Digital Transaction Platforms: Ensuring Their Efficiency
Table of contents
Share
Metrics
Digital Transaction Platforms: Ensuring Their Efficiency
Annotation
PII
S042473880013023-4-1
DOI
10.31857/S042473880013023-4
Publication type
Article
Status
Published
Authors
Elena Ustyuzhanina 
Occupation: Head of Economics Department
Affiliation:
Plekhanov Russian University of Economics
Central Economics and Mathematics Institute of RAS
Address: Moscow, Russian Federation
Victor Dementiev
Occupation: Scientific concept adviser
Affiliation: CEMI RAS
Address: Nakhimovky prospect 47
Sergey Evsukov
Affiliation:
Plekhanov Russian University of Economics
Central Economics and Mathematics Institute of RAS
Address: Russian Federation
Pages
5-18
Abstract

 

 

The objects of study are digital transaction platforms. The aim of the research is to analyze the economic phenomenon of digital transaction platforms, to reveal its main features and to explore the environment that ensures the economic efficiency of this business model. The authors offer their own definition of a digital transaction platform, the taxonomy of its types as well as the analysis of correlation between business areas and methods of cost-benefit distribution.     

 

The paper presents a new mathematical economic model of a platform with three groups of agents – suppliers, visitors (potential customers) and advertisers. Unlike its predecessors, the model takes into consideration a large number of interconnections in the behaviour of suppliers, customers and advertisers, focuses on calculation of the payback period of a platform instead of maximizing the current income of the platform operator, applies logistic functions for describing the network effect of the relationships between the number of transactions and the number of sellers, the number of sellers and the number of transactions in the previous period, the price of advertising space and the number of users. 

The authors reveal the main principles of pricing management for platform services and show that the payback opportunity largely depends on the pace of accumulation and exhaustion of network effects – thus, the forecast of expansion of network effects is very likely to be wrong.

 

Keywords
digital platforms, transaction platforms, network effect, bilateral markets, mathematical model, logistic function
Received
25.03.2021
Date of publication
29.03.2021
Number of purchasers
0
Views
81
Readers community rating
0.0 (0 votes)
Cite Download pdf 100 RUB / 1.0 SU

To download PDF you should sign in

Full text is available to subscribers only
Subscribe right now
Only article
100 RUB / 1.0 SU
Whole issue
830 RUB / 15.0 SU
All issues for 2021
2534 RUB / 50.0 SU
1

Введение

2 В настоящее время цифровые платформы находятся в центре научного и публицистического обсуждения значительного числа исследователей. Во многом это объясняется бурным развитием данной модели организации бизнеса и ее влиянием на переформатирование экономических связей. Уже тот факт, что в течение последних нескольких лет 8 из 10 крупнейших (по капитализации) компаний мира – это компании, которые можно отнести к цифровым платформам – Microsoft, Apple, Amazon, Alphabet (Google), Facebook, Alibaba, Tencent – впечатляет.
3 Вместе с тем, нельзя не увидеть и обратной стороны медали. Огромное число компаний, который пытались организовать свой бизнес в виде платформ, либо так и не смогли выйти на уровень окупаемости, либо разорились. Согласно исследованиям (Йоффи и др., 2019), средний срок жизни платформы составляет меньше 5 лет. Многие платформы прекращают свою деятельность в течение первых 2–3 лет после выхода на рынок.
4 Данный факт свидетельствует не только о чрезвычайно высоких рисках такой модели организации бизнеса (ее чувствительности ко множеству плохо предсказуемых характеристик внешней среды), но и о явных пробелах в методологии прогнозирования таких параметров развития платформы как: численность различных групп участников, объемы поступлений из различных источников, время выхода на уровень насыщения (плато сетевого эффекта), время достижения текущей окупаемости, время достижения инвестиционной окупаемости.
5 Во многом это связано с тем, что решение проблемы обеспечения окупаемости платформы как инвестиционного проекта до сих пор сдерживается дефицитом математических моделей, адекватно описывающих как процессы формирования сетей различных пользователей платформы, так и управление этими процессами с помощью механизмов ценообразования. Настоящая работа призвана восполнить этот пробел путем построения обобщенной модели, описывающей сетевые эффекты и их взаимовлияние на всем протяжении жизненного цикла платформы.
6 Для выявления условий эффективности платформ необходимо соотнесение сфер ее деятельности и источников обеспечения их ресурсами. Такое соотнесение предполагает учет специфики отдельных типов платформ, их классификацию. Последующее изложение содержит краткое обсуждение самого феномена платформ, анализ особенностей цифровых платформ-посредников. Приводится обзор литературы по моделированию деятельности платформ. Дается описание авторской модели цифровой платформы с тремя группами агентов – поставщиками, посетителями (потенциальными покупателями) и рекламодателями. Представлены численные расчеты по этой модели и обсуждение их результатов.
7

Определение области исследования

8 В течение последних 20 лет в научной литературе ведется оживленная дискуссия о роли цифровых платформ в современной экономике, истоках происхождения данного феномена и его экономической сущности. При этом взгляды различных исследователей кардинально различаются. Если одни авторы воспринимают платформы как революционное изменение экономических отношений (Geoffrey, Marshall, Sangeet, 2016), то другие воспринимают современные цифровые платформы как очередной этап в развитии капитализма (Срничек, 2019).
9 Во многом данное разночтение связано со множественностью определения самого понятия «платформа», диапазон трактовок которого простирается от понятия «двусторонние рынки» до программных продуктов.
10 В данной статье мы будем опираться на базовую классификацию цифровых платформ, предложенную в работе (Йоффи и др., 2019), авторы которой выделяют инновационные и трансакционные платформы. Инновационные (точнее – программные) платформы позволяют своим контрагентам добавлять дополнительные продукты и услуги в основной программный продукт или технологию. Это, прежде всего, операционные системы Java, SAP HANA, Android OS, iOS, Amazon Web Services, а также системы управления контентом – 1С, Moodle, Wix. Трансакционные платформы обеспечивают осуществление трансакций, в том числе, обмен информацией, продуктами или услугами между пользователями платформы.
11 Объектом исследования настоящей статьи являются трансакционные цифровые платформы. Цель работы – на основе анализа экономического содержания понятия «цифровая трансакционная платформа» выявить основные характеристики этого феномена и исследовать условия, позволяющие обеспечивать экономическую эффективность деятельности данной модели организации бизнеса.
12

Феномен трансакционных цифровых платформ

13 Под трансакционными платформами можно понимать два рода явлений. В узком смысле слова это форма организации бизнеса конкретной компании – оператора платформы, будь то Amazon, Alibaba или Facebook (Яблонский, 2013; Cachon et al., 2017). В широком смысле – способ организации взаимодействия множества агентов (Rochet, Tirole, 2003; Hagiu, 2009). Нас будут интересовать оба эти явления, поскольку без понимания второго нельзя выявить особенности экономических характеристик первого.
14 В качестве базового термина для определения трансакционных платформ в широком смысле чаще всего используется понятие «двусторонние рынки». Баландина и Баскакова предлагают следующее определение «Под двусторонним рынком с участием платформы следует понимать рынок, где фирма-посредник реализует разные товары/услуги двум группам потребителей, каждая из которых приобретает свой товар/услугу. При этом потребление хотя бы одной из групп оказывает внешний эффект на вторую группу» (Баландина, Баскакова, 2016). Определение Роше и Тироля звучит следующим образом «Рынок можно рассматривать в качестве двухстороннего, если платформа способна влиять на объем сделок, повышая цену на одной стороне рынка и сокращая ее на другой – иными словами, большое значение на таком рынке имеет структура цен» (Rochet, Tirole, 2006).
15 Шаститко и Паршина выделяют следующие черты платформ: (а) объединение двух групп пользователей; (б) наличие перекрестных сетевых эффектов; (в) возможность привлечения пользователей с помощью изменения уровня и структуры цен (Шаститко, Паршина, 2016).
16 С точки зрения авторов настоящей статьи, приведенные определения представляются одновременно и слишком широкими, и слишком узкими. Избыточность этих определений состоит в том, что они позволяют называть платформой любое поле взаимодействия экономических агентов, порождающее перекрестные сетевые эффекты, начиная со средневековой рыночной площади и заканчивая современными торгово-развлекательными центрами. А недостаточность заключается в исключении из сферы исследования платформ, которые порождают прямые сетевые эффекты на основе объединения однородных пользователей (мессенжеры, электронная почта, платформы взаимопомощи) или предоставления продуктов совместного использования (компьютерные игры).
17 Как уже отмечалось, в данной работе будут рассматриваться только трансакционные цифровые платформы. При этом в качестве родового мы предлагаем использовать понятие «поле взаимодействия», под которым понимается система организации коммуникации экономических агентов (Флигстин, 2013). Традиционно в экономической литературе используют противопоставление двух полей взаимодействия – фирмы и рынки. В последнее время становится все более очевидно, что в число таких полей, наряду с фирмами и рынками, входят сети – устойчивые системы связи между формально независимыми агентами (Дементьев и др., 2017).
18 Соответственно, наше определение объекта исследования:
19 Трансакционная цифровая платформа (ТЦП) – это поле взаимодействия экономических агентов, организованное центральным агентом (оператором платформы) на основе использования информационно-коммуникационных технологий, которое порождает сетевые эффекты и оказывает влияние на объем коммуникаций посредством установления уровня и структуры цен.
20 Исходя из определения, отличительными признаками ТЦП являются:
21
  1. наличие центрального агента – оператора платформы
22 Речь идет о платформе в узком смысле слова – агенте, который организует взаимодействие других агентов – пользователей.
  1. поле взаимодействия
23 Платформы могут существовать в двух ипостасях: платформы – рынки, взаимодействие экономических агентов на которых носит эпизодический характер разовых сделок, и платформы – сети, предполагающие устойчивые связи между пользователями на основе возможностей платформы.
24
  1. использование информационно-коммуникационных технологий (ИКТ) и вытекающие из этого возможности (а) удаленного взаимодействия и (б) масштабирования
25 Удаленное взаимодействие – это возможность коммуникации между агентами, находящимися на любом расстоянии друг от друга. Возможность масштабирования означает теоретическое отсутствие ограничений для расширения поля взаимодействия (количества пользователей);
26
  1. наличие сетевого эффекта прямого или перекрестного, положительного хотя бы для одной группы пользователей
27 Под прямым сетевым эффектом понимается взаимное воздействие пользователей одного вида друг на друга – спрос порождает спрос. Под перекрестным сетевым эффектом понимается воздействие численности одного вида пользователей на количество пользователей другого вида (спрос порождает предложение и наоборот). При этом не исключаются и отрицательные сетевые эффекты: так величина аудитории конкретного СМИ порождает положительный сетевой эффект для рекламодателей, а количество рекламы – отрицательный сетевой эффект для аудитории.
28
  1. возможность ТЦП оказывать влияние на объем коммуникаций через уровень и структуру цен
29 Этот признак совпадает с наиболее распространенными определениями платформ, сформулированным (Rochet, Tirol, 2006) и означает возможность перераспределения выгод и издержек с одной (субсидируемой) стороны на другую (дискриминируемую) сторону.
30 Как мы уже отмечали, наиболее общим является деление платформ на две категории – инновационные (программные) и трансакционные.
31 Шаститко и Паршина (Шаститко и Паршина, 2016) вслед за Эвансом [Evans, 2011] предлагают следующую классификацию платформ: (1) платформы для осуществления экономического обмена между покупателями и продавцами; (2) платформы, объединяющие рекламодателей и СМИ; (3) устройства для осуществления трансакций (платежные системы); (4) программные платформы, объединяющие разработчиков программ и их приложений.
32 С нашей точки зрения, наиболее очевидными видами таксономии трансакционных цифровых платформ будут являться классификации по полю взаимодействия, области коммуникаций и предлагаемому непосредственным пользователям продукту.
33 Исходя из базовых характеристик поля взаимодействия платформы можно разделить на многосторонние рынки и сети. К многосторонним рынкам относятся платформы, организующие торговые трансакции и доступ к информации. К сетям можно отнести социальные сети, мессенжеры, в том числе электронную почту, и платформы, способствующие организации трансакций взаимности (Поланьи, 2002).
34 По области коммуникаций ТЦП можно разделить 9 классов (таблица 1).
35 Таблица 1 – Классификация ТЦП по области коммуникаций
36
Область коммуникаций Примеры
1. прямые коммуникации WhatsApp, Weber, Facebook, Одноклассники
2. поисковые системы Yandex Search, Google Search
3. прямые посредники Booking, Uber, Airbnb, Avito
4. организаторы пространства для размещения контента Amazon, Alibaba, YouTube, Coursera
5. альтернативные средства массовой информации Instagram, Яндекс-Дзен
6. организаторы online-общения в режиме реального времени Zoom, Skype, Вебинар
7. организаторы краудсорсинга Википедия, Torrent, Добровольные вычисления, eBird
8. платежные системы Visa, MasterCard, PayPal, Мир
9 смешанные – работают в разных областях коммуникаций Alphabet, Tencent, Telegram, Microsoft Team
Источник: составлено авторами
37 По предлагаемому непосредственным пользователям продукту ТЦП можно разбить на платформы, которые обеспечивают:
38
  • доступ к информации (электронные СМИ и их аналоги, МООС, электронные энциклопедии);
  • возможность коммуникации;
  • предоставление электронных услуг (регистрация прав; запись на прием; онлайн-платежи и переводы, электронное голосование);
  • цифровые блага – продукты, изначально созданные в цифровом формате или цифровые копии обычных благ;
  • посреднические услуги, осуществляемые с помощью управления цифровыми образами обычных благ (гостиницы и клиенты, транспортные компании и клиенты, купля-продажа благ и услуг);
  • платформы, которые предоставляют различные продукты.
39 Пользователей ТЦП можно разделить на две группы:
40
  1. непосредственные – агенты, которые используют ТЦП для коммуникаций, в том числе, общения (обмена информацией), трансакций рыночного обмена и трансакций взаимности;
  2. косвенные – агенты, которые используют порождаемые платформой сетевые эффекты.
41 Для одноранговых (peer-to-peer) платформ, организующих торговые трансакции, непосредственными агентами являются поставщики – агенты, предоставляющие услуги и ресурсы, и потребители – агенты, пользующиеся услугами и ресурсами поставщиков. К косвенным агентам относятся рекламодатели и сборщики информации. (рис. 1).
42

Рис. 1 – Сетевые эффекты посреднической ТЦП Источник: авторская разработка

43 Для непосредственных пользователей платформы обеспечивают следующие преимущества:
44
  • снижение трансакционных издержек взаимодействия;
  • расширение пространства коммуникаций до границ мира, в котором есть Интернет;
  • расширение клиентской базы (поставщики);
  • рост доходов за счет включения в коммерческий оборот простаивающих ресурсов (поставщики);
  • снижение накладных расходов ведения бизнеса (поставщики);
  • уменьшение альтернативных издержек – времени простоя имеющихся ресурсов – транспортные услуги, аренда помещений, работа на заказ (поставщики);
  • увеличение возможности выбора (потребители);
  • возможность дробного потребления (потребители);
  • увеличение уровня кастомизации товара/услуги (потребители).
45 Для косвенных пользователей платформы обеспечивают возможность получения выгоды путем размещения или сбора информации.
46 Платформы-посредники могут получать доход различными способами:
47
  1. плата поставщиков (за вход, совершенные сделки или за право размещения контента);
  2. плата пользователей (за доступ, за покупку, за временное пользование);
  3. плата рекламодателей (за размещение контента, за ссылки на ресурсы);
  4. плата потребителей информации (право допуска к первичной информации (интернет-роботы) или обработанная информация по запросу пользователя).
48

Обзор литературы по моделированию деятельности платформ

49 Подавляющее число публикаций, связанных с анализом деятельности трансакционных платформ, посвящено трем основным темам – социально-экономические преимущества и общественные риски данной модели организации бизнеса (Lobel, 2017; Стрелец, 2019), трансформация экономических отношений, порождаемая платформами (Geoffrey, Marshall, Sangeet, 2016; Срничек, 2019), и особенности антимонопольного регулирования деятельности платформ (Shapiro, Varian, 1999; Armstrong, 2006; Шаститко, Паршина, 2016; White, Chapsal, Yeater, 2018).
50 Проблемы ценообразования на услуги платформы также изучаются во многих работах, посвященных анализу данной формы организации бизнеса. Правда, значительная часть этого анализа носит характер теоретического обсуждения таких проблем как применяемые способы ценовой дискриминации, методы интернализации внешних эффектов, выбор дискриминируемой и субсидируемой стороны и т.п.
51 Моделированию динамического ценообразования на услуги платформы посвящен обширный пласт работ (Hagiu, Hałaburda, 2011; Cachon et al., 2017; Баландина, Баскакова, 2016; Боровкова, 2019; Huukia, Svento, 2020; Mart´ınez-de-Alb´eniz и др., 2020). Объектами моделирования выступают как различные формы ценообразования – членские взносы, плата за трансакции, перекрестное субсидирование, так и изменение цен во времени, установление дифференцированных цен для различных групп потребителей и т.д. Однако большая часть этих моделей посвящена вопросам текущего перераспределения выгод и издержек между различными группами пользователей в зависимости от изменения внешних условий, уровня асимметрии информации, размера сети, ожиданий и предпочтений участников. То есть под динамическим ценообразованием авторы соответствующих работ понимают политику гибких цен, реагирующих на те или иные изменения исходных параметров, в том числе количество участников сети. В лучшем случае речь идет о динамической модели на основе Марковской цепи, охватывающей несколько периодов (Doganoglu, 2003; Mitchell M., Skrzypacz, 2006). Однако приходится констатировать дефицит работ, посвященных моделированию ценообразования на услуги оператора платформы на протяжении всего ее жизненного цикла – движения от момента появления платформы на рынке до достижения стабильного действия сетевого эффекта.
52 Таким образом, проблема обеспечения окупаемости платформы как инвестиционного проекта является объектом исследования многих работ, но на содержательном, а не на модельном уровне. Между тем, это одна из основных проблем платформенного бизнеса. Как мы уже отмечали в начале данной статьи, многие операторы не могут преодолеть фазу стартапа. Но даже такие крупные рыночные игроки как агрегаторы перевозок Uber и Lyft, по мнению рыночных аналитиков, еще не окупили сделанные в них инвестиции.
53 Еще одним общим недостатком большей части работ, моделирующих ценообразование на услуги платформ, является довольно примитивные способы отражения влияния на поведение потребителей уровня цен и размера сети (доли реальных пользователей в общем объеме потенциального спроса). Так, во многих моделях предполагается, что влияние цены на уровень полезности потребителя носит характер обратной линейной зависимости [Veiga, 2014]. Данный способ учета влияния цены на выбор потребителя представляется нам чрезмерно упрощенным.
54 Что касается сетевого эффекта, то для его отражения используются либо линейный (Lin et al, 2019), либо степенной (Huukia, Svento, 2020) вид функции зависимости того или иного параметра от значения аргумента (объема сети в абсолютном или относительном выражении). Однако и тот, и другой вид зависимости плохо отражает реальную динамику действия сетевого эффекта – это очень медленный рост вначале, последующее ускорение и замедление по мере выхода на плато насыщения. Исключением из этой тенденции являются работы авторов данной статьи (Дементьев и др., 2020), использующие для описания сетевого эффекта логистическую функцию Ферхюльста.
55

Описание модели

56 Для анализа основных зависимостей и возможности достижения окупаемости проекта создания и раскручивания сети мы создали обобщенную экономико-математическую модель, описывающую взаимодействие платформы с тремя группами агентов – поставщиками, посетителями (потенциальными покупателями) и рекламодателями.
57 Платформа-посредник соединяет продавцов и покупателей некоего товара (услуги). Платформа может получать плату из двух источников: за количество заключенных сделок (от продавцов) и за объем размещенной рекламы (от рекламодателей).
58 Иными словами, субсидируемой стороной в нашей модели выступают потребители, что, безусловно, не означает отсутствия реальной платы потребителей за услуги платформы. Просто эта плата взимается с них в составе цен на товары (услуги) поставщиков. Плата за вход, как и абонентская плата не взимаются.
59 В целях упрощения анализа предполагается, что общее количество рекламных мест (время-место) фиксировано. То есть, мы не рассматриваем эффекты влияния на количество непосредственных пользователей объема рекламы и зависимость стоимости единицы рекламного места от числа единиц размещенной рекламы. Также мы не исследуем очень важную связь между количеством непосредственных пользователей и объемом средств, вкладываемых в продвижение самой платформы. Предполагается, что соответствующие издержки включены в инвестиционные и текущие (постоянные) затраты платформы.
60 Основные зависимости модели:
61
  • количество посетителей (потенциальных покупателей) зависит от числа представленных на платформе поставщиков;
  • число поставщиков зависит от числа заключенных в предшествующий период сделок;
  • число сделок зависит от количества поставщиков и посетителей, а также ценовой политики платформы;
  • стоимость единицы рекламного места зависит от числа посетителей.
62 Основные допущения модели:
63
  1. Существует верхний предел количества поставщиков, которые могут прийти на платформу.
  2. Существует верхний предел количества посетителей (потенциальных покупателей), которые могут прийти на платформу.
  3. Существуют рыночные цены конкурентов – стоимость рекламного места (место/время размещения) и комиссия за посредничество в сделке.
64 Сначала и посетителей (потенциальных покупателей), и продавцов относительно мало. По мере роста количества продавцов растет число посетителей – потенциальных покупателей. По мере роста числа заключенных в прошлом периоде сделок растет число продавцов, реализующих свои товары (услуги) через платформу.
65 Количество заключенных сделок зависит от количества потенциальных покупателей и числа продавцов. Цена рекламного места зависит как от рыночных цен конкурентов (считаются заданными), так и от количества посетителей – потенциальных покупателей.
66 Платформа выбирает:
67
  • период бесплатного предоставления услуги поставщикам – Т1.
  • уровень дисконта в оплате по сравнению с другими платформами после достижения сетевого эффекта (выхода на плато насыщения) - α.
68

Математическое описание модели

69 Общий период расчета (количество периодов) – Т величина экзогенная.
70 Продолжительность единичного периода t определяется временем, на которое заключается сделка. Предполагается, что каждый покупатель может заключать за период одну сделку. В нашем числовом эксперименте продолжительность периода – месяц.
71 Доход платформы от сделок в каждый период времени – это произведение количества сделок, заключенных в данный период, и платы за одну сделку (плата взимается с продавца):
72 Rt=Pt×Qt  , (1)
73 где R(t) – доход платформы от сделок в период t; P(t) – плата, взимаемая платформой с поставщиков за каждую заключенную сделку в период t; Q(t) – количество сделок, заключенных в период t.
74 Количество заключенных сделок зависит от значения воронки продаж (воронка продаж – это доля покупателей от количества посетителей), которая предполагается неизменной; количества посетителей; количества продавцов (когда продавцов становится много – платформа выходит на плато насыщения, конкретное значение данного показателя становится несущественным):
75 Qt=A×Bt/(1+de-μSt)   (2)
76 где А – коэффициент воронки продаж (0 < A < 1); B(t) – количество посетителей – потенциальных покупателей в период t; S(t) – количество продавцов в период t; d – параметр, задающий стартовую долю количества сделок; μ – параметр, задающий скорость исчерпания потенциала влияния числа продавцов на количество сделок.
77 Плата за сделку (для поставщика) зависит от цен конкурентов и ценовой политики платформы.
78 Для t ∊ {0 …T1}
79 Pt=0   (3)
80 Для t ∊ {T1+1 … T}
81 Pt=αP   (4)
82 где P – верхний предел цены (цены конкурентов); α – дисконт, характеризующий ценовую политику платформы (0 < α ≤ 1).
83 Количество посетителей – потенциальных покупателей зависит от количества продавцов:
84 Bt=H+(B-H)×(St/S )η   (5)
85 где B – максимальное число потенциальных посетителей; H – начальное число посетителей; η – коэффициент эластичности функции.
86 Количество продавцов зависит от количества сделок, заключенных в предыдущий период (Q(t-1)), и величины платы за услуги платформы в текущем периоде (параметра α):
87 St=Y×[S/(1+le-γQt-1)]   (6)
88 где S – максимально возможное количество продавцов; l – параметр, задающий стартовую долю количества продавцов; γ – параметр, задающий скорость исчерпания потенциала роста количества продавцов в зависимости от числа сделок предыдущего периода; Y – параметр, описывающий влияние платы за услуги платформы на количество продавцов:
89 Y=2-(α+1)0,5   (7)
90 Влияние платы на количество поставщиков, представленных на платформе, объясняется возможностью выбора поставщика. Предполагается, что он может работать вообще без посредников или через другие платформы.
91 Доход от рекламы зависит от цены единицы рекламного места и количества рекламных мест:
92 Wt=Gt×M   (8)
93 где W(t) – доход от рекламы в период t; G(t) – цена рекламного места в период t; M – общее количество рекламных мест, измеряемое в пространственно-временных единицах (объем-время демонстрации), предполагается заданным.
94 Цена единицы рекламного места зависит от количества посетителей (покупателей):
95 G(t)=G/(1+fe-βBt)   (9)
96 где G – максимальная стоимость рекламы у конкурентов; f – параметр, задающий стартовую долю значения цены рекламы; β – параметр, задающий скорость исчерпания потенциала роста цены рекламы в зависимости от числа посетителей.
97 Доход платформы за период складывается от платы поставщиков и дохода от рекламы:
98 Et=Rt+Wt   (10)
99 где E(t) – доход платформы в период t.
100 Расходы платформы за период зависят от количества посетителей, но значительную долю составляют постоянные затраты – FC: TCt=FC+VC×Bt   (11)
101 где TC (t) – общие текущие затраты периода t; FC – постоянные затраты; VC – удельные переменные затраты.
102 Чистый денежный поток за период:
103 CFt=Et-TC t   (12)
104 где CF(t) – чистый денежный поток периода t.
105 Накопленный дисконтируемый денежный поток определяется с учетом стоимости денег во времени:
106 PV= t=1TCF(t)×(1+r)-t   (13)
107 где r – ставка дисконтирования за период.
108 Чистый накопленный денежный поток:
109 NPV= t=1TCF(t)×(1+r)-t- I   (14)
110 где I – величина первоначальных вложений
111

Числовые параметры модели

112 Шаг – продолжительность периода t равняется 1 месяцу. Числовые параметры модели приведены в таблице 2. Выбор значений опирается на реальные цифры из практики отдельных платформ.
113 Таблица 2 – Числовые параметры модели
114
Наименование параметра Обозначение Значение
Базовые показатели
1. Горизонт расчета (месяцы) Т 24
2. Ставка дисконтирования (%) r 0,5%
3. Максимальное число продавцов (ед.) S 2 000
4. Начальное количество посетителей (ед.) H 100
5. Максимальное число посетителей (ед.) В 1 000 000
6. Значение коэффициента воронки продаж А 0,05
7. Верхний предел цены сделки (руб.) Р 1 000
8. Общий объем рекламных мест (ед.) М 90
9. Предел цены рекламного места (руб./сутки) G 150 000
10. Текущие постоянные затраты (руб./период) FC 8 000 000
11. Удельные переменные затраты (руб./ед.) VC 5
12. Объем инвестиций (тыс. руб.) I 100 000
Коэффициенты
13. параметр, задающий стартовую долю количества сделок d 20 000
14. скорость исчерпания потенциала влияния числа продавцов на количество сделок μ 0,05
15. параметр, задающий стартовую долю количества продавцов l 244
16. скорость исчерпания потенциала роста количества продавцов (от числа сделок) γ 0,008
17. параметр, задающий стартовую долю значения цены рекламы f 99 000
18. скорость исчерпания потенциала роста цены рекламы (от числа покупателей) β 0,005
19. параметр зависимости количества посетителей от количества продавцов η 1,25
115

Обсуждение результатов

116 Исследование проводилось на основе компьютерного эксперимента посредством последовательного изменения отдельных числовых параметров модели и управляемых переменных – Т1 и α.
117 При заданных значениях параметров модели (таблица 2) время выхода платформы на плато насыщения (2 тыс. продавцов и 1 млн посетителей) составит 12 месяцев. Если в этот момент ввести плату для продавцов за каждую совершаемую с помощью платформы сделку, то при отсутствии дисконта в цене (α = 1) количество продавцов уменьшится с максимума (2000) до 1172. Количество посетителей, которое зависит от количества продавцов, уменьшится с 1 млн до 512 525 человек. Снизится и количество заключаемых сделок. Зато за счет введения платы с продавцов резко увеличатся доходы платформы – до 39 126 274 руб. в месяц (рис. 2).
118 На рис. 3 представлена динамика двух показателей – текущего чистого денежного потока и чистой приведенной стоимости проекта нарастающим итогом. Как видим, выход на окупаемость проекта (дисконтируемый период окупаемости) достигается в 17 периоде, а чистая приведенная стоимость проекта к концу второго года становится равной 214 млн руб.
119

Рис. 2 – Динамика количества продавцов, посетителей, числа заключенных сделок и текущих доходов платформы Источник: результаты числового компьютерного эксперимента

120

Рис. 3 – Динамика количества продавцов, посетителей, числа заключенных сделок и текущих доходов платформы Источник: результаты числового компьютерного эксперимента

121 На рис. 4 представлены данные о доходах компании за счет рекламы. Стабильность дохода от рекламы после 9 периода даже при уменьшении количества посетителей после введения платы за услуги для продавцов объясняется тем, что для рекламодателей достаточным является преодоление порога в 100 000 посетителей.
122

Рис. 4 – Ежемесячные доходы платформы от размещения рекламы Источник: результаты числового компьютерного эксперимента

123 Если сравнить доходы от рекламы в месяц (13 500 000 руб.) с ежемесячными расходами после стабилизации числа сделок (10 562 627 руб.), мы увидим, что поступления от рекламы окупают текущие расходы.
124 Исследование вопроса о том, когда именно целесообразно начинать взимать плату за посреднические услуги (с поставщиков), показывает, что оптимальным является время достижения числа поставщиков, сопоставимого с количеством поставщиков после введения платы. В нашей модели это 11 период. Если плата начнет взиматься раньше, число поставщиков, а, следовательно, и количество потенциальных покупателей, и число сделок будут существенно меньше оптимального. С другой стороны, чем позже будет введена плата, тем меньше будут суммарные доходы компании-оператора.
125 Теперь попробуем ответить на вопрос, выгодно ли платформе после начала взимания платы с поставщиков снижать ее величину по сравнению с рыночными ценами конкурентов. На рис. 5 приведены графики динамики количества сделок и величины чистого денежного потока при отсутствии (α = 1) и наличии (α = 0,7) скидок.
126

Рис. 5 – Сравнение динамики количества продавцов, посетителей, числа заключенных сделок и текущих доходов платформы при разных ценовых политиках Источник: результаты числовых компьютерных экспериментов

127 Как видим, при снижении платы количество сделок в месяц увеличивается с 25 626 (при α = 1) до 31 797 (при α = 0,7). Однако за счет снижения цены чистый денежный поток уменьшается с 28 563 646 руб. до 24 577 966 руб. Это объясняется высокой эластичностью количества сделок по цене.
128 Иными словами, увеличивать число сделок за счет снижения платы поставщиков по сравнению с рыночными ценами конкурентов в условиях высокой эластичности соответствующей функции (η > 1) невыгодно.
129 Рассмотрим чувствительность модели к скорости исчерпания потенциала влияния числа сделок на количество продавцов – γ. В таблице 3 представлены данные, характеризующие чувствительность основных результатов модели к изменению параметра γ при неизменности всех остальных условий.
130 Таблица 3 – Влияние значения параметра γ на результаты численного эксперимента
131
γ Время выхода на плато количества сделок Дисконтированный период окупаемости DPB NPV (Т = 24)
0,008 12 17 214 202 766
0,007 17 22 55 885 667
0,0065 21 27 – 71 367 683
Источник: результаты числовых компьютерных экспериментов
132 В первоначальной модели параметр γ = 0,008.
133 Если γ = 0,007, время выхода на плато составит уже не 12, а 17 месяцев. Период достижения окупаемости увеличится с 17 до 22 месяцев. А чистая приведенная стоимость проекта составит 55 885 667 руб. против 214 202 766 руб. в первом варианте.
134 Если γ = 0,0065, время выхода на плато увеличится до 21 месяца, период окупаемости выйдет за горизонт планирования и составит 27 месяцев, а по окончании двух лет (24 месяца) чистая приведенная стоимость проекта будет отрицательной – минус 71 367 683 руб.
135 Приведенные данные свидетельствуют о том, что риск недостижения окупаемости проекта в связи с неправильным прогнозом скорости роста числа пользователей (продавцов) чрезвычайно велик.
136 В то же время необходимо отметить, что изменение параметра μ – скорости исчерпания потенциала роста количества сделок в зависимости от числа продавцов не оказывает существенного влияния на показатели модели.
137

Заключение

138 Проведенное исследование позволило получить следующие результаты.
139
  1. Разработанная авторами экономико-математическая модель функционирования платформы как бизнеса позволяет оценить возможность и риски достижения окупаемости данного проекта для компании-оператора.
  2. Выявлено, что логистический класс функций позволяет наиболее адекватно описывать развертывание сетевого эффекта во времени в зависимости от изменения базовых параметров взаимодействия.
  3. На основе числового компьютерного эксперимента показано, что взимание платы за услуги платформы, оказываемые поставщикам, целесообразно начинать после достижения порогового значения числа поставщиков, сопоставимого с прогнозом количества поставщиков после введения платы.
  4. Установлено, что целесообразность снижения платы за услуги платформы, которые она оказывает поставщикам, по сравнению с ценами конкурентов, зависит от эластичности количества поставщиков от цены сделки.
  5. Показано, что косвенные доходы (в конкретном случае – реклама) могут являться значимым источником денежных поступлений, за счет которых платформа может выйти на уровень покрытия текущих расходов.
  6. Продемонстрировано, что при благоприятном стечении обстоятельств окупаемость проекта может быть достигнута в относительно короткие сроки.
  7. Показано, что возможность достижения окупаемости проекта существенным образом зависит от скорости наращивания и исчерпания сетевых эффектов. Это означает, что риски неправильного прогноза динамики развертывания сетевых эффектов чрезвычайно высоки.

References

1. Armstrong M. (2006) Competition in two-sided markets. Rand Journal of Economics, Vol. 37, 3. P. 668-691.

2. Balandina M.S., Baskakova I.V. Two-sided markets: definition, key elements and instruments for assessment. Journal of the Ural state university of economics, Vol. 64, 3. P. 12-20 (in Russian).

3. Borovkova A.E. (2019) Product differentiation in two-sided market with uncertainty in product quality value. Economics and mathematical methods, Vol. 55, 2. P. 104-117 (in Russian).

4. Cachon G., Daniels K., Lobel R. (2017) The Role of Surge Pricing on a Service Platform with Self-Scheduling Capacity. Manufacturing & Service Operations Management, Vol. 19, 3. P. 337-507.

5. Dement'ev V.E., Ustyuzhanina E.V., Evsukov S.G. (2017). Hybrid Forms of Business Organization: The Interfirm Cooperation Perspective. Russian Management Journal, 1, 89–122 (in Russian).

6. Dement'ev V.E., Ustyuzhanina E.V., Evsukov S.G. (2020). The importance of a strategic approach to pricing in markets for network goods. The Journal of the New Economic Association, 2 (46). Ð. 57–71 (in Russian).

7. Doganoglu T. (2003) Dynamic price competition with consumption externalities. Netnomics, 5, P. 43–69.

8. Evans D.S., Schmalensee R.L., Noel M.D., Chang H.H., Garcia-Swartz D.D. (2011) Platform Economics: Essays on Multi-Sided Businesses. Competition Policy International. Available at SSRN: https://ssrn.com/abstract=1974020.

9. Fligstein N. (2013) The architecture of markets: an economic sociology of twenty-first-century capitalist societies. Moscow: National Research University Higher School of Economics (in Russian).

10. Geoffrey G., Marshall W., Sangeet P. (2016) Platform Revolution: How Networked Markets Are Transforming the Economy and How to Make Them Work for You. Nova Littera SIA.

11. Joffe D., Gaver A., M. Cusumano. (2019) Why digital platforms are dying. Vedomosti, [Electronic resource] Vedomosti 21.12.2019 (date of request: 07.08.2020) file:///C:/Users/Home%20PC/Downloads/Ïî÷åìó%20óìèðàþò%20öèôðîâûå%20ïëàòôîðìû%20-%20Âåäîìîñòè.html (in Russian).

12. Mart??nez-de-Alb?eniz V., Pinto C., Amorim P. (2020) Driving Supply to Marketplaces: Optimal Platform Pricing when Suppliers Share Inventory. Available at SSRN: https://ssrn.com/abstract=3643261

13. Hagiu A., Halaburda H. (2011) Expectations, Network Effects and Platform Pricing. Harvard Business School Working Papers 12-045. December.

14. Hagiu A., Wright J. (2015) Multi-sided platforms. International Journal of Industrial Organization, Vol. 43, P. 162-174.

15. Huukia H., Svento R. (2020) Unobserved preferences and dynamic platform pricing under positive network externality. Econometrics: Econometric & Statistical Methods - Special Topics eJournal. Available at SSRN: https://ssrn.com/abstract=3549246.

16. Lin X., Chen C., Lin Z., Zhou Y. (2019) Pricing and Service Strategies for Two-sided Platforms. Journal of Systems Science and Systems Engineering, Vol. 28, No. 3, Ð. 299–316

17. Lobel O. (2017) Coase & the Platform Economy. Research Paper No. 17-318 2017, University of San-Diego.

18. Mitchell M., Skrzypacz A. (2006) Network Externalities and Long-Run Market Share. Economic Theory, 29. P. 621–648.

19. Polanyi, K. (2002) Economics as an institutionalized process. Journal of Economic Sociology, Vol. 3, 2. P. 62–73 (in Russian).

20. Rochet J. C., Tirole J. (2003) Platform competition in two-sided markets. Journal of the European Economic Association, Vol. 1. 4. P. 990–1029.

21. Rochet J. C., Tirole J. (2006) Two-sided markets: a progress report. The RAND Journal of Economics, Vol. 37, 3. P. 645–667.

22. Shapiro C., Varian H. (1999) Information Rules: a strategic guide to the network economy. Boston, Massachusetts: Harvard Business School Press.

23. Shastitko A., Parshina E. (2016) Two-sided markets: the subject matter specification. Journal of modern competition, Vol. 10, 1. P. 5-18 (in Russian).

24. Srnicek N. (2019) Platform capitalism. Moscow: National Research University Higher School of Economics (in Russian).

25. Strelets I.A. (2019) Features of bilateral markets network benefits. Journal of international economic affairs, Vol. 9, 1. P. 383-392 (in Russian).

26. Veiga A. (2014) Dynamic Platform Design. NET Institute Working Paper, ¹ 14-15.

27. White J., Chapsal À., Yeater À. (2018) European Union – Two-Sided Markets, Platforms and Network Effects. E-Commerce Competition Enforcement Guide, 07 December.

28. Yablonsky S.A. (2013) Multidimensional platforms and markets: main approaches, concepts and practices. Russian management journal, Vol. 11, 4. P. 57-87 (in Russian).