文章插图
微信、QQ、抖音、微博……我们日常使用的软件几乎都是免费的 。
无独有偶 ， 国外的谷歌、Facebook、YouTube、Instagram等等也全部免费 。软件虽然是免费的 ， 但这些免费软件背后的公司却往往十分富有 ， 这是为什么？
今天 ， 身边君就想带你一起揭开免费市场背后的巨大“阴谋” 。以下 ， Enjoy：
01 免费的秘密
为什么谷歌能让我们在谷歌地图上规划行程？因为它学习我们的交通模式 ， 然后把这些模式打包成服务 ， 卖给拼车和公共交通平台 。
为什么脸书为我们提供这样一个“免费”的空间来构建我们的社会生活？因为我们会透露个人信息 ， 这使脸书能够将我们与我们可能愿意购买的产品进行匹配 。
为什么Instagram和YouTube提供了如此有用的方式来分享媒体？因为它们托管的图像和视频为“机器学习”系统提供输入要素 ， 为它们向客户销售的“人工智能”服务提供动力——从人脸识别到自动视频编辑 。
如果你不知道这些平台有多了解你并从中获利 ， 请查看它们需要你填写的账户设置页面 。这些页面显示了整套的信息 ， 而且它们对你的需求越来越多 ， 你可能会被吓到 。
大多数人没有意识到他们作为数据生产者 ， 其劳动成果在多大程度上推动了数字经济 。
数字经济的发电所 ， 像脸书、谷歌和微软 ， 利用公众对AI和ML缺乏了解 ， 免费收集我们在网络互动中留下的数据 。这是它们作为世界上最有价值的公司的创纪录利润的来源 。
例如 ， 脸书每年只向员工（程序员）支付其价值的1% ， 因为有我们为它免费做了其余的工作！相比之下 ， 沃尔玛的工资占其价值的40% 。
人们作为数据生产者的角色没有得到公平的利用或得到适当的补偿 。这意味着数字经济远远落后于它应该有的样子 ， 其收入分配给了少数富有的学者而不是广泛的大众 。
当意识到人类比以往任何时候都更被我们的数字经济需要时 ， 我们中的许多人其实对AI制造了大规模失业怀有错误的恐惧 。
文章插图
02 “先使用 ， 再谈收益”
数据工作 ， 一直被认为是理所当然的 。
在互联网出现的早期 ， 它的设计者不得不选择记录什么信息 ， 以及抛弃什么信息 。许多早期设计支持的技术可以使信息接收者更容易自动地向提供商付费 。
例如 ， 在法国 ， 作为互联网前身的小型电传（Minitel）有一个微支付系统；20世纪90年代美国在线（America OnLine ， AOL）服务在美国很流行 ， 它向客户收取费用 ， 并用其收入来支付它简化了的“围墙花园”提供的内容 。曾经有一段时间 ， 一些互联网设计师试图强迫电子邮件携带“邮票” ， 以此来阻止垃圾邮件 。
20世纪90年代 ， 在网络服务尚未确定如何将其提供的服务货币化之前 ， 风险资本就已经投入到蓬勃发展的互联网商业化中 。互联网公司坚持不懈地打着“先使用 ， 之后再谈收益”的旗号来吸引用户 。
然而 ， 科技泡沫的破灭冷却了这种热潮 ， 像谷歌这样的新兴科技巨头必须找到一种从用户群中赚钱的方法 。谷歌的谢尔盖·布林和拉里·佩奇最初考虑的是会员费和付费订阅 ， 但坚称他们永远不会转向广告 。
然而 ， 有几个因素迫使他们改变了主意 。
首先 ， 20世纪90年代末 ， 较长时间享受免费服务使用户习惯了互联网 ， 其中 ， 支付纯粹的信息服务的费用并不常见 。人们对完全免费的服务产生了强烈的依恋 ， 这种依恋很可能使这一传统难以被打破 。
其次 ， 网上提供的许多服务使得本来被用来跟踪支付的投资去做基础设施的开发 ， 这在成本上是不合算的 。20世纪90年代末和21世纪初 ， 许多初创企业尝试创建小额支付系统 。
最后 ， 在早期 ， 互联网仿佛是陌生的蛮荒西部 ， 居住着许多老练的年轻黑客 ， 他们愿意忍受不便以换取自由 。在这种环境下 ， 像纳普斯特这样的可疑的合法服务蓬勃发展 ， 并排挤掉更安全的合法服务 ， 因为其他主流的产品难以跟上技术的步伐 。这使得对任何东西的收费 ， 甚至像具有既定知识产权形式的音乐 ， 都具有挑战性 。
这些力量共同构成了一个用户不愿意支付任何费用的环境 ， 因此 ， 服务提供商开始寻找其他维持运营的方式 。
文章插图
03 “诡异的读心术”
谷歌渴求以某种方式将其庞大的用户群货币化 ， 于是转向广告以稳定其资产负债表 。脸书、YouTube和其他网站也紧随谷歌的步伐 。
谷歌的洞见是 ， 与传统的广告媒体（如印刷报纸或电视）相比 ， 在线广告可以更好地满足用户的个性化需求 。谷歌可以从用户的搜索历史中收集用户的价值观和偏好 ， 因此它可以使广告的浪费和噪音降到最低 。
脸书的个人生态系统比谷歌搜索复杂得多 ， 但也有类似的功能 。脸书可以通过了解用户的详细信息 ， 将用户与那些寻求目标受众的广告商匹配 ， 并通过鼓励用户与朋友分享广告活动来在社交场合投放广告 。
最重要的是 ， 脸书可以提醒用户购买他们之前考虑过的东西 ， 这一功能有时会让用户产生一种诡异的感觉 ， 好像这种服务有读心术 。
随着人们对大数据、ML和AI的兴趣激增 ， 人们越来越清楚地认识到 ， 用户数据是科技巨头的核心资产 。
随后 ， 第一批由ML驱动的个人数字助理和听写服务出现了；Siri、谷歌助手和科塔娜已成为人们日常生活中熟悉的角色 。更多雄心勃勃的应用正在开发中 ， 包括虚拟现实和增强现实、自动驾驶汽车 ， 以及只须按一下按钮就能向消费者送货的无人机 。
这些服务具有很高的“样本复杂性” ， 因此它们需要大量的数据存储 ， 以便对ML系统进行训练 。因此 ， 本来作为谷歌、脸书等公司核心业务功能的副产品收集的庞大数据集 ， 现在已成为其收入和竞争优势的重要来源 。
那些起初不情愿提供免费服务 ， 而寻求一种收入模式后来演变为广告平台的公司 ， 现在正在成为数据收集者 ， 它们通过提供服务来吸引用户提供信息 ， 以便使用ML训练AI 。
例如 ， 现在脸书每天都会收到数亿张用户发布的新照片 。这些照片为ML系统提供了良好的训练环境 ， 脸书正在开发这种系统 ， 旨在自动标注甚至解释照片 。
然而目前 ， 脸书的需求与用户上传照片的动机并不匹配 。用户通常很少提供照片附带的信息 ， 因为他们认为自己的朋友能够理解其背景 ， 结果导致脸书收到的是低质量的数据 。
脸书试图诱导用户写评论来解释照片 ， 或将情感与照片联系起来 ， 来推动用户提供有用的标签 。但脸书真正需要的是能够向用户询问有关照片的简单问题并从中获得答案的能力 。
另一个例子是YouTube ， 该网站称 ， 它们每分钟有300时长的视频上传 。然而 ， 这些内容的生产者得到的报酬却很少 。
虽然分析有点复杂 ， 但对一个典型的YouTube视频内容的创建者而言 ， 每得到1000观看人/次的报酬大约是2美元 。考虑到YouTube上的视频平均时长约为4分钟 ， 这意味着视频制作者们每分钟的预期收入是0.05美分 。
相比之下 ， 网飞每分钟从每个用户那里收取0.5美分 ， 大约是其10倍 。因此 ， 它能制作广受好评的电视剧《女子监狱》和《纸牌屋》也就不足为奇了 ， 而YouTube上的视频却因其文化价值而不那么出名 。类似的计算也适用于传统新闻媒体和推特之间的对比 。
这些价格很可能只是用户从观看视频中获得价值的一小部分 ， 人们的时间价值远超过这零点几美分 。然而 ， 这种现象不仅仅出现在视频领域里；塞壬服务器的繁荣源于从新闻到音乐的创造性内容的贬值 ， 同时 ， 它是为自己获取这些内容的价值 ， 而不是为其创造者所用 。
【微信,抖音,facebook都是免费的,它们究竟靠什么赚钱的】
文章插图
04 “人工智能”和“集体智能”
在现有的体系中 ， 人们大量公开关于自己的数据 ， 以换取互联网提供的服务——搜索、地图、数字助理 ， 等等 。
对人们来说 ， 为什么用金钱而不是有价值的服务来换取数据是重要的？
这一观点的主要倡导者是谷歌首席经济学家哈尔·范里安 。他认为 ， 如今数据无处不在 ， 稀缺的是理解这些数据的人才和计算能力 。
在这种观点中 ， 数据更像是资本而非劳动成果：它们是一种来自于公共领域的自然可得资源（可免费获取） ， 并且只有通过程序员、企业家和风险投资家的辛勤工作才能转化为有用的东西 ， 这些人理应拥有这些数据 。
另一种思考是这个观点的方式与亚当·斯密经典的“钻石–水”悖论有关 。斯密发现 ， 水在使用中如此珍贵 ， 但却没有什么交换价值；而钻石的用途如此有限 ， 却有着巨大的交换价值 ， 这是自相矛盾的 。
最终在19世纪后期 ， “边际革命”解决了这种钻石–水的悖论 。威廉·斯坦利·杰文斯、里昂·瓦尔拉斯和卡尔·门格尔认为 ， 交换价值是由商品最后一可用单位的边际价值决定的 ， 而不是消费的平均价值 。
虽然水的平均价值很高 ， 但是由于水很丰富 ， 它的边际价值很低 。范里安的论点是 ， 尽管数据从总体上或平均水平上来看可能具有巨大价值 ， 但从边际水平上看 ， 个人数据的价值并不高 。
尽管媒体报道了数据经济 ， 但是大多数用户仍然没有意识到企业从他们的数据中获得的价值 。
当用户意识到当前情况的“可怕”之处时 ， 他们在线互动的态度可能会发生改变 。脸书利用用户的新闻源做“情感价值实验”这一秘密被公开后 ， 在公众中引起了轩然大波 ， 而且研究表明 ， 意识到这种“令人毛骨悚然”的监测技术的那些用户往往会对数字服务变得不再信任 ， 或直接换一种方式使用这些服务 ， 这就减少了他们的数据的价值 。
未来 ， 为数据付费或将成为消费者维权的重要部分 。
除了直接影响收入之外 ， 为数据付费还可能改变社会人们对数字经济的理解 。用户可能会将自己视为创造价值的积极生产者和参与者 ， 而非感觉自己是互联网服务的被动消费者 。
我们怀疑 ， “人工智能”一词将逐渐让位于对数字系统中价值来源更准确的理解 ， 如“集体智能” 。用户不再将Siri和Alexa的有用见解当作机器人的建议 ， 而是将它们看作人类贡献的结晶 ， 就像他们理解百科全书或脸书主页上的见解一样 。
作为一种心理状态 ， 这种观点看起来并非不可能实现 。生活在民主国家的人似乎比生活在独裁国家的人在政治上感到更有力量 ， 也更积极——尽管一个人的投票对政策结果的贡献非常小 。
关于作者：埃里克·A.波斯纳 ， 芝加哥大学Kirklandand Ellis杰出法律服务教授；E.格伦·韦尔 ， 政治经济学家 ， 微软首席研究员 ， 耶鲁大学经济学与法学访问学者 ， 普林斯顿大学教师 。
本文授权整理自《激进市场》 ， 机械工业出版社华章公司出版 。
文章插图
推荐阅读
- 注定和射手走完一生的星座 单纯善良的双鱼
- 适者生存物竞天择是什么意思
- 2021九月你好致自己心情句子 致自己2021年的唯美句子
- 明溪县美食
- 裸粉色适合什么肤色 裸粉色适合什么肤色的人
- 清明节上坟贡品摆几个2022 清明节上坟供品都需要摆什么
- 什么是绿潮
- 装修改造步骤
- 胡萝卜几月份吃的