بررسی کاربرد قانون متکالف در اثر شبکه و شناساندن یک الگوی کاربردی‌تر

بررسی کاربرد قانون متکالف در اثر شبکه و شناساندن یک الگوی کاربردی‌تر

قانون متکالف (Metcalfe’s law) یکی از موضوعات بسیار مهم در مطالعات مربوط به اثر شبکه است. طبق قانون متکالف، ارزش سیستماتیک دستگاه‌های ارتباطی سازگار به اندازه مجذور آن‌ها افزایش می‌یابد. در واقع، هر بار که کاربری به یک اپلیکیشن دارای شبکه پشتیبان اضافه می‌شود، ارزش اپلیکیشن به اندازه n2 رشد می‌کند. همچنین اگر یک شبکه‌ای دارای ۱۰۰ نود باشد و تعداد نودها به ۲۰۰ افزایش یابد، ارزش شبکه ۴ برابر می‌شود. اما گروهی معتقدند این الگو جامع و کامل نیست و بخش‌های مهمی را از قلم می‌اندازد.

کاربرد قانون متکالف در اثر شبکه

قانون متکالف برای اولین بار در دهه ۱۹۸۰ توسط رابرت متکالف (Robert Metcalfe)، دانشمند حوزه شبکه رایانه‌ای ارائه شد. رابرت متکالف بر اساس تجربیاتی که از فروش اترنت کسب کرد، ارزش شبکه  بصورت یک تابع ریاضی از تعداد دستگاه‌های متصل به آن تعریف کرد. در اواخر دهه ۱۹۹۰، استفاده از قانون متکالف در حوزه استارت‌آپ‌های اینترنتی دات کام (dot-com) محبوب شد و باور عمومی بر این بود که اگر کسی در همان اوایل در این استارت‌آپ‌ها سرمایه‌گذاری کند، ارزش آن‌ها به‌طور چشمگیری افزایش خواهد یافت.

اما چرا قانون Metcalfe باید در ساخت وب‌سایت‌های اینترنتی به‌کار گرفته شود؟ برای مثال، این قانون چیزی درباره فروشندگان و خریداران فروشگاه اینترنتی ای‌بی (eBay) نمی‌گوید. آیا این کاربران را باید معادل «دستگاه‌های ارتباطی سازگار» گرفت؟ آیا سایت «ای‌بی» می‌تواند معادل یک فناوری شبکه رایانه‌ای مانند اترنت باشد؟ درحقیقت، در دوره حباب «دات کام» این موضوعات اهمیتی نداشت. در این دوره، قانون متکالف به یکی از پربحث‌ترین موضوعات تبدیل شده بود. از آن، چنین برداشت می‌شد که با افزایش تعداد کاربران یک وب‌سایت، ارزش آن به صورت غیر خطی رشد می‌کند.

امروزه قانون متکالف در مباحث مربوط به اثر شبکه نیز استفاده می‌شود، اما این قانون برای کسانی که به دنبال خلق، ایجاد مقیاس و تکمیل پروژه‌های خود هستند، به تنهایی پاسخگو نخواهد بود. حداقل، برای افرادی مانند مدیر محصول، مهندس‌ها، طراحان و مدیرانی که به دنبال طرح یک استراتژی در رابطه با اثر شبکه برای رود مپ سه‌‌ماهه خود هستند، استفاده از این قانون به تنهایی کافی نخواهد بود!

از قانون متکالف تا قانون دم‌عصایی‌ها

هر کسی که موفق به تولید یک محصول شبکه‌ای خودساخته شده باشد، به شما خواهد گفت که متاسفانه قانون متکالف بی‌ربط است. قانون متکالف، مراحل مهم ساخت یک شبکه را از قلم می‌اندازد. از جمله اینکه، گاهی اوقات در اوایل کار همه چیز را درست انجام می‌دهید، اما هیچ کس از محصول شما استفاده نمی‌کند.

علاوه بر این، قانون Metcalfe تعامل و حفظ کاربران و چندوجهی بودن بسیاری از شبکه‌ها (مثلا خریداران و فروشندگان) را نیز در نظر نمی‌گیرد. همچنین، مسائلی از قبیل تفاوت کاربران فعال با افرادی که فقط در شبکه ثبت‌نام کردند یا تجربه ضعیف یک محصول به دلیل ازدحام بیش از حد کاربران در شبکه، در نظر نمی گیرد. این مسائل فراتر از الگوی ساده‌ «هرچه تعداد نودها بیشتر، بهتر» هستند و قانون متکالف در پاسخگویی به مشکلات و بی‌نظمی‌های زندگی واقعی، شکست می‌خورد.

پس بهترین راه‌حل چیست؟

پاسخ به سوال بالا در مطالعه رفتار دم‌عصایی‌ها یا میرکت‌ها (Meerkat) نفهته است! قطعا حیوان دم‌عصایی را دیده‌اید. برای مثال، تیمون (Timon) در کارتون شیر شاه که با یک گراز به اسم پومبا (Pumbaa) دوست بود. دم‌عصایی‌ها حیواناتی بسیار اجتماعی در جنوب آفریقا هستند و در دسته‌های ۳۰ الی ۵۰ عضوی زندگی می‌کنند. میرکت‌ها دوست دارند به صورت گروهی و دارودسته‌ای گشت‌وگذار کنند و اگر یکی از آن‌ها با یک حیوان شکارچی رو‌به‌رو شود، روی دو پای خود می‌ایستد و با تولید مجموعه‌ای از صداها‌ی پیچیده، به دوستان خود هشدار می‌دهد. این حیوانات برای تفکیک هشدار خود درباره شکارچیان هوایی یا زمینی و همچنین دسته‌بندی درجه خطر، از صداهای مختلفی مانند پارس کردن و سوت زدن استفاده می‌کنند تا امنیت دیگر اعضای گروه را تامین کنند.

حیوانات اجتماعی مختلفی از جمله دم‌عصایی‌ها، ساردین‌ها (نوعی ماهی)، زنبورها و پنگوئن‌ها از زندگی اجتماعی و گروهی نفع می‌برند. مثلا در مواقع مقابله با شکارچی‌ها، شکار و یافتن جفت، زندگی گروهی برای این حیوانات بسیار کمک‌کننده است. در چنین شبکه‌هایی هرچه تعداد نودها بیشتر باشد، بهتر است.

با این حال اگر به هر دلیلی جمعیت این حیوانات اجتماعی کاهش یابد، منافع آن‌ها سریعا از بین می‌رود و جمعیت آن‌ها بیشتر در معرض فروپاشی و انقراض قرار می‌گیرند. از طرف دیگر اگر جمعیت به سرعت رشد کند و فضای زندگی کوچک باشد، منافع آن‌ها به دلیل ازدیاد جمعیت از بین می‌رود و جمعیت در وضعیت پایدار و ثابت قرار می‌گیرد.

آستانه اَلی

این یک مفهوم مهم در زیست‌شناسی است زیرا برای اولین بار به وسیله این مفهوم درک شد که یک نقطه اوج به نام «آستانه اَلی» (Allee threshold) وجود دارد که در این نقطه، جمعیت در امنیت بیشتری به سر می‌برند و در نتیجه به عنوان یک جمعیت، به سرعت رشد می‌کنند و این یک اثر شبکه زیست‌محیطی است.

وقتی در یک گروه دم‌عصایی اعضای کافی وجود ندارد که همدیگر را از خطرات آگاه کنند، احتمال شکار اعضا توسط یک شکارچی افزایش می‌یابد. پس از این نقطه، وضعیت به شکل یک چرخه متحرک درمی‌آید. زیرا با کاهش تعداد میرکت‌ها توان آن‌ها برای حفاظت از خود نیز کاهش می‌یابد و جمعیت آن‌ها رفته‌رفته کوچک‌تر می‌شود.

این مفهوم برای یک محصول فناوری نیز قابل تعمیم است. اگر یک اپلیکیشن پیام‌رسان کاربران کافی نداشته باشد، برخی از کاربران آن را حذف خواهند کرد. با کاهش تعداد کاربران، احتمال ترک شبکه توسط کاربران دیگر نیز افزایش می‌یابد و این در نهایت منجر به رکود و فروپاشی شبکه می‌شود (این همان اتفاقی است که برای شبکه اجتماعی مای‌اسپیس (MySpace) افتاد و فیسبوک اعضای این شبکه را به خود جذب کرد. همچنین زمانی که مشتریان و توسعه دهندگان اپلیکیشن‌، شرکت بلک‌بری (BlackBerry) را رها کرده و به سمت گوگل و گوشی‌های هوشمند اپل رفتند نیز چنین اتفاقی افتاد).

از سوی دیگر، اگر دسته دم‌عصایی‌ها سالم و قوی باشد چه اتفاقی می‌افتد؟

در این صورت دم‌عصایی‌ها رشد می‌کنند، تولید مثل می‌کنند و احتمالا دسته جدید تشکیل می‌دهند. اگر به بالای آستانه الی برسد، جمعیت دم‌عصایی‌ها رشد خواهد کرد؛ زیرا گروه سالم و حفاظت‌شده است. در این صورت میرکت‌ها تولید مثل بیشتری خواهند کرد و حتی اگه حیوانات شکارچی‌ تعدادی از اعضا را شکار کنند، باز هم آمار کلی جمعیت بالا خواهد بود و جمعیت به رشد خود ادامه خواهد داد.

اما این وضعیت پایدار نخواهد بود؛ زیرا منابع محدود هستند (برای مثال، حشرات و میوه موردعلاقه دم‌عصایی‌ها محدود است). با افزایش جمعیت، بسته به نوع محیط یک محدودیت طبیعی برای منابع به‌وجود می‌آید که به آن ظرفیت تحمل می‌گویند. برای حیوانات اجتماعی مانند دم‌عصایی و ماهی قرمز، الگوی ازدیاد جمعیت به این شکل است که ابتدا به صورت یک خط صاف آغاز می‌شود، سپس به یک نقطه عطف رسیده و با رشد سریع از آستانه الی عبور می‌کند و در نهایت پس از اشباع و رسیدن به ظرفیت تحمل، دوباره سقوط می‌کند.

مدل اثر شبکه مورد ذکرشده در حوزه فناوری، زمانی رخ می‌دهد که «ازدحام بیش ازحد» کاربران افزایش یافته باشد. برای مثال در اپلیکیشن‌های ارتباطی، پیام‌های بسیار زیادی دریافت می‌کنید. در محصولات اجتماعی ممکن‌ است محتوای بیش از حد در فید‌ها موجود باشد یا در بازارهای انلاین، محصولات بسیار زیادی لیست شود و یافت گزینه مناسب برای کاربر سخت شود.

اگر ابزارهایی مثل ضد اسپم (هرزنامه)، فیدهای الگوریتمی و سایر موارد را فعال نکنید، شبکه به زودی غیر قابل‌ استفاده می‌شود. اما اگر با استفاده از ابزارهای صحیح، به قابلیت کشف و مقابله با هرزنامه‌ در شبکه کمک کرده و ارتباط با رابط کاربری شبکه را افزایش دهید، ظرفیت تحمل کاربران نیز افزایش خواهد یافت.

چگونگی فروپاشی شبکه‌ها

این الگو‌های حرکتی در دهه ۱۹۳۰ برای اولین بار توسط واردر کلاید الی (Warder Clyde Allee)، پروفسور دانشگاه شیکاگو و یکی از پیشگامان بوم‌شناسی آمریکا، معرفی شد (اسامی منحنی و آستانه الی از اسم این شخص گرفته شد). کلاید در مقاله‌ای با عنوان «مطالعاتی در اجتماعات حیوانات؛ حفاظت گروهی ماهی‌های قرمز در برابر نقره کلوئیدی» که به کمک ایدث بوون (Edith Bowen) نوشته شده است، مشاهده کرد که ماهی‌های قرمز به سرعت رشد می‌کنند و می‌توانند به صورت گروهی در برابر آلودگی و سمی بودن آب مقاومت کنند. همانند پرندگانی که در دسته‌های مختلف پرواز می‌کنند که بتوانند حیوانات شکارچی را گمراه و به‌ راحتی در برابر آن‌ها مقاومت کنند. همانند دسته دم‌عصایی‌ها که همدیگر را از خطرات آگاه می‌کنند، ماهی‌های قرمز نیز الگوی حرکتی مشابهی دارند.

منحنی الی

منحنی الی در مطالعات مربوط به چگونگی فروپاشی و از هم گسستن شبکه‌ها کاربرد دارد. عبور از آستانه الی برای گروه ماهی‌های قرمز اهمیت زیادی دارد. زیرا در این صورت می‌توانند نرخ رشد منفی و کم خود را تغییر و به یک جمعیت خودپایدار تبدیل شوند. برای مثال اگر ماهی‌های ساردین را بیش از حد شکار کنید، جمعیت آن‌ها را به زیر آستانه می‌برید.

مشابه این امر، چرا باید از اپلیکیشن پیام‌رسانی استفاده کنید که هیچ کدام از دوستانتان از آن استفاده نمی‌کنند؟ چند بار وارد این اپلیکیشن خالی می‌شوید و نهایتا شما نیز آن را حذف می‌کنید.

مثال دیگر برای این الگو، نرخ تبدیل رانندگان اپلیکیشن اوبر (Uber) است. زمانی که تعداد رانندگان در شهر کم است، برای یک تاکسی اینترنی مدت زمان (ETA – زمان تقریبی رسید) بیشتری باید صبر کرد. در نتیجه نرخ تبدیل پایین است، زیرا کسی مایل نیست برای یک تاکسی اینترنتی نیم ساعت صبر کند! تا زمانی که تعداد رانندگان کم است، ارزش‌گذاری به کاربر نیز به صفر مایل می‌شود.

زمانی که از نقطه اوج عبور کنید، استفاده از اپلیکیشن به نوعی ناخوشایند می‌شود اما اپ هنوز قابل استفاده است. زمان تخمینی پیدا کردن راننده به ۵ یا ۱۰ دقیقه می‌رسد. در واقع هر چه شبکه رانندگان بزرگ‌تر شود، استفاده از شبکه نیز راحت‌تر خواهد شد.

الگوی رفتاری دم‌عصایی‌ها در فناوری و زندگی انسان‌ها

الگوی ریاضی دم‌عصایی‌ها که زندگی این حیوانات اجتماعی را مدیریت می‌کند، برای زندگی ما نیز قابل تعمیم است. می‌توان انسان را نیز نوعی موجود اجتماعی فرض کرد که از طریق کارهایی مانند اشتراک‌گذاری عکس‌، خریدوفروش کفش، اشتراک‌گذاری پروژه‌های کاری و تقسیم هزینه شام، با یکدیگر در ارتباط هستند. شبکه زندگی ما انسان‌ها به جای شکار و جفت‌گیری، در خریدوفروش‌های روزانه و انتخاب شریک مناسب برای زندگی به ما کمک می‌کند.

همان‌طور که یک شبکه اجتماعی مانند دارودسته دم‌عصایی‌ها برای فعالیت خود به حداقل تعداد اعضا نیازمند است و همان‌گونه که یک اپلیکیشن پیام‌رسان بیشتر و بیشتر رشد کرده و سپس اشباع می‌شود، سرعت رشد دیگر موجودات نیز پس از ازدیاد جمعیت در یک محیط، کاهش می‌یابد.

با اینکه شرایط دنیای حیوانات و حوزه فناوری متفاوت‌اند، الگو و مفاهیم برای هر دو یکسان‌اند:

  • اثر الی = اثر شبکه
  • آستانه الی = نقطه اوج
  • ظرفیت تحمل = اشباع

امروزه ما در این حوزه از اصطلاحات مربوط به فناوری (اثر شبکه، نقطه اوج و اشباع) استفاده می‌کنیم. اما از زحمات پروفسور الی نیز باید قدردانی کنیم که الگو‌های جمعیتی حیوانات را معرفی کرد و به مدت چند قرن با پیش‌بینی الگوهای دینامیکی مشکل، پیش‌بینی کرد که این جمعیت‌ها با سرعت رشد و سپس به ازدیاد جمعیت دچار می‌شوند. با استفاده از این مفاهیم می‌توانیم توضیح دهیم که یک محصول فناوری چگونه با استفاده از اثر شبکه راه‌اندازی شده، درجه‌بندی می‌شود و بازار خود را حفظ می‌کند.

نتیجه‌گیری

در این مقاله کاربرد قانون متکالف در اثر شبکه را بررسی کرده و پی‌بردیم که این قانون برای شبکه‌های حوزه فناوری جامع و کامل نیست و بخش‌های مهمی را از قلم می‌اندازد. با بررسی الگو‌های رفتاری حیوانات، تئوری و الگوی منحنی الی را معرفی کردیم که جایگزین بهتری برای قانون متکالف در بررسی اثر شبکه است. در واقع مبانی نظری این تئوری، از این باور عمومی دوقطبی معمول که «محصولات فناوری یا اثر شبکه دارند یا ندارند»، غنی‌تر و عمیق‌تر است.

قبلی «
بعدی »

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *