是单向撮合而已,卖家没有对应的反馈信息以做可能的相应调整.
所以,这是一个称不上新的想法.
关于书籍二手交换的.
一般来说,跳蚤市场或者说二手市场的旧物交换都是直接的交换.
所谓直接交换就是,一方所需的正是另一方所能提供的.
但是总体来说的话,这种交易能成立的几率相对较小.
毕竟并不是所有人都能达成这种直接交易.
从进一步的整体市场角度来考虑的话,其实还是有促成交易的优化空间的.
考虑这样一个场景.
甲持有物品A,意欲换物品B.
乙持有物品B,意欲换物品C.
丙持有物品C,意欲换物品A.
这里明显的是存在一个环状交易结构能满足所有人的交易需求的.
但是对于基于直接交易的模式来说,这种本来能够促成的交易其实是不可解的.
因为交易局限在直接匹配的双方之间.
即是说,两种交易结构的区别在于,市场在撮合的过程中,考虑的参与者的多寡问题.
所以,如果把所有交易者纳入到一个交易需求当中的话,就有能够尽量地最大化实际成功的交易比数.
这就有点像金融市场里的做市商.
实际上,是承担流动性提供者的这一个角色.
或者通俗点说,存在一个名为市场的掮客,通过制造一些流动性促成了原本并不能成立的交易.
也就是一个事实上的撮合系统.
通过把每个交易标的物/欲交换的物品看作是一个有向图的节点node N.
对于一个参与者想要用N1交换N2的话,即是在有向图中存在一个从N1指向N2的edge.
于是,整个交易的"意图市场"/intention就是由这些node换个edge构成的有向图.
而促成交易的方式就是尽可能地把图中的闭环剥离出来.
因为闭环实际上就等价于上面提到的ABC类型流动性提供支持的环状交易.
对于直接交换模式的交易来说,实际上就是环状交易的一个特例而已.
参与者节点只有两个的情况.
因此,本质上来说,这个撮合交易的方式并不复杂.
只不过具体到实践上的话,utility function的选择可能涉及到不同的maximize策略.
毕竟,但就闭环的选择来说,就存在是最大化链路长度,还是最大化全局促成的交易数,这也是个抉择.
然后是about the business.
具体到二手交换这个范畴来说,因为不同的标的物存在不同的价值/价格.
那么在具体的实现上面的话,就存在着两种选择.
一种是ignore不同标的的价格区别.无视不同物品的价值差异.
这样带来的好处就是简化的撮合模型.
当然问题也很明显.
一个明显的cheating的方式就是高价物换低价物.
虽然从市场平衡的角度来说,应该都还是围绕等价交换或者近似等价交换来进行.
但是不管这样,都存在一种方式让系统产生过多的无效撮合,产生不必要的交易噪声影响撮合效率.
因为从机制上是系统可以给出撮合建议,但是用户会无视这种不平等的交换.
而过多的这种无效撮合必然地影响着撮合系统的效率和可用度.
而且从概率上来说,也因为各种原因实际产生了不平等的的交换的事情.
这个对于系统还是被损失方来说,都不能算是一件好事.
第二种是respect不同标的的价格区别.
这个是能够解决不等价交换的问题.
但随之而来的问题是,从一定程度上来说降低了环状交易的发现概率.
因为存在价格区间/匹配度的差异,相当于过滤掉了一些本该存在的edge,改变了图的拓扑结构.
一个解决办法是引入 信用代币 补充因为价格差距产生的流动性缺失.
比如,甲 用 价值10的物品A 换 乙 的价值100的物品B.
系统在促成这比交易的时候,对甲乙做个会计处理.
计甲,
借:100的物品B
贷:10的物品A + 90的信用代币
计乙,
借:10的物品A + 90的信用代币
贷:100的物品B
在这种理想情况下,整个资产负债表是平衡的.
但这里存在另外一个问题.
这个信用代币到底是什么,或者说如何产生.
如果把它设计成系统"赠予"的类似一些游戏经济系统里的货币的话.
从长远来看,这种信用代币的实际价值是趋向于零的.
即使实质上是把交易推回到不等价交换.
因为无论信用代币的产生是以时间作为参考因素还是以其他用户行为作为增减标准,都同样存在这个问题.
关键点在于,无法把用户行为直接变现/等价为对应的货币价值.
考虑把系统引入作为流动性的负债方,即
计甲,
借:100的物品B
贷:10的物品A
计乙,
借:10的物品A
贷:100的物品B
计系统,
借:乙的90的信用代币的溢价抵押
贷:甲的90的信用代币的折价债务
这样的话,把系统作为risk taker加入进来的话,整个资产负债表也还是平衡的.
而且这里的信用代币跟货币价值是直接挂钩的.
这样是不是就没问题了呢?
考虑系统对甲的90代币的折价负债.
如果甲最后"违约",没有后续的正向交易以间接通过系统平掉这90的债务的话,那么就相当于系统多了90的不良负债.
因为甲"违约"的同时,还必须保证对乙90的信用代币的溢价/抵押赎回支持,整个系统的负债表变为:
计乙,
借:10的物品A
贷:100的物品B
计系统,
借:乙的90的信用代币的溢价抵押
贷:甲的90的信用代币的折价债务
也就是总体增加了90的货币债务.
所以这种方式的风险实际上是类似甲的信用交易的违约行为.
如果完全杜绝这种负债交易的话,实际上也还是退回到等价交换的模式.
因为如果不允许信用透支的话,是促成不了这种非等价交换的.
所以,要么通过一些行为模式给予一定的信用透支额度,尽量把系统坏账风险降低.
要么就是让用户提供足够的"保证金"避免信用透支的产生.
如果采用"保证金"方式的话,信用代币的模式实际上等价于一个折扣价格购买标的的形式.
也就是说,对于拥有溢价抵押的一方来说,有点类似于传统销售模式里的卖方,通过销售得到了一笔收入.
那么,进一步地,提供信用代币和货币直接兑换的话,实际上就是一个物品销售平台.
只不过销售的方式是经过系统撮合促成的交易.
更进一步的话,如果把整个市场的"买方"情况暴露出来,提供给卖方.
那么卖方就有能力像做高频交易一样,"主动"利用撮合系统促成交易,完成销售.
同时,也存在一个利用不对称信息做交易的间隙,使得做市商能够通过"优化"交易配对,赚取差价利润.
一旦市场买卖信息是可获取的,那么类似各种金融衍生品的玩法都可以复制过来了.
退回来说的话,这么一种交换撮合系统,实际上就是一般的二手买卖市场.
在刨除了金融交易系统的一些特质之后,只不过是一种存在以物换物的特例的零货币/现金交易的特例的形式而已.
实际上,如果考虑让系统承担一定的信用透支风险的话,其实就类似现在电商的各种白条/信用产品了.
再考虑一下现有电商环境下的各种比价工具,实际上也算某种撮合系统的原始形式.
只不过不算高效且只是单向撮合而已,卖家没有对应的反馈信息以做可能的相应调整.
所以,这是一个称不上新的想法.
2015-04-26
哀莫大于心死
有时候觉得所谓父母对于我来说只是个纯粹意义的义务而已了.
所谓的亲情意义上的家,已经不是回得去回不去的问题了.
而是还存在不存在的问题.
去年裸辞待业那段时间,为了削减开支回了趟家.
后来在没找到工作的前提下,又滚回了深圳.
对外我可以说是为了方便找工作什么的.
但实际原因只有自己知道.
开始的几天还能得到安慰,说凡事慢慢来.
但不久便是无休止的埋怨.
这些我也能理解.
毕竟,决定是我做的.
长时间找不到工作无业也是事实.
我没理由反驳.
某天,所谓父亲说了一句
"你这样每天无所事事,有意义么".
然后我看了看眼前这个还在50几岁就辞掉一份清闲工作在家赋闲的人.
默默起身回了自己的房间.
"无所事事".
流完该流的泪,出房间跟母亲说.
"明天回深圳".
"不多待几天么,外面开销那么大,找到了再出去嘛".
"明天回深圳".
虽然我对他没什么感情.
毕竟从小到大他多数时间都在外地工作.
但当时的我不确定还有多少空间去承受这种额外的歧视压力.
况且,某种程度上来说,他说地也没错.
回到深圳日子也并没有太多的改变.
依然是漫无止境的等待,以及无休止地心里调整.
某天跟所谓母亲通电话,情绪没控制住说了句:"不就是我现在没钱给你们么".
刚说出口的时候,我有点后悔.
毕竟这句话挺伤人的.
"对啊.你要有工作就有钱了".
于是我觉得没什么好说的了.
有些地方我已经回不去了.
或者说没有必要回去了.
从那天起,我想了很多事情.
从小到大,他们在我生活里到底算什么角色?
小时候,一个在外地工作不在家.
一个上班之后还继续打牌.
于是,经常就是一个人饿着肚子,从家走到她公司,喊她回家,不回应.
再回家,再到她公司,喊她.
如此反复.
然后最终得到的是一句对小孩说:"加班".
学生时期,是他们在楼下打牌,我在楼上学习.
要想入睡的话,还得等到他们消停散伙.
有时候我会想.
除了养大我之外,他们给过什么么?
这么多年来,什么事情都是自己一个人默默吞下,默默承受.
他们也觉得一切一帆风顺,挺好的.
后来,也许他们觉得我走得太远太自由了,想拉回来,控制住.
我只能说抱歉了.
我承认我是个冷血无情的人.
他们现在对于我来说只是某种程度上的债权人.
生老病死之后,走完过场大概就两清了.
某种程度上来说,是他们那两句话让我看清了很多东西.
所谓哀莫大于心死.
所谓的亲情意义上的家,已经不是回得去回不去的问题了.
而是还存在不存在的问题.
去年裸辞待业那段时间,为了削减开支回了趟家.
后来在没找到工作的前提下,又滚回了深圳.
对外我可以说是为了方便找工作什么的.
但实际原因只有自己知道.
开始的几天还能得到安慰,说凡事慢慢来.
但不久便是无休止的埋怨.
这些我也能理解.
毕竟,决定是我做的.
长时间找不到工作无业也是事实.
我没理由反驳.
某天,所谓父亲说了一句
"你这样每天无所事事,有意义么".
然后我看了看眼前这个还在50几岁就辞掉一份清闲工作在家赋闲的人.
默默起身回了自己的房间.
"无所事事".
流完该流的泪,出房间跟母亲说.
"明天回深圳".
"不多待几天么,外面开销那么大,找到了再出去嘛".
"明天回深圳".
虽然我对他没什么感情.
毕竟从小到大他多数时间都在外地工作.
但当时的我不确定还有多少空间去承受这种额外的歧视压力.
况且,某种程度上来说,他说地也没错.
回到深圳日子也并没有太多的改变.
依然是漫无止境的等待,以及无休止地心里调整.
某天跟所谓母亲通电话,情绪没控制住说了句:"不就是我现在没钱给你们么".
刚说出口的时候,我有点后悔.
毕竟这句话挺伤人的.
"对啊.你要有工作就有钱了".
于是我觉得没什么好说的了.
有些地方我已经回不去了.
或者说没有必要回去了.
从那天起,我想了很多事情.
从小到大,他们在我生活里到底算什么角色?
小时候,一个在外地工作不在家.
一个上班之后还继续打牌.
于是,经常就是一个人饿着肚子,从家走到她公司,喊她回家,不回应.
再回家,再到她公司,喊她.
如此反复.
然后最终得到的是一句对小孩说:"加班".
学生时期,是他们在楼下打牌,我在楼上学习.
要想入睡的话,还得等到他们消停散伙.
有时候我会想.
除了养大我之外,他们给过什么么?
这么多年来,什么事情都是自己一个人默默吞下,默默承受.
他们也觉得一切一帆风顺,挺好的.
后来,也许他们觉得我走得太远太自由了,想拉回来,控制住.
我只能说抱歉了.
我承认我是个冷血无情的人.
他们现在对于我来说只是某种程度上的债权人.
生老病死之后,走完过场大概就两清了.
某种程度上来说,是他们那两句话让我看清了很多东西.
所谓哀莫大于心死.
2015-03-30
所谓小国寡民
某天在小区电梯间,闲着没事就开始浏览周围的广告.
于是忽然发觉,其实这些平面广告挺有针对性的.
印象中之前是一些针对老年人的优惠,现在是一些补习班和小升中之类的.
想想,其实这个很理所当然,毕竟广告的投放还是要考虑受众以及覆盖面和回报的.
但换个思路看待的话,投放广告的行为,是某种主动的的对特定特征人群的筛选行为.
也就是说,是一种现有目的,再找受众的过程.
那么,反过来,如果已有受众,再找目的呢?
对于一个居住小区来说,由于价格因素,大致可以人物居住人群有着相似的资产水平.
再考虑到平均收入范围以及小区附属的交通属性的话,应该可以认为有着类似的年龄和工作年限背景.
至少从经济实力和收入水平上来说,应该不会有太大的差异.
于是,这里就有了一群相似收入和支出结构的人群存在.
且比较重要的一点是有着相似的年龄和家庭组成结构.
这也就因为着在人生的一些共同路径,诸如婚丧生老病死上面,有着隐含的类似的现期和预期需求.
这一点的话,观察下一些小区的配套商圈也可以看得出来.
毕竟,作为商铺来说,首要的目的是寻找可供挖掘的消费人群.
如果把时间范围拉长一点看的话,理论上作为配套商圈的商铺经营内容应该也会随着变化.
在假定居住人口变动不大的情况下,人口年龄结构便会相应地重心往后推移变化,从而对消费的需求变化产生方向性的影响.
从而使得供需结构产生变化,对商户结构就行重新的编排.
也即是所谓的"老龄化"或者年龄的整体结构性变化产生的经济影响.
那么从个体的角度来看,如果把整个居住环境作为一个统一的服务提供者来看待的话,则是类似一个终身服务的概念.
随着消费者生理心理年龄结构的变化,服务提供者随之提供适应性的变化服务,以解决其需求.
所以,重新把各个个人放在一起作为整体看待的话,就是一个系统提供一个闭环的终生服务的概念.
从经营的角度来看,就是通过消费这一行为在系统中得以"生存"下来.
从广义上来说,整个人类社会就是这么一个系统.
如果把范围缩写点,国家本身也是一个这样的系统.
并且,国家作为系统考虑的话,还有一个比较明显的特点.
就是税收.
原则上来说,可以将"税收"作为是这种生存服务系统的盈利模式.
尤其把国家以及其对公共行为的影响作为商业行为考虑的话.
换句话说,"税收"这种商业模式的实质在于,倾入到人一生的各个交互点,从而进行利润化处理.
也就是说,这种盈利模式的立足点不在于单次或者某几次的最大化收益,而在于长期性的比率处理.
考虑如果把人的一些偶发性购买行为作为独立事件考虑的.
那么,一般的思路就是最大化单次购买的成本和价格差.
而如果把人一个的支出看为一个定量的话,那么这个定量则是由上面所说的各个独立消费事件组合而成的.
由于各个事件本身已经利润最大化了,那么对于参与支出利润瓜分的各个生产者来说,最大化利润的策略就剩下尽可能地包揽覆盖这些消费组合了.
通俗地说,就是覆盖产品的覆盖面.
像税收的形式,实际就是以各种税的形式渗透在各种产品渠道上.
而像沃尔玛之类的就是渗透日常消费的部分.
值得注意的就是想Amazon/淘宝这类电子商务,覆盖面是线下百货不能企及的,而且类似国家,在上面的所有交易都会有类似"交易税"的佣金.
也就是说,某种程度上来说,这跟"国家"的商业模式是几乎一样的.
不同的地方在于,"国家"是一个单一的寡头模式,具有独占性.
但一般商业则没有这种几乎绝对的垄断方式.
由于竞争的存在,一般企业的有着相对的lockdown成本,以使得其独占模式并不具有国家般的绝对性.
那么,在存在竞争的情况下,"税收"这种商业模式的利润最大化策略是如何的呢?
由于消费的总支出固定,而对于各个商家来说,最大化的策略又都是消费组合的覆盖面.
在存在竞争的前提下,消费者对应的策略就应该是在支出固定的情况下,最大化收益.
也就是寻找能够相对低成本提供覆盖面的商家.
于是,原则上来说,均衡点就应该是各个商家覆盖边际为0的地方.
问题在于,这个为零的地方是否存在/有解,或者说有现实意义.
对于一个始终有利可图的消费点,只会对覆盖边际差生正的影响.
考虑一个不那么有利可图,即是需要从其他店腾挪利润以保证覆盖面和使得边际大于零的情况.
也就是,存在那么一个消费点,它是在倾斜利润之后,强行扩大覆盖面的话,会使得边际小于零.
这样的话,作为商家来说,就有了不进行覆盖的决策.
也就是说,存在一个消费点,使得某些商家不再进入.
那么,在假设存在覆盖边际小于零的消费点/领域的前提下,竞争性的税收模式是允许存在相异性的.
即,允许商家之间有着不同的覆盖面.
于是,在不考虑研发和开拓成本的前提下,或者在研发和开拓成本足以保证足够的进入门槛的假设下.
税收模式的最佳策略应该就是尽可能地独占某些消费点的优势.
而独占的方式有很多.
朴素的技术创新/需求扩展.
以及lockdown手段.
像服饰的风格,电子产品接口的非标准化等.
概括来说,就是某种形式的品牌忠诚度.
所以,这里的关键点在于某人说的"think different",所谓的差异化.
而要成为类似"税收"这种长期且覆盖面广的维度的模式的话,也就要求这种差异化具有长期/持续性,并且需要能不断"横向"扩展.
就电商来说,它虽然可以横向无限扩展,但是很难有确定的持续性和长期性.
毕竟,无论从哪个维度来看的话,都不是无可替代/不可竞争的.
那么回到最开始的问题.
如果已有受众,那么如何产生"目的"呢?
对于小区居民来说,存在一些特质是具有区域性的.
也就是这些特质是具有独占性的,这就保证了一定程度的长期和持续性.
而覆盖度的话,由于小区居民是整个人类社会的子集.
那么可以认为只要是合理存在的模式,都可以在这个子集内应用扩展.
某种程度上来说,如果把小区作为"国家"来看待的话,物业可以认为是一个授权的代理执行机关.
理论上来说,可以有专有的商业交通医疗教育和一切对公对私处理通道.
也就是相当于某种形式上的次级行政区域划分,只不过这种划分的依据不是地域,而是建立在雇佣关系的联合体下面.
所谓小国寡民.
于是忽然发觉,其实这些平面广告挺有针对性的.
印象中之前是一些针对老年人的优惠,现在是一些补习班和小升中之类的.
想想,其实这个很理所当然,毕竟广告的投放还是要考虑受众以及覆盖面和回报的.
但换个思路看待的话,投放广告的行为,是某种主动的的对特定特征人群的筛选行为.
也就是说,是一种现有目的,再找受众的过程.
那么,反过来,如果已有受众,再找目的呢?
对于一个居住小区来说,由于价格因素,大致可以人物居住人群有着相似的资产水平.
再考虑到平均收入范围以及小区附属的交通属性的话,应该可以认为有着类似的年龄和工作年限背景.
至少从经济实力和收入水平上来说,应该不会有太大的差异.
于是,这里就有了一群相似收入和支出结构的人群存在.
且比较重要的一点是有着相似的年龄和家庭组成结构.
这也就因为着在人生的一些共同路径,诸如婚丧生老病死上面,有着隐含的类似的现期和预期需求.
这一点的话,观察下一些小区的配套商圈也可以看得出来.
毕竟,作为商铺来说,首要的目的是寻找可供挖掘的消费人群.
如果把时间范围拉长一点看的话,理论上作为配套商圈的商铺经营内容应该也会随着变化.
在假定居住人口变动不大的情况下,人口年龄结构便会相应地重心往后推移变化,从而对消费的需求变化产生方向性的影响.
从而使得供需结构产生变化,对商户结构就行重新的编排.
也即是所谓的"老龄化"或者年龄的整体结构性变化产生的经济影响.
那么从个体的角度来看,如果把整个居住环境作为一个统一的服务提供者来看待的话,则是类似一个终身服务的概念.
随着消费者生理心理年龄结构的变化,服务提供者随之提供适应性的变化服务,以解决其需求.
所以,重新把各个个人放在一起作为整体看待的话,就是一个系统提供一个闭环的终生服务的概念.
从经营的角度来看,就是通过消费这一行为在系统中得以"生存"下来.
从广义上来说,整个人类社会就是这么一个系统.
如果把范围缩写点,国家本身也是一个这样的系统.
并且,国家作为系统考虑的话,还有一个比较明显的特点.
就是税收.
原则上来说,可以将"税收"作为是这种生存服务系统的盈利模式.
尤其把国家以及其对公共行为的影响作为商业行为考虑的话.
换句话说,"税收"这种商业模式的实质在于,倾入到人一生的各个交互点,从而进行利润化处理.
也就是说,这种盈利模式的立足点不在于单次或者某几次的最大化收益,而在于长期性的比率处理.
考虑如果把人的一些偶发性购买行为作为独立事件考虑的.
那么,一般的思路就是最大化单次购买的成本和价格差.
而如果把人一个的支出看为一个定量的话,那么这个定量则是由上面所说的各个独立消费事件组合而成的.
由于各个事件本身已经利润最大化了,那么对于参与支出利润瓜分的各个生产者来说,最大化利润的策略就剩下尽可能地包揽覆盖这些消费组合了.
通俗地说,就是覆盖产品的覆盖面.
像税收的形式,实际就是以各种税的形式渗透在各种产品渠道上.
而像沃尔玛之类的就是渗透日常消费的部分.
值得注意的就是想Amazon/淘宝这类电子商务,覆盖面是线下百货不能企及的,而且类似国家,在上面的所有交易都会有类似"交易税"的佣金.
也就是说,某种程度上来说,这跟"国家"的商业模式是几乎一样的.
不同的地方在于,"国家"是一个单一的寡头模式,具有独占性.
但一般商业则没有这种几乎绝对的垄断方式.
由于竞争的存在,一般企业的有着相对的lockdown成本,以使得其独占模式并不具有国家般的绝对性.
那么,在存在竞争的情况下,"税收"这种商业模式的利润最大化策略是如何的呢?
由于消费的总支出固定,而对于各个商家来说,最大化的策略又都是消费组合的覆盖面.
在存在竞争的前提下,消费者对应的策略就应该是在支出固定的情况下,最大化收益.
也就是寻找能够相对低成本提供覆盖面的商家.
于是,原则上来说,均衡点就应该是各个商家覆盖边际为0的地方.
问题在于,这个为零的地方是否存在/有解,或者说有现实意义.
对于一个始终有利可图的消费点,只会对覆盖边际差生正的影响.
考虑一个不那么有利可图,即是需要从其他店腾挪利润以保证覆盖面和使得边际大于零的情况.
也就是,存在那么一个消费点,它是在倾斜利润之后,强行扩大覆盖面的话,会使得边际小于零.
这样的话,作为商家来说,就有了不进行覆盖的决策.
也就是说,存在一个消费点,使得某些商家不再进入.
那么,在假设存在覆盖边际小于零的消费点/领域的前提下,竞争性的税收模式是允许存在相异性的.
即,允许商家之间有着不同的覆盖面.
于是,在不考虑研发和开拓成本的前提下,或者在研发和开拓成本足以保证足够的进入门槛的假设下.
税收模式的最佳策略应该就是尽可能地独占某些消费点的优势.
而独占的方式有很多.
朴素的技术创新/需求扩展.
以及lockdown手段.
像服饰的风格,电子产品接口的非标准化等.
概括来说,就是某种形式的品牌忠诚度.
所以,这里的关键点在于某人说的"think different",所谓的差异化.
而要成为类似"税收"这种长期且覆盖面广的维度的模式的话,也就要求这种差异化具有长期/持续性,并且需要能不断"横向"扩展.
就电商来说,它虽然可以横向无限扩展,但是很难有确定的持续性和长期性.
毕竟,无论从哪个维度来看的话,都不是无可替代/不可竞争的.
那么回到最开始的问题.
如果已有受众,那么如何产生"目的"呢?
对于小区居民来说,存在一些特质是具有区域性的.
也就是这些特质是具有独占性的,这就保证了一定程度的长期和持续性.
而覆盖度的话,由于小区居民是整个人类社会的子集.
那么可以认为只要是合理存在的模式,都可以在这个子集内应用扩展.
某种程度上来说,如果把小区作为"国家"来看待的话,物业可以认为是一个授权的代理执行机关.
理论上来说,可以有专有的商业交通医疗教育和一切对公对私处理通道.
也就是相当于某种形式上的次级行政区域划分,只不过这种划分的依据不是地域,而是建立在雇佣关系的联合体下面.
所谓小国寡民.
2015-03-07
正确量化的重要性
记得Behavioral Finance里有个概念叫做overconfidence.
对于一般的return on investment来说,是类似R=f(I)的形式.
如果考虑对应f(I)的概率的话,那么应该也是expected return = \sum P(I_i)f(I_i)的形式
而overconfidence描述的则是expected return > \sum P(I_i)f(I_i) ~ R+\varepsilon 的形式.
即是说,实际在计算策略是,对R的期望是大于纯粹/绝对理性情况的.
这种解释也很容易理解和接受.
毕竟单独引入一个变量含糊过去,确实不费什么事.
但如果要深究这个\varepsilon 是什么的话呢?
把overconfidence考虑为一种个体的utility function的话.
可能也就有一定的合理性.
因为overconfidence的作用是放大理想状况下的期望值.
一种可能的形式就是,这个utility function是跟P(I)相关的复合函数.
在P(I)*f(I)值不符合主观期望的时候,进行对应P(I)的非理性的概率相关的向上修正.
即 R+\varepsilon = \sum P(I_i)f(I_i) + U(P(I_i))
也就是说,\varepsilon 实际上是个关于发生概率越低,向上修正值越高的一个utility function.
就像赌徒的最后一博时的心里动机.
或者追一个不可能的人的时候的策略评价.
所以,如果这么考虑的话,overconfidence并不算是一种非理性的行为模式.
之所以认为非理性,是因为考虑的评价函数是绝对中立/理性的R形式.
而实际上,正在在行为选择上参与计算的是这个中立函数加上utility function的复合/加权值.
也就是,决策过程是非常reasonable的,并不是随机或者不可解释的.
那么,为什么会出现这个向上修正的utility function呢?
或者说,支持utility function参与计算的策略模式又是什么呢?
为什么会有一个影响中立性的因素被主动包括进来.
对于单次博弈来说,utility function可能只是中立函数分解形式的一部分而已.
所以,这种情况没有所谓的包含不包含的问题,只是代数形式的不同.
考虑多次重复博弈的话.
如果这些多次重复博弈可以等价为相互独立的单词博弈的话,也没什么需要特别说明的.
但如果是类似Lag function的有某种time serial/序列特征的话,即之前博弈结果影响后面结果的话.
那么utility function也许就有存在必要性的解释了.
考虑,如果这类博弈的是带终止条件的.
比如return < 0的时候,这种多次重复博弈就停止了.
那么存在的价值就很显而易见了.
为了让博弈尽可能地延续下去,所以会有依据于中立函数的预期return < 0的概率,进行概率相关的向上修正的utility function.
也就是说,utility function是对f(I)值域的一种调整策略驱动的.
由于overconfidence的策略中立形式是 R + utility function驱动的.
所以,其与绝对理性情况的策略差异,主要也是因为utility function造成的.
于是,要让决策尽可能地接近理想状态的话,所需要做的只是简单的减少utility function的影响.
也就是让expected return从R+utility的形式,退化为R.
或者避免发生这种目标解被无意识替换的事情.
毕竟,在random walk要得到一个minimize的解的话,还是靠运气的.
虽然可能得到一个全局最优解的结果.
但这个"可能"两个字已经把解目标从"科学的可重复的解"变为了"可能的全局最优解"了.
评价体系不同,计算再精确,也不一定是正确的.
所谓正确量化的重要性.
对于一般的return on investment来说,是类似R=f(I)的形式.
如果考虑对应f(I)的概率的话,那么应该也是expected return = \sum P(I_i)f(I_i)的形式
而overconfidence描述的则是expected return > \sum P(I_i)f(I_i) ~ R+\varepsilon 的形式.
即是说,实际在计算策略是,对R的期望是大于纯粹/绝对理性情况的.
这种解释也很容易理解和接受.
毕竟单独引入一个变量含糊过去,确实不费什么事.
但如果要深究这个\varepsilon 是什么的话呢?
把overconfidence考虑为一种个体的utility function的话.
可能也就有一定的合理性.
因为overconfidence的作用是放大理想状况下的期望值.
一种可能的形式就是,这个utility function是跟P(I)相关的复合函数.
在P(I)*f(I)值不符合主观期望的时候,进行对应P(I)的非理性的概率相关的向上修正.
即 R+\varepsilon = \sum P(I_i)f(I_i) + U(P(I_i))
也就是说,\varepsilon 实际上是个关于发生概率越低,向上修正值越高的一个utility function.
就像赌徒的最后一博时的心里动机.
或者追一个不可能的人的时候的策略评价.
所以,如果这么考虑的话,overconfidence并不算是一种非理性的行为模式.
之所以认为非理性,是因为考虑的评价函数是绝对中立/理性的R形式.
而实际上,正在在行为选择上参与计算的是这个中立函数加上utility function的复合/加权值.
也就是,决策过程是非常reasonable的,并不是随机或者不可解释的.
那么,为什么会出现这个向上修正的utility function呢?
或者说,支持utility function参与计算的策略模式又是什么呢?
为什么会有一个影响中立性的因素被主动包括进来.
对于单次博弈来说,utility function可能只是中立函数分解形式的一部分而已.
所以,这种情况没有所谓的包含不包含的问题,只是代数形式的不同.
考虑多次重复博弈的话.
如果这些多次重复博弈可以等价为相互独立的单词博弈的话,也没什么需要特别说明的.
但如果是类似Lag function的有某种time serial/序列特征的话,即之前博弈结果影响后面结果的话.
那么utility function也许就有存在必要性的解释了.
考虑,如果这类博弈的是带终止条件的.
比如return < 0的时候,这种多次重复博弈就停止了.
那么存在的价值就很显而易见了.
为了让博弈尽可能地延续下去,所以会有依据于中立函数的预期return < 0的概率,进行概率相关的向上修正的utility function.
也就是说,utility function是对f(I)值域的一种调整策略驱动的.
由于overconfidence的策略中立形式是 R + utility function驱动的.
所以,其与绝对理性情况的策略差异,主要也是因为utility function造成的.
于是,要让决策尽可能地接近理想状态的话,所需要做的只是简单的减少utility function的影响.
也就是让expected return从R+utility的形式,退化为R.
或者避免发生这种目标解被无意识替换的事情.
毕竟,在random walk要得到一个minimize的解的话,还是靠运气的.
虽然可能得到一个全局最优解的结果.
但这个"可能"两个字已经把解目标从"科学的可重复的解"变为了"可能的全局最优解"了.
评价体系不同,计算再精确,也不一定是正确的.
所谓正确量化的重要性.
订阅:
博文 (Atom)
投其所好
最近看了持械入宋,发觉AI的发展或者说经济化还是非常一日千里的. 虽然说短剧本身也不是什么新事物了. 甚至AI制作也不是最近才有的. 只是从质量上来说,还是看得出来是有区分度,或者说ROI门槛了的. 这片虽然从服化道方面来说还是普通的AI剧,甚至剧情大半夜还是传统的龙王归来模式....
-
最近写一个AgentCLI原型玩具的时候,发现一些比较有意思的点. 因为主要是照着DeepSeek API来写的. 所以基本上也可以说是OpenAI Chat Completion API的一些点. 不过,可能有些是DeepSeek特有的. 一个是请求的stop list. 大致...
-
从未对雪有过什么幻想. 于是,当这雪终究下下来了,也没什么特别的兴奋. 只是,由于是南方人,也就姑且好奇了一番. 望了望着属于别处的风景. 也许是因为昨晚下过雨,也或许是本来就会如此. 冰混着点积水,倒是怀念起阳光灿烂的日子了. 面对着这未知的...
-
去看了长安的荔枝. 前半段还可以,尤其像荔枝林里不知道是笑还是哭的几个镜头表演算是相当出色了. 结合人物背景的那种对目标的绝望与对当下人际环境的希望的交叉矛盾心理. 后半段就有些过滤潦草了. 如果说整片是对于一骑红尘妃子笑,无人知是荔枝来的解构的话. 带入民生潦倒涂炭这点是没问题...