(*  책 '플랫폼 레볼루션' 독서 후 정리한 내용 )

플랫폼 비즈니스 경쟁력의 원천

네트워크 효과란 플랫폼의 여러 사용자들이 네트워크를 형성하여 커뮤니티 활동을 하면서 개별 사용자에게 가치를 창출하게 되는 현상이다

긍정적인 네트워크 효과란 잘 관리되고 있는 대형 플랫폼 커뮤니티가 개별 사용자를 위해 상당한 가치를 생산해내는 현상이다.

부정적인 네트워크 효과란 형편없이 관리되는 플랫폼 커뮤니티가 개별 사용자에게 가치를 생산해내지 못하고 오히려 가지고 있던 가치를 더 하락시키기도 하는 현상이다.

 

긍정적 네트워크 효과는 플랫폼 비즈니스에서 가치 창출과 경쟁력의 주요 원천이다.

 

왜 부정적인 네트워크가 형성되는지, 플랫폼 비즈니스 관리자는 무엇을 할 수 있는가?

긍정적 네트워크 효과를 통한 가치 창출의 원리를 이해하는 것이 이번 장에서 중요하다.

 

 

수요에도 규모의 경제가 구현되고 있다

20세기 산업화 시대의 거대 독점 기업들은 규모의 공급경제에 기초해 생겨났다.

규모의 공급경제는 생산 효율성에 따라 추동됐고 이는 생산량 증가를 통해 제품이나 서비스의 단위 생산 비용을 낮추는 방식이다. 이러한 규모의 공급경제는 엄청난 비용 우위를 제공하여 다른 경쟁자들의 추격을 어렵게 만든다.

 

21세기 인터넷 시대의 기업들은 규모의 수요 경제를 통해 생겨났다.

규모의 수요 경제는 소셜 네트워크의 효율성, 수요 결집, 앱 개발, 기타 네트워크가 크면 클수록 사용자들에게 더 많은 가치를 가져다주는 현상에 따라 움직인다.

네트워크 효과를 통해 이룬 성장은 시장 확대로 이어진다. 신규 구매자들이 시장에 들어오는 이유는 네트워크에 참여하는 친구들의 수가 점점 늘어나는데 매력을 느끼기 때문이다.

 

양면 네트워크 효과가 발휘되고 있다

플랫폼의 네트워크가 잘 관리되는 경우 서비스제공자와 사용자 사이에 서로 네트워크 안으로 끌어들이는 효과가 나타나게 된다.

플랫폼 기업들은 이 현상을 이용하여 비용을 들여서라도 시장의 한쪽으로 참여자들을 끌어들이려 한다. 플랫폼의 한쪽 면에 참여자들을 불러올 수 있으면 다른 쪽도 따라올 거라는 사실을 이용한 것이다.

(*  책 '플랫폼 레볼루션' 독서 후 정리한 내용 )

공급자 성격이 달라지고 있다

기존 파이프라인 사업에서 공급은 비용을 들여 자원을 준비해야 함을 의미했다.

하지만 플랫폼 시장에서 공급은 여러 형태의 커뮤니티에서 유휴 자원, 장치, 설비 등을 제공하는 것을 의미한다.

 

랜터카 업체 허즈 - 떠나는 여행객들의 자동차를 빌려서 도착하는 여행객들에게 빌려준다. 빈 차를 세워 두느라 주차비를 지불해야 했던 사람들이 돈을 받게 된다.

 

유튜브 - 일반 방송국은 방송시스템을 모두 갖춰놓아야 하지만 유튜브는 시청자들이 직접 만든 영상 컨텐츠를 황용한다

 

플랫폼 중계를 통해 유휴자원을 시장에 끌어들이는 것은 좋지만 낯선 이들에게 자신의 유휴자원을 빌려준 후 정상적인 상태로 돌려받을 수 있을지 등의 신뢰문제가 진입장벽이라고 볼 수 있다.

이러한 이유 때문에 플랫폼 업체는 채무 불이행 보험을 들어주고 올바른 처신을 독려하는 평판 시스템 도입으로 진입장벽을 어느정도 낮췄다고 할 수 있다.

 

품질 관리 방식이 바뀌고 있다

모든 종류의 플랫폼 업체는 고객의 피드백 loop를 이용해 품질 관리를 해 나간다.

고객의 피드백을 통해 컨텐츠 품질을 모니터링 하거나 서비스 제공자의 평판에 대한 커뮤니티의 반응을 수집할 수 있으며 이를 통해 좋은 컨텐츠 또는 서비스 제공자는 더 많은 고객들이 찾는 선순환 구조로 운영되게 될 것이다.

부정적인 피드백이 많은 컨텐츠는 플랫폼에서 완전히 사라지게 된다.

 

기존 파이프라인 사업에서 제품품질 관리는 많은 비용과 노력이 필요하게 된다.

 

플랫폼 업체의 품질관리 방식이 피드백의 투명성만 관리한다면 더 효과적이라고 볼 수 있다.

 

기업 활동의 초점이 이동하고 있다

플랫폼 사업의 가치는 대부분 사용자 커뮤니티에 의해 생성된다 따라서 커뮤니티를 생성하거나 관계 맺기, 기존 커뮤니티를 관리하는데 초점을 두어야 한다. 커뮤니티를 통해 더 좋은 아이디어나 영감을 얻을 수도 있다.

'프로그래밍 > html+css' 카테고리의 다른 글

css 포지셔닝과 주요속성들  (0) 2019.07.28
css와 박스모델  (0) 2019.07.28
텍스트 관련 스타일  (0) 2019.07.27

(* DeepLearning from scratch2 서적을 학습한 후 정리한 내용임 )

1.2.1 신경망 추론 전체 그림

2개 데이터를 입력하여 3개 데이터를 결과로 출력하는 신경망 구현을 가정합니다.

3개의 층으로 구현됩니다.

(1) 입력층 : 2개의 뉴런으로 구성

(2) 은닉층 : 4개의 뉴런으로 구성

(3) 출력층 : 3개의 뉴런으로 구성

(* 3개의 층으로 구성되어 있지만 가중치를 지니고 있는 층은 입력층과 은닉층 사이, 은닉층과 출력층 사이 2개 이므로 이 책에서는 이 모델을 "2층 신경망" 이라고 부릅니다. )

 

위의 그림에서 원은 뉴런을 의미한다.

x1, x2:입력값

Wh11, Wh12,Wh13, Wh14 : X1값이 은닉층 4개의 뉴런에 영향을 주는 가중치값

Wh21, Wh22,Wh23, Wh24 : X2값이 은닉층 4개의 뉴런에 영향을 주는 가중치값

h1, h2, h3, h4 :  x1, x2 입력값이 가중치에 따라 은닉층 4개의 뉴런에 전달된 값

Wy11, Wy12, Wy13 : h1값이 출력층 3개의 뉴런에 영향을 주는 가중치값

Wy21, Wy22, Wy23 : h2값이 출력층 3개의 뉴런에 영향을 주는 가중치값

Wy31, Wy32, Wy33 : h3값이 출력층 3개의 뉴런에 영향을 주는 가중치값

Wy41, Wy42, Wy43 : h4값이 출력층 3개의 뉴런에 영향을 주는 가중치값

y1, y2, y3 : h1, h2, h3, h4 히든층 뉴런값으로 부터 가중치에 따라 출력층 3개의 뉴런에 전달된 값

 

은닉층의 4개 뉴런값을 수식으로 정리하면 다음과 같다

h1 = X1 * Wh11 + X2 * Wh21 + bh1

h2 = X1 * Wh12 + X2 * Wh22 + bh2

h3 = X1 * Wh13 + X2 * Wh23 + bh3

h4 = X1 * Wh14 + X2 * Wh24 + bh4

 

위 공식을 행렬 곱으로 표현하면 다음과 같다.

[ X1  X2] * [Wh11  Wh12   Wh13   Wh14]   + [ bh1  bh2  bh3  bh4 ] =  [ h1  h2  h3  h4]

                    [Wh21  Wh22   Wh23   Wh24]

 

위 행렬 곱 공식에서 각 행렬을 간소화하면 다음과 같다

 

X * Wh + bh = h

(이후 행렬을 간소화해서 알파벳으로 표현할 때는 굵은 글씨체 사용)

 

행렬 곱 연산이 정상처리되려면 각 행렬의 형태가 규칙에 맞아야 한다. 즉, 행렬 곱 연산자 좌측행렬의 열 개수와 우측행렬의 행 개수가 같아야 한다

 

위의 간소화 공식에서 X 행렬은 1 * 2  (행 개수가 1개 , 열 개수가 2개 의미)

                                   Wh 행렬은 2 * 4 (행 개수가 2개, 열 개수가 4개 의미)

                                    bh 행렬은 1 * 4 (행 개수가 1개, 열 개수가 4개 의미)

                                     결과 행렬인 h 행렬은 1 * 4 (행 개수가 1개, 열 개수가 4개 의미)

 

위 행렬 형태는 입력데이터가 (X1, X2) 한 개인 경우이고 보통 복수 개(N개)의 데이터를 준비한 경우 반복적으로 미니 배치 형식으로 학습을 시키게 되므로 실제 학습진행 시 행렬 형태는 아래와 같게 된다.

X (N × 2) * Wh (2 × 4) + bh( N × 4) = h(N × 4)

 

신경망은 사람의 뇌에서  뉴런으로 전기신호가 전달되는 과정을 모델링 한 것이다.

뉴런으로 전기신호가 전달 될 때 어느 크기 이상이 되어야 다음 뉴런으로 전달되게 되는 특성이 있다.

이를 신경망으로 구현하려면 비선형 함수가 추가되어야 한다. 이 비선형함수를 활성화함수라고 하며 여러 종류의 활성화함수 중에서 쉬운 Sigmoid 함수를 사용한다. 임의의 실수를 입력받아 0에서 1사이의 실수를 출력한다.

파이썬으로 구현해보면

def  sigmiod(x):

      return 1 / (1 + np.exp(-x))

 

 

(*  책 '플랫폼 레볼루션' 독서 후 정리한 내용 )

에어비엔비 : 임시 숙소 공유 서비스 제공업체

 

브라이언 체스키와 조 게비아는 신참 디자이너로 샌프란시스코로 이주 후 아파트 임대료가 너무 비싸 고민 끝에 주변 컨벤션 행사 참석자 중 숙소를 찾지 못한 사람들 대상으로 주말에 파트타임 관광 가이드 서비스와 에어 메트리스 제공하고 비용을 받기로 하였다.  3명의 고객을 받아 천달러를 벌고 그것으로 임대료를 낼 수 있었다.

  그 후 저렴하게 방을 빌려주는 일을 장기 사업으로 전환하기 위해 네이선 블레차르지크를 영입하였다.

지금은 호텔방 하나 소유하지 않고도 기업가치가 100억 달러를 넘는 큰 사업으로 확장하였다.

 

이와 유사한 형태로 성공한 사업들이 여럿 있다.

 * 스마트폰 기반 차량 공유 서비스 기업 우버

 * 세계 최대의 장터인 타오바오

 * 직접 창작한 컨텐츠 없이 연 광고 수입이 140억 달러에 달하는 페이스북

 

자원들을 소유하지 않고 지속 가능한 사업이 될 수 있었던 이유는 바로 플랫폼의 위력 때문이다.

플랫폼은 기술을 이용해 사람과 조직, 자원을 인터렉티브한 생태계에 연결하여 엄청난 가치를 창줄하고 교환할 수 있게 해 준다.

기존에 존재하던 특정영역의 산업과 시장을 면밀히 관찰하여 특성을 찾아내고 그것을 플랫폼과 접속시켜 기존 산업에 큰 변화를 일으킬 수 있다.

정보를 핵심재료로 다루는 산업은 모두 플랫폼 사업 영역의 후보 대상이다.

 

플랫폼의 기본 정의를 정리해보자

플랫폼이란 외부 생산자와 소비자가 상호작용 하면서 가치를 창출할 수 있게 해 주는 것에 기반을 둔 비즈니스이다.

생산자와 소비자간에 상호작용이 활발히 일어날 수 있도록 참여를 독려하는 개방적인 인프라를 제공하고 그에 맞는 거버넌스를 구축한다.

플랫폼의 중요한 목적은 생산자와 소비자 간에 서로에게 꼭 맞는 상대를 만나서 상품이나 서비스, 또는 사회적 통화를 서로 교환할 수 있게 해 주어 모든 참여자가 가치를 창출하게 하는데 있다.

 

해당 플랫폼이 활성화되기 위해서는 시간과 벽을 허물어 버리는 인터넷과 모바일 기술을 바탕으로 한 개방적인 인프라가 중요하다

 

플랫폼은 무엇을 어떻게 바꾸고 있나

 

플랫폼 세계에서는 다른 종류의 이용자들 - 일부 생산자와 일부 소지자, 그리고 때에 따라 생산자와 소비자 역할을 동시에 수행하는 사람들 - 이 서로만나고, 상호작용을 일으키면서 플랫폼이 제공하는 자원을 사용한다. 이런 과정에서 이들은 가치 있는 무언가를 교환하고 소비하며 때로는 함께 만들어 내기도 한다.

 

게이트키퍼가 사라지고 있다

 

전통적인 파이프라인기업과 플랫폼기업이 경쟁하게 되면 대부분 플랫폼기업이 이긴다

그 이유 중 하나는 파이프라인 기업은 생산자에서 소비자로 흘러가는 가치 흐름을 통제할 때 비효율적인 게이트키퍼에 의존하고 있기 때문이다.

예를 들면, 전통적 출판 산업에서 편집자는 그들 앞에 놓인 수천 종의 원고들과 필자들 중에서 몇 권의 책과 저자를 선별하면서 자신의 선택이 인기를 얻기를 바란다. 이런 과정은 시간이 매우 많이 들고 노동 집약적인 데다 직관과 추측에 많이 의존하게 된다.

이와 반대로 아마존 킨들 플랫폼은 실시간으로 소비자의 피드백을 받아 가면서 어떤 책이 성공하고 실패할지 결정할 수 있다.

이처럼 게이트키퍼가 사라지게 되면 소비자들은 더 자유롭게 자신들에게 적합한 상품을 고를 수 있다.

(* DeepLearning from scratch2 서적을 학습한 후 정리한 내용임 )

1.1 수학과 파이썬 복습

 1.1.1 벡터와 행렬

   벡터 : 크기와 방향을 가진 양

           숫자가 일렬로 늘어선 집합

           파이썬에서는 1차원 배열로 처리 (행벡터(세로줄)와 열벡터(가로줄) 2가지 종류)

           => 해당 교재에서는 행벡터를 주로 사용

   행렬 : 숫자가 2차원 형태로 늘어선 것

           파이썬에서 2차원 배열로 처리

           가로줄을 행(row), 세로줄을 열(col)

           3 * 2 행렬이란 3행 2열 행렬이며 3행은 3개의 가로줄을 의미, 2열은 2개의 세로줄로 구성되었음을 의미

 

           1   2   ===>> 행

           3   4

           5   6

           ↓

           열

 

 

넘파이에서 행렬관련 함수 사용 예제

import numpy as np

x = np.array([1, 2, 3]) # 넘파이 함수 array를 사용하여 np.ndarray 클래스 개체를 생성

                            # 해당 클래스에는 다양한 메서드와 변수 제공됨. 예를 들면 shape, ndim

x.shape 

(3,)       #1*3 형태의 벡터 의미

x.ndim

1         #x의 차원수, x의 행수 리턴

#===================================#

x = np.array([[1,2,3],[4,5,6]])

x.shape

(2,3)

x.ndim

2

 

  1.1.2 행렬의 원소별 연산

W = np.array([[1,2,3],[4,5,6]])

X = np.array([[0,1,2],[3,4,5]])

W + X   #원소별 덧셈연산 처리됨

[[1, 3, 5],[7,9,11]]  #결과

 

W * X   #원소별 곱셈연산 처리됨

[[[0, 2, 6],[12, 20, 30]]

 

  1.1.3 브로드캐스트

넘파이에서 서로 다른 차원의 행렬끼리 연산처리시 브로드캐스트 기능 적용됨

브로드캐스트 기능:

  서로 다른 차원의 2개의 행렬을 연산시 두행렬의 행 크기가 큰 쪽에 맞춰 작은쪽 행을 늘리되 늘어난 행들의 값은 늘리기 전의 행의 마지막 값으로 복사한다

  마찬가지로 두 행렬의 열 크기가 큰 쪽에 맞춰 작은쪽 열을 늘리되 늘어난 열들의 값은 늘리기 전의 열의 마지막 값으로 복사한다

이렇게 두 행렬의 행과 열의 차원을 모두 맞춘 후 연산을 진행하게 되는데 이런 기능을 브로드캐스트라고 한다

 

예를 들어 

   [ 1, 2]  + [10, 20]  ==>브로드캐스트 기능 적용==> [1,2] + [10,20]  =>원소별 연산 => [11, 22]

   [ 3, 4]                                                                                  [3,4]    [10,20]                                    [13, 24]

 

1.1.4 벡터의 내적과 행렬의 곱

 

* 벡터내적

2개의 벡터 X=(X1, X2, ..., Xn), Y = (Y1, Y2, ..., Yn)에 대한 벡터 내적은 다음과 같다.

 

                X · Y = X1Y1 + X2Y2 + ... + XnYn

 

벡터의 내적은 두 벡터에서 대응하는 원소들의 곱을 모두 더한 것이다

내적의 의미는 두 벡터가 얼마나 같은 방향을 향하고 있는가를 나타낸다. 값이 클 수록 같은 방향을 향하고 있음을 의미한다

* 행렬의 곱

두 행렬의 곱은 왼쪽 행렬의 행벡터(가로방향)와 오른쪽 행렬의 열벡터(세로방향)의 내적(원소별 곱의 합)으로 계산한다

 

벡터와 행렬의 곱은 넘파이의 numpy의 dot() 와 matnul() 메서드를 이용한다

 

a = np.array([1,2,3])

b = np.array([4,5,6])

np.dot(a, b)

==> 1*4 + 2*5 + 3*6 = 32

 

A = np.array([ [1,2],[3,4]])

B = np.array([ [5,6],[7,8]])

np.matmul( A, B )

==> [1 * 5 + 2 * 7 = 19,   1 * 6 + 2 * 8 = 22]

         [3 * 5 + 4 * 7 = 43,   3 * 6 + 4 * 8 = 50]

 

1.1.5 행렬 형상 확인

두 행렬의 곱을 계산할 때 좌측행렬의 열수와 우측행렬의 행수가 같아야 연산이 가능하며 그 결과로 나오는 행렬의 행수는 좌측행렬의 행수와 동일하고 결과행렬의 열수는 우측행렬의 열수와 동일하다

 

 

  

 

+ Recent posts