迄今為止量化網絡效應的強度這項工作依舊很困難，這也還算不上是一門精確科學
由于系統中額外增加用戶的邊際價值隨著時間會發生變化，這使得量化工作充滿了挑戰。舉個例子，在過去幾年中，我的許多朋友開始刪除他們的Facebook個人資料。 但是現在Facebook對我的影響和與3年前是幾乎一樣的。這是因為我的Facebook好友基數比較大，所以損失5％甚至10％的好友對我的使用影響并不顯著。
人們常說，網絡效應型商業公司的價值可以用Metcalfe定律來量化，該定律指出一個網絡的價值與聯網用戶數的平方成正比。或者說符合Metcalfe定律企業的價值呈現出n^2 型網絡效應。
自從Metcalfe提出了網絡價值的這一定義就一直被大家討論并得到完善。但是現在沒有任何一個已知網絡的價值會隨著它的增長而呈現出n^2型的網絡效應。其中一個原因是滿足n^2模型的基本假設是網絡中的所有節點都具有同等價值。相反，現在大家普遍認為：相較于n^2模型，大多數網絡的網絡效應模型更接近于n*log(n)。
雖然n*log(n)這個模型比n^2更有意義（因為沒有任何東西可以永久以平方模式增長），但n*log(n)模型也依然是一個永久超線性曲線。這些都與生產生活的實際情況相差甚遠。我們在現實中不同節點的價值并不相同，而且在某一時間點之后，系統中每個邊際關系的價值增長都會開始下降（例如Facebook未來在亞洲市場百萬級用戶的價值增加相較于現在美國本土用戶的價值而言無足輕重）。
實際上，最精確的描述網絡效應的模型應該是S型曲線。
目前已經有許多案例研究證明了網絡效應模型是S型曲線。這也是Macintosh能夠在上世紀90年代那個波譎云詭的時代幸存下來的原因（如果Windows的網絡效應是n^2模型的，那么Apple不可能會存活下來），另外各種各樣的即時通訊app（Whatsapp,
telegram, Facebook , Messenger, Signal等）都有一定的市場份額，Lyft也可以有效地與Uber競爭（用戶不關心有多少司機在路上，他們只要求自己可以在不到兩分鐘的時間內打到一輛車），
電商方面亦然，除了Amazon之外還有很多其他平臺。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
