Racionalidad: Algoritmos de precios aprenden solitos a hacer colusión

Inteligencia artificial, precios algorítmicos y colusión

Emilio Calvano, Giacomo Calzolari, Vincenzo Denicolò, Sergio Pastorello

VOX CEPR Portal

A las agencias antimonopolio les preocupa que los algoritmos de precios autónomos cada vez más utilizados por los proveedores en línea puedan aprender a confabularse. Esta columna utiliza experimentos con algoritmos de fijación de precios impulsados por AI en un entorno controlado para demostrar que incluso los algoritmos relativamente simples aprenden sistemáticamente a jugar estrategias colusivas sofisticadas. Lo más preocupante es que aprenden a coludir por ensayo y error, sin conocimiento previo del entorno en el que operan, sin comunicarse entre sí, y sin estar específicamente diseñados o instruidos para conspirar.




¿Recuerdas tu última compra en línea? Lo más probable es que el precio que pagaste no fue establecido por los humanos, sino por un algoritmo de software. Ya en 2015, más de un tercio de los proveedores en Amazon.com tenían precios automatizados (Chen et al. 2016), y la participación ciertamente ha aumentado desde entonces, con el crecimiento de una industria de software de revisión de precios que suministra sistemas de precios llave en mano, incluso los vendedores más pequeños ahora pueden pagar precios algorítmicos.

A diferencia de los sistemas tradicionales de gestión de ingresos que las empresas como las aerolíneas y los hoteles utilizan desde hace mucho tiempo, en los que el programador sigue siendo el responsable de las opciones estratégicas, los programas de precios que están surgiendo ahora son mucho más "autónomos". Estos nuevos algoritmos adoptan la misma lógica que los programas de inteligencia artificial (IA) que han alcanzado recientemente actuaciones sobrehumanas en entornos estratégicos complejos como el juego de Go o el ajedrez. Es decir, el programador instruye al algoritmo solo sobre el objetivo del ejercicio: ganar el juego, por ejemplo, o generar el mayor beneficio posible. No se le dice específicamente cómo jugar el juego, sino que aprende de la experiencia. En una fase de entrenamiento, el algoritmo experimenta activamente con las estrategias alternativas jugando contra clones en entornos simulados, adoptando con mayor frecuencia las estrategias que mejor se desempeñan. En este proceso de aprendizaje, el algoritmo requiere poca o ninguna guía externa. Una vez que se completa el aprendizaje, el algoritmo se pone a trabajar.

Desde el punto de vista antimonopolio, la preocupación es que estos algoritmos de precios autónomos pueden descubrir de forma independiente que, para obtener el mayor beneficio posible, deben evitar las guerras de precios. Es decir, pueden aprender a coludir incluso si no se les ha indicado específicamente que lo hagan, e incluso si no se comunican entre sí. Esto es un problema. Primero, el "buen desempeño" desde el punto de vista de los vendedores, es decir, los altos precios, es malo para los consumidores y para la eficiencia económica. En segundo lugar, en la mayoría de los países (incluidos Europa y EE. UU.) Tal colusión 'tácita', que no se basa en la intención y la comunicación explícitas, actualmente no se considera ilegal, ya que es improbable que ocurra entre agentes humanos y eso, incluso si ocurrió, sería casi imposible de detectar. La sabiduría convencional, entonces, es que la aplicación agresiva de la ley antimonopolio podría producir muchos falsos positivos (es decir, condenar una conducta inocente), mientras que una política tolerante resultaría en relativamente pocos falsos negativos (es decir, excusando una conducta anticompetitiva). Sin embargo, con la llegada de los precios de la IA, la preocupación es que el equilibrio entre los dos tipos de error podría verse alterado. Aunque hasta el momento no se ha producido evidencia real de colusión algorítmica autónoma, 1 agencias antimonopolio están debatiendo activamente el problema.

Quienes están preocupados (por ejemplo, Ezrachi y Stucke 2015) argumentan que los algoritmos de AI ya superan a los humanos en muchas tareas, y no parece haber ninguna razón por la que los precios deban ser diferentes. Estos comentaristas se refieren también a una literatura de informática que ha documentado el surgimiento de cierto grado de precios no competitivos en simulaciones en las que los algoritmos independientes de fijación de precios interactúan repetidamente. Algunos académicos (por ejemplo, Harrington 2018), están desarrollando caminos para hacer que la colusión de AI sea ilegal.

Los escépticos dicen que estas simulaciones no utilizan el modelo canónico de colusión, por lo que no representan los mercados reales (por ejemplo, Kuhn y Tadelis 2018, Schwalbe 2018) .3 Además, el grado de precios anticompetitivos parece ser limitado, y en cualquier caso los precios altos como tales no necesariamente indican colusión, que en cambio debe incluir algún tipo de esquema de recompensa y castigo para coordinar el comportamiento de las empresas. Según los escépticos, lograr una auténtica colusión sin comunicación es una tarea desalentadora no solo para los humanos sino también para los programas de inteligencia artificial más inteligentes, especialmente cuando el entorno económico es estocástico. Cualquiera que sea el exceso de precios que se encuentre en las simulaciones podría deberse a la falla de los algoritmos para aprender el equilibrio competitivo. Si esto fuera así, entonces habría pocas razones para preocuparse, dado que el problema probablemente se desvanecerá a medida que la inteligencia artificial se desarrolle más.

Para informar este debate de políticas, en un artículo reciente (Calvano et al. 2018a) construimos agentes de precios de AI y los dejamos interactuar repetidamente en entornos controlados que reproducen el modelo canónico de colusión de los economistas, es decir, un juego de precios repetidos con movimientos simultáneos y precio completo. flexibilidad. Nuestros hallazgos sugieren que en este marco, incluso los algoritmos de precios relativamente simples aprenden sistemáticamente a jugar sofisticadas estrategias colusivas. Las estrategias aplican castigos que son proporcionales a la extensión de las desviaciones y son de duración finita, con un retorno gradual a los precios de la desviación previa.

La Figura 1 ilustra las estrategias de castigo que los algoritmos aprenden a jugar de manera autónoma. Partiendo de los precios (colusorios) en los que los algoritmos han convergido (la línea de puntos gris), anulamos la elección de un algoritmo (la línea roja), forzándolo a desviarse hacia abajo al precio competitivo o de Nash (la línea de puntos naranja) para uno período. El otro algoritmo (la línea azul) sigue jugando según lo prescrito por la estrategia que ha aprendido. Después de esta desviación exógena en el período, ambos algoritmos recuperan el control del precio.

Figura 1 Respuestas de los precios ante la desviación del recorte de precios.


Nota: Las líneas azul y roja muestran la dinámica del precio a lo largo del tiempo de dos algoritmos de precios autónomos (agentes) cuando el algoritmo rojo se desvía del precio colusivo en el primer período.

La figura muestra la trayectoria del precio en los periodos posteriores. Claramente, la desviación se castiga inmediatamente (el precio de la línea azul cae inmediatamente después de la desviación de la línea roja), lo que hace que la desviación no sea rentable. Sin embargo, el castigo no es tan severo como podría ser (es decir, la reversión al precio competitivo), y es solo temporal; luego, los algoritmos regresan gradualmente a sus precios de pre-desviación.

Lo que es particularmente notable es el comportamiento del algoritmo de desviación. Claramente, está respondiendo no solo al rival sino también a su propia acción. (Si respondiera solo al rival, no habría ninguna razón para reducir el precio en el período t = 2, ya que el rival ha cobrado el precio colusivo en el período t = 1). Este tipo de comportamiento autorreactivo es un signo distintivo de colusión genuina, y sería difícil explicarlo de otra manera.

La colusión que encontramos es típicamente parcial: los algoritmos no convergen con el precio de monopolio, sino uno más bajo. Sin embargo, mostramos que la propensión a coludir es obstinada: la colusión sustancial continúa prevaleciendo incluso cuando las empresas activas son tres o cuatro en número, cuando son asimétricas y cuando operan en un entorno estocástico. La literatura experimental con sujetos humanos, por el contrario, ha encontrado consistentemente que prácticamente no pueden coordinarse sin una comunicación explícita, salvo en el caso más simple, con dos agentes simétricos y sin incertidumbre.

Lo más preocupante es que los algoritmos no dejan rastro de acción concertada: aprenden a coludir simplemente por prueba y error, sin conocimiento previo del entorno en el que operan, sin comunicarse entre sí y sin estar diseñados o instruidos específicamente. para conspirar Esto plantea un verdadero desafío para la política de competencia. Si bien se necesita más investigación antes de considerar medidas políticas, el llamado de atención de las agencias antimonopolio parece estar bien fundamentado.

Referencias

Calvano, E, G Calzolari, V Denicolòand S Pastorello (2018a), “Artificial intelligence, algorithmic pricing and collusion,” CEPR Discussion Paper 13405.

Calvano, E, G Calzolari, V Denicolòand S Pastorello (2018b), “Algorithmic Pricing What Implications for Competition Policy?” forthcoming in Review of Industrial Organization.

Chen, L, A Mislove and C Wilson (2016), “An Empirical Analysis of Algorithmic Pricing on Amazon Marketplace”, in Proceedings of the 25th International Conference on World Wide Web, WWW'16, World Wide Web Conferences Steering Committee, pp. 1339-1349.

Ezrachi, A and M E Stucke (2015), "Artificial Intelligence and Collusion: When Computers Inhibit Competition", Oxford Legal Studies Research Paper No. 18/2015, University of Tennessee Legal Studies Research Paper No. 267.

Harrington, J E, Jr (2018), “Developing Competition Law for Collusion by Autonomous Price-Setting Agents,” working paper.

Schwalbe, U (2018), “Algorithms, Machine Learning, and Collusion,” working paper.

Kühn K U and S Tadelis (2018), “The Economics of Algorithmic Pricing: Is collusion really inevitable?”, working paper.

Notas finales

1. El único caso antimonopolio que involucraba precios algorítmicos fue el desafío exitoso por parte de las agencias antimonopolio estadounidenses y británicas de un software de precios supuestamente diseñado para coordinar el precio de los carteles de múltiples vendedores en línea. Ver Wired Magazine, U.S. v. Topkins, 2015 y caso CMA 2015 n. 50223.
2. Véanse, por ejemplo, los comentarios de M. Vestager, Comisionado Europeo, en la 18ª Conferencia sobre Competencia de Bundeskartellamt, Berlín, 16 de marzo de 2017 ("Algoritmos y Competencia"), y el discurso de M. Ohlhausen, Presidente interino de la FTC, en la Conferencia de Concurrencias Antimonopolio en la Conferencia del Sector Financiero, Nueva York, 23 de mayo de 2017 ("¿Debemos temer las cosas que suenan en la noche? Algunos pensamientos iniciales sobre la intersección de la Ley Antimonopolio y el Precio Algorítmico"). La OCDE patrocinó una mesa redonda sobre algoritmos y colusión en junio de 2017, y en septiembre de 2017, la Oficina de Competencia de Canadá publicó un documento de discusión sobre la capacidad de los algoritmos para coludir como un tema importante para la aplicación de la ley antimonopolio (“Big data e Innovación: implicaciones para la política de competencia en Canadá"). Más recientemente, la CMA británica publicó un libro blanco sobre "Algoritmos de precios" el 8 de octubre de 2018. Por último, la séptima sesión de las Audiencias de la FTC sobre competencia y protección del consumidor, del 13 al 14 de noviembre de 2018, se centró en el "impacto de los algoritmos y la artificialidad". Inteligencia."
3. Estas simulaciones suelen utilizar modelos de precios escalonados que no encajan bien con los precios algorítmicos (Calvano et al. 2018a, 2018b).

Read more »

IA: El Pentágono usará inteligencia artificial para predecir crisis políticas y financieras

EE.UU. crea un algoritmo que predice golpes de estado y crisis financieras

El Pentágono trabaja en una inteligencia artificial de nueva generación capaz de ‘explicar el mundo’


Inteligencia artificial (Dong Wenjie / Getty)


Alberto Barbieri |  La Vanguardia


Son tiempos difíciles para refinados estrategas a lo Henry Kissinger o incluso para simples adivinos. Los algoritmos pronto podrían llegar a predecir el futuro o, al menos, interpretar un mundo cada vez más complicado. Es el sueño del Pentágono y de su brazo para la innovación tecnológica, la agencia gubernamental Darpa. De modo que, donde no llega el análisis geopolítico, pronto podría llegar la inteligencia artificial.

Si estuviéramos ante la enésima provocación de Elon Musk o la promesa de una nueva startup californiana en busca de inversores, cabría ser escépticos. Pero el hecho de que se trate de un proyecto financiado por el Departamento de Defensa de los EE.UU. obliga a aumentar el nivel de atención.

DARPA es la agencia del Pentágono para el desarrollo de las tecnologías de frontera

The Defense Advanced Research Projects Agency (DARPA) fue creada en 1958, cuando el ritmo de los descubrimientos tecnológicos viajaba a una velocidad espectacular, en el apogeo de la Guerra Fría. Desde entonces, la agencia desempeña la delicada tarea de mantener a los EE.UU. a la vanguardia en términos de tecnologías avanzadas para la seguridad nacional.

Prácticamente todas las patentes de tecnologías de frontera más decisivas provienen de aquí. Desde el GPS a los teléfonos móviles. En 1968, en estos laboratorios se inventó Internet, que fue ‘regalado’ al mundo solo en 1991, después del colapso de la Unión Soviética y el triunfo de Washington como única potencia planetaria. Suelen ir en serio.

El proyecto Kairos

El nuevo proyecto de Darpa se llama KAIROS (knowledge-directed artificial intelligence reasoning over schemas) y quiere aprovechar al máximo la habilidad principal de la Inteligencia Artificial (IA): encontrar patrones y correlaciones escondidos en una miríada de datos.

Definidos por primera vez por el científico cognitivo Jean Piaget en 1923, los esquemas son unidades de conocimiento que los humanos emplean para dar sentido a los eventos al organizarlos en estructuras narrativas comunes. Por ejemplo, ir a una tienda generalmente implica un esquema de transacción, que pasa por un conjunto de acciones, roles (comprador, vendedor) y secuencias temporales (los artículos se escogen y luego se pagan). El modelo de funcionamento de Kairos (Darpa.mil)

Acciones fáciles de imaginar para una persona, pero sorprendentemente complicadas de definir formalmente de tal manera que un sistema informático pueda entenderlas. Nos resultan familiares por su uso prolongado y frecuente, pero no son inmediatamente obvias, ni están sujetas a reglas físicas, como la aceleración constante en la caída de una manzana de un árbol.

Kairos, asegura Darpa, “tiene como objetivo desarrollar un sistema semi-autónomo capaz de identificar y realizar un seguimiento de las correlaciones entre eventos y datos aparentemente no relacionados, ayudando así a crear narraciones más generales del mundo que nos rodea y a prever cómo evolucionarán”.

Predecir golpes de estado, revoluciones o crisis financieras

El objetivo, por tanto, es crear un sistema de machine learning capaz de tamizar todos los eventos y noticias que cada día invaden los medios de comunicación, internet y las redes sociales, para encontrar un gran esquema común con el que interpretar la actualidad y vislumbrar el futuro.

Como en todos los sistemas de aprendizaje automático e inteligencia artificial, la materia prima clave son los datos. Cuanto más datos se recopilan, más posibilidades hay de elaborar patrones; sin embargo, al mismo tiempo, cuanto más y complejos son los datos recopilados, más difícil es interpretarlos.

La inteligencia artificial puede ser capaz de prever el futuro (eclipse_images / Getty)

La intención del Pentágono es eliminar la arbitrariedad y el margen de error de los analistas políticos, militares y económicos y capacitar una tecnología que pueda averiguar con anticipación la próxima crisis en los mercados financieros, un golpe de estado o una revuelta popular para informar a tiempo los organismos para los que trabaja.

Las aplicaciones militares y de defensa son bastantes obvias, si pensamos, por ejemplo, en el fracaso de los servicios secretos occidentales en el período de las Primaveras árabes, pese a las señales que corrían abundantes en las redes sociales. Los expertos en servicios de inteligencia, de hecho, concuerdan en que el 90% de la información útil a entender la realidad no es secreta, sino que se encuentra disponible públicamente. Basta con saberla leer e interpretar. Tal vez una máquina lo haga mejor que todos los 007.

“Kairos pretende crear narraciones más generales del mundo que nos rodea y prever cómo evolucionarán” Darpa

“Descubrir conexiones relevantes a través de montañas de información y los elementos estáticos que subyacen requiere información temporal y patrones de eventos, que pueden ser difíciles de capturar a escala con las herramientas y sistemas disponibles actualmente”, explica el Dr. Boyan Onyshkevych, gerente de Darpa en su página web.

El proyecto Kairos se encuentra todavía en su etapa teórica. Lo que sí es seguro es que, al principio, el sistema se limitará a asimilar una gran cantidad de información, multimedia y multilingüe, comenzando con crear una biblioteca de esquemas básicos. En una segunda fase, el algoritmo se probará con la información en circulación, con el objetivo de reconducir los diversos datos dentro de patrones predefinidos.

El papel clave de la inteligencia artificial en la geopolítica

En un futuro próximo, el uso de la inteligencia artificial representará un aspecto decisivo en el campo bélico y en los equilibrios entre potencias. Gracias a las enormes inversiones de los últimos años, en 2025, China quiere adelantar a los EE.UU. en el dominio de la IA. La apuesta por la tecnología, de hecho, es una forma mucho más rápida de la militar para reducir la diferencia existente entre la potencia hegemónica y su contrincante asiático.

En este contexto, Darpa ha anunciado la inversión de 2 mil millones de dólares para la puesta en marcha de una nueva generación de IA, la tercera. Con el programa ‘ AI Next ’, que también incluye el proyecto Kairos, la agencia pretende “explorar nuevas teorías y aplicaciones que podrían permitir a las máquinas adaptarse a situaciones cambiantes”.

El proyecto AI Next de Darpa (Darpa.mil)

El estudio de la inteligencia artificial por parte del gobierno de los EE.UU. comenzó ya en los años sesenta. En esos años nació la que se define como ‘primera ola’, que incluye principalmente software basados en reglas, como aquellos capaces de desafiarnos al ajedrez.

La segunda generación, a partir de los años 90, se basa en algoritmos que aprenden, extrayendo de una rica muestra de ejemplos las lógicas que luego usan para proporcionar una respuesta. Así es como funcionan los programas de reconocimiento de imágenes, que pueden identificar a un gato porque han ‘asimilado’ cientos de imágenes de gatos asociadas con la palabra gato.

Darpa ahora tiene ambiciones mucho más elevadas y financiará la investigación de nuevas tecnologías capaces de motivar los mecanismos y las lógicas utilizadas. Los nuevos algoritmos tendrán que reconocer la presencia de un gato en una foto, pero también deberán poder explicar su deducción, diciendo, por ejemplo, que se trata de un animal de cuatro patas, con cola y pelaje, etc. La crisis de liderazgo y educación al pensamiento estratégico se intenta solucionar también así.

Inteligencia artificial (Caiaimage/Rafal Rodzoch / Getty)

Read more »

¿Por qué todavía no encargamos los comestibles en línea?

¿Por qué la gente todavía no compra comestibles en línea?

Compramos en línea para casi todo. ¿Por qué no la comida?

Alana Semuels | The Atlantic


Un empleado de Peapod realiza un pedido en línea (Alana Semuels / The Atlantic)

Hace casi 30 años, cuando solo el 15 por ciento de los estadounidenses tenía una computadora, e incluso menos acceso a Internet, Thomas Parkinson instaló un rack de módems en un estante para vinos Crate and Barrel y comenzó a aceptar pedidos para la primera empresa de entrega de comestibles de Internet, Peapod , que fundó con su hermano Andrés.

En ese entonces, el pedido de comestibles en línea era complicado: la mayoría de los clientes tenían acceso telefónico y los gráficos web de Peapod eran tan rudimentarios que los clientes no podían ver las imágenes de lo que estaban comprando. La entrega también fue complicada: los Parkinson condujeron a las tiendas de comestibles en el área de Chicago, compraron lo que los clientes habían pedido y luego entregaron las mercancías desde el asiento trasero de su destartalado Honda Civic. Cuando la gente quería abastecerse de ciertos productos (yogur de fresa o botellas de Diet Coke), los Parkinson agotaban secciones enteras de las tiendas de comestibles locales.

Peapod sigue existiendo hoy. Pero convencer a los clientes de que ordenen comestibles en línea sigue siendo tan difícil ahora como lo fue en 1989. El 22% de las ventas de ropa y el 30% de las ventas de computadoras y productos electrónicos se realizan en línea hoy, pero lo mismo puede decirse de solo el 3% de las tiendas de comestibles. Ventas, según un informe de Deutsche Bank Securities. "Mi sueño era que fuera omnipresente, pero obtener esa primera orden puede ser un obstáculo", me dijo Parkinson desde la sede de Peapod en el centro de Chicago. (Ahora es el Director de Tecnología de Peapod; su hermano desde entonces dejó la compañía.

Hasta que las empresas de entrega de comestibles en línea entreguen a cientos de hogares en el mismo vecindario, será muy difícil para ellos obtener ganancias. Aunque es un negocio de $ 800 mil millones, la tienda de comestibles es famosa por su bajo margen; La mayoría de las tiendas de comestibles apenas son rentables. Aumente los costos de mano de obra, equipo y gas de llevar los alimentos a las puertas de las personas de manera rápida y económica, y tendrá un negocio que parece casi seguro que fracasará. "Nadie ha ganado una gran cantidad de dinero vendiendo comestibles en línea", me dijo Sucharita Kodali, analista de Forrester Research. "De hecho, ha habido mucha más gente perdiendo dinero".

Esto no es cierto en todos los países. En Corea del Sur, el 20 por ciento de los consumidores compran comestibles en línea, y tanto en el Reino Unido como en Japón, el 7,5 por ciento de los consumidores lo hacen, según Kantar Consulting. Pero esos son países con solo unos pocos grandes centros de población, lo que facilita que las empresas de distribución se instalen en unas pocas ciudades grandes y tengan acceso a una gran cantidad de poder de compra. En los Estados Unidos, en contraste, las personas están dispersas en áreas rurales, urbanas y suburbanas, lo que dificulta llegar a la mayoría de los compradores desde solo algunos lugares físicos. En Corea del Sur y Japón, los clientes también se sienten más cómodos comprando en sus teléfonos que los consumidores en países como Estados Unidos.

Sin embargo, las compañías todavía están tratando de hacer que la entrega de comestibles en línea funcione en los Estados Unidos. Hoy en día, Peapod es una de las docenas de compañías que ofrecen entrega de comestibles a clientes en ciertas áreas metropolitanas. En junio de 2017, Amazon compró Whole Foods por $ 13,4 mil millones y comenzó a lanzar la entrega de comestibles para los miembros Prime en ciudades de todo el país; los analistas predijeron en ese momento que los conocimientos de logística de la compañía le permitirían aprovechar las tiendas de Whole Foods para dominar la entrega de comestibles. También en 2017, Walmart adquirió Parcel, una compañía de entrega de última milla en el mismo día. Dos meses después de eso, Target dijo que estaba comprando Shipt, un servicio de entrega el mismo día. Kroger anunció en mayo pasado que se estaba asociando con Ocado, una tienda de abarrotes en línea británica, para acelerar la entrega con almacenes operados por robots. Compañías como ALDI, Food Lion y Publix han comenzado a trabajar con Instacart para entregar alimentos en sus tiendas. FreshDirect recientemente abrió un centro de entrega altamente automatizado de 400,000 pies cuadrados y dice que planea expandirse a regiones más allá de Nueva York, Nueva Jersey y Washington DC el próximo año.


La historia de Peapod, que ha tenido 30 años para perfeccionar el arte de la entrega de comestibles en línea, sugiere que ganar dinero será un desafío incluso para los minoristas de bolsillo como Amazon. Peapod tiene más experiencia que cualquier otra empresa de entrega de comestibles en línea. Superó a Webvan, que recaudó $ 800 millones antes de estrellarse en 2001, y superó a otras grandes apuestas del auge de las punto com como Kozmo, Home Grocer y ShopLink.

Peapod casi fracasó en 2000 antes de ser rescatado por el conglomerado holandés Royal Ahold NV, que compró primero una participación mayoritaria y luego a toda la compañía. (Después de una reciente fusión, la empresa matriz de Peapod ahora se llama Ahold Delhaize, es propietaria de cadenas de supermercados como Food Lion, Hannaford y Stop & Shop). En 2016, Peapod estaba solo en la lista negra en tres mercados, dijo un ejecutivo de Peapod a The Wall. Street Journal ese año. La compañía no ha logrado que suficientes personas compren comestibles en línea para reducir los costos de entrega. Si una empresa con 30 años de experiencia en la entrega de comestibles no puede hacerlo funcionar, ¿alguien puede hacerlo?

En comparación con los comestibles, la ropa y los productos electrónicos y la comida para perros son increíblemente fáciles de entregar. Una empresa como Amazon mantiene esos productos almacenados en un almacén, los empaca en una caja y los envía en el correo o a través de sus contratistas de entrega.

Sin embargo, las tiendas de comestibles no solo se pueden empaquetar en una caja y confiar a los proveedores de correo. Imagínese cumplimentando un pedido que incluya paletas, aguacates, una caja de Coca-Cola y chips de tortilla. Las paletas deben mantenerse frías; Los aguacates deben elegirse con cuidado, la coca cola es pesada y las tortillas no pueden triturarse. Ahora considere que el pedido promedio de Peapod tiene 52 artículos.

Según estos analistas, Kodali, analista de Forrester, dijo que Kodali, analista de Forrester, siempre será más barato para las tiendas de abarrotes hacer que los clientes acudan a ellos y hagan todo el trabajo de compras por sí mismos. . "En el mejor de los casos, solo haces lo mismo que harías en las tiendas", dijo Kodali. "No es como un canal de distribución más rentable". Una de las grandes innovaciones de Amazon en la entrega de paquetes fue que podía eliminar el intermediario (la tienda) y vender cosas directamente a los consumidores, ahorrando el costo de los gastos generales. Pero las empresas de bienes de consumo envasados ​​no pueden cortar las tiendas, ya que no cuentan con la infraestructura necesaria para hacer llegar sus productos, ya sean helados o aguacates, directamente a los consumidores.

Peapod ha intentado reducir su sobrecarga de varias maneras. En algunos mercados, mantiene las tiendas de comestibles en vastos almacenes fuera de la ciudad, lo que ahorra dinero porque la empresa no tiene que comprar o alquilar espacios comerciales en los centros de las ciudades. Peapod ha descubierto cómo hacer que la compra de la compra de comestibles en línea sea relativamente rápida, lo que significa que un empleado puede procesar docenas de pedidos en tan solo unas horas. En los "salones de guerra", que son esencialmente tiendas más pequeñas en la parte superior de las tiendas de comestibles, los pasillos son mucho más estrechos que en las tiendas de comestibles normales. Los empleados usan dispositivos en sus muñecas que les indican en qué pasillo y estante se encuentra el producto, y cargan los alimentos en cestas de manera eficiente, escaneando códigos de barras. Los trabajadores se familiarizan íntimamente con la ubicación de los diversos artículos, lo que les permite comprar rápidamente.

A pesar de las innovaciones de Peapod, todo el proceso requiere mucha mano de obra. Los trabajadores de Peapod todavía tienen que escanear los comestibles empacados en pedidos con una pistola de temperatura para asegurarse de que la carne no se haya calentado demasiado; también tienen que auditar los contenedores para asegurarse de que los artículos no estén rotos y de que no falte nada. (Ahold, la empresa matriz de Peapod, ya está utilizando robots para acelerar algunas partes de los pedidos de los clientes de embalaje).

La entrega puede ser lenta, también. Lo acompañé a un conductor de Peapod, Ricardo Bernard, un viernes por la tarde mientras traía comestibles a las puertas de los consumidores en un barrio rico de Chicago. Nos asignaron 19 paradas en el South Loop de Chicago, que estaba muy congestionado e incluía varios edificios de apartamentos; Bernard seguía teniendo que estacionar el camión en lugares estrechos, salir, descargar los contenedores de comestibles en una carretilla, llamar al inquilino desde un intercomunicador (o dejar que un portero lo deje entrar), esperar un ascensor, subir al ascensor y luego espere a que los inquilinos abran sus puertas para poder desempacar los contenedores en el mostrador de la cocina, un proceso que puede tomar más de 10 minutos para cada entrega.


Ricardo Bernard descarga comestibles en Chicago (Alana Semuels / The Atlantic)

Las empresas de entrega de comestibles más eficientes son realmente las empresas de logística. Los empleados de la sede de Peapod intentan encontrar rutas y monitorean el clima y el tráfico en tiempo real para que puedan hacer cambios si se avecina una tormenta o si un concierto está causando congestión, todo para reducir segundos o minutos de las rutas de entrega. La compañía mide el tiempo que los conductores permanecen en el tráfico, el tiempo que pasan entre las entregas, el tiempo que pasan con los clientes. Recompensa a los conductores que obtienen las entregas completadas más rápido que el promedio, pero que mantienen altas calificaciones de los clientes.

Es posible que las empresas de comestibles tengan que gastar más dinero en abrir más tiendas de ladrillo y mortero para facilitar la logística y reducir el tiempo que los conductores de entrega tienen que estar en la carretera. Tom Forte, un analista de DA Davidson, escribió recientemente que pensaba que Amazon debería adquirir miles de estaciones de servicio para "avanzar en sus esfuerzos de entrega". (Amazon se negó a comentar sobre los detalles de su negocio de entrega de comestibles, pero dijo que se ha expandido a entregue comestibles en 60 metros desde que compró Whole Foods en febrero pasado.)

A pesar de que ha pasado años reduciendo segundos de entregas, Peapod se esfuerza por hacer que las finanzas funcionen. La compañía cobra una tarifa de envío que oscila entre $ 6.95 y $ 9.95 por pedido. Esto puede parecer excesivo para las personas acostumbradas a que todo se entregue de forma gratuita, pero no se acerca a cubrir los costos asociados con llevar las compras a las puertas de los clientes. "Reducir los costos es un trabajo en progreso", me dijo Ken Fanaro, director senior de planificación y desarrollo de transporte de Peapod. La entrega de comestibles en línea solo es rentable cuando las empresas pueden dedicar la mayor parte de su tiempo a llevar comestibles a los hogares desde camiones, en lugar de conducir millas y luego llevar comestibles a los hogares. "En un mundo perfecto, seríamos como un cartero, yendo por la calle, entregando en cada hogar", me dijo.

Peapod paga generosamente el tiempo de los trabajadores. Bernard, como todos los trabajadores de Peapod, es un empleado de tiempo completo, que recibe atención médica y otros beneficios; la compañía hasta ahora ha evitado el modelo de contratista empleado por servicios de entrega como Instacart y UberEATs.

Hoy en día, los mercados donde Peapod es rentable son los más densos, como la ciudad de Nueva York. Incluso Amazon lucha en los mercados suburbanos, y anunció el año pasado que suspendía su servicio de entrega Amazon Fresh en las regiones de Nueva Jersey, Pensilvania y Maryland, mientras mantenía el servicio en ciudades como la Ciudad de Nueva York, Chicago y Boston.

Las tiendas de comestibles están atrapadas en un lugar difícil en este momento. Enfrentan desafíos de grandes minoristas como Walmart y Target, que han comenzado a ofrecer productos frescos y frescos, y de cadenas de descuento como Aldi y Lidl, que recientemente comenzaron a agregar tiendas en los Estados Unidos. Ahora, a medida que Amazon ingresa a más mercados, también está obligando a las tiendas de comestibles a ofrecer la entrega, a pesar de que perderán dinero en ello. Si no lo hacen, los clientes pueden ir a otro lugar. Amazon está usando sus bolsillos profundos para socavar a sus competidores en el precio, tomando una página de otras nuevas empresas de tecnología como Uber, que intentaron acaparar el mercado primero y luego ganar dinero.

Algunos supermercados han experimentado con ofrecer formas que no son tan caras como la entrega de comestibles para facilitar las compras a los consumidores. Walmart, Kroger, Safeway y otras tiendas ofrecen "hacer clic y recopilar", por ejemplo, que les permite a los consumidores ordenar sus comestibles en línea y luego ir a la tienda y recogerlos. Según los datos de Nielsen, Click-and-collect representa casi la mitad de las ventas de comestibles en línea, en comparación con un 18 por ciento en 2016. Amazon está cubriendo estas dos bases: Además de sus opciones de entrega, la compañía ha lanzado las tiendas Go en Seattle, Chicago. y San Francisco que permiten a los clientes entrar, seleccionar artículos y salir sin esperar en la fila para pagar.

Pero la ubicuidad sigue siendo el santo grial de la entrega de comestibles, y todas las tiendas lo saben. Por lo tanto, están ofreciendo descuentos y ofertas para que los clientes se suscriban a los servicios de entrega, lo que hace que los márgenes reducidos sean aún más reducidos. La mayoría de los servicios de entrega de comestibles en línea ofrecen entrega gratuita en el primer pedido de un cliente, por ejemplo. Según Elley Symmes, analista senior del equipo de compras de Kantar Consulting, la principal razón por la que muchos clientes recibieron las entregas fue porque recibieron un incentivo para hacerlo. Pero cuando esas promociones desaparecen, también lo hacen los clientes. "Los costos de entrega siguen siendo una barrera de entrada", me dijo Symmes.

Para poder ofrecer esos incentivos sin ir a la quiebra, algunos supermercados se están asociando con marcas para obtener un costo de entrega subsidiado. Colgate puede ofrecer entrega gratuita si un cliente compra una cierta cantidad de productos Colgate, por ejemplo.

Es posible que el costo no sea la única razón por la que los clientes no acuden en masa a la entrega de comestibles. Le pregunté a algunos compradores en una tienda de Massachusetts Stop & Shop por qué no estaban recibiendo sus comestibles; estaban empujando carros a través de los pasillos mientras los trabajadores de Peapod empacaban las cajas arriba para su entrega. La mayoría dijo que les gustaba elegir su propia carne y productos, y que no les gusta planear sus compras con anticipación. Mike Kolodziej, de 37 años, me dijo que en realidad le gusta ir a la tienda de comestibles. "Es mi momento de tranquilidad", dijo. Tiene cinco hijos en casa.

Y además, a diferencia de ser un cliente en otras industrias, la tecnología ha interrumpido: ir a la oficina de correos, tomar taxis en ciertas ciudades, ir de compras no es tan desagradable. En las afueras, las personas se suben a sus autos y conducen a tiendas amplias donde pueden elegir los productos que les gustan y también conocer nuevos productos en los estantes, dijo David J. Livingston, un analista de supermercados para DJL Research. Algunas tiendas ofrecen otros servicios, como la recogida de recetas o los bares de vinos, que los convierten en una experiencia que las personas disfrutan: se enfrentan a la difícil tarea de hacer que las tiendas sean más atractivas para las personas al mismo tiempo que hacen que la entrega sea atractiva.

Sin embargo, los analistas dicen que ahora es el momento de convertir a más clientes a la entrega de comestibles en línea. De acuerdo con una encuesta de Deloitte, a un 41 por ciento de los consumidores no les gusta ni les disgusta comprar productos como bebidas y productos perecederos en las tiendas de comestibles. Deloitte sostiene que hay muchos consumidores "que no están conectados emocionalmente con el proceso físico de compra y que podrían considerar opciones de compra en línea si se les ofrecieran". Entre ellos, Jim Winnfield, quien recientemente recibió su primer pedido de entrega de comestibles en línea; solía vivir en los suburbios de Chicago, pero recientemente se mudó al centro, y decidió darle una oportunidad a Peapod. "Soy lo suficientemente perezoso como para que la gente haga tanto por mí como sea posible", me dijo. La primera entrega de Winnfield fue gratuita.

Sin embargo, logran que los clientes se registren, es probable que los supermercados tengan que gastar mucho dinero en promociones y ofertas mientras intentan hacer que la entrega sea más popular entre los consumidores. Esto, por supuesto, beneficia a Amazon, que tiene muchos recursos y durante mucho tiempo ha podido convencer a los accionistas de que gastar por adelantado en conseguir clientes en la puerta tiene dividendos a largo plazo. Esta nunca ha sido la estrategia de Peapod: sobrevivió a competidores como Webvan porque nunca gastó mucho dinero que no tenía, me dijo Parkinson.

Pero incluso Peapod ahora está entrando en la batalla por la participación de los clientes. Solo en enero de 2019, Ahold Delhaize dijo que estaba lanzando vehículos automáticos de reparto de comestibles en Boston y adquirió una cadena de supermercados de Long Island, ampliando el alcance de la empresa. Peapod actualmente ofrece $ 20 de descuento en comestibles y no cobra tarifas de entrega durante los primeros 60 días en que un cliente usa el servicio. Sobrevivió a sus competidores en las últimas décadas cuidando el dinero, me dijo Parkinson. Sin embargo, hoy en día, incluso Peapod se da cuenta del hecho de que los clientes son baratos, y la empresa que haga que sus servicios sean los más baratos podría ganar.

Read more »

Las aplicaciones sociales son commodities

Las aplicaciones sociales son ahora una mercancía

El rediseño de Snapchat muestra cómo los servicios de comunicación se están volviendo indistinguibles.





Ian Bogost | The Atlantic


Soy muy viejo. Al igual que en, mi edad comienza con un cuatro, un número muy poco cool para una edad, para empezar. Es decir, demasiado vieja para usar Snapchat, la aplicación de red social de mensajería de imágenes. Fundada en 2011, es más popular entre los jóvenes, que rechazaron Facebook e incluso Instagram por ello. ¿Por qué? Por una parte, es porque los viejos estamos en Facebook e incluso en Instagram. Pero por otra parte, es solo porque Snapchat es una cosa que los jóvenes usan, y así lo usan otros jóvenes. Así es como va la historia, de todos modos.

Pero tal vez algo más simple está sucediendo. Quizás ya no haya magia en ninguna de estas aplicaciones y servicios. Facebook e Instagram, Snapchat y GroupMe y Messenger y WhatsApp y todo lo demás, todo es más o menos lo mismo. Son productos básicos para la comunicación de software, y elegir entre ellos es más como elegir entre marcas de champú o mayonesa que como elegir un conjunto de características o incluso un estilo de vida.

* * *

No es solo un mito que Snapchat sea para los jóvenes. El sesenta por ciento de sus usuarios tienen 25 años o menos, y el 37 por ciento cae entre los 18 y los 24 años, que veneran a las características demográficas de los comercializadores. Casi una cuarta parte de los usuarios de la aplicación tienen menos de 18 años. Pero eso también está cambiando, ya que hay más millennials, o debería decir 30 y tantos, que también pueden utilizar la aplicación.

Una razón es que las personas mayores han estado usando Instagram, que es propiedad de Facebook (que también han usado desde la universidad o la escuela secundaria). Facebook ha estado copiando sistemáticamente las funciones más populares de Snapchat, incluidas Historias, fotomontajes efímeros de 24 horas de la actividad de un usuario. No es de extrañar: Facebook tiene una enorme riqueza y apalancamiento, incluidos 2.000 millones de usuarios de su servicio principal y más de 1.000 millones cada uno para sus aplicaciones de mensajería, Messenger y WhatsApp. Instagram se jactó de unos 30 millones de usuarios cuando Facebook adquirió la compañía en 2012, y esa cifra ha aumentado a 800 millones en los cinco años posteriores. Snapchat está bloqueado alrededor de 170 millones de usuarios.

Snap, la compañía que hace Snapchat, ha perdido más de la mitad de su valor desde que alcanzó su punto máximo justo después de salir a bolsa en marzo de este año. Su capitalización de mercado actual, alrededor de $ 16 mil millones, sigue siendo más que los $ 3 mil millones que Facebook ofreció para adquirir la compañía. Y, según se informa, Google había ofrecido hasta $ 30 mil millones por la compañía antes de la OPI. Aunque Snap negó el rumor, si es cierto, es una cifra que la compañía podría lamentar haber rechazado por sí sola.

Los intentos de Snap de sacudir su pesadez se han mezclado. Hace un año, la compañía introdujo un par de gafas de $ 130 llamadas Snap Spectacles, que tomó fotos para su aplicación. La demanda inicial fue alta, pero pronto se derrumbó. Menos de la mitad de los compradores seguían usando el dispositivo un mes después de la compra. Snap anotó casi $ 40 millones de dólares en exceso de inventario.

También pagó alrededor de $ 100 millones para adquirir una empresa canadiense llamada Bitstrips, que integra su producto Bitmoji, un avatar estilizado, en el servicio de Snapchat (también se puede usar como adhesivos independientes en otras aplicaciones de mensajería y redes sociales). Bitmoji le dio a cada usuario de Snapchat una imagen de dibujos animados similar pero sorprendentemente precisa de sí mismos. Y ofrecía una nueva plataforma para publicidad, a través de avatares patrocinados, un enfoque que la compañía había explorado previamente con lentes y filtros de fotos con soporte publicitario.

Bitmoji también le dio a Snapchat una forma de representar a sus usuarios de una manera estándar y física. Lanzó Snap Map en junio, lo que permite a los amigos ver la actividad de otros en un mapa.

Ninguna de estas innovaciones realmente ayudó a cambiar el declive de Snap. Aunque sigue siendo popular entre su audiencia principal, sus acciones cayeron un 20 por ciento en noviembre, luego de que la compañía no cumplió con las expectativas de ingresos, ganancias y crecimiento de los usuarios. Su base de usuarios había crecido solo un 3 por ciento desde el trimestre anterior.

* * *

Esta semana, el CEO de Snap, Evan Spiegel, anunció un rediseño de Snapchat. La aplicación es notoriamente poco intuitiva para los que no están familiarizados, y el rediseño, que Spiegel prometió a raíz de los tristes resultados del tercer trimestre, espera impulsar la adopción al hacerlo más fácil para los nuevos usuarios.

El anuncio se produjo en forma de un breve video de Spiegel explicando el "nuevo y mejorado" Snapchat. El video es desorientador: un video de una filmación, en realidad, un alegre fondo amarillo que se muestra como un accesorio, la cámara corta entre las vistas de Spiegel y las de un equipo de filmación que filma a Spiegel. "Míranos trabajando duro", los telégrafos de subtexto del video.

Su texto es más misterioso. Como no usuario de Snapchat, las promesas de Spiegel me parecieron tan vagas y vagas que podrían aplicarse a cualquier cosa. Él se compromete a hacer de Snapchat “más personal”. Sus amigos “no están contentos; son relaciones ", opina, racionalizando el cambio de rediseño de las publicaciones patrocinadas a su propio punto de vista, separadas de los amigos. Este movimiento, que tiene su propia superposición textual de postproducción a ambos lados del cuerpo demacrado de Spiegel, equivale a "separar lo social de los medios". Todo esto tiene mucho sentido, siempre y cuando no pienses en ello ni siquiera por un momento. segundo.

Los cambios en sí mismos son directos. La vista predeterminada de Snapchat es la cámara. A la izquierda hay chats e historias de amigos y, a la derecha, de editores y patrocinadores. Por primera vez, la vista de los amigos funciona como un feed algorítmico en lugar de una lista cronológica, como Facebook, Instagram y Twitter. Cuando se desarrolle en las próximas semanas, la nueva Snapchat privilegiará a los amigos cercanos sobre los conocidos, si es que sus amigos más cercanos son a quienes envía visitas a domicilio con más frecuencia. En ese sentido, la aplicación funcionará mucho más como las aplicaciones de mensajería como GroupMe, WhatsApp y Messenger que las aplicaciones de medios sociales como Instagram o Twitter. En el guión elegante de Spiegel, eso equivale a "organizar Snapchat en torno a tus relaciones para que sea más personal".

Cada una de las otras aplicaciones sociales intercala publicaciones patrocinadas con contenido orgánico para la visibilidad, por lo que es difícil imaginar por qué alguien alguna vez optaría mirar la vista patrocinada de Snapchat, donde el material se encuentra aislado de forma segura. Pero tal vez la compañía espera tener un impacto en el anuncio y en el desempeño de las publicaciones de patrocinadores, si no en los ingresos, para demostrar el crecimiento de los usuarios en la calle.

Lo más notable para mí, al ver el video, fue el incesante estribillo de que el rediseño inspiraría a su público a "Expresarse con sus amigos". Al comienzo, los mensajes sin vida de Spiegel, Snapchat "hizo que sea más fácil expresarse hablando con fotos". El rediseño, promete, hará que sea más fácil encontrar a las personas con las que desea expresarse. ¿El resultado? "Los amigos con los que quieras hablar estarán allí cuando quieras hablar con ellos".

Como no usuario de Snapchat, es más fácil para mí mantener estas reclamaciones a distancia. Pero no porque sean increíbles o estúpidos o incluso malos. Más bien, porque son tan ordinarios y humildes que parece ridículo sugerir que son notables. En esencia, Snapchat espera competir tomando un producto extraño, único e indecoroso que atraiga a una audiencia específica en parte debido a esas razones, y transformándolo en otra aplicación de chat, incluso si es una foto-centrada, que funciona más o menos como cualquier otro.

Me pregunto, ¿qué hace que alguien elija una aplicación sobre otra? ¿Por qué usar Twitter en Facebook, Instagram en Snapchat o GroupMe en Messenger? Sabiendo que tan amargamente soy, les pregunto a mis hijos, adolescentes que usan Snapchat como la mayoría de los adolescentes.

"Snapchat aún tiene más funciones, incluso dadas las cosas que Instagram les robó", explica mi hija. Su desprecio por Instagram, que también usa, es palpable. Entre esas características se encuentran los mejores amigos, que es justo lo que suena, y rayas, una especie de puntaje alto para publicaciones diarias de ida y vuelta con amigos específicos de Snapchat. Nunca ha tenido una cuenta de Facebook y, por lo tanto, no usa Messenger, aunque sí usa GroupMe (que es propiedad de Microsoft) para conversaciones grupales.

Mi hijo, que es un par de años mayor, obtuvo Facebook inmediatamente después de ser elegible a los 13 años, aunque ya no lo usa más. Me dice que la mayoría de sus amigos usan Snapchat o GroupMe para una conversación cotidiana normal, no solo para el acicalamiento social, como muchos de los viejos imaginan que hacen. Me siento aún más en el diente cuando explica que Mensajes, el reemplazo del iPhone de la burbuja azul para mensajes de texto, es algo que casi nunca usa. Excepto hablar con ancianos, como sus padres. Los textos, que alguna vez fueron el bastión de los jóvenes impresionados por la pantalla, ya han seguido el camino del correo electrónico, esa tecnología de geriatría agridulce.

* * *

La gente hace lo que hace. Comienzan porque son convenientes, o están listos para ser usados, o compartidos por compañeros, o momentáneamente novedosos. Los estudiantes universitarios que comenzaron a usar Facebook a mediados de la década de 2000 lo hicieron porque era nuevo, accesible en las universidades y se extendía rápidamente. Los padres, amigos y abuelos que lo hicieron en los años siguientes lo recogieron porque otros lo estaban haciendo. WhatsApp ganó popularidad en las naciones donde los SMS seguían siendo caros, pero los contactos aún eran identificables por número de teléfono.

Existen diferencias funcionales entre los servicios. Instagram está hecho de imágenes, pero más orientado a la estética fotográfica que Snapchat, que utiliza imágenes como mensajes. Eso es lo que Spiegel quiere decir con "hablar con fotos"; es una comunicación visual fática, como lo expresa mi colega Rob Meyer. Del mismo modo, la restricción de Twitter, de 140 o 280 caracteres, lo hace diferente de Facebook. La facilidad de GroupMe de agregar varias personas a un chat lo separa de Messenger o de los Mensajes de Apple.

Pero a pesar de que esas diferencias hacen una diferencia, también son diferencias muy pequeñas. Y cada vez más pequeños, como los diversos servicios se prestan y se roban entre sí, como lo han hecho Instagram, Snapchat y otros. En lugar de servicios distintivos con propuestas de valor claras, estas aplicaciones se están convirtiendo en productos básicos. Todos los productos tienen diferenciadores de productos reales: la coque tiene un sabor diferente (ejem, mejor) que Pepsi; Los desodorantes de shills secretos especialmente formulados para mujeres, mientras que Old Spice los ofrece para hombres, y así sucesivamente. Pero en el fondo, la relación que las personas tienen con respecto a un producto o servicio en particular se reduce a una afinidad borrosa desarrollada a partir del descubrimiento, la marca, la adopción de pares y otros accidentes de tiempo y circunstancias. El uso repetido, sin mencionar el marketing de productos, refuerza esa elección con el tiempo.

Snapchat no me hace sentir viejo porque es mucho más genial que Twitter o Messenger, ni porque soy tan poco inteligente que posiblemente no podría entenderlo (incluso si ambas afirmaciones también pueden ser ciertas). Más bien, es solo que Snapchat es el servicio de comunicación que los jóvenes han utilizado últimamente. Las aplicaciones de telecomunicaciones son universales y lo suficientemente numerosas como para soportar las tendencias y modas cambiantes.

No es diferente a beber Jolt Cola o escuchar a Fugazi o usar Z Cavariccis o suscribirse a llamadas en espera o mantener la línea ocupada mientras llama a Prodigy, todas las cosas que también estaban bien, al mismo tiempo. La diferencia es que: nadie pensó en los refrescos, en la música o en la indumentaria, ni siquiera en los servicios de telefonía e informática, en realidad, como problemas para ser atomizados en compañías individuales, y mucho menos en públicas, destinadas a acaparar el mercado. Eran solo productos diferenciados a través de variaciones únicas, pero temporales, en forma, función y empaquetado. De hecho, la razón principal por la que los productos básicos son productos básicos es porque son tan baratos y fáciles de producir, que la competencia fomenta esa diferenciación.

Sería un alivio si esto pudiera convertirse en el futuro de la informática. No más innovaciones y perturbaciones y otras alarmas en el pecho. No más liberaciones de cambio de mundo de los paradigmas pesados ​​y heredados de antaño. Solo ofertas de comunicación en forma de software, ofrecidas en varios estilos con distinción matizada, cada una haciendo su parte para permitir que las personas interactúen, para que puedan seguir adelante con la vida más allá de sus rectángulos.

Read more »

16 formas de medir el efecto de red

16 maneras de medir los efectos de red

por Li Jin y D'Arcy Coolican  | Andreessen Horowitz



Los efectos de red son una de las dinámicas más importantes en software y negocios del mercado. Pero a menudo se habla de ellos de forma binaria: o los tienes o no los tienes. En la práctica, la mayoría de los efectos de red de las empresas son mucho más complejos, ya que abarcan un espectro de diferentes tipos y fortalezas. También son dinámicos y evolucionan a medida que cambian los productos, los usuarios y la competencia.

Para los fundadores, es importante comprender la naturaleza de los efectos de red de su empresa, incluida la decisión sobre el conjunto de métricas que lo ayudan a comprender qué funciona o no. Así que, a partir de nuestras listas de métricas anteriores (aquí y aquí), hemos compilado una lista dedicada a medir y separar los efectos de red en particular. Los compartimos a continuación, divididos en 5 categorías principales para medir los efectos de red: adquisición, competidores, participación, mercado y métricas relacionadas con la economía.

Cada negocio de efectos de red es diferente según el producto, la audiencia y el entorno en particular, por lo que no hay una lista de medidas única para todos. En general, sin embargo, para los mercados bilaterales que combinan la oferta y la demanda, preste especial atención a las secciones de economía de mercado y unidad; Para las redes sociales (incluidas las de trabajo), lo que más importa es el compromiso y la actividad. Sin embargo, al final, todo se reduce a la definición misma de los efectos de red: si su producto se vuelve más valioso a medida que más personas lo usan. Porque solo entonces podrá crear y aumentar ese valor para los usuarios y para su negocio.

Métricas relacionadas con la adquisición

# 1 usuarios orgánicos vs. pagados

¿Qué porcentaje de tus nuevos usuarios son orgánicos?

En una empresa con efectos de red, la proporción de usuarios orgánicos en relación con los usuarios pagados (los que gasta en adquirir) debería aumentar con el tiempo. Esto se debe a que a medida que la red crece y se vuelve más valiosa para que los usuarios se unan, más usuarios deberían querer unirse por su cuenta.

Para las empresas con efectos de red de lado directo (también llamados retornos crecientes del lado de la demanda), como Facebook, la participación orgánica aumentará a medida que las personas hagan que sus amigos se unan a la plataforma, porque sus propias experiencias también mejoran como resultado. Para mercados de dos lados como Airbnb, eBay y otros, la participación orgánica de los nuevos usuarios crece a medida que más proveedores (viviendas, vendedores) y compradores desean unirse a la red para obtener acceso, debido a los posibles ingresos y la variedad de opciones allí. .

Para ser claros, esto no significa que la adquisición pagada sea algo malo; muchas empresas, como Facebook y Uber, gastan dinero para adquirir nuevos usuarios, especialmente en nuevos mercados. Pero cualquier empresa que busque hacer crecer un negocio sostenible reducirá su participación en la adquisición pagada una vez que alcance una masa crítica de usuarios. En conclusión: a medida que la red crece y aumenta su valor para los usuarios, debería depender menos de la adquisición pagada.

Pero aquí hay una segunda capa de sutileza, que define el denominador relevante de los usuarios para los cuales la porción orgánica debería expandirse. La respuesta correcta depende del producto y del caso de uso: una compañía que tiene efectos en la red local, por ejemplo, para encontrar proveedores de servicios a domicilio cercanos o globales, mostrará un aumento de usuarios orgánicos nuevos, pero solo en una geografía por geografía. base. Para redes sociales pequeñas diseñadas para ser utilizadas dentro de un entorno específico (como una escuela), el% orgánico debería aumentar en la unidad atómica de esa red en particular (es decir, la escuela).

# 2 Fuentes de tráfico.

A medida que la red crece, ¿cuánto tráfico / transacciones en la red se generan internamente, como resultado de la propia red en comparación con fuentes externas?

Del mismo modo que las redes valiosas deberían atraer de manera orgánica a más usuarios, las redes valiosas también deberían convertirse en un destino, donde los usuarios desean pasar más tiempo en la plataforma (o mercado).

La medición de las fuentes de tráfico es una manera de ayudar a separar esto, al separar y rastrear la cantidad de tráfico o transacciones en la red que son directas frente a las fuentes externas. Más tráfico que viene directamente sugiere que los usuarios encuentran que la red es más valiosa con el tiempo a medida que crece.

Un ejemplo útil para pensar aquí es OpenTable, una compañía de reservas de restaurantes en línea; inicialmente, el flujo de usuario típico a través de la red entonces pequeña sería:

investigación externa o descubrimiento de un restaurante> elegir un restaurante> ir al sitio web de ese restaurante> reservar una reserva a través de su widget OpenTable

A medida que la red de OpenTable creció, se volvió más útil para los usuarios, ya que los usuarios podían ver la disponibilidad de cada restaurante participante, en comparación con un restaurante específico a través de su propio sitio web. La proporción de tráfico directo aumentó a medida que los usuarios comenzaron su proceso de descubrimiento en OpenTable:

Investigue o descubra un restaurante en OpenTable> decida por un restaurante> ignore el sitio web del restaurante y haga una reserva directamente en OpenTable

Un ejemplo similar es el medio: a medida que la red crecía y había más contenido para leer y más escritores para seguir, un mayor porcentaje del tiempo de lectura se originó dentro del sitio del medio. Estos también son ejemplos clásicos de empresas del tipo "venga por la herramienta, permanezca por la red".

# 3 series de tiempo de CAC pagado

¿Cuánto necesitas gastar para adquirir suministros?

Si bien el CAC (costo de adquisición del cliente) pagado debería decaer con el tiempo en una empresa una vez que el efecto de la red del "volante" comienza a acelerarse, en realidad, esto también depende de una serie de otros factores: la competitividad de los canales de marketing como Facebook, donde los precios pueden aumentar con más demanda de más anunciantes; la disponibilidad de productos sustitutos; bucles virales; y así.

Por ejemplo, con el uso compartido de vehículos, hay una variedad de sustitutos disponibles para los conductores, el lado más restringido del mercado, que ha hecho más caro con el tiempo adquirir esa oferta. Pero con una compañía como OpenTable, que agregaba la demanda en una sola plataforma, se hizo más barato adquirir restaurantes a lo largo del tiempo.

Por cierto: es común confundir los efectos de red con la viralidad, pero los dos conceptos son diferentes. Las empresas de efecto de red se refieren al aumento del valor del producto / servicio con cada usuario incremental. Y mientras que las empresas de efecto de red a menudo tienen un gran componente de crecimiento viral, que puede afectar al CAC, los dos conceptos no son los mismos. El crecimiento viral (los usuarios que invitan a otros usuarios) puede existir en un negocio sin efecto de red. Por lo tanto, las empresas que son grandes en el crecimiento viral pero que no tienen efectos de red pueden crecer rápidamente, pero se extinguen con la misma rapidez.

Métricas relacionadas con la competencia

# 4 Prevalencia de multi-tenanting.

¿Cuántos de sus usuarios también utilizan otros servicios similares? ¿Cuántos usuarios están activos en servicios similares?

Es importante comprender si sus usuarios también están usando servicios similares, incluidos los servicios relacionados donde la funcionalidad puede no ser exactamente la misma.

A menudo hemos observado que si una empresa puede replicar una red, también puede incorporar una funcionalidad que puede obviar la necesidad de otro producto. Incluso si no borra a la compañía objetivo, este tipo de multitranaje puede reducir el uso y comprimir los márgenes para todos los competidores. Un mercado para paseadores de perros y dueños de mascotas, por ejemplo, tiene la oportunidad de pasar a la salud de las mascotas o alimentos u otros productos adyacentes, dado que ha creado una red de dueños de mascotas del negocio principal. Facebook desarrolló Historias efímeras y agregó esta función en sus diversas aplicaciones, incluida Instagram, que a su vez obstaculiza el crecimiento de Snapchat.

La medición de este tipo de multi-arrendamiento puede ser complicada: puede significar encuestar a sus usuarios y preguntar si usan otro servicio; indagando más profundamente en la rotación o disminuciones en el uso (y averiguar si esos usuarios se están moviendo a un servicio diferente); ¡O simplemente la fuerza bruta buscando perfiles de usuarios en otras plataformas! Pero una vez que vea cuántos usuarios tienen múltiples inquilinos, hay formas de reforzar su producto para que los usuarios se sientan menos tentados a ir a otra parte. En el uso compartido de viajes, por ejemplo (que tenía un gran número de arrendatarios múltiples en ambos lados), las compañías lanzaron suscripciones en el lado del conductor y bonos en el lado del conductor para aumentar la retención y reducir el uso de los servicios de los competidores.

Finalmente, incluso si tiene una buena idea de la superposición entre su base de usuarios y otros servicios, es importante considerar qué tan activos son: ¿simplemente están manteniendo un perfil o lo están utilizando activamente? Tener un perfil de LinkedIn es omnipresente entre los profesionales, pero saber si esos usuarios están activos o no es importante saberlo para una nueva empresa que intenta crear una red de servicios profesionales, por lo que podrían dirigirse a áreas en las que el producto actual no les sirve a los usuarios. . Esta es una estrategia común para que las redes se conviertan en un "caballo de Troya" en la construcción de una red competidora desde el segmento desatendido del mercado.

# 5 Costos de conmutación o multi-homing

¿Qué tan fácil es para los usuarios unirse a una red nueva (e incluso una que no existe)? ¿Cuánto valor pueden obtener los usuarios como nuevo usuario al unirse a una red diferente?

Más allá de la disponibilidad de sustitutos, ¿qué tan fácil es para los usuarios de una red registrarse y completar el proceso de incorporación para una red competidora?

La fricción involucrada en registrarse y convertirse en un usuario activo varía de un producto a otro. Los productos que tienen un proceso de incorporación que requiere una alta inversión inicial pueden encontrar un desafío para activar posibles nuevos usuarios, pero también sirve como un foso contra los competidores, porque una vez que esos usuarios están activos, es menos probable que tengan varios inquilinos. Al observar el panorama de los servicios de estilo personal en línea, un cliente de Stitch Fix puede encontrar tedioso probar un servicio diferente debido a la inversión inicial en explicar sus preferencias a un nuevo estilista; ingresar información sobre su gusto y tamaño; Calibración de varios estilos recibidos y devueltos; y así.

A la inversa, si un producto tiene una menor energía de activación requerida para los nuevos usuarios, puede abrirse camino más fácilmente en un mercado al hacer que los usuarios se conviertan en múltiples inquilinos y cambiarse: porque Uber ya tenía la información de las tarjetas de crédito de millones de usuarios. Para propósitos de compartir, un usuario que anteriormente estaba usando otra red de distribución de alimentos podría fácilmente comenzar a usar Uber Eats sin mucha fricción.

Otra consideración importante aquí es cuánto valor pueden obtener los usuarios al principio cuando se unen a una nueva red. ¿Cuál es la experiencia del usuario con un arranque en frío? Para Facebook, aunque los usuarios pueden unirse fácilmente a otras redes sociales, sus datos, contenido y redes están todos en Facebook, por lo que hay un alto costo de cambio para invitar a su red y reconstruir su gráfica social. Por otro lado, para los mercados de listados de empleos, un empleador puede subir fácilmente sus especificaciones de contratación a múltiples sitios y comenzar a recibir aplicaciones candidatas desde el primer momento.

La destilación de los costos de cambio o multi-homing en una métrica cuantificable puede ser difícil, y cualquier métrica será bastante específica para ese negocio y mercado exactos. Las métricas potenciales podrían ser el tiempo requerido para completar el flujo de incorporación de un competidor; o la facilidad de llegar al umbral mínimo o "número mágico" para que un producto sea útil (por ejemplo, 10 amigos para Facebook); y así.

Métricas relacionadas con el compromiso

# 6 cohortes de retención de usuarios

¿Está mejorando tu retención de usuarios para los nuevos grupos?

La definición clásica de un efecto de red es que el valor de un producto o servicio para un usuario aumenta con el número de otros usuarios que usan el mismo producto o servicio. Por lo tanto, este aumento en el valor del usuario se debe reflejar en las cohortes de retención de usuarios: las cohortes más nuevas (que experimentan un producto cuando la red es más grande y más útil) deberían tener una mejor retención para cualquier período de tiempo que las cohortes más antiguas que se unieron cuando la red era más pequeña.

Sin embargo, la teoría a menudo difiere de la realidad aquí, y a menudo vemos negocios que han disminuido la retención de cohortes a lo largo del tiempo. Esto se debe a que un factor de confusión importante que se debe tener en cuenta al evaluar la retención de usuarios (métricas # 6-8 en esta lista) es que las cohortes de usuarios más antiguos, especialmente para redes sociales / productos basados ​​en la comunidad, tienden a ser los primeros en adoptar la leyenda " Clientes ideales ”para un producto / servicio. Esos usuarios tempranos, a menudo altamente motivados, se traducen naturalmente en mejores cohortes de retención para los clientes más antiguos, en lugar de los más nuevos.

Otras circunstancias también pueden cambiar el análisis de esta métrica: la presencia de un competidor; efectos de red que son hiperlocales y, por lo tanto, se "reinician" para los nuevos usuarios en cada nueva geografía; o incluso efectos negativos en la red, donde el valor para los usuarios en realidad disminuye en un cierto umbral (tal vez debido al hacinamiento o contaminantes en la red).

# 7 Retención de cohortes de acciones principales

¿La retención, tal como la definen los usuarios, está realizando una acción central para el producto, mejorando para las nuevas cohortes?

Al profundizar en el embudo de compromiso, desea ver si más usuarios están tomando la "acción central" de su producto. La acción principal puede ser una que realmente corresponde a los usuarios que obtienen valor de su producto y / o algo que se relaciona estrechamente con su modelo de negocio.

Por ejemplo, si la acción central de Nextdoor es que los usuarios publiquen contenido en las noticias de los vecindarios, entonces a medida que la densidad de la red crezca, deberían esperar ver una mejora en la retención como parte de esta acción central. Esta retención de acción central es más reveladora de los efectos de red que solo medir inicios de sesión de nivel superior o aplicaciones abiertas.

# 8 cohortes de retención de dólares y retención de usuarios pagados

¿Las cohortes más nuevas se mantienen mejor en base al dólar, para cada período de tiempo dado, que las cohortes más viejas?

La suscripción y los productos pagados deben prestar atención a la retención de dólares y la retención de usuarios pagados. Las nuevas cohortes de usuarios deberían conservarse mejor, en términos de ingresos de la cohorte, que las cohortes más antiguas. ¿Por qué? Debido a que pagar por un producto indica cuánto valoran los usuarios de ese producto, un producto con efectos de red, que se vuelve más valioso con el tiempo, debería tener una mayor retención de dólares y una retención de usuarios pagados entre las nuevas cohortes.

Por ejemplo, a medida que mejora la cobertura de la red de la Lista de Angie, un directorio de servicios domiciliarios, esperaríamos ver que las nuevas cohortes de suscriptores de usuarios sean mejor retenidas, tanto en términos de retención de dólares como en la cantidad de usuarios que siguen suscritos. Dada la mayor utilidad del sitio.

# 9 Retención por ubicación / geografía

¿Los participantes en los mercados más antiguos, para las empresas con efectos de redes locales, se conservan mejor que los de los mercados más nuevos?

Para los negocios de efecto de red local, los efectos de red existen por mercado y se "reinician" para nuevas geografías. Para los usuarios de Care.com en Charlotte, por ejemplo, la presencia de más niñeras disponibles en la ciudad de Nueva York no afecta la experiencia del usuario; Pero tener más niñeras disponibles localmente mejora la utilidad de la red allí.

A medida que cada geografía madura y aumenta la densidad de la red, la retención debería mejorar en esos mercados. Por lo tanto, los mercados más antiguos o más establecidos tienden a tener una mejor retención que los mercados más nuevos. Vemos esto en la práctica en datos compartidos por casi todos los negocios de efecto de red local.

# 10 curvas de usuario de potencia (también conocidas como tablas L7 y L30)

¿Están los usuarios desplazándose hacia el lado derecho de la curva de usuarios avanzados? En otras palabras, ¿se están comprometiendo más con el tiempo?

Los usuarios avanzados impulsan algunas de las empresas más exitosas, al aportar una tonelada de valor a la red. Si bien DAU / MAU (dividir usuarios activos diarios por usuarios activos mensuales) es una métrica común para medir el compromiso, tiene sus defectos y las curvas de usuarios avanzados proporcionan una forma más matizada de entender el compromiso del usuario.

En resumen, las curvas de usuario avanzado (comúnmente llamadas tablas L30 durante 30 días de uso, o tablas L7 durante 7 días de uso) son histogramas de participación de los usuarios, que muestran la cantidad total de días que los usuarios estuvieron activos haciendo una acción particular en un determinado periodo de tiempo. Al analizar los negocios de efectos de red, ver con qué frecuencia los usuarios realizan una acción específica sobre una base de cohorte le permite ver si un producto realmente está ganando utilidad con más usuarios, también conocido como el efecto de red. Si un producto es realmente más valioso con más usuarios, entonces eso debería reflejarse en una proporción cada vez mayor de usuarios que cambian a grupos de participación de mayor frecuencia, o una curva de usuarios más inclinada hacia el derecho, a lo largo del tiempo.

 Métricas del mercado

# 11 Tasa de coincidencia (también conocida como tasa de utilización, tasa de éxito, etc.)

¿Con qué éxito pueden encontrarse los dos lados del mercado?

El trabajo de cualquier mercado es facilitar la correspondencia entre la oferta y la demanda. Por lo tanto, es importante medir su "tasa de coincidencia" exitosa, la tasa a la que los compradores pueden encontrar vendedores, y viceversa. Cómo definir esta métrica depende del negocio único.

Ejemplos de tasas de coincidencia para negocios particulares incluyen:

Tiempo de utilización del conductor para el uso compartido del vehículo: ¿qué porcentaje del tiempo conducen los conductores con un pasajero en lugar de estar vacío?
¿Con qué frecuencia los empleadores están cumpliendo realmente su papel publicado en los mercados laborales? ¿Y con qué frecuencia los solicitantes de empleo encuentran empleo?

Una métrica relacionada es medir "ceros" o coincidencias fallidas. Para compartir viajes, ¿qué porcentaje de usuarios abren la aplicación pero no terminan solicitando transporte? Esos "ceros" podrían deberse a un tiempo de espera demasiado prolongado, a un aumento repentino de los precios oa algo más: en todos los casos, el mercado no pudo eliminar la demanda. Los operadores del mercado deben identificar las razones por las que no ocurren las coincidencias y tomar medidas para eliminar o reducir estos bloqueadores a través del crecimiento e incentivación del lado más restringido del mercado, la mejora del diseño del producto y otros mecanismos.

Esta métrica también está estrechamente relacionada con el concepto de multitranaje descrito anteriormente. Si la tasa de coincidencia es baja, los usuarios naturalmente serán incentivados a ir a otros lugares y usar otros productos. Por ejemplo, es común que los empleadores publiquen sus ofertas de trabajo en una variedad de sitios (su propio sitio web, LinkedIn, Indeed, y otras redes) simplemente porque ninguna red tiene una tasa de coincidencia lo suficientemente alta. Si hay incluso un potencial de ingresos incremental o incluso una utilidad mínima, se llevarán a cabo múltiples inquilinos; ¡solo piense en todas las etiquetas adhesivas del mercado de entrega que ve en la ventana de cualquier restaurante!

# 12 profundidad de mercado

¿Hay suficiente oferta y se ajusta a las necesidades de los usuarios?

El concepto de "profundidad de oferta" o profundidad de mercado se originó en los mercados financieros, donde se define como la capacidad del mercado para mantener pedidos relativamente grandes sin movimientos de precios. Cuanto mayor sea el número de órdenes de compra y venta a cada precio, mayor será la profundidad del mercado.

Para los mercados de consumidores, es importante medir la profundidad del mercado porque afecta directamente la experiencia del usuario. Para mercados de suministro heterogéneos (donde cada proveedor es diferente), la profundidad del mercado determina si los usuarios podrán encontrar una coincidencia. Cuando los usuarios abren productos como OfferUp o Airbnb, ¿cuántos listados verán y qué tan probable será que encuentren un artículo que quieran comprar o la casa que quieren alquilar? Para mercados de suministro homogéneos, la profundidad del mercado impacta la facilidad de uso. Cuando los usuarios abren Lime, ¿cuántas bicicletas / scooters verán cerca de ellos? Cuanto mayor es la profundidad del mercado, más fácil (y menos esfuerzo requiere el usuario, en términos de caminar) es utilizar Cal.

Uno de los trabajos principales de cualquier negocio del mercado es reducir los costos de búsqueda, lo que facilita que los participantes encuentren y combinen con el otro lado. No hacerlo puede resultar en un mercado con efectos negativos en la red, donde un exceso de oferta en realidad causa desafíos en el descubrimiento. Como consumidores, experimentamos esto como fatiga de decisión, o una paradoja de elección. Las tasas de conversión podrían caer en este escenario.

Una nota sobre el suministro heterogéneo frente al suministro homogéneo: los mercados de "suministro homogéneo" generalmente alcanzan una asíntota en los efectos de red, donde el valor para los usuarios finalmente se estabiliza con una mayor profundidad del mercado. Por ejemplo, si había 6 scooters Lime en una manzana cercana a mí, esto no es más valioso que si hubiera solo 4 o 5 scooters disponibles para mi uso en mi vecindad: el valor del usuario no cambia a pesar de la adición de más suministro. Por otro lado, para los mercados heterogéneos, no hay una asíntota porque cada nodo en el lado de la oferta es diferente y potencialmente puede agregar mayor valor. En el ejemplo de Airbnb, los gustos de un usuario pueden ser bastante específicos, por lo que es útil ver cada listado adicional en la plataforma.

# 13 Tiempo para encontrar una coincidencia (o rotación de inventario, o días para activar)

¿Cuánto tiempo toma para que la oferta y la demanda coincidan?

Por lo general, los mercados tienen una curva para la tasa de coincidencia, donde a lo largo de un horizonte de tiempo largo, una mayor proporción de inventarios se borra. Para los mercados de productos, esto se conoce comúnmente como rotación de inventario.

Lo inverso es días para convertir, y esta métrica es más aplicable a los mercados más tradicionales, donde el emparejamiento ocurre a través de los usuarios que optan por un lado: un lado crea un listado y el otro responde, en contraste con los mercados en demanda, que hacen el emparejamiento en un Manera centralizada, algorítmica (y menos visible para los usuarios).

Por ejemplo, para los mercados laborales, ¿cuánto tiempo le toma a un empleador encontrar un empleado? ¿Cuánto tiempo se tarda en recibir la primera solicitud? Para los mercados P2P, ¿cuánto tiempo tarda cada parte en realizar una transacción? Para Thumbtack, ¿cuánto tiempo les lleva a los usuarios recibir la primera cotización? ¿Cuánto tiempo le lleva a OfferUp a un vendedor vender su producto?

# 14 Concentración o fragmentación de oferta y demanda.

¿Qué tan concentrado está el mercado en el lado de la oferta y la demanda?

Los mercados donde hay mayor fragmentación en la oferta y la demanda son más valiosos y defendibles. Esto significa que ningún participante en el lado de la demanda o la oferta representa de manera desproporcionada una alta proporción de transacciones, lo que hace que el negocio sea más sostenible y diversificado. Si la demanda o la oferta están demasiado concentradas en un mercado, existe el riesgo de que un gran comprador o vendedor pueda llevar una gran parte de las transacciones con ellos si deciden abandonar la plataforma.

También hay un mayor valor cuando un mercado agrega productos o proveedores fragmentados, ya que de otro modo habría sido más difícil descubrirlos y acceder a ellos. Básicamente, es como aprovechar las ventajas de una cola larga (más variedad y nichos) y hacer que sea tan fácil de encontrar como la cabeza de la cola (más allá de los éxitos populares).

Los mercados pueden medir la concentración midiendo el% de GMV que representan los principales vendedores o compradores de X (por ejemplo, la cuota de GMV que cada cadena de supermercados contribuye, en el caso de Instacart).

Métricas relacionadas con la economía

# 15 poder de precios

¿Cuánto puedes cobrar por tu producto? ¿Qué estarían dispuestos a pagar sus clientes para permanecer en la red?

A medida que los participantes reciben un mayor valor de la red, están dispuestos a pagar más para tener acceso a la red, en forma de suscripciones, tarifas de listado, tasas de toma u otros mecanismos de monetización.

A lo largo de la vida útil de un negocio de efectos de red, el negocio puede evolucionar desde que no se monetiza en absoluto, o incluso hasta subvencionar la demanda o el suministro; para activar la monetización; a tener la capacidad de aumentar los precios con un mínimo de abandono en ambos lados.

# 16 Unidad económica

¿Cómo está el negocio, básicamente?

Los efectos de red mejorados a menudo aparecen en la economía de la unidad mejorada con el tiempo. Este es el resultado de la disminución de los incentivos que las empresas necesitan ofrecer a los diferentes lados del mercado, una menor participación de los usuarios pagos y una mejora general en el poder de los precios.

Para las empresas con efectos de red local, el impacto de los efectos de red debería aparecer en la economía de la unidad a lo largo del tiempo, mercado por mercado. Esto se debe a que en un mercado determinado, el CAC debería disminuir y la participación orgánica de los usuarios debería crecer con el tiempo. Para empresas como Thumbtack o Instacart, que tienen efectos de red a nivel local, el seguimiento de la economía de la unidad a lo largo del tiempo por mercado es útil porque verá la relación entre la antigüedad del mercado, la densidad de la red y la rentabilidad.

Read more »

¿Programar como parte de la educación de un niño?

Soy un desarrollador. No enseñaré a mis hijos a codificar, y usted tampoco debería.

Por Joe Morgan | Slate



Un padre mirando a su hijo mientras se da cuenta de cómo armar una silla para un escritorio con una computadora.
Natalie Matthews-Ramo



En una reciente sesión de fórmula nocturna, pasé por una gran muestra de libros sobre cómo enseñar a los niños a codificar. He visto estos libros, pero nunca una exhibición tan grande dirigida a niños de edad elemental. Estos libros son parte de una avalancha de recursos (campamentos de codificación de verano, clubes de código extracurriculares, aplicaciones diseñadas para enseñar los rudimentos de JavaScript a los niños de jardín de infantes) destinados a equipar a los niños con habilidades a prueba de futuro.

Es fácil ver por qué los padres empujan la codificación en sus hijos. ¿Qué mejor manera de preparar a nuestros hijos para un futuro regido por el software que entrenándolos sobre cómo construirlo? Si todo va a ser automatizado, es mucho más seguro ser el que realice la automatización. Y si aprender a codificar es bueno, entonces aprender antes es mejor. Pero si bien estos productos pueden enseñar a los niños lenguajes de codificación específicos, en realidad tienen muy poco que ver con el trabajo de crear software.

Un antiguo compañero de trabajo fue entrenado en un campo de entrenamiento de codificación con el lema "Codificar es la nueva alfabetización". Ese sentimiento está en el corazón de todos los libros y juegos de programación. La descripción en un libro popular dice que comenzar a programar con anticipación es "esencial para preparar a los niños para el futuro". Esto da la impresión de que no enseñar a los niños a codificar es de alguna manera equivalente a no enseñarles a leer.

Eso es, por supuesto, ridículo. La codificación no es la nueva alfabetización. Si bien la mayoría de los padres saben leer y escribir y saben leerle a sus hijos, la mayoría no son programadores y no tienen idea de qué tipo de habilidades necesita un programador. Los libros de codificación para niños presentan la codificación como un conjunto de problemas con soluciones "correctas". Y si sus hijos solo pueden dominar la sintaxis, podrán hacer las cosas rápida y fácilmente. Pero no es así como funciona la programación. La programación es desordenada. La programación es una mezcla de creatividad y determinación. Ser un desarrollador es algo más que una sintaxis, y ciertas habilidades solo se pueden enseñar a los más pequeños.

Los buenos programadores no solo consiguen que algo funcione. Ellos quieren que sea bueno.

Al principio de mi carrera, escribí un código para configurar y ejecutar un grupo de servidores remotos. El código funcionó muy bien. Al menos eso fue lo que pensé hasta unas 18 horas más tarde, cuando mi teléfono sonó en mitad de la noche y me dijo que un grupo de servidores había fallado. Asombrándose de la cama a mi computadora portátil, volví a ejecutar el código para reemplazar los servidores rotos. Horas más tarde, un grupo diferente falló.

No hubo un problema de sintaxis. Si hubiera habido, los servidores nunca se habrían construido en primer lugar. El problema era mucho más profundo. Aislarlo y resolverlo tomó varias semanas y muchas noches de sueño interrumpido.

La codificación es así. Intenta algo. A ver si funciona. Inténtalo de nuevo. Si un problema fuera sencillo, se automatizaría o, al menos, se resolvería con algún código de código abierto. Todo lo que queda es la difícil tarea de crear algo único. No hay libros que le enseñen cómo resolver un problema que nadie haya visto antes. Por eso no quiero que mis hijos aprendan la sintaxis. Quiero que aprendan a resolver problemas, a profundizar en un problema, a ser creativos. Entonces, ¿cómo enseñamos eso?

Un día, a mi hijo le preocupaba que su silla estuviera tambaleante. Lo miramos y él me ayudó a aislar el problema: uno de los tornillos estaba suelto. Encontré una de nuestras muchas llaves hexagonales sobrantes y le mostré cómo atornillarla nuevamente. Después de eso, sintió curiosidad por lo que sucedería si atornillara de la otra manera, lo que hizo hasta que salió el tornillo. Terminamos tomando la silla completamente separada y armándola de nuevo un par de veces, a menudo con piezas que no coinciden, antes de que estuviera satisfecho de que el trabajo había terminado. Intenta algo. Mira cómo funciona. Inténtalo de nuevo.

Por supuesto, hacer que algo funcione es solo el primer paso para crear software. El siguiente paso es hacer que el código sea claro, reutilizable y ordenado. Una vez, al principio de mi carrera, escribí una característica y se la di a un desarrollador senior para que la revisara. Echó un vistazo a mi espacio descuidado, a las líneas desiguales y a las convenciones de nombres erráticas y solo dijo: "Hazlo de nuevo". Estaba funcionando. La sintaxis era válida. Todavía estaba mal. Los buenos programadores no solo consiguen algo para trabajar. Ellos quieren que sea bueno.

Ese sentimiento de calidad es lo más difícil de dominar para muchos desarrolladores. Se siente bien trabajar con un código bien diseñado, y un código feo hará que los desarrolladores se enojen involuntariamente. Los mejores desarrolladores aprenden a fusionar la lógica abstracta con la sensibilidad de un artista. Aprender a confiar en ese sentimiento estético es tan parte del desarrollo como cualquier algoritmo o patrón de codificación.

Mi esposa y yo recientemente hicimos galletas de azúcar con nuestro hijo. Cada vez que mezclamos algunos ingredientes haríamos una pausa y miraríamos la masa y hablaríamos sobre la textura y el color. ¿Fue suave? ¿Conseguimos todas las partes mezcladas uniformemente? Cuando extendimos la masa, mi hijo palpó la superficie y observó cómo mi esposa le mostraba cómo hacer que todo fuera uniforme y delgado. La parte más difícil, sin embargo, fue cortar las formas. Como todos los niños, instintivamente empujó el cortador justo en el medio de la masa enrollada, y cada vez intentábamos explicar cómo colocar las formas una al lado de la otra para maximizar cada rollo.

Cada paso: medir con precisión los ingredientes, medir la masa mezclada para obtener suavidad y consistencia, realizar cortes de precisión para minimizar el desperdicio, le enseñó algo acerca de la calidad. Es difícil enseñar la diferencia entre simplemente ejecutar pasos, como seguir una receta y hacer algo bien. Solo se puede transmitir a través del sentimiento y la experiencia. Y cada vez que involucras a tus hijos cuando trabajas en algo que valoras, les estás enseñando cómo hacer las cosas bien. Los estás preparando para escribir código.

Pero no solo les estás enseñando eso. Les estás enseñando que el mundo está lleno de cosas interesantes que descubrir. Les está mostrando cómo ser apasionados y buscar ese sentido efímero de calidad en todo lo que hacen. La mejor parte es que incluso si no se convierten en programadores, la mayoría no debería y no lo hará, las mismas habilidades se pueden utilizar en casi cualquier carrera, en cada hobby, en cada vida. Cuando obligamos a los niños a aprender la sintaxis, reforzamos la idea de que si algo no es una habilidad descartable, no es valioso. Los adultos pueden aprender la sintaxis. Sólo los niños pueden aprender a abrazar la curiosidad.

Read more »