Good Man`s Economic

Bilibili推出的新番承包计划还是挺有点创意和想法的.

虽然从概念上来说,这个可以说是众包的形式.

但退一步想的话,其实是最原始的付费观看模式.
只不过这里不是不付费就无法观看的模式.

也正是不付费也能无差别观看使它成为一个有趣的模式.

之前预热的时候,官方也推出过一份调查,参与人数大概30w左右.
主要是对于广告方面的倾向性调查.

4个选项.
75s,35s,15s和0s.
对于大概是11%,34%,35%,17%.

这里本是就是一个有些出乎个人意料的结果.
35s和15s的人数基本持平,而不是预想中的广告时间少的分布较多.

这个也许可以理解为Blibili用户还是比较体量站方的广告行为的,只是对于时间有个比较大的浮动范围.
只要不是75s这种超长时间的广告,貌似都还是支持的.

那么一般在这种情况下,大多数的决策应该就是选取一个符合调查预期的广告时间,然后开始广告贴片补贴版权了.

但是,Bilibili却没有.
它说了一句颇为鼓动人心的话:"bilibili购买的正版新番,永远不加视频贴片广告".

姑且不去评论这句话.

对应于直接简单粗暴的插入广告,bilibili算是选择"众包"这种新的模式.

而如果以这个结论反过来看前面哪项调查的话,就觉得问题设置地算很巧妙了.

不直接提是否愿意捐赠这个有碍调查结果的前置条件.
选择观众对于支持正版愿意做出的牺牲程度为标准做测试,收集数据支持,倒也是个非常高明的做法.

对于模式本身的效果的话,以观察的两部番的数据来说的话.

Fate\Stay Night UBW是97.1w播放,9120承包.
大概是千分之9.3的付费率.

电器街的漫画店是59.1w播放,3562承包.
大概是千分之6的付费率.

后者在当天的付费率差不多是千分之7左右.

理想点,算每话成本6.2w,平均播放70w,千分之7的付费率来算的话.
大概是需要每付费12.65的水平.

对比其他视频网站单片可能5块的水平来说,12.65的预期算是颇有难度.
不过考虑到普通电影一般是长期版权,却时效敏感度/弹性较低,所以这个预期也算不上离谱.

那么如果是考虑广告模式的话呢?
70w播放,按千分之1的点击算的话,差不多有700个点击.
每点击0.2价值的话,一话的广告收入差不多也只有140块.

即使考虑上长期效应,70w播放翻个10倍也不过1.4k.
这个不论怎样都无法直接抹平6.2w的成本.

所以,至少从收效上来说,众包的方式即使摊不平版权成本,但至少可以对冲相当一部分成本.

当然,这个是建立在上面的数据水平能够维持的前提下.

但至少民调的数据显示,还是有相当一部分用户愿意以某种形式的出让,来帮助换取正版版权的.
这说明市场和用户意识还不是那么糟糕.

而且如果考虑到为了这个付费功能引入的B币扩充一下,能够取代硬币,成为支持up的一种方式.
或者至少能让原创Up能通过一定的兑换比例通过B币套现的话,对于Bilibili的原创部分的发展也是有一定帮助的吧.

至少提供了一个简单的第三方Up直接盈利的途径.
且这个途径天生地跟观众自由选择有关.

虽然细想一下的话,其实是"网络主播"的方式.
但是,Fans经济本来就是源远流长的.

这么想的话,9Bishi还是挺有商业头脑的.
又不失底线.
算真正热爱一个东西,且懂得如何珍惜地运作的人.
不然大概是不会去想这种尽量取悦和满足各方面的方案吧.

某种程度上来说,这种众包的粉丝经济是非常古典的一些模式的复刻.
但是放在版权问题比较微妙的中国来说,又显得有些令人惊讶和新奇.

基本上,这个是一个"让好人付费,且不会给予好人任何特别奖励"的模式.
它能不能work,需要看有多少"好人"坚持下去.

但是就是这么一个乌托邦式的模式,至少在开头看起来不错.
给一个貌似前途很黑暗的行业,甚至给其他行业带来一些新的思路模式和曙光.
告诉人们,"好人"还是很多的.
世界还是有救的.

盈利不仅仅只有持续擦边球,冲排行榜,强奸用户,强买强卖,挖各种付费陷阱的方式.
还有更正面,积极,无伤大雅的方式.
"Good Man`s Economic".

这个不能不说是很让人佩服甚至尊敬的.
不管最后结果如何,至少还说明在某种环境下,还是有人愿意think different,make changes的.

So.
It`s your move.

Unify Identity

晚上忽然想到的一个问题.

每天在地铁里进出的人基本上都是人手一个移动设备.
那么,在对于地铁的网络环境来说,每天都有这些设备的进出记录.

即使没有接入地铁内的网络,也会在搜索SSID之类的时候透露出mac地址.

换句话说,在现实世界里,这部设备就能够被记录"浏览"历史了.

而现在的Android/iOS基本上是一部设备对应着至少一个人.
这个关联是通过账号取得的联系.
也就是说,通过设备到人,从人得到账号,则可以从账号连通到网络里的身份.

这样两个世界的"行为空间"就产生了联系.

如果把每一个网站,甚至每一个不同页面看成一个graph的node.
现实世界的每一个地方看作另一个graph的node.

那么,mac和account的connection/edge就可以看作是把两个独立graph连接成为一个类似bipartite graph的结构.

对于单独的一个人来说,就存在多个network location和physical location的pair.
这个简单count一下也是有点意思的数据.

考虑是多个人或者是一个群体的话,就可以结合network和physical的各自现有的能infer出来的联系,在组合infer一些其他的东西.
最简单的比如某个社区的人群分布,或者某个住宅区的网络社区使用偏好等信息.

这种考虑还是基于"人"这个connection的维度的单一的.
考虑到"人"可以有其他附属属性,对应不同维度的话.
比如职业的维度,比如年龄的维度.

这样的话,也就是有两个graph本身的multi dimension feature,再加上connection本身的multi dimension feature,总共三组feature了.

也就是说,可以同时描述一个"人"或者一个群体的自身特征,网络特征,和物理特征.

所谓描述的feature越多,结果就可能越细分.

尤其是对于物理环境里,没有像网络环境下一样的多样成熟的信息采集方式.
能用来描述的变量少得多.

现在通过这种connection把现有的成熟的描述模型搬迁过来的话,传统的灯箱或者平面广告可能就会迎来新的发展方式.
至少,能有更多的信息提供,以帮助提高展示效用的,最大化收益.

对于商家来说,在线的可以知道用户在离线状态下,表达过那些购买意愿.
离线的可以知道某个地段来往的用户,主要关注哪些类型类别的商品,消费层次和意愿如何等.

尤其是对于离线部分的,也就是传统的各种服务业来说,固定的实体店的位置等成本,可能通过对事实人流的进一步细分产生出更有效的经营策略.
这点倒是很有可能产生新的经济形式的.

而像搜索等,就有更多的现实环境的context.
一个例子就可能是,你在图书馆搜索一个地名,和在公交站搜索一个地名,结果的权重可能就不一样.

甚至于想娱乐方面的社交网络等,也可以因为地点或者位置的不同.
比如在同一个游戏展会上,不同类别的游戏爱好者在SNS上的推荐交流可能就有所区别.

本质上来说,从网络成为生活的一种方式开始,人就分成网络上的不同身份,和现实里的不同身份.
各自的不同身份可以相对容易地粘合在一起,但是"屏幕后面的到底是不是一只狗"这个问题,在相当一段时期内,还是不可确定的.

而现在,似乎是feasible的.
所谓unify identity.

Git的想象力

最近因为发现git gc --prune能省不少空间,于是就想起去翻翻git的文档.

虽然用git也算有几年了,但多数还是当作一种version control的东西来用.
看了之后才发觉,这个不单跟传统的version control有很大区别,甚至跟version control本身也有相当程度的不同.

官方文档给出的直观解释是git本身是一个类似的snapshot的管理工具.
跟version control不同,它目的似乎不是为了存储变更记录,而是存储变更本身.

换句话说,version control做的事情的专注点在于replay changeset.
而git的侧重点似乎在于各个snapshot之间的traversal了.

虽然看上去好像是差不多的事情,但是对个人来说,还是挺大的一个观念转变的.

以每一个单独的文件为视角的话,其实就是一个类似state transfer的graph,不同的branch以及sub tree就是不同的edge set.

考虑到每个transfer都是一个文件hash为基础的,那么就存在一些merge或者rebase,使得这个文件的history graph不是一个单纯的树.
而是存在一些环壮结构.
因为可能后面的改动会使得文件跟之前的某个"版本"一致.

从repo的角度看的话,就是一个文件代表着一个这样的graph.
而repo角度的change set则是这个repo下面的某些文件集合的change set构成的.

也就是说,对于这个repo的某个"version"来说,相当于在这些文件的graph之间,以这个version标记的change set产生了联系.
也就是直观上的,把每个文件的graph以version的维度连接了起来.

因为repo本身有多个version.
所以,这些被连接起来的graph,在不同的version层次又有着不同的连接.

也就是说,原来的一个graph forest变成了一个hyper graph.

如果再以类似github这种地方,把各个repo的hyper graph以文件为基准连接起来的话,就是一个更复杂的hyper graph了.

这个隐含的假设是,不同的项目之间,存在着相同的文件/实现.
通过这些共同点,就有可能把各个repo连接起来.

这样的话,就存在一个联通的hyper graph,使得这个hyper graph实际上是有多个repo的history构成的.

那么,这样的hyper graph有什么用的?

至少可以用来做一些简单统计吧.
比如公用了某个库或者文件的项目有哪些,或者某个repo的链入/热度/受欢迎程度如何.

实际一点的,可能是解决project的版本冲突问题.
比如,根据当前的版本,就可以"横向"地从其他repo里根据公有文件的version,cut出一个aspect来,使得所有文件都是处于同一个版本时间线上的.
而在即使这样都不能解决版本冲突的情况下,至少还能对冲突的部分做出具体的冲突比较,看是不是可以兼容的.

事实上,这就类似于page之间的link.
本质就是一些hyper graph.

至于要用来rank还是拿来干其他什么.

剩下的就是想象力的问题了.

概率性的有效数据

之前有过一个想法,就是把低维的数据往高维变换,然后再投影回另外一个较低维的空间.

这个想法的目的在于,在通常情况下,对于一组数据,只能猜出有限的几个feature.
而"真实的计算系统"里,还有更多的想不到的,或者没有考虑进来的影响.

也就是说,"真实"的数据心态,在"真实"的演算系统里,是一个更高维的数据.

那么,如果不知道这些额外的feature是什么,但是知道有多少个这样的额外维度,并且能够找到一种往高维变换的方式,使得经过变换后与"真实"维度的数据是等价的话,这些额外维度是什么的问题也就没那么重要了.
因为已经有一个等价的数据变换,剩下的就是相应地拟合出这个变换下的演算系统,也就等于知道真实的演算系统了.

而实际上,neural network就是这样一个类似的系统.
只不过每个layer之间并不是直接映射,而是经过了sigmoid做了个调整.

那么,如果把sigmoid去掉呢?

于是在input和ouput之间,接了两个随机(Hyper,Project)矩阵乘,想着forward propagate过去,然后backward回来做拟合的.

对于第二个(Project)矩阵的每一个cell,它的每一个delta变化,应该是能够让其关联的output里的相应cell差值也减少的.
想了一下,其实就是对于Project中(i,j)个cell而言,有关系的是Hyper的第i列和Output的第j列相关而已.
即minimize(Hyper[,i]*(Project(i,j)-delta) - Output(,j)).

直觉上就是让一个向量A伸缩后,与另一个向量B的L2距离变小而已.
也就是类似算B在A上的投影.

所以,这个delta是可以直接算出来的.

然后是用这个新算出来的Porject,和Output去校准原来的Hyper.

也就是,在X*Y=Z的矩阵乘里,拟合一下X.

对于Hyper矩阵里的每一个cell,它的delta变化都会反映到Ouput里的对应行里.
并且,这个变化是和Porject的列数相关的.

也就是说,对于Hyper的第(i,j)个cell变化一个delta,Ouput[i,]的所有列都会有差值变化.
更主要的是,这些列的变化可能不是同向增减的.

折中一下的话,就是只处理同向增减的情况.
这种情况下选一个能使得差值更接近于0的delta就可以了.

于是,用上述算法跑了下拟合.

收敛倒是收敛的,不过拟合出来的结果没什么价值和意义.
原因可能跟数据本身的性质有关.

因为这里的假设是线性系统,而实际可能是非线性的.
所以结果没意义.

后来再想了一下,其实如果是线性系统的话,也不用这么麻烦.
因为中间的两个矩阵乘完全是多余的.
等价于一个矩阵乘而已.

于是,转化一下,就是通常的已知A和B,求x使得A*x=Y的问题了.
只不过这里A,x,Y都是非square matrix而已,不能直接numpy/scipy求逆.

于是只能手写了一个naive的方法,先把A化成阶梯形,然后吧对应的化简operation apply到Y,再一个个地解x拼回目标矩阵.

因为是naive的方法,所以实际跑一个4k+行矩阵的时候,operation记录太长,看着内存本子swap了,就算了.
只能取个20行装个样子.

结果当然是100% fit.
只不过用第20个data row去predicate第21行数据的时候,差地离谱.

原因嘛,跟之前差不多.
而且,即使系统是线性的,但是解并一定唯一,所以错很正常.

加上实际上,这个数据集的各列的取值范围还是有约束的,这个根本就没反映进去.
于是数据合理才是不正常的.

不过从这个角度来说,除非是自己"设计"出来的数据.
不然,应该没什么办法衡量什么才是正确/有效的数据吧.

因为谁也不知道真正的运算式是什么.

所谓概率性的有效数据.

花钱如流水

有时候会想,股市算不算零和的.

初一想,既然参与人买入卖出都是对等的,那么从资金层面上来说,应该都是平衡的.

即使考虑有经纪人之类的第三方成分在,那么将其纳入进来的话,也是均衡的.
虽然,从理论上来说,如果这个第三方不参与买卖活动,那么资金最终将全部流向这些第三方.

那么,为什么实际看上去不是这样呢?

一个原因固然是这些第三方不无安全是独立于买卖方的存在,其资金也有途径回流到市场参与再分配.
但是,这并不能完全解释这个问题.

因为毕竟存在不回流的情况.

这样的话,在假定市场规模固定的前提下,市场的交易量和额度总会有萎缩的趋势.
因为可实际参与的部分少了.

于是,为什么没有往这个方向发展呢?

如果市场规模并不固定,也就是说总有资金补充进来的话,那么就有可能抵消这种缩减的趋势.

当然,也只是有可能.
但这里有趣的地方在于,如果市场的参与资金规模不是固定的.
那么,那些买入和卖出的行为导致的资金流向还是平衡的么?

由于市场规模的动态的,同时有人进出,那么不平衡/非零和也就不足为奇了.

如果考虑把非股市的资金市场和股市的资金作为一个整体考虑的话,这个整体是零和的么?
换句话说,这个整体的资金市场会凭空产生或者消失一些资金么?

在一个具体的撮合交易里,买卖的行为实际上是买方用货币资金去换取卖方的一个金融权证.
而卖方得到的金融权证这个商品,最终也是需要通过再转手的方式,换回货币资金的.

那么,简单推论一下的话,在某一时刻给定的金融市场里面没有人愿意以更多的货币资金接手这个金融商品.
于是金融市场就必须扩展,以吸引愿意继续交易的人进来.

但不管怎样,在金融资金市场和非金融资金市场"货币"总量一定的前提下,总会有无法继续交易的情况出现.
这种情况下,最后持有者要么继续持有,要么以负收益了解.

无论那种情况,整体资金市场也还是平衡的.

既然总体资金都会是平衡的,那么为什么金融危机的时候,会出现经济萧条呢?

是"既得利益者"投入流通的数量减少还是说上面的逻辑有缺陷的地方?

如果把前面的两个资金市场稍微拆开一下来考虑的话.
或者说换个角度看,就是金融资金占总体资金的一个比率.

而金融危机的一个表现就是金融市场的价值缩水或者说崩溃.

也就是说,在金融成分在总体资金里的占比下降.

这样的话,那就应该意味着非金融的部分,或者数"流通"的部分应该对应增长才对.
而事实是,这一部分也相应减少了.

那么,是说明存在非零和的情况么?

如果在流通和非金融部分再引入一类资金"市场"的话,那么就可以认为是依然是零和的.

关键是,这部分的资金属性和表现是什么?

以股票来说,金融部分缩水也就意味着凭证可兑换的非金融资金贬值了.
也就是说,有部分资金逃离了金融市场.

但离开金融市场并不一定意味着能够继续流通.
比如,把股票卖了的钱并不一定足够维持工厂的生产.
无法生产的话,这部分资金实际就是不流通的.

这样的话,一方面金融部分的市场资金减少了,另一方面流通的领域也没有相应增加.
于是,就有满足上面经济萧条件的存在情况了.

那么,经济繁荣时期呢?
同样的道理,不过是资金从这个非流通的领域向两边分散了而已.

实际上,这三个有点类似M0,M1,M2的相关定义.
大致就是M0对应流通部分.
狭义货币M1-M0对应非流通部分.
广义货币M2-M1对应金融部分.
但不完全一致.

总地来说,关键点还是在于"非流通"部分的流动性如何.

所谓"花钱如流水".

To big,To fail

有时候,看到各种打车软件竞相提高补贴的新闻会很困惑.
原因在于,这有什么意义?

如果是按照传统的预先占领市场的垄断思路来考虑的话,似乎也并没有道理.

假设事实上现在只有一家这种公司,那么,对于后来公司的进入门槛是什么呢?

如果不考虑政策门槛,纯市场因素的话.
那么一个使用过程就涉及到三方.
应用公司,出租车司机,以及乘客.

对于乘客来说,选择的因素在于支付成本.

要么是尽快完成旅途,要么是尽可能减少实际的现金流支出.

在不考虑司机的因素下,即使对于垄断市场的后来者来说,只要能在这两方面有优势,就能够争取到乘客的选择倾向.
而乘客的这种选择,实际上直接依赖于出租车司机方的相应供应能力.

对于尽快完成旅途这个选择倾向,其所对应的供应限制在于,司机能否通过应用快速地完成匹配确认.
而对于尽可能地减少实际现金成本,这个司机和乘客共同的目的来说,在不考虑匹配效率等可因提高单位时间而提高收益的情况下,在于应用能提高多少补贴.

对于快速匹配这个需求,这个是跟市场占有率无关的因素.
尽管,对于市场的绝对占有着来说,因为已有装机量的关系,在这方面有着一定的优势.
但从本质上来说,这个是资本层面的门槛.

只要不存在排他条款的存在,这个不能算是门槛.

而补贴激励则更是资本问题.

因此,即使有人能首先完成垄断,其最终也没有能足够保证其地位的进入门槛.

所以,对于打车应用来说,不存在先入优势.
而由于起市场占有率高低与资本投入高度相关的特性,这注定会是一个不断缩减和逼近0利润的模式.

尽管,从理论上来说,它可以保持很低的毛利润而通过数量基数来获得可观的利润.
但毕竟是竞争的状态,在到达一个利润临界点之前,任何人只要足够资本都可以进入洗牌.

那么,对于这一个几乎没有什么不确定风险,且注定低收益的行业,为什么还有人趋之若鹜呢?

另一种观点是,这是普及推广移动支付的踏板.

即使说,通过打车这一个切入点,让用户养成移动支付的习惯,以及预先占领移动支付领域.

这个观点的前半部分,即所谓的"养成移动支付的习惯"这个在某种程度上是个伪命题.

因为没有需要移动支付的东西,所以先推出一个提供移动支付方式的东西,并大力推广.
这个思路就好像说因为没有钉子,所以先发明锤子一样.

如果市场并没有出现移动支付的趋势,那么就暂时没有提供移动支付的需求.
满足一个不存在的需求,并不会带来任何的"创新"和不同.
就像0乘以任意数都还是0.

至于所谓的占领移动支付这点,可能就更微妙了.

所谓移动支付,如其名字所透露的那样,包含两个要素.
移动和支付.
也就是说,支付这个行为是在移动的环境和语态下完成的.

大多数情况下,这就意味着在线下的环境里完成线上的支付.
也就是所谓的某种O2O概念.

它和传统非电子支付所不同的在于,在线下的环境里,是线下完成交易还是线上完成交易.
也就是说,对于一个传统的线下交易来说,其区别在于,最后的支付部分是线上完成的还是线下完成的.

于是这个地方就有趣了.

相比与线下的直接交付,有什么理由选择线上完成呢?

跟前面打车应用的理由一致.
便捷和优惠两个方面.

"优惠"对于无论线上,线下来说,都是无差别一致的.
无论哪方,只要能提供,都不算门槛.

而"便捷"通常就是指,到底是用现金呢,还是用电子支付.

现金受所带零钱,找零,额度等客观条件的约束.
而电子支付恰好没有这方面的问题.

因此,移动支付作为电子支付的一种方式,有存在的理由.

但这个对于任意一家标签着移动支付的第三方来说,都是平等无差别的.
因此相互之间并没有因这个而能构筑竞争门槛.

尤其不同于B2C,线下交易并不会线上的流量和平台绑定.
换句话说,它不是淘宝店铺,并不是只能接支付宝.

所以,对于线下商家来说,接入不同支付第三方的成本基本可以忽略不计.
也就是说,支付第三方之间并没有竞争壁垒.

因此,所谓的占领移动支付也是不成立的.

甚至,这些带着互联网标签的企业,在"移动支付领域"并不比信用卡式的支付更有竞争力.
而且在"终端普及率"这个概念上,信用卡式的电子支付已经算相当成熟和普及了.

唯一的优势在于,移动支付可能比信用卡式的前辈支付方式有着更低的终端普及成本(对于商家来说).
也就是说,移动支付的战略地在于这一块的普及率.

从某种程度上来说,对于已经开拓的市场,后入者的成本更低.
因为不用支付开荒费用.

所以,从竞争的角度来说,后发制人可能是更经济有效的方式.

当然,另一个突破点是之前谈过的OnlyCoin的Unify Card概念.
但这个也并不能成为竞争的门槛和先入优势.

毕竟,就像换一张银行卡一样,这个成本并不高.

于是,一个问题就是,既然这种切入"移动支付"的方式并不具有效率和效益,为什么还有人前赴后继地涌入呢?

大概是对于一家在原有行业/旧概念里占有绝对垄断和优势地位的公司来说,"不作为"是一个很"恐怖"的事情吧.
尤其是在一个新概念看上去跟现有优势具有高度相似性的场景里.

不去部署开辟新领域,好像就会连旧有优势也会消失掉.
本以为牢不可破的城墙,在风雨飘摇里显得格外脆弱所致的莫名恐惧和危机感吧.

想起某本关于次贷危机的小说有个标题叫too big to fail.
稍微改一下.

大概就是to big,to fail吧.

微信是什么

最近微信因为新年红包的事情又热闹了一下.
于是随手查了下最近报道的微信用户数,大概是6亿.
再顺手查了下QQ的用户数,有意义的活跃用户数是7.5亿.

这两个数据倒是有些巧合的一致.

就性质而言,微信大抵是比较一致的.
毕竟,处于账号本身的原因,一个人大概就会对应一个微信账号吧.
这点不像QQ,可能存在这冗余.

这样想的话,大概可以认为这两个数据是合理的.
就是实际的有有效户数都在6亿上下.

考虑到QQ账号可以随手注册,加上一些诸如公私账号分明的用法.
如果说微信用户数已经超过QQ了的话,也不是不可能.

考虑到微信比较独立的发展历程,或者说假设QQ IM对微信的推广左右忽略的话.
那么一个问题就是,为什么这两个数字那么接近?

根据CNNIC 2013年中的一份数字是,中国互联网用户数是5.91亿,移动用户4.64亿.

先不管这个统计的渠道和形式问题,姑且认为是准确有效的.
那么,就说明QQ和微信大概就是人手一个账号的样子.

那么是不是可以认为说,一个互联网产品理想状态下应该有的用户数就是6亿呢?

查了一下2013年新浪微博的相关报道,有数据提到2013年3月底是5.56亿.
另一个是淘宝,about页上是近5亿,考虑到实效性的话,应该还要往上.

于是,貌似确实可以这么理解.
6亿是中国互联网用户的实际活跃上限.

那么,如果这么认为的话,反过来看新浪微博的僵尸用户数的话,也许没想象中那么高.

这里面除了淘宝之外,其他都可以算作是广义的社交工具.
也就是说,人数在重合并不是单纯的因为功能需求的重合.

换句话说,就是一个活跃的会上网的人,无论因为什么理由,最终都会接触到这些产品.

以前有这么一种观点.

互联网上活跃的有声音的都是一些所谓的精英用户,积极尝鲜.
尤其是面对一个新产品,一群产品经理和自以为产品经理的总是第一时间接触.
而这种"喜新厌旧"的人不代表最终用户的意见.

如果综合6亿人这个现象考虑呢?

不管喜新厌旧的这个观点是否正确.
至少特定于前面提到的几个产品而言,它们是事实上抵达了每一个人.

本质上来说,"喜新厌旧"的观点隐含的意思就是互联网用户是分层次的.
也就是说,有些是抵达不了的用户.

而6亿上限这个数字则说明,即使功能不同,也是有可能全部纳入到.

换个角度看的话,也就意味这,对于某一些特定的功能集合,它是没有所谓的用户层级的概念的.
反过来说,就是存在一个取悦所有用户的特定功能集合.

进一步来说,前面那些产品能达到这个共同的数量级,也就意味这他们之间存在一个公有的功能集合的super set.

淘宝解决的交易担保和买卖.
QQ解决的是沟通.
这两个都是浅显的显而易见的基本需求.

尽管从淘宝的角度来看,有阿里旺旺这个类似QQ IM的沟通存在.
但是从基本出发点来说,阿里旺旺只是沟通需求里的一个交易子集而已.

作为一个细分场景,是没有能力取代全景需求的.

那么,财付通和拍拍呢?

原则上来说,完全可以是阿里的等价替代品.
没有替代的原因大概不是因为功能不对,只是因为没有足够的动力去促成参与者选择/博弈结局的改变.

但微博解决的是什么问题呢?

在这方面新浪的思路和立场应该还是正确的.
资讯的需求.
或者说媒体属性.

所以它用门户媒体的思维,请明星,推媒体,尤其是把原本零散地门户里的新闻消息,通过一个比较轻的方式聚合起来了.

因此,看上去跟QQ一样同是社交属性,但也只是形似而神不似而已.

从这一点反观的话,腾讯微博重纯粹的沟通社交这点就类似拍拍的局面了.
无力改变博弈的均衡点.

最后是微信.

微信改变了什么?
或者说微信解决了什么问题?

如果没有明确答案的话,也就说明,对于所有用户而言,存在不存在公有功能的集合的super set这点毫无意义.
换句话说,就是用户是什么层次的这个问题也毫无存在价值.
进一步说,用户对于选择用什么,根本就没有一个标准,完全是随机事件.

这样的话,就有趣了.

于是.

微信是什么?