基于第三方平台的竞争型企业多价值链网络效应模型及仿真

张旭梅，杨 沛，眭蓉华，刘义萌，但 斌

(1.重庆大学 经济与工商管理学院，重庆 400044；2.重庆大学 现代物流重庆市重点实验室，重庆 400044 )

0 引言

近年来，随着互联网及新一代信息技术的快速发展与应用，国内外出现了一批面向制造业的第三方平台，如MFG.com、Ariba Marketplace、航天云网、淘工厂等。此类平台作为典型的双边市场，需要依赖双边用户(制造商和供应商)间的正向交叉网络效应来聚集买卖双方，形成正反馈发展的良性循环[1]。然而，除了制造商和供应商之间的正向交叉网络效应，制造商以及供应商群体内部还存在负向组内网络效应[2]，即平台上一边用户数量越多，它们之间竞争就越激烈，这对该边用户接入平台具有负向抑制作用。此外，供应商在生产规模、供货能力、物流服务等综合资质方面往往存在差异，不少平台会对入驻的供应商按优质和普通进行区分，如：MFG.com创建供应商在线档案以区分不同资质的供应商；航天云网依据供应商的资质证书和相应的质量问卷得分识别出优质供应商，并给予优质供应商专属身份展示。优质供应商和普通供应商不仅分别存在组内网络效应，两类供应商之间因为竞争关系还具有负向组间网络效应，即普通供应商越多，优质供应商接入平台的意愿越弱，反之亦然。由于第三方平台的发展是一个动态演化的过程，制造商和各类供应商的规模随时间在不断变化，使得竞争型企业组间和组内网络效应可能对平台双边用户的接入量产生正向或负向的影响，进而导致平台及其用户收益的变化较为复杂。因此，有必要从动态演化的视角研究竞争型企业组间和组内网络效应对平台及其各类用户的影响，为第三方平台的发展提供参考。

目前，国内外学者围绕制造业第三方平台已经开展了广泛的研究。不少学者对第三方制造平台的运行模式、体系结构与使能技术、应用与典型案例、发展现状与趋势等进行了研究。如李伯虎院士等[3]提出云制造平台概念，认为其是实现按需生产的网络化、敏捷化协同制造新模式；SONG等[4]设计了一种面向中小企业的云制造平台体系结构，并研究了常用引擎技术在实现订单跟踪、交易任务引导等方面的作用；余洋等[5]提出一种基于属性的云制造协同平台访问控制模型，并以汽车产业链为例论述了该访问控制技术的具体应用方案；李斌勇等[6]以汽车产业链云服务平台为典型案例，通过构建平台信息支撑体系为各类型企业的多价值链业务协同问题提供了理论支撑；GHOMI等[7]阐释了云制造平台的主要特征、发展现状和面临的挑战，并指出了其未来的发展趋势。另有一些学者研究了第三方制造平台在发展过程中的服务与定价策略、用户匹配策略、资源分配、平台监管等问题。如BASU等[8]针对多个制造商与多个供应商在第三方平台上采购与销售时的搜索和认证问题，研究了平台的搜索与认证服务策略及其对定价的影响；ZHAO等[9]以淘工厂等第三方平台为例，对比分析了平台采取固定交易费和基于质量交易费两种定价策略的有效性；但斌等[10]针对第三方平台上多个制造商和供应商构成的多价值链系统，研究了平台不同匹配水平下制造商和供应商的协同运作策略；LIU 等[11]考虑第三方平台资源受约束和用户需求不确定，研究了平台资源在双边用户之间分配不一致时对平台绩效的影响；但斌等[12]在不确定市场需求下针对制造商和供应商间的交易失信问题，运用演化博弈方法研究了第三方平台的不同监管策略。然而，上述文献主要研究了平台构建与运作管理过程中的一些关键问题，未考虑网络效应对第三方制造平台发展的影响。

网络效应作为第三方平台的典型特征，对平台的用户接入量及其发展有着重要的影响，为此有一些学者开始关注到网络效应。目前,关于网络效应的研究主要集中在软件平台[13-14]，滴滴、Uber网约车平台[15]，京东、淘宝购物平台[16-17]，Groupon团购平台[18]，Nintendo游戏开发平台[19-20]等第三方消费/服务类平台。此类平台的双边用户之间只存在产品买卖关系，下游的消费者之间一般不存在竞争。对于第三方制造平台而言，其用户主要是产品制造企业及其供应商，制造商与供应商之间存在合作关系，同类制造商和供应商还存在竞争关系，这些密切的竞合关系使得平台上的网络效应更加错综复杂，因而关于第三方消费/服务类平台网络效应的研究难以适用于制造业第三方平台。目前，仅有少数学者关注到了第三方制造平台发展过程中的网络效应，如ZHANG等[21]以航天云网等平台为例，研究了制造商和供应商之间的交叉网络效应对第三方平台双边增值服务和定价策略的影响；赵道致等[22]在云制造环境下，研究了交叉网络效应和需求方时间敏感性对平台定价策略的影响；桂云苗等[23]在云制造平台用户缺乏信息情况下，研究了交叉网络效应对平台单边和双边增值服务投资策略的影响；PAN等[24]则考虑制造资源提供商在平台上获取交易订单的意愿存在差异，研究了交叉网络效应和组内网络效应对平台最优定价和产能分配策略的影响；朱文兴等[25]基于双边市场理论，研究了云制造平台买卖双方的交叉网络效应和组内网络效应对平台定价的影响。上述文献大多考虑用户规模固定，从静态视角研究交叉或组内网络效应在平台发展过程中的影响，未研究不同类型供应商的组间网络效应影响。与上述文献不同，本文考虑接入第三方制造平台的供应商存在优质供应商和普通供应商两类竞争型企业，在用户规模动态变化情景下，采用系统动力学方法从动态视角研究竞争型企业组间和组内网络效应在平台发展过程中的影响。

鉴于此，本文以多个制造商、多个优质供应商、多个普通供应商一个第三方平台构成的多价值链系统为研究对象，考虑系统内存在的多种交叉、组间和组内网络效应，构建竞争型企业多价值链网络效应的系统动力学模型，并对竞争型企业的组间和组内网络效应进行仿真，进一步分析组间和组内网络效应变化对平台用户规模和各参与主体收益的影响，以期为第三方平台的发展提供参考。

1 问题描述与假设

考虑由多个制造商(M)、多个供应商(S)和一个制造业第三方平台(简称“平台”，T)构成的多价值链系统，制造商与供应商是平台的双边用户，他们在平台上进行着零部件采购业务的协同。假设单周期内单个制造商产品需求为dM，供应商承接订单并将成本为c的零部件以价格pS销售给制造商。制造商将购买的零部件用于产品生产，并以价格pM将产品售出。由于入驻平台的供应商在生产规模、供货能力、物流服务等综合资质上往往有所差异，本文将接入平台的供应商分为优质供应商(H)和普通供应商(G)两类，并假设单周期内单个优质和普通供应商零部件供给量分别为sH和sG。 优质供应商和普通供应商提供的零部件质量均能满足制造商的要求，但优质供应商的综合资质强于普通供应商，对制造商有更大的吸引力。

平台的双边用户群体之间以及同类用户群体内存在复杂的网络效应，具体如图 1 所示。一方面，制造商与供应商之间存在正向交叉网络效应，双边用户相互吸引加入平台。用αMS表示制造商对两类供应商的交叉网络效应强度，并分别用αHM、αGM表示优质供应商和普通供应商对制造商的交叉网络效应强度。考虑到优质供应商对制造商吸引力更大，进一步假设αHM>αG M。 另一方面，制造商、供应商群体内存在竞争关系，具有负向网络效应，用βi表示i类用户群体组内的网络效应强度，i=M,H,G。 此外，供应商群体内优质与普通两类供应商之间还存在组间负向网络效应，用γHG、γGH分别表示优质供应商与普通供应商双方之间的组间负向网络效应强度。考虑到优质供应商比普通供应商竞争力强，如航天云网会对优质供应商提供专属身份展示，假设γHG>γGH。

本文涉及到的参数符号及含义如表1所示。

表1 模型参数及其含义

2 模型构建

基于第三方平台的竞争型企业多价值链系统属于大型复杂系统，且平台会随着时间的推移不断发展和演化[27]，导致竞争型企业网络效应的影响具有长期性、复杂性和动态性等特点，一般的线性方法很难分析和量化系统中的各种不确定性因素。而系统动力学可以通过存量流量图来描述系统内部的反馈结构，清晰直观地呈现多种因素之间的交互关系[28]，并可利用计算机软件来仿真模拟这种长期性或周期性的问题。考虑到系统动力学在复杂非线性系统分析中的优势，本文采用系统动力学方法研究竞争型企业网络效应在平台发展过程中的影响。

2.1 系统流图构建

以基于第三方平台的多价值链系统为系统边界，本文将制造商、优质供应商、普通供应商和第三方平台作为系统主体，绘出竞争型企业网络效应的演化流图，如图2所示。根据演化流图梳理出影响平台用户规模和各参与主体收益演化的主要路径，如下所示：

(1)H组内网络效应强度→+H组内网络效应→-H加入速率→+H的数量→+H组间网络效应；

(2)G组内网络效应强度→+G组内网络效应→-G加入速率→+G的数量→+G组间网络效应；

(3)H对G的组间网络效应强度→+H对G的组间网络效应→-G的加入速率→+G的数量→+G的组内网络效应；

(4)G对H的组间网络效应强度→+G对H的组间网络效应→-H加入速率→+H数量→+H组内网络效应；

(5)平台对H的匹配服务水平→+H获得订单的概率→+H零部件总成交量→+H的期望收益→+H的加入速率→+H的数量→+平台收益；

(6) 平台对G的匹配服务水平→-H获得订单的概率→-G零部件总成交量→+G的期望收益→+G的加入速率→+G的数量→+平台收益；

(7) 平台对H/G的匹配服务水平→+平台对H/G的匹配服务成本→-平台收益。

2.2 模型变量及方程

考虑t时刻平台上i类用户的规模受到其初始规模Ni0和用户接入平台速率vi(t-1)的影响，初始规模Ni0是平台初建时通过营销宣传等吸引到的少量用户，是平台发展的基础。进一步，将t时刻制造商规模NM(t)、优质供应商规模NH(t)、普通供应商规模NG(t)的状态方程表示如下：

(1)

(2)

(3)

制造商的接入速率与两类供应商对其的交叉网络效应、制造商组内网络效应、制造商期望收益有关，且受到制造商市场容量的限制作用，将制造商在t时刻的接入速率vM(t)表示如下：

(4)

式中:MM为制造商市场容量；E[πM(t)]为制造商期望收益；φM为制造商收益对其接入速率的影响系数。

两类供应商的接入速率分别与制造商的交叉网络效应、两类供应商的组间和组内网络效应、两类供应商各自的期望收益有关，且受到供应商市场容量的限制，将优质供应商和普通供应商在t时刻的接入速率vH(t)和vG(t)分别表示为：

(5)

(6)

其中：MH和MG分别表示优质和普通供应商的市场容量；E[πH(t)]和E[πG(t)]分别表示优质和普通供应商的期望收益；φH和φG则代表两类供应商收益对各自接入速率的影响。

考虑优质供应商获得制造商订单的概率Y(t)与平台上两类供应商数量、平台对两类供应商的差异化匹配服务水平有关，即xH、NH(t)越大，优质供应商获得订单的概率越大，将Y(t)表示为：

(7)

其中δ表示平台匹配服务对供应商获得订单机会的影响系数，则普通供应商获得制造商订单的概率为1-Y(t)。 平台将t时刻两类供应商的零部件总供给SH(t)、SG(t)与需求DM(t)进行匹配，将两类供应商单周期零部件总成交量表示为：

QH(t)=min{DM(t),SH(t)}×Y(t)，

(8)

QG(t)=min{DM(t),SG(t)}×[1-Y(t)]。

(9)

其中：SH(t)=NH(t)×sH；SG(t)=NG(t)×sG;DM(t)=NM(t)×dM×n，n为制造商生产一单位产品需要采购的零部件数量。

单个优质供应商t时刻的期望收益为：

(10)

单个普通供应商t时刻的期望收益为：

(11)

单个制造商t时刻的期望收益为：

(12)

第三方平台在t时刻的收益为：

πT(t)=λM(t)NM(t)+λH(t)NH(t)+
λG(t)NG(t)-kxH2-kxG2。

(13)

3 仿真分析

本章依据前面构建的系统流图及方程，以月为周期，对竞争型企业网络效应的演化进行仿真分析。仿真实验的硬件环境为Intel(R) Core(TM) i5-8 265U CPU @ 1.60 GHz 1.80 GHz，8.00 G内存，软件环境为Win 10，Vensim PLE 7.3.5。

以汽车行业为例，参考中国产业信息网以及中国汽车工业协会上的统计数据来设置相关参数值，假设市场上共有500家汽车制造商，15 000家汽车零部件供应商。依据2015年1月～2020年12月中国汽车年产量的数据，汽车平均年产量稳定在2 700万辆，由此设置每个汽车制造商每月的市场需求为4 500辆。另外，假设每个汽车制造商生产一辆汽车需要在平台上采购的重要零部件为100个，即n=100。 关于用户入网费的取值，主要参考航天云网、淘工厂等第三方平台对制造商和供应商的收费。模型中主要常量的初始值设置如表2所示。

表2 模型中常量赋值

此外，为从动态视角分析竞争型企业网络效应变化的影响，设置制造商、优质供应商和普通供应商的交叉网络效应强度分别为αMS=0.1、αHM=0.05、αGM=0.01；组内网络效应强度分别为βM=0.05、βH=0.1、βG=0.15。

3.1 竞争型企业组间网络效应的影响

优质供应商和普通供应商的组间网络效应会影响到双方以及制造商接入平台的意愿，本节分别改变优质供应商和普通供应商组间网络效应强度的大小，分析两类供应商组间网络效应变化对用户规模和各参与主体收益的影响。

3.1.1 组间网络效应对用户规模的影响

两类供应商组间网络效应强度变化对用户规模的影响如图3所示。其中，图3a～图3c为优质供应商组间网络效应强度变化的影响，图3d～图3f为普通供应商组间网络效应强度变化的影响。根据图3可以得到观察1。

观察1在平台发展的初创期和成熟期，优质供应商和普通供应商的组间网络效应强度变化对用户规模的影响均不显著。在平台发展的成长期，优质供应商和普通供应商组间网络效应强度的增大均会减少对方群体的接入量，并使自身接入量增加；然而，优质供应商组间网络效应强度的增大会增加制造商的接入量，但普通供应商组间网络效应强度的增大却会减少制造商的接入量。

观察1给出了平台不同发展时期两类供应商组间网络效应强度变化对平台各类用户规模的影响。特别地，在平台成长期，某一类供应商组间网络效应强度的增大均会增加该类供应商接入量，并显著减少另一类供应商接入量。这是因为，成长期两类供应商接入平台的数量逐渐增多，当优质供应商组间网络效应强度增大时，优质供应商组间网络效应增强抑制了普通供应商接入平台，普通供应商接入量减少使其自身组间网络效应减弱，从而优质供应商接入量增加；类似地，普通供应商组间网络效应强度增大会减少优质供应商接入量，增加普通供应商接入量。

有趣的是，两类供应商组间网络效应强度变化对制造商接入量的影响却相反。具体而言，优质供应商组间网络效应强度增大会间接提升制造商的接入量，而普通供应商组间网络效应强度增大会减少制造商的接入量。这是因为，当优质供应商组间网络效应强度增大时，一方面，优质供应商接入量增加使其交叉网络效应增强，对制造商接入平台有正向吸引作用；另一方面，普通供应商接入量减少导致普通供应商的交叉网络效应减弱，不利于制造商接入平台；制造商接入量的变化受到这两种相反作用的影响，但由于优质供应商交叉网络效应强度大于普通供应商交叉网络效应强度(αHM>αGM)，优质供应商对制造商有更大的吸引力，使得优质供应商交叉网络效应增强的影响占主导地位，制造商接入量增加。相似地，当普通供应商组间网络效应强度增大时，优质供应商接入量显著减少，优质供应商交叉网络效应减弱的负向影响大于普通供应商交叉网络效应增强的正向影响，制造商接入量会降低。观察1提示第三方平台在成长期应该采取一定措施利用优质供应商的组间网络效应来扩大制造商的用户规模，如给予优质供应商更多的展示机会、向优质供应商收取相对较低的接入费或提高对优质供应商的匹配服务水平等，通过鼓励优质供应商的接入来吸引到更多的制造商。

3.1.2 组间网络效应对各参与主体收益的影响

两类供应商组间网络效应强度变化对两类供应商收益、制造商收益和平台收益的影响如图4所示。其中，图4a～图4c为优质供应商组间网络效应强度变化的影响，图4d～图4f为普通供应商组间网络效应强度变化的影响。根据图4可以得到观察2。

观察2在平台发展的成长期，两类供应商组间网络效应强度的增大均会增加各自群体的期望收益，降低对方的期望收益，并会使平台的收益减少。然而，两类供应商组间网络效应强度的增大对制造商期望收益的影响却并不单调，均有可能增加或减少制造商的期望收益，使得制造商期望收益在平台成长期呈现出有高有低的趋势。

观察2说明，在平台发展的成长期，两类供应商的期望收益均会随着各自组间网络效应强度的增大而增加，随着对方组间网络效应强度的增大而减少。这是因为，当优质供应商组间网络效应强度增大时，优质供应商接入量增加使得其获得制造商订单的概率增大，优质供应商的零部件总成交量增加，普通供应商零部件总成交量减少，从而优质供应商期望收益升高，普通供应商期望收益降低。类似地，可知普通供应商组间网络效应强度变化对两类供应商期望收益的影响。观察2还说明，两类供应商组间网络效应强度增大均会造成平台一边或双边用户数量的减少，导致平台的入网费收益降低。具体而言，优质供应商组间网络效应强度增大会显著减少普通供应商的接入量，此时平台从优质供应商和制造商处收取入网费的增加量不足以弥补普通供应商入网费的减少量，平台收益降低；相似地，普通供应商组间网络效应强度增大则会导致优质供应商数量和制造商数量均减少，此时平台从普通供应商处收取入网费的增加量不足以弥补从优质供应商和制造商处收取入网费的减少量，平台收益也会降低。

然而，两类供应商组间网络效应强度增大却均有可能增加或减少制造商的收益。这是因为，制造商的期望收益主要受到其与两类供应商零部件总成交量以及制造商数量的影响。在平台成长期，制造商与优质供应商零部件成交量增加时，其与普通供应商的零部件成交量就会减少，制造商零部件总成交量受到这两种相反作用的影响可能增大也可能减小。又因为制造商数量随着优质供应商组间网络效应强度增大而增加，随普通供应商组间网络效应强度增大而减少，这进一步使得制造商的期望收益并不随两类供应商组间网络效应强度的变化而单调变化。

3.2 竞争型企业组内网络效应的影响

优质供应商和普通供应商的组内网络效应同样会影响到双方以及制造商接入平台的意愿，本节分别改变两类供应商组内网络效应强度的大小，分析两类供应商组内网络效应变化对用户规模和各参与主体收益的影响。

3.2.1 组内网络效应对用户规模的影响

两类供应商组内网络效应强度变化对用户规模的影响如图5所示。其中，图5a～图5c为优质供应商组内网络效应强度变化的影响，图5d～图5f为普通供应商组内网络效应强度变化的影响。根据图5可以得到观察3。

观察3在平台发展的成长期，两类供应商组内网络效应强度的增大均会显著减少各自群体的接入量，而使对方接入量略微增加。然而，优质供应商组内网络效应强度的增大会使制造商接入量显著减少，普通供应商组内网络效应强度变化却不影响制造商的接入量。

观察3揭示了平台发展成长期两类供应商组内网络效应强度变化对平台各类用户规模的影响。具体而言，随着平台成长期两类供应商的数量逐渐增多，当优质供应商组内网络效应强度增大时，优质供应商之间竞争更激烈，直接阻碍了更多优质供应商接入平台，优质供应商接入量的显著减少进一步削弱了自身组间网络效应，使得其对普通供应商的抑制减弱，从而间接导致了普通供应商接入量略微增加。类似地，当普通供应商组内网络效应强度增大时，普通供应商接入量减少，优质供应商接入量略微增加。

观察3发现，优质供应商组内网络效应强度增大会间接减少制造商的接入量，而普通供应商组内网络效应强度变化却不影响制造商的接入。这是因为，当优质供应商组内网络效应强度增大时，一方面，优质供应商接入量显著减少导致其对制造商的交叉网络效应减弱，不利于吸引制造商接入平台；另一方面，普通供应商接入量略微增加使其对制造商的交叉网络略微增强，有利于吸引制造商接入平台；制造商接入量的变化受到这两种相反作用的影响，但优质供应商交叉网络效应显著减弱的负面影响占主导地位，制造商接入量最终随着优质供应商组内网络效应强度的增大而减少。有趣的是，当普通供应商组内网络效应强度增大时，普通供应商接入量显著减少，优质供应商接入量略微增加，但由于优质供应商的交叉网络效应强度大于普通供应商的交叉网络效应强度(αHM>αGM)，最终使得普通供应商减弱的交叉网络效应与优质供应商增强的交叉网络效应相互抵消，从而导致制造商接入量并不随普通供应商组内网络效应强度的变化而变化。

3.2.2 组内网络效应对各参与主体收益的影响

两类供应商组内网络效应强度变化对各参与主体收益的影响如图6所示。其中，图6a～图6c为优质供应商组内网络效应强度变化的影响，图6d～图6f为普通供应商组内网络效应强度变化的影响。根据图6可以得到观察4。

观察4在平台发展的成长期，两类供应商组内网络效应强度增大均会降低各自群体的期望收益，增加对方的期望收益，且均会使平台的收益减少。然而，优质供应商组内网络效应强度的增大会使制造商的期望收益先减小后增大，普通供应商组内网络效应强度对制造商的期望收益影响则相对不显著。

观察4表明，在平台成长期，两类供应商的期望收益均会随着各自组内网络效应强度的增大而减少，随着对方组内网络效应强度的增大而增加。这是因为，当普通供应商组内网络效应强度增大时，普通供应商接入量减少导致其获得制造商订单的概率降低，普通供应商零部件成交量减少，因而普通供应商期望收益降低，优质供应商期望收益升高。类似地，可知优质供应商组内网络效应强度变化对两类供应商期望收益的影响。观察4还表明，两类供应商组内网络效应强度增大均会给平台带来不利影响。这是因为，优质供应商组内网络效应强度增大会导致优质供应商接入量显著减少，间接减少制造商接入量，而普通供应商接入量只是略微增加，此时平台从普通供应商处收取的入网费增加量不足以弥补优质供应商和制造商入网费的减少量，平台收益降低。不同的是，普通供应商组内网络效应强度增大只会导致普通供应商接入量显著减少，而优质供应商接入量略微增加，制造商数量不变，此时平台收益更多是受到普通供应商接入量的减少而降低。

然而，两类供应商组内网络效应强度对制造商期望收益的影响却有所差别。这是因为，当优质供应商组内网络效应强度增大时，优质供应商接入量显著减少使制造商与其零部件成交量显著降低，制造商总零部件成交量也降低，这导致平台成长期制造商期望收益起初会先减小，但由于制造商接入量随着优质供应商组内网络效应强度增大而逐渐减少，制造商组内竞争减弱，制造商期望收益随后又会增大；而当普通供应商组内网络效应强度增大时，虽然制造商与普通供应商零部件的成交量显著降低，但往往会被制造商与优质供应商零部件成交量的提高所抵消，最终制造商总零部件成交量变化不明显，又因为此时制造商接入量不变，普通供应商组内网络效应对制造商期望收益的影响相对不显著。

4 结束语

面向制造业的第三方平台正日益成为制造商和供应商进行零部件采购与销售的重要渠道。本文构建了由多个制造商、多个优质供应商、多个普通供应商和一个第三方平台构成的竞争型企业多价值链系统，考虑系统内多种交叉、组间和组内网络效应影响各类用户接入平台的意愿，运用系统动力学方法对竞争型企业的组间和组内网络效应进行仿真，并分析了组间和组内网络效应变化对平台用户规模和各参与主体收益的影响，得到以下主要结论：

(1)相比于平台发展的初创期和成熟期，在平台发展的成长期，两类供应商的组间和组内网络效应对平台用户规模和各参与主体收益的影响更为显著；此时两类供应商的组间网络效应增强均会减少对方的接入量和收益，增加自身的接入量和收益；而两类供应商组内网络效应增强均会减少自身的接入量和收益，增加对方的接入量和收益。

(2) 优质供应商的组间和组内网络效应会给制造商接入量带来相反的影响，即优质供应商组间网络效应增强会增加制造商的接入量，而其组内网络效应增强却会减少制造商的接入量。不同于优质供应商组间和组内网络效应的影响，普通供应商组间网络效应增强会减少制造商的接入量，而其组内网络效应增强并不影响制造商的接入量。

(3) 两类供应商的组间和组内网络效应增强总是会降低平台收益，但他们对制造商收益的影响却有差异。具体来说，两类供应商组间网络效应增强均有可能增加或减少制造商的收益，而优质供应商组内网络效应增强会使制造商的收益先减小后增大，普通供应商组内网络效应增强对制造商收益的影响则相对不显著。

本文研究了第三方平台上竞争型企业组间和组内网络效应对平台用户规模的影响，为第三方平台的发展提供了一定参考。未来的研究可以进一步扩展系统边界，将增值服务、平台投资等更多影响因素纳入模型，以便更全面地研究网络效应、用户性质、平台投入等因素对平台发展的影响。