甚至在打开窗帘之前就浏览 Twitter 消息。在 Instagram 上分享今天的早餐照片。在 Facebook 上给朋友发送生日快乐贴纸。给同事发送电子邮件并通过 Skype 拨打电话。乘坐 Uber 回家并通过 Deliveroo 订晚餐。数字世界充满了个人之间、用户与公司之间的互动。
长期以来，研究人员一直试图利用人类在数字空间中留下的足迹来解释人类行为 [1]。网络科学领域的研究人员将我们的数字互动表示为具有不同实体（称为节点）的网络，如果这些实体以某种方式相关，则通过边连接起来。
我们留下的数字痕迹存储在庞大的数据库中，这些数据库由我们点击的在线网站所利用。在本文中，我将讨论收集我们大部分点击的万维网角落如何成为其中心，这对数字经济可能产生什么影响，以及政策制定者为何应使用网络科学的新工具来跟踪经济发展并实施新政策。
平台经济的兴起
1959 年，Erdos 和 Renyi 提出了两个 IG 数据 生成随机图的模型 [2]，这意味着每个新项目都有相同的概率与现有图上的任何节点连接。几十年后，Barabasi 和 Albert 提出了一种不同的结构，即无标度网络，这可以解释真实网络（如生物生态系统）是如何形成的 [3]。他们表明，无标度网络使用优先连接机制来添加节点，该机制描述了我们倾向于与已经具有高连接性的节点连接。1999 年，Bianconi 和 Barabasi 表明还有另一种机制在起作用，即适应度，它描述了节点可能具有的内在竞争因素，使网络中的后来者能够比老节点更快地获得链接。
让我们用一个例子来揭开这些过程的神秘面纱。假设有两种节点，社交网络平台和用户。现在在每个用户和他正在使用的平台之间画一条链接。优先连接表明新用户很有可能连接到最受欢迎的社交网络，也就是已经拥有最多用户的社交网络。为了解释适应度，假设一个新平台进入网络并提供一些新颖、非常吸引人的功能。即使没有像其老牌竞争对手那样庞大的安装用户群，这个新平台也会吸引新用户。
由于这些过程，新进入者并非均匀地连接到现有节点，而是以一种具有某些理想特征的旧节点更受青睐的方式。正如 Barabasi 和他的同事所表明的那样，无标度网络中的度分布遵循幂律，这意味着有少数节点（也称为枢纽）与总节点的很大一部分相连，而其余节点仅获得少量链接。
幂律网络
图 1.无标度网络的幂律度分布。
通过实证研究万维网的结构，巴拉巴西和他的同事表明，万维网是一个无标度网络。如今，万维网的主要枢纽是我们每天访问的在线网站，例如 Google、Facebook、亚马逊和 Uber。
上述所有公司都是平台，但其商业模式各不相同。谷歌和 Facebook 是专门从事定向广告的广告平台，但使用不同的机制，而 Uber 是一个精简、无资产的平台。亚马逊以电子商务巨头的身份而闻名，其业务也扩展到云计算、实体店、人工智能和众包市场。
这些平台之所以能在竞争中脱颖而出，成为近 20 亿个节点网络的中心枢纽，是因为它们能够将我们与它们的互动转化为信息时代最宝贵的资源：数据。通过提供看似免费的产品或提供进入具有大量选择的市场的渠道，这些平台收集我们的数据，通过优化算法和提供更好的服务来提高其适应度。改进的服务吸引了更多的用户，从而增加了数据生成量，进而带来了更多的用户。这里可以观察到无标度网络的机制。由于网络效应，受欢迎的平台吸引了更多的用户，而其庞大的用户群改善了他们的服务，从而提高了他们的适应度。
连接到平台后，平台的目标是增加我们在该平台上花费的时间，以生成更多数据，这可以看作是增加用户和平台之间的边缘权重。然而，这有一些影响。我们的注意力是一种有限的资源，必须在满足不同需求的平台之间共享。这导致看似在不同市场工作的公司由于渴望获得更多链接而聚集并在多个方面展开竞争。谷歌和优步正在开发自动驾驶汽车，亚马逊和谷歌提供云计算服务、家庭助理和其他类型的硬件。他们都在人工智能创新方面展开竞争。
这种竞争可能在短期内是有益的，因为它为用户提供了各种产品和服务，但长期影响可能令人担忧。用户可能不再拥有一个完整的、紧密连接的用户和平台网络，而是开始在满足他们大部分需求的单一平台上花费越来越多的时间，放弃与其他平台的大部分连接，使用单一提供商的内容和服务。因此，万维网逐渐从一个互动丰富、无所不包的网络变成了一系列围墙花园，使我们无法发现替代方案，并大大增加了重新连接到其他平台的成本。