Nos efeitos de rede de lojas de valor

Este post é um sucessor espiritual de The Smart Contract Network Effect Fallacy .

Bitcoin tem um efeito de rede. Muitos evangelistas de criptografia afirmam que o efeito de rede do Bitcoin é tão forte que a hiperbitcoinização é inevitável.

Mas isso não está certo. Efeito de rede do Bitcoin como ouro digital não é o que muitos afirmam que é. Os efeitos de rede são diferenciados e geralmente mal interpretados.

Neste ensaio, explorarei os efeitos de rede do Bitcoin como ouro digital e como dinheiro digital. Também explorarei outros moinhos competitivos que não sejam efeitos de rede.

Para informações gerais, recomendo este post do Medium , este slideshow a16z, este post do Techstars e este post sobre efeitos de rede de dados . Para uma leitura de forma mais longa sobre os efeitos de rede e plataformas de tecnologia de forma mais geral, eu recomendo Platform Scale e livros do autor Sangeet Choudary.

Fundações de efeitos de rede

Os efeitos de rede são uma propriedade emergente que ocorre quando:

Um produto ou serviço torna-se mais valioso para os usuários existentes à medida que mais pessoas o usam.

Existem alguns tipos diferentes de efeitos de rede:

Efeitos diretos de rede – aumentos no uso levam a aumentos diretos de valor.

Os efeitos de rede diretos funcionam porque os usuários existentes ganham a opção de interagir com um número crescente de pessoas à medida que o produto / serviço subjacente é adotado. Basicamente, todas as redes de comunicação de malha fechada exibem esse tipo de efeito de rede, incluindo serviços baseados na Internet, como o Facebook e o Whatsapp.

Efeitos de Rede Indireta – o aumento do uso do produto gera a produção de bens complementares cada vez mais valiosos, o que resulta em um aumento no valor do produto original. Os sistemas operacionais (SO) são o tipo de produto mais famoso que se beneficia de efeitos de rede indiretos. Os desenvolvedores de aplicativos são atraídos para construir um sistema operacional para alcançar os consumidores; construindo um aplicativo para um determinado sistema operacional, esse sistema operacional se torna mais atraente para novos consumidores, criando um mercado maior para futuros desenvolvedores de aplicativos.

Efeitos de rede em dois lados – o aumento no uso por um conjunto de usuários aumenta o valor de um produto complementar para outro conjunto distinto de usuários e vice-versa. Alguns exemplos famosos incluem eBay, Uber e Lyft, AirBnB e os negócios de mercado da Amazon. Em cada uma dessas redes, os consumidores se beneficiam de mais opções e da concorrência entre fornecedores, o que impulsiona mais consumidores, o que atrai mais fornecedores.

Efeitos de rede de dados – quando um produto, geralmente impulsionado pelo aprendizado de máquina, se torna mais inteligente à medida que adquire mais usuários de dados. Os efeitos da rede de dados ocorrem na maioria dos aplicativos modernos baseados na nuvem atualmente, embora seus pontos fortes relativos variem amplamente por caso de uso e sofisticação.

Quantificando a força dos efeitos de rede

Medir a força precisa dos efeitos de rede é bastante difícil. Não é uma ciência exata.

É particularmente desafiador porque o valor marginal de usuários adicionais no sistema muda com o tempo. Por exemplo, muitos dos meus amigos começaram a excluir seus perfis do Facebook nos últimos anos. Facebook é aproximadamente tão útil para mim agora como era há 3 anos. A perda de 5% ou até 10% dos meus amigos do Facebook tem um impacto relativamente pequeno na minha experiência no Facebook porque ainda tenho outros 500 amigos que usam o Facebook.

Costuma-se dizer que o fosso defensivo de um negócio vinculado ao efeito de rede pode ser quantificado usando a Lei de Metcalfe , que afirma que o valor de uma rede é proporcional ao quadrado do número de usuários. Por questões de legibilidade, pode-se dizer que o efeito de rede das empresas que estão sujeitas à lei de Metcalfe tem um efeito de rede de n ^ 2.

Desde que Metcalfe propôs essa definição de trabalho do valor de uma rede, ela foi completamente desmascarada . Não existem redes conhecidas que exibam um efeito de rede de n ^ 2 em perpetuidade à medida que crescem. Além disso, a suposição original que impulsionou n ^ 2 era que todas as conexões em uma rede são igualmente valiosas. Em vez disso, é mais comumente reconhecido que os efeitos de rede da maioria das redes provavelmente estão mais próximos de n * log (n) do que n ^ 2.

Enquanto isso certamente faz mais sentido do que n ^ 2 (nada pode crescer quadraticamente para sempre), mesmo n * log (n) é uma curva perpetuamente super-linear. O que vemos na realidade é que não apenas todas as conexões são igualmente valiosas, mas que depois de certo ponto, o valor de cada conexão marginal no sistema começa a diminuir (por exemplo, os próximos 10 milhões de usuários do Facebook na Ásia valem muito pouco para Usuários americanos).

Na prática, os melhores efeitos de rede se assemelham a uma curva S mais do que n ^ 2 ou n * log (n).

Existem muitos estudos de caso que demonstram empiricamente a natureza da curva S dos efeitos de rede na prática. É por isso que o Macintosh sobreviveu aos anos 90 (se o efeito de rede do Windows fosse n ^ 2, a Apple provavelmente não teria sobrevivido), por que existem tantos aplicativos de mensagens (Whatsapp, Telegram, Facebook Messenger, Signal, etc), Por que o Lyft pode efetivamente competir com o Uber (não importa quantos motoristas estejam na estrada, desde que eu consiga um carro em menos de dois minutos), e por que tantas lojas de comércio eletrônico especializadas podem competir com a Amazon.

Por que as pessoas continuam dizendo que as redes estão sujeitas a efeitos de rede n ^ 2 ou n * log (n), dados os exemplos de alto perfil como evidência do contrário? Porque em todas as três curvas, é muito difícil discernir a diferença entre a parte mais à esquerda de cada curva:

É a metade direita de cada curva – a parte que só ocorre quando uma rede atinge massa crítica – na qual essas três curvas divergem materialmente. A curva n2 continua a acelerar para cima quadraticamente. A curva n * log (n) também acelera para cima em perpetuidade, embora a uma taxa muito menor. Por outro lado, a curva S passa de superlinear a sublinear à medida que a rede atravessa algum ponto de saturação.

Naturalmente, nem todas as redes estão sujeitas a curvas S idênticas. E nem todas as redes estão sujeitas aos melhores efeitos de rede de uma curva em S.

Alguns efeitos de rede nunca atingem efeitos de rede exponenciais, como a metade esquerda da curva S. Algumas redes estão sujeitas apenas a log (n) efeitos de rede desde o início, tornando-os perpetuamente sub-lineares, ao contrário da curva S, que é super linear em primeiro lugar.

O exemplo mais comum de um efeito de rede log (n) é uma troca por um bem líquido e fungível. Mesmo se você fizer a suposição muito agressiva de que cada usuário adicional aumenta a liquidez diária, o valor marginal dessa liquidez extra torna-se cada vez mais inútil para todos os usuários existentes. Isso vale até mesmo nos primeiros dias de uma rede. Essa curva nunca é super-linear; é sempre sub-linear.

Vamos considerar um caso simples em que cada novo usuário que comercializa algum bem fungível acrescente 0,01% à liquidez diária do bem.

Quando há 100 usuários, a liquidez diária é de 1% do valor de mercado do bem.

Quando há 1.000 usuários, a liquidez diária é de 10% do valor de mercado do bem.

Quando há 10.000 usuários, a liquidez diária é de 100% do valor de mercado do bem.

Quando há 100.000 usuários, a liquidez diária é de 1.000% do valor de mercado do bem (10x volume de negócios diário).

Se um usuário possui 0,1% das mercadorias em negociação, o valor da liquidez fornecida por cada usuário marginal torna-se cada vez mais inútil. Tecnicamente, o escorregamento diminuirá conforme o número de usuários e, portanto, a liquidez aumentará, mas, na prática, o benefício de liquidez marginal será tão baixo que será imperceptível não apenas para um determinado usuário, mas para todos os usuários existentes.

Todas as trocas para um determinado ativo fungível têm um efeito de rede de aproximadamente log (n), que pode ser visualizado da seguinte forma:

Há ampla evidência de que isso é empiricamente verdadeiro. Se os efeitos das trocas de bens fungíveis na rede fossem super lineares em qualquer ponto da curva, não teríamos tantas trocas de criptografia. O que podemos observar é que, se uma bolsa tem alguma liquidez – uma fração daquela do líder de mercado -, muitas vezes é suficiente sustentar uma troca viável e fornecer liquidez razoável aos participantes do mercado.

O efeito de rede do ouro digital

Que tipo de efeito de rede o ouro digital exibe?

Para responder a essa pergunta, vamos percorrer a mecânica de como os usuários usarão o ouro digital.

O objetivo de uma reserva de valor, como ouro digital, é … armazenar valor para consumo em alguma data posterior. Além do tempo em que o ouro digital é convertido em outra coisa, o ouro digital apenas fica lá, sem fazer nada. Não se beneficia da adição ou remoção de novos usuários.

Quando um usuário quer liquidar seu ouro digital para consumir algum outro bem ou serviço, ele precisa encontrar liquidez: alguém que esteja disposto a comprar o ouro digital. Isso pode ser feito em uma troca especializada em ouro digital fungível.

A utilidade do ouro digital é uma função de sua liquidez. Como descrito acima, isso significa que o efeito de rede para o Bitcoin pode ser aproximado como log (n).

O efeito de rede do dinheiro digital

Que tipo de efeito de rede o dinheiro digital exibe?

Para responder a essa pergunta, vamos analisar a mecânica de como os usuários usarão o dinheiro digital.

O propósito do dinheiro digital é tanto armazenar o valor como ser usado como meio de troca. Além disso, o dinheiro digital pode se tornar uma unidade de conta.

A utilidade do dinheiro digital agregado, portanto, é uma função de quantos comerciantes querem aceitar o pagamento de bens e serviços em dinheiro digital.

Isso se assemelha ao efeito de rede direta (o diagrama do telefone), conforme descrito acima. Quanto mais pessoas aceitarem o pagamento usando dinheiro digital, mais comerciantes os usuários existentes poderão fazer negócios.

Todas as principais moedas globais exibem esse efeito de rede em suas respectivas jurisdições. Como os comerciantes e consumidores devem pagar impostos em cada jurisdição na moeda fiduciária nativa de seu país, eles escolhem receber salários (funcionários) e receitas (negócios) na forma da moeda fiduciária local. Isso cria um poderoso efeito de rede, uma vez que poucas pessoas querem assumir o risco do balanço de manter uma moeda que está sujeita a flutuações de preços em relação à moeda com a qual eles compram bens / serviços e pagam impostos.

Intuitivamente, é provável que isso esteja sujeito a um efeito de rede de curva-S. Os primeiros 50% de comerciantes que aceitam dinheiro digital para pagamento tornam-no exponencialmente mais útil do que o segundo 50%.

Utilitário Store Of Value Vs

Os maximalistas do Bitcoin argumentarão que o argumento apresentado acima é baseado na semântica. Especificamente, eles argumentarão: “É claro que novos usuários tornarão o Bitcoin mais valioso. Eles vão comprá-lo e segurá-lo, por definição, tornando-o mais valioso! O argumento da liquidez é um arenque vermelho ”.

Embora isso seja verdade em um sentido restrito, ele ignora a realidade competitiva: e se alguma outra coisa se transformar em dinheiro digital e alcançar um efeito de rede super-linear? Esse é o ponto mais amplo que estou fazendo. O efeito de rede sub-linear da liquidez por si só é, isoladamente, um arenque vermelho. Mas se alguma outra coisa se torna dinheiro digital com um efeito de rede super-linear, enquanto o Bitcoin continua sendo o ouro digital com um efeito de rede sub-linear, então o Bitcoin será superado.

Nos círculos criptográficos, esse enquadramento é frequentemente apresentado como o debate do valor de armazenamento (SoV) versus utilidade . A visão SoV baseia-se na reflexividade: quanto mais as pessoas a seguram, mais valiosa ela se torna, portanto, levando mais pessoas a segurá-la.

Claro, a reflexividade funciona subindo e descendo. Isso cria uma volatilidade excessiva e, portanto, instabilidade, derrotando completamente a finalidade de uma reserva de valor. É muito fácil acreditar na hipótese SoV quando o preço só aumenta. Mas quando o preço diminui, o valor subjacente do valor da utilidade cria um piso de preço orgânico.

É fácil esquecer o quão cedo estamos no que diz respeito à criptomoeda. Existem 7 bilhões de pessoas na Terra. Menos de 50 milhões têm alguma criptomoeda. Estamos com menos de 1% de saturação global. Em um mundo de software de código aberto, onde cada recurso pode ser copiado , a chave para vencer é obter os efeitos de rede o mais rápido possível. E é por isso que a força do efeito de rede subjacente é tão importante. Mais de dez e centenas de milhões de usuários, esses benefícios compõem (ou falham), criando diferenças massivas no valor terminal da rede.

Outros Moats

Os efeitos de rede são apenas um tipo de fosso competitivo. Existem muitos tipos de fossos.

Os outros fossos que os Bitcoin maximalists defendem são “reconhecimento de marca” e integrações de ecossistemas de terceiros, como trocas, caixas eletrônicos, outros produtos financeiros, carteiras de hardware e móveis, etc.

Para explorar o poder desses fossos, compararei o Bitcoin com o Ethereum. Isto não sugere que o Ethereum seja capaz de ultrapassar o Bitcoin. Pelo contrário, é um exemplo do que uma rede competitiva pode alcançar em menos de três anos desde o lançamento.

O reconhecimento da marca é de fato um fosso. O Bitcoin é o líder entre as criptomoedas. Mas sugerir que sua marca é de alguma forma intocável é simplesmente falso. Nenhuma marca é intocável.

Não há uma boa maneira de medir o valor de marca de uma marca aberta e sem permissão como a Bitcoin, mas podemos usar as tendências do Google como uma ferramenta de medição crua.

Bitcoin é azul, Ethereum é vermelho. Na época da maior divergência, o Bitcoin era cerca de 11 vezes mais pesquisado que o Ethereum. Hoje a diferença é 8x. Dada a volatilidade e a rápida evolução do espaço, essa liderança pode ser eliminada dentro de alguns anos.

E as integrações de terceiros? Aqui, o Ethereum está quase no mesmo nível do Bitcoin:

Trocas – Todas as principais bolsas suportam pares fiduciários com Bitcoin e Ethereum.

Carteiras de hardware – Todas as principais carteiras de hardware suportam Bitcoin e Ethereum.

ATMs – Para o melhor de meu conhecimento, todos os caixas eletrônicos criptografados suportam ambos.

Carteiras móveis – Tanto a Bitcoin quanto a Ethereum têm uma infinidade de carteiras móveis para iOS e Android.

Outros produtos financeiros – A Bitcoin tem uma liderança com os futuros da CME, CBOE e NASDAQ. Mas, dada a trajetória da Ethereum, parece bastante razoável que ela alcance a paridade em 24 meses.

Mais uma vez, meu ponto não é que a Ethereum está pronta para ultrapassar o Bitcoin, mas sim que a gama de integrações de terceiros não é insuperável.

Conclusão

Os efeitos de rede e os fluxos competitivos são geralmente mal interpretados. Ao contrário da crença popular, não há redes que exibam n ^ 2 efeitos de rede e, de fato, muitos exibem efeitos de rede log (n), notadamente trocas de ativos fungíveis. Bitcoin como ouro digital estará sujeito ao efeito de rede log (n) perpetuamente sub-linear, enquanto Bitcoin como caixa digital pode alcançar efeitos de rede super-linear à medida que a adoção de criptografia cresce de <1% a 50% da população global. A criptomoeda que se torna a reserva de valor dominante, por definição, precisará exibir efeitos de rede super-lineares à medida que ela cresce.

Além disso, outros tipos de fossos competitivos, como integrações de marcas e ecossistemas mais amplos, não apresentam retornos crescentes de escala e podem ser facilmente superados por uma rede competitiva com efeitos de rede super-lineares. Nós já temos amplas evidências de que isso é verdade.

A batalha para ser o super-mega vencedor da criptografia está apenas começando. No 1% mais à esquerda de todas as curvas de efeito de rede, as diferenças não são facilmente discerníveis. É fácil pensar que os efeitos de rede começaram a surgir antes que eles realmente tenham.

Obrigado a Chris Dixon e Matt Huang por fornecer feedback sobre este ensaio.

Texto original em inglês.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *