社交网络经济学:你的数据价值几何?

简介:

本文讲的是社交网络经济学:你的数据价值几何,社交网络依然延续着其势不可挡的发展速度:Pinterest 以新秀的身份迅速超越LinkedIn、Google+,成为仅次于 Facebook、Twitter 排名第三的社交网络;Instagram 以 10 亿美元的天价被 Facebook 收购;Path 获得 3000 万美元融资,估值高达 2.5 亿美元;Foursquare 也在不久前宣布已拥有 2000 万用户,签到数达到 20 亿次…

  先不论这一领域是否如许多人担忧的一样泡沫横行,作为一位社交网络的用户,你对自己发布的状态信息为这些公司创造了多少价值这个问题是否也很好奇?一条 Twitter 信息值多少钱?一条 Yelp 的点评呢?

  相比像 Google Apps 这样的企业数据云端服务,用户在社交网络上的数据价值计算起来相对麻烦一些。著名在线数据备份服务 Backuplify 采用了一个迂回的方式,利用这些公司的公开数据(包括公司的估值、用户数等)来进行估算,得到了一些有趣的数据。(由于近期几个公司的重大变动,数据有所变动)

  平均每位用户的价值是多少?

  社交网络 用户价值

  这一数据是通过各家社交网络公开的市值或估值除以其用户数得到(优先采用活跃用户数,否则用总用户数)。

  Path:在 Instagram 被收购的带动下,Path 成功获得 3000 万美元的 B 轮投资,估值飞升至 2.5 亿美元,这使得 Path 的平均用户价值从几周前的 12.50 美元飙升至 125 美元。

  Instagram:Facebook 的收购让 Instagram 的市值从 5 亿美元提升一倍,达到 10 亿美元,Instagram 的用户数也随着 Android 版的推出和收购的带动提升到 4000 万,Instagram 的用户平均价值从收购前的 18.52 美元提升到 25 美元。

  Pinterest:估值 5 亿美元,平均用户价值 28.09 美元。Instagram 的收购对 Pinterest 的估值也必然会产生很大的推动作用。

  Foursquare:估值 6 亿美元,平均用户价值 40 美元。除去 Path 的不可思议数据外,Foursquare 可以说是小型社交网络中最具价值的一家。

  此外,Yelp 的平均用户价值为 22.21 美元,Twitter 为 71.43 美元、LinkedIn 为 104.46 美元、即将上市的Facebook 为 118.34 美元。

  利用上面得出的每位用户的价值,Backuplify 还估算了各家社交网络想要达到 100 亿美元的市值需要的用户数。Twitter、LinkedIn 已经达到这一数值, Facebook 的市值已 10 倍于这一数据,Instagram 在 Facebook 的收购后也达到了这一目标(值得注意的是 Instagram 的价值达到了 Facebook 的 1/10,从这点上我们也许可以认识到 Facebook 是多么急切的想要将 Instagram 收归旗下);对于那些更小的社交网络,他们还有很长的路要走(当然,Path 的火箭式增长让其变数增大)。

  单条信息的价值几何?

  单条信息的价值

  各社交网络上单条信息的价值也比较有趣,每条 Twitter 信息值 0.001 美元、每条 Facebook 状态分享值 0.024 美元、每次 LinkedIn 的职业信息搜索值 0.124 美元、每次 Foursquare 的签到值 0.4 美元、每条 Path 的信息值 5 美元(这是根据最新数据调整后得到的非常惊人的数据,在旧的数据下仅为 0.5 美元)、每个 Yelp 的点评值 9.13 美元。

  单条信息价值排名:电商型社交网络 > 私密社交网络 > 公共社交网络

  Yelp 拥有最高的单条数据价值比较容易理解,毕竟每一条商家点评可以说直接为 Yelp、商家和其他用户带来了直接的价值;而私密信息的价值会高于公共信息也可以想见。当然,这是一个非常粗糙的数据,Facebook、Twitter、Path 等社交网络的分享信息并不能算是通常意义上的商品。

  这个数据的更大意义在于让我们意识到,每个用户为各自选择使用的社交网络免费贡献了多少价值。当我们在 Instagram 上分享照片、在 Facebook 上分享状态、在 Foursquare 上签到时,我们不仅在与好友进行交流,同时也在不断推动这些公司的价值。这个问题对于那些小型的社交网络来说更为明显,当你将图片上传到 Instagram 时,你是否曾经想过你是在为 Facebook 创造价值?

  Instagram 的收购对 Kevin Systrom 、其员工,以及投资者来说无疑是非常好的消息,但对我来说,这让我对于使用那些没有明显盈利方式的小型服务产生了一些犹豫。以我个人非常喜爱的 Path 来说,其能有什么样的盈利方式还很难想象,如果其被某家社交网络收购(或最终关闭,像 Kevin Rose 夭折的 Oink 一样),那么那些我原本因为信任 Path 而创造的信息要不进入我也许并无好感的第三方手中,要不随着服务的关闭而变得一文不值。

  这几个数据还给了我们另一个启示:许多社交网络的估值无疑存在明显的虚高。也许只有当这场浪潮过去后,我们才能真正知道社交网络究竟具有多大的价值。

作者: 王玉圆

来源: IT168

原文标题:社交网络经济学:你的数据价值几何?

相关文章
|
12天前
|
数据采集 存储 API
网络爬虫与数据采集:使用Python自动化获取网页数据
【4月更文挑战第12天】本文介绍了Python网络爬虫的基础知识,包括网络爬虫概念(请求网页、解析、存储数据和处理异常)和Python常用的爬虫库requests(发送HTTP请求)与BeautifulSoup(解析HTML)。通过基本流程示例展示了如何导入库、发送请求、解析网页、提取数据、存储数据及处理异常。还提到了Python爬虫的实际应用,如获取新闻数据和商品信息。
|
30天前
|
机器学习/深度学习 自然语言处理 数据处理
大模型开发:描述长短期记忆网络(LSTM)和它们在序列数据上的应用。
LSTM,一种RNN变体,设计用于解决RNN处理长期依赖的难题。其核心在于门控机制(输入、遗忘、输出门)和长期记忆单元(细胞状态),能有效捕捉序列数据的长期依赖,广泛应用于语言模型、机器翻译等领域。然而,LSTM也存在计算复杂度高、解释性差和数据依赖性强等问题,需要通过优化和增强策略来改进。
|
6天前
|
机器学习/深度学习 数据可视化 测试技术
深度学习:Keras使用神经网络进行简单文本分类分析新闻组数据
深度学习:Keras使用神经网络进行简单文本分类分析新闻组数据
19 0
|
7天前
|
机器学习/深度学习 API 算法框架/工具
R语言深度学习:用keras神经网络回归模型预测时间序列数据
R语言深度学习:用keras神经网络回归模型预测时间序列数据
16 0
|
7天前
|
机器学习/深度学习 数据采集 TensorFlow
R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据(MNIST)
R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据(MNIST)
23 0
|
7天前
|
存储 算法 前端开发
R语言中贝叶斯网络(BN)、动态贝叶斯网络、线性模型分析错颌畸形数据
R语言中贝叶斯网络(BN)、动态贝叶斯网络、线性模型分析错颌畸形数据
27 0
|
7天前
|
机器学习/深度学习 数据可视化 网络架构
matlab使用长短期记忆(LSTM)神经网络对序列数据进行分类
matlab使用长短期记忆(LSTM)神经网络对序列数据进行分类
12 0
|
8天前
|
Android开发 开发者
Android网络和数据交互: 请解释Android中的AsyncTask的作用。
Android's AsyncTask simplifies asynchronous tasks for brief background work, bridging UI and worker threads. It involves execute() for starting tasks, doInBackground() for background execution, publishProgress() for progress updates, and onPostExecute() for returning results to the main thread.
9 0
|
8天前
|
网络协议 安全 API
Android网络和数据交互: 什么是HTTP和HTTPS?在Android中如何进行网络请求?
HTTP和HTTPS是网络数据传输协议,HTTP基于TCP/IP,简单快速,HTTPS则是加密的HTTP,确保数据安全。在Android中,过去常用HttpURLConnection和HttpClient,但HttpClient自Android 6.0起被移除。现在推荐使用支持TLS、流式上传下载、超时配置等特性的HttpsURLConnection进行网络请求。
8 0
|
10天前
|
安全 网络安全 数据安全/隐私保护
网络安全与信息安全:保护数据的关键策略
【4月更文挑战第14天】在数字化时代,网络安全与信息安全已成为维护个人隐私和企业资产的重要组成部分。本文深入探讨了网络安全漏洞的概念、加密技术的应用以及提升安全意识的重要性。通过分析当前网络威胁的常见形式,文章提供了防御策略,旨在帮助读者构建一个更加安全的网络环境。