استراتژی‌های لانچ پلتفرم‌ در عصر هوش مصنوعی

مقدمه

در دنیای فناوری‌محور امروز، پلتفرم‌های دوطرفه (Two-Sided Marketplaces) به موتور تحول بسیاری از صنایع تبدیل شده‌اند. این پلتفرم‌ها با ایجاد ارتباط مستقیم بین تولیدکنندگان و مصرف‌کنندگان ارزش‌آفرینی می‌کنند و مدل‌های سنتی کسب‌وکار را به چالش می‌کشند[1]. نمونه‌های مشهوری مانند اوبر (Uber) در حمل‌ونقل، ایربی‌ان‌بی (Airbnb) در مهمان‌یابی و آمازون (Amazon) در خرده‌فروشی نشان داده‌اند که چگونه یک پلتفرم می‌تواند با تسهیل تعاملات، صنایع قدیمی را متحول کند. با این حال، راه‌اندازی یک پلتفرم دوطرفه چالش‌های منحصر‌به‌فردی دارد که آن را از محصولات معمولی (Pipeline businesses) متمایز می‌سازد. مهم‌ترین این چالش‌ها همان معضل مرغ و تخم‌مرغ است که به سختی جذب همزمان عرضه‌کنندگان و تقاضاکنندگان اشاره دارد[2]. در این پست، ضمن تبیین راهبردهای کلاسیک معرفی‌شده در کتاب Platform Revolution برای غلبه بر این معضل، به نقش مفاهیم مکمل مانند نظریه اگریگیشن (Aggregation Theory) و تاثیر هوش مصنوعی در رویکردهای نوین لانچ پلتفرم‌ها نیز می‌پردازیم. هدف ما ارائه نگاهی تحلیلی و کاربردی برای متخصصان تکنولوژی و مدیران محصول است تا با درک عمیق‌تری از استراتژی‌های لانچ، در عصر AI تصمیمات بهتری بگیرند.

چالش مرغ و تخم‌مرغ در لانچ پلتفرم

برای یک پلتفرم دوطرفه، ارزش زمانی ایجاد می‌شود که هر دو سمت بازار (عرضه و تقاضا) حضور فعالی داشته باشند. اما در آغاز کار، هیچ تولیدکننده‌ای حاضر نیست بدون وجود مصرف‌کننده وارد پلتفرم شود و بالعکس[2]. این دور باطل که به «مشکل مرغ یا تخم‌مرغ» مشهور است، علت شکست بسیاری از پلتفرم‌های نوپا بوده است[2]. در حقیقت، بنیان‌گذاران پلتفرم باید به‌نحوی این چرخه را بشکنند و یک‌سو را به‌قدر کافی جذب کنند تا سوی دیگر نیز انگیزه ورود پیدا کند. کتاب Platform Revolution تأکید می‌کند که غلبه بر این مشکل حیاتی است و استراتژی‌های متعددی را برای آن پیشنهاد می‌دهد[3]. در ادامه به هشت استراتژی کلیدی راه‌اندازی پلتفرم (طبق این کتاب) و مثال‌های واقعی برای هر کدام می‌پردازیم.

استراتژی‌های کلاسیک لانچ پلتفرم‌های دوطرفه

بر اساس آموزه‌های Platform Revolution، هشت روش اثبات‌شده برای راه‌اندازی موفق یک پلتفرم دوطرفه وجود دارد[4]. این استراتژی‌ها به کسب‌وکارهای پلتفرمی کمک می‌کنند تا اولین کاربران را جذب کرده و اثرات شبکه‌ای اولیه را شکل دهند. در ادامه هر استراتژی را مرور کرده و نمونه‌هایی از پلتفرم‌های مطرح را ذکر می‌کنیم:

1. دنبال‌کردن خرگوش (Follow-the-Rabbit): در این روش، پلتفرم بر پایهٔ یک موفقیت غیرپلتفرمی پیشین بنا می‌شود تا اعتماد کاربران جلب شود[5]. به عنوان مثال، آمازون پیش از تبدیل شدن به یک پلتفرم Marketplace، یک خرده‌فروش آنلاین موفق (فروشگاه کتاب) بود. این شرکت پس از جذب انبوهی از مشتریان در کسب‌وکار خطی خود، پلتفرم Amazon Marketplace را راه‌اندازی کرد و به فروشندگان ثالث امکان داد تا به مشتریان آمازون دسترسی پیدا کنند؛ آمازون نیز از هر تراکنش کارمزد دریافت کرد[5]. بدین ترتیب آمازون با تکیه بر پایگاه کاربری موجود خود، به‌راحتی دو سمت بازار (فروشندگان و خریداران) را روی پلتفرم گرد هم آورد.

2. سواری گرفتن (Piggyback): در این رویکرد، پلتفرم از بستر یک شبکه یا پلتفرم موجود برای دسترسی به کاربران استفاده می‌کند[6]. به عبارتی به‌جای جذب کاربران از صفر، بر دوش یک پلتفرم پرمخاطب دیگر سوار می‌شود. نمونه‌ی مشهور این استراتژی، تاکتیک رشد اولیه ایربی‌ان‌بی (Airbnb) است. ایربی‌ان‌بی در آغاز کار، آگهی‌های میزبانان خود را به طور خودکار در سایت کریگزلیست (Craigslist) — که در آن زمان مرجع اصلی نیازمندی‌های آنلاین بود — منتشر می‌کرد. این اقدام هوشمندانه، کاربران انبوه کریگزلیست را به سمت Airbnb هدایت کرد و بدون هزینه‌ی تبلیغات سنگین، مشتریان زیادی برای پلتفرم به ارمغان آورد[7]. در واقع Airbnb با اهرم‌کردن جامعه آماده‌ی کریگزلیست توانست مشکل دیده‌شدن و جذب کاربر را حل کند، آن هم در حالی که تجربه‌ی کاربری مدرن‌تر و امکانات بهتری نسبت به کریگزلیست ارائه می‌داد[8][7].

3. بذرپاشی (Seeding): در استراتژی بذرپاشی، خود پلتفرم مستقیماً دست به ایجاد ارزش یا محتوا می‌زند تا اولین کاربران را جذب کند[9]. به بیان دیگر، ابتدا پلتفرم خودش تولیدکننده‌ی اولیه می‌شود تا کمبود محتوا/خدمت جبران شده و تقاضاکنندگان را به سمت پلتفرم بکشاند. نمونه‌ای از این رویکرد، راهبرد گوگل در لانچ سیستم‌عامل موبایلی اندروید بود. زمانی که گوگل می‌خواست اکوسیستم Android را شکل دهد، با یک مشکل مرغ و تخم‌مرغ مواجه بود: توسعه‌دهندگان اپ نیاز به کاربران داشتند و کاربران بدون وجود اپلیکیشن جذب نمی‌شدند. گوگل برای حل این مشکل، یک مسابقه‌ی بزرگ برگزار کرد و ۵ میلیون دلار جایزه برای بهترین اپلیکیشن‌های اولیه در دسته‌بندی‌های مختلف تعیین کرد[9]. این مشوق سخاوتمندانه، سیلی از اپلیکیشن‌ها را به اکوسیستم اندروید سرازیر کرد و برندگان مسابقه به‌سرعت رهبران بازار اپلیکیشن شدند که خود موجب جذب میلیون‌ها کاربر به پلتفرم اندروید شد.

4. مارک (Marquee): استراتژی مارک به معنای جذب کاربران یا شرکای کلیدی از طریق مشوق‌های ویژه است[10]. در این روش، پلتفرم حاضر است هزینه کند یا امتیازات قابل‌توجهی بدهد تا چند بازیگر مهم (که حضورشان برای اعتبار یا جذابیت اکوسیستم حیاتی است) را وارد پلتفرم کند. برای مثال، اداره پست سوئیس در سال ۲۰۰۹ برای راه‌اندازی پلتفرم تحویل دیجیتال مرسولات خود، با چالشی مواجه بود: چگونه کاربران سنتی را متقاعد کند که به جای نامه‌رسانی فیزیکی از سرویس دیجیتال استفاده کنند. راه‌حل آن‌ها یک مشوق چشمگیر بود: توزیع هزاران دستگاه آی‌پد رایگان بین خانوارها! این اقدام هزینه‌بر، بسیاری از مشتریان مردد را ترغیب کرد که سرویس جدید را امتحان کنند و زیرساخت اولیه‌ی پلتفرم شکل گرفت[10]. به همین شکل، بسیاری از پلتفرم‌ها در ابتدا با یارانه دادن به یک طرف بازار (مثلاً تخفیف‌های سنگین به خریداران یا پرداخت تضمینی به عرضه‌کنندگان) تلاش می‌کنند کشش اولیه را ایجاد کنند تا پس از رسیدن به اندازه‌ی بحرانی، یارانه را حذف نمایند.

5. تک‌طرفه (Single-side): در این استراتژی، ابتدا یک کسب‌وکار تک‌سویه برای یک سمت بازار ایجاد می‌شود که به خودی‌خود ارزشمند است، سپس در گام بعدی سمت دوم به آن اضافه می‌گردد[11]. این یعنی پلتفرم در ابتدا به‌عنوان یک محصول یا سرویس برای یک گروه از کاربران عمل می‌کند و پس از کسب اندازه‌ی کافی، تبدیل به پلتفرم دوطرفه می‌شود. نمونه‌ی معروف، اوپن‌تیبل (OpenTable) است. اوپن‌تیبل امروز یک پلتفرم رزرو رستوران با دو سمت (رستوران‌ها و مشتریان) است، اما در آغاز کار با مشکل کلاسیک مواجه بود: بدون رستوران، مشتری نمی‌آید و رستوران‌ها هم بدون مشتری علاقه‌ای ندارند. اوپن‌تیبل این معضل را با تمرکز تک‌طرفه حل کرد؛ ابتدا یک نرم‌افزار مدیریت رزرو و میز را صرفاً برای رستوران‌ها توسعه داد و آن را رایگان در اختیار رستوران‌ها گذاشت. این ابزار مشکلات داخلی رستوران‌ها را حل می‌کرد و لذا تعداد زیادی رستوران را جذب سیستم کرد. پس از آنکه تعداد کافی رستوران در شبکه حاضر شدند، اوپن‌تیبل بخش کاربری رزرو آنلاین برای مشتریان را فعال کرد و عملاً پلتفرم دوطرفه شکل گرفت[11]. با این روش، اوپن‌تیبل توانست ابتدا یک سمت (عرضه) را بدون وابستگی به سمت دیگر توسعه دهد.

6. تبلیغ تولیدکننده (Producer Evangelism): در این رویکرد، طراحی پلتفرم به‌گونه‌ای است که تولیدکنندگان را ترغیب می‌کند مشتریان خود را به همراه بیاورند[12]. در واقع پلتفرم با ارائه مزیتی به تولیدکنندگان/ارائه‌دهندگان محتوا، آن‌ها را به پیوستن تشویق کرده و سپس آن‌ها خود به‌صورت طبیعی شبکه‌ای از مصرف‌کنندگان را وارد پلتفرم می‌کنند. مصداق بارز این استراتژی، پلتفرم‌های کرادفاندینگ مانند کیک‌استارتر (Kickstarter) یا ایندی‌گوگو (Indiegogo) هستند. این پلتفرم‌ها با جذب خالقان پروژه‌ها(طراحان، مخترعان و هنرمندان که به تأمین مالی نیاز دارند) آغاز به کار کردند. خالقان با اشتیاق وارد سیستم می‌شدند زیرا زیرساخت فنی برای دریافت حمایت مالی را دریافت می‌کردند؛ سپس همین خالقان، حامیان مالی و طرفداران خود را از بیرون به پلتفرم دعوت می‌کردند تا از پروژه‌هایشان حمایت کنند[12]. بدین ترتیب، پلتفرم بدون تلاش مستقیم برای جذب توده‌ی مردم، از طریق تولیدکنندگان خود، کاربران (سرمایه‌گذاران خرد) را به دست می‌آورد. این رویکرد در صنایعی مانند آموزش آنلاین (جذب اساتید که دانشجویان خود را می‌آورند) یا مارکت‌پلیس‌های محتوا نیز دیده می‌شود.

7. پذیرش بزرگ (Big-Bang Adoption): این راهبرد شامل یک کمپین بازاریابی سنگین و انفجاری است تا در مدت کوتاهی تعداد زیادی کاربر از هر دو طرف جذب شوند[13]. برخلاف روش‌های تدریجی‌تر، اینجا پلتفرم تلاش می‌کند با یک رویداد یا موج تبلیغاتی، به جرم حیاتی اولیه دست یابد. هرچند اجرای آن پرهزینه یا پرریسک است، اما اگر موفق شود اثر شبکه‌ای سریعی ایجاد خواهد کرد. مثال معروف، داستان رشد Tinder (اپلیکیشن دوستیابی) است. تیندر در سال ۲۰۱۲ با یک حرکت هوشمندانه در دانشگاه USC لانچ کرد: تیم بازاریابی تیندر یک مهمانی دانشجویی ترتیب داد و از دانشجویان خواست قبل از ورود، اپلیکیشن را نصب کنند. نتیجه این شد که در همان شب، صدها دانشجوی حاضر (اعم از پسر و دختر) روی تیندر عضوشده و شروع به استفاده کردند[13]. این «انفجار» اولیه در یک جامعه‌ی کوچک (پردیس دانشگاه) کافی بود تا تیندر به جرم حیاتی برسد و سپس به سرعت در سایر دانشگاه‌ها و شبکه‌های اجتماعی فراگیر شود. بسیاری از پلتفرم‌های دوطرفه دیگر نیز از روش‌های بازاریابی ویروسی و رویدادمحور برای ایجاد موج اولیه بهره برده‌اند (مثلاً ارائه اعتبار رایگان سفر اول برای کاربران اوبر یا تخفیف ثبت‌نام اول در برنامه‌های سفارش غذای آنلاین).

8. بازار کوچک (Micro-market): آخرین استراتژی، شروع از یک بازارچه‌ی بسیار کوچک و متمرکز است که در آن کاربران ارتباطات نزدیکی با هم دارند[14]. ایده این است که پلتفرم در مقیاس کوچک (مثلاً یک شهر، یک گروه اجتماعی یا یک حوزه‌ی تخصصی) راه بیفتد تا بتواند به سرعت ارزش خود را اثبات کند و سپس به بازارهای بزرگ‌تر تعمیم یابد. فیس‌بوک (Facebook) نمونه عالی این رویکرد است. فیس‌بوک کار خود را در سال ۲۰۰۴ به عنوان یک شبکه اجتماعی مختص دانشجویان دانشگاه هاروارد آغاز کرد. با محدود کردن خدمات به دانشجویان آن دانشگاه، زاکربرگ توانست اطمینان حاصل کند که اغلب کاربران جدید حداقل یکدیگر را می‌شناسند و تعامل درون شبکه برایشان معنادار است. این جامعه کوچک به سرعت به اندازه بحرانی رسید و همه دانشجویان هاروارد را در بر گرفت. سپس فیس‌بوک به دانشگاه‌های دیگر گسترش یافت و در نهایت سراسر جهان را پوشش داد[14]. به طور مشابه، اوبر نیز کار خود را تنها در شهر سان‌فرانسیسکو با تعداد محدودی خودروی لوکس آغاز کرد و پس از تسلط بر آن بازار محلی، به شهرهای دیگر توسعه یافت. استراتژی بازار کوچک به پلتفرم امکان می‌دهد با منابع محدود، ابتدا یک جامعه وفادار ایجاد کند و ایرادات مدل کسب‌وکار را در مقیاس کوچک برطرف سازد. پس از موفقیت در این ابعاد، مقیاس‌پذیری به سایر بازارها آسان‌تر خواهد بود.

موارد زیر مروری مختصر بر هر هشت استراتژی و نمونه‌های شاخص آن‌ها ارائه می‌دهد:

استراتژی لانچ: دنبال‌کردن خرگوش

شرح مختصر: ساخت پلتفرم بر پایه‌ی موفقیت یک کسب‌وکار خطی موجود

نمونه‌ی اجرا: آمازون → راه‌اندازی Marketplace پس از موفقیت فروشگاه آنلاین[5]

استراتژی لانچ: سواری گرفتن

شرح مختصر: بهره‌گیری از شبکهٔ یک پلتفرم موجود برای جذب کاربر

نمونه‌ی اجرا: ایربی‌ان‌بی → استفاده از جامعه‌ی کریگزلیست برای آگهی‌ها[7]

استراتژی لانچ: بذرپاشی

شرح مختصر: ایجاد ارزش/محتوای اولیه توسط خود پلتفرم برای جذب مخاطب

نمونه‌ی اجرا: گوگل → جوایز نقدی برای ساخت اپ‌های اولیهٔ اندروید[9]

استراتژی لانچ: مارک

شرح مختصر: ارائه مشوق مالی/کالا به اعضای کلیدی یک سمت بازار

نمونه‌ی اجرا: پست سوئیس → اهدای آی‌پد رایگان برای جذب کاربران سنتی[10]

استراتژی لانچ: تک‌طرفه

شرح مختصر: شروع با سرویس به یک طرف (تبدیل به پلتفرم در مرحله بعد)

نمونه‌ی اجرا: اوپن‌تیبل → نرم‌افزار رایگان برای رستوران‌ها قبل از جذب مشتری[11]

استراتژی لانچ: تبلیغ تولیدکننده

شرح مختصر: جذب تولیدکنندگان همراه با مشتریانشان به پلتفرم

نمونه‌ی اجرا: کیک‌استارتر → ورود خالقان پروژه و حامیان آنها به‌صورت زنجیره‌ای[12]

استراتژی لانچ: پذیرش بزرگ

شرح مختصر: کمپین بازاریابی انفجاری برای جذب همزمان دو طرف بازار

نمونه‌ی اجرا: تیندر → لانچ در مهمانی دانشگاهی با ثبت‌نام انبوه همان‌جا[13]

استراتژی لانچ: بازار کوچک

شرح مختصر: آغاز فعالیت در یک جامعه یا بازارچه محدود و محلی

نمونه‌ی اجرا: فیس‌بوک → شروع در شبکه بسته دانشجویان هاروارد و سپس گسترش[14]

همان‌طور که دیده می‌شود، یک پلتفرم نوپا می‌تواند متناسب با شرایط خود، ترکیبی از این راهبردها را به‌کار گیرد. برای مثال، Uber در آغاز کار خود در سان‌فرانسیسکو از استراتژی «بازار کوچک» بهره گرفت، اما همزمان با یارانه‌دادن به رانندگان و مسافران (مثال از استراتژی مارک) نفوذ خود را سریع‌تر کرد. اوبر حتی برای حل مشکل اعتماد مردم به سرویس اشتراک‌خودرو، در ابتدا عمداً به جای رانندگان عادی، از رانندگان حرفه‌ای (تاکسی‌ها و لیموزین‌های تشریفاتی) استفاده کرد تا تصور یک سرویس لوکس و امن را ایجاد کند[15][16]. این ترفند موجب شد اوبر بر ترس اولیه‌ی کاربران غلبه کند و در مرحله‌ی اول تنها بر جذب مسافران متمرکز شود، بی آنکه نگران کمبود راننده باشد[17]. چنین ترکیب خلاقانه‌ای از استراتژی‌های لانچ، نشان می‌دهد که مهم‌تر از دسته‌بندی نظری، درک دینامیک خاص هر بازار دوطرفه و کاهش اصطکاک برای اولین کاربران است[18].

نظریه اگریگیشن: تسلط با کنترل سمت تقاضا

یکی از چارچوب‌های مکمل برای تحلیل موفقیت پلتفرم‌ها در عصر دیجیتال، نظریه اگریگیشن (Aggregation Theory) از بن تامپسون است. این نظریه توضیح می‌دهد که چگونه پلتفرم‌های بزرگ (تجمع‌گرها) به شکل سیستماتیک بازارهای خود را تسخیر می‌کنند[19]. در دنیای پیش از اینترنت، شرکت‌های مسلط معمولاً آن‌هایی بودند که بخش عرضه یا توزیع را در زنجیره‌ارزش در انحصار داشتند – برای مثال روزنامه‌ها که کانال توزیع محتوا را کنترل می‌کردند یا شرکت‌های تاکسی‌رانی که مجوزها و ناوگان فیزیکی را در اختیار داشتند[20][21]. اما اینترنت این معادله را برهم زده است: هزینهٔ توزیع محتوا و خدمات را تقریباً به صفر رسانده و دسترسی به کاربران نهایی را آسان کرده است[22]. در نتیجه، قدرت اصلی به سمتی منتقل شده که رابط کاربری و ارتباط مستقیم با مصرف‌کننده را در اختیار دارد[23]. به بیان تامپسون، امروز موفق‌ترین پلتفرم‌ها آنهایی هستند که با ارائه بهترین تجربه کاربری، بیشترین کاربران را جذب می‌کنند؛ سپس حضور این انبوه کاربر، عرضه‌کنندگان را به پلتفرم می‌کشاند و عرضه به عنصری مازاد و ماژولار (commoditized) تبدیل می‌شود[23]. این چرخهٔ خودتقویت‌شونده باعث می‌شود پلتفرم‌های تجمع‌گرا هرچه بیشتر بزرگ شوند و حتی به حالت انحصار طبیعی برسند.

طبق نظریه اگریگیشن، شرکت‌هایی مانند فیس‌بوک و گوگل نمونه‌های شاخص تجمع‌گرا هستند که با تمرکز بر داده‌های کاربران و تجربه شخصی‌سازی‌شده، رقبا را کنار زده‌اند[24][25]. در حوزه بازارهای دوطرفه نیز این الگو صادق است: اوبر با در اختیار گرفتن میلیون‌ها کاربر (مسافر) و ارائه دسترسی آسان و امن به خودرو (از طریق یک اپ جذاب)، رانندگان را عملاً به تامین‌کنندگانی مازاد تبدیل کرد که برای اتصال به این مخزن بزرگ مسافر چاره‌ای جز پیوستن به اوبر نداشتند. مشابه همین وضعیت برای ایربی‌ان‌بی رخ داد؛ این پلتفرم با جمع‌آوری انبوهی از مسافران و گردشگران در مقیاس جهانی، تبدیل به دروازه ورود صاحبان اقامتگاه به بازار شد. در واقع بر اساس نظریه تجمع‌گرها، یک پلتفرم زمانی به تسلط می‌رسد که بتواند رابط مستقیم با مشتری را تصاحب کند و هزینهٔ جذب هر مشتری جدید را با افزایش مقیاس کاهش دهد[26][27]. اینجاست که داشتن یک اثر شبکه‌ای قوی و تجربه کاربری برتر به مزیت راهبردی تبدیل می‌شود. از منظر عملی، برای مدیران محصول این بدان معناست که در لانچ و رشد پلتفرم باید اولویت را به جذب و نگهداشت کاربران نهایی داد و حتی اگر به قیمت تسهیل یا ارزان کردن موقت خدمات برای آن‌ها باشد، این کار موجب شکل‌گیری چرخهٔ مثبتی می‌شود که در بلندمدت عرضه‌کنندگان نیز ناچار به حضور در سیستم خواهند شد[23]. نظریه اگریگیشن یک هشدار هم برای بازیگران سنتی دارد: در عصری که توزیع و مقیاس‌دهی با اینترنت آسان شده، دیگر تکیه بر دارایی‌های فیزیکی یا انحصار عرضه کافی نیست؛ بلکه ایجاد یک اکوسیستم کاربرمحور، چابک و داده‌محور ضامن بقا و پیروزی است[28][29].

نقش هوش مصنوعی در استراتژی‌های لانچ امروز

هوش مصنوعی (AI) به عنوان یکی از روندهای نوظهور دهه اخیر، در حال دگرگون‌ساختن نحوه شکل‌گیری و رشد پلتفرم‌ها است[30]. داده‌ها و الگوریتم‌ها از دید Platform Revolution اکنون به دارایی‌های کلیدی پلتفرم‌ها تبدیل شده‌اند[31]. یک پلتفرم با طراحی خوب، به طور مستمر داده‌های رفتاری کاربران را گردآوری و تحلیل می‌کند تا تطابق بهتری بین تولیدکننده و مصرف‌کننده ایجاد کند، تجربه کاربری را بهبود دهد و نوآوری‌های جدید را ممکن سازد[32]. الگوریتم‌های یادگیری ماشین می‌توانند در همان مراحل اولیه لانچ پلتفرم به یاری بیایند: برای مثال، سیستم‌های توصیه‌گر و شخصی‌ساز محتوا/کالا حتی با وجود شبکه کوچک کاربران اولیه، می‌توانند ارزش ادراک‌شده توسط هر کاربر را افزایش دهند و او را فعال نگه دارند[32][33]. همچنین AI می‌تواند با مطابقت هوشمند بین عرضه و تقاضا، مشکل مرغ و تخم‌مرغ را کمرنگ‌تر کند؛ چون کاربران با نرخ تطابق بالاتر، رضایت بیشتری کسب می‌کنند و سریع‌تر به توده بحرانی می‌رسند.

افزون بر این، هوش مصنوعی نقش مهمی در اعتمادسازی و کاهش اصطکاک در پلتفرم‌ها دارد. بسیاری از پلتفرم‌های دوطرفه در ابتدا با مسئله اعتماد مواجه‌اند (مثلاً اطمینان از ایمنی مسافر در اوبر یا صحت اطلاعات میزبان در ایربی‌ان‌بی). الگوریتم‌های AI پیشرفته اکنون برای شناسایی تقلب، سوءاستفاده یا ریسک به‌کار گرفته می‌شوند[34]. برای نمونه، Airbnb از مدل‌های یادگیری ماشین برای پیش‌بینی مهمانان متخلف یا میزبانان پرخطر بهره می‌گیرد تا قبل از وقوع مشکل، جلوی آن را بگیرد و اعتماد متقابل اکوسیستم را حفظ کند[35]. این اقدامات اعتماد‌ساز، به ویژه در مراحل لانچ که سابقهٔ زیادی وجود ندارد، حیاتی هستند تا کاربران جدید با خیال آسوده به پلتفرم بپیوندند.

عصر هوش مصنوعی همچنین فرصت‌های جدیدی برای استراتژی‌های لانچ فراهم کرده است. یکی از این فرصت‌ها، توانایی ایجاد مقیاس بسیار سریع در سمت تقاضا به کمک ابزارهای هوشمند است. به عنوان مثال، نوشته‌های کمکی AI یا تولید محتوای خودکارمی‌تواند به پلتفرم‌های محتوایی کمک کند تا در ابتدا محتوای کافی برای جذب مخاطب داشته باشند (نوعی بذرپاشی خودکار توسط AI). یا چت‌بات‌های هوشمند می‌توانند در همان بدو ورود کاربر جدید، تجربه تعاملی غنی برای او فراهم کنند که احساس خلوت‌بودن یک پلتفرم نوپا کاهش یابد. حتی دیده‌ایم که محصولاتی مانند Notion (پلتفرم همکاری و دانش سازمانی) با افزودن قابلیت‌های هوش مصنوعی چگونه در مدت کوتاهی رشد خیره‌کننده‌ای را تجربه کرده‌اند. نوشن‌ای‌آی (Notion AI) که اواخر ۲۰۲۲ معرفی شد، تنها طی پنج هفته بیش از یک میلیونکاربر را در فهرست انتظار خود جذب کرد[36]. این تقاضای انفجاری نشان می‌دهد که ادغام هوش مصنوعی در یک محصول یا پلتفرم می‌تواند به خودی خود یک استراتژی جذب کاربران باشد؛ چرا که کاربران به دنبال ابزارهای هوشمندتر برای افزایش بهره‌وری هستند. Notion با بهره‌گیری از این علاقه و عرضه سریع یک ویژگی AI عملی، توانست پیش از رقبا کاربران کنجکاو را به سوی خود بکشاند[37][38]. برای مدیران محصول، درس مهم این است که در موج‌های فناوری مانند AI، سرعت عمل در ارائه قابلیت‌های نوین می‌تواند مزیت اولیه و اثر شبکه‌ای داده را نصیب پلتفرم کند. علاوه بر این، ساده‌سازی تجربه کاربری پیرامون AI (مثلاً در قیمت‌گذاری یا آموزش استفاده) بسیار مهم است، چون کاربران اولیه باید به راحتی بتوانند ارزش واقعی قابلیت‌های هوشمند را درک و تجربه کنند[39][40].

به طور خلاصه، هوش مصنوعی نه تنها عملیات پلتفرم‌ها (مانند تطابق، شخصی‌سازی و امنیت) را بهبود می‌بخشد[41][42]، بلکه خود می‌تواند به عنوان اهرمی در لانچ موفق عمل کند. پلتفرم‌های داده‌محور و هوشمند قادرند سریع‌تر از رقبا یاد بگیرند و خود را وفق دهند؛ چرا که هر تعامل کاربر، داده‌ای برای بهبود الگوریتم‌ها و افزایش جذابیت پلتفرم تولید می‌کند[41]. در عصر AI، مزیت رقابتی پایدار نصیب پلتفرم‌هایی خواهد شد که بتوانند این چرخه یادگیری را تسریع کرده و بر مبنای آن نوآوری کنند.

جمع‌بندی

راه‌اندازی یک پلتفرم بازار دوطرفه، ترکیبی از هنر و علم است. از یک سو، دانش علمی و تجربی ارائه‌شده در منابعی چون Platform Revolution مجموعه‌ای از راهبردهای عملی برای غلبه بر چالش‌های آغازین را در اختیار کارآفرینان قرار می‌دهد – از دنبال‌کردن خرگوش گرفته تا بازار کوچک[4]. از سوی دیگر، هنر طراحی کسب‌وکار پلتفرمی ایجاب می‌کند که مدیران با خلاقیت و درکی عمیق از رفتار کاربران، مناسب‌ترین استراتژی یا ترکیب استراتژی‌ها را برگزینند. مثال‌های مرور‌شده از اوبر، ایربی‌ان‌بی، آمازون، تیندر و دیگران نشان می‌دهد که هر پلتفرم موفقی در زمان لانچ راه منحصر‌به‌فرد خود را پیموده است – اما وجه مشترک همه آنها تمرکز بر ایجاد ارزش اولیه برای کاربران و کاهش موانع مشارکت بوده است[18].

در عصر حاضر که هوش مصنوعی، داده‌های عظیم و اتصال فراگیر اینترنتی بازی را تغییر داده‌اند، لانچ پلتفرم‌ها شکل پیچیده‌تری به خود گرفته اما در عین حال فرصت‌های بی‌سابقه‌ای نیز پدید آمده است. نظریه اگریگیشن به ما یادآوری می‌کند که در نهایت قدرت در دست پلتفرمی خواهد بود که بیشترین ارتباط مستقیم با مصرف‌کنندگان را داشته باشد و بهترین تجربه را به آنها بدهد[23]. هوش مصنوعی ابزاری است که می‌تواند دستیابی به این هدف را تسریع کند، به شرط آن‌که درست به‌کار گرفته شود. مدیران محصول و استراتژیست‌ها باید ضمن بهره‌گیری از چارچوب‌های اثبات‌شده (مانند راهبردهای هشت‌گانه لانچ) چشمان خود را به روندهای جدید بدوزند و آماده باشند مدل‌های خود را وفق دهند. اقتصاد پلتفرم به سرعت در حال تحول است و پیش‌بینی می‌شود در آینده بر بسیاری از صنایع سلطه یابد[43][44]. در چنین فضایی، آمیختن اصول بنیادین پلتفرم‌سازی با نوآوری‌های فناورانه‌ی روز (از AI تا بلاک‌چین) رمز ایجاد پلتفرم‌هایی خواهد بود که نه تنها لانچی موفق دارند، بلکه می‌توانند رشد و تسلط خود را در بلندمدت حفظ کنند. به بیان دیگر، اگر بتوانید همزمان بر قلب کاربران (از طریق درک عمیق نیاز و ارائه بهترین تجربه) و مغز پلتفرم (از طریق داده و هوشمندسازی) حکمرانی کنید، شانس آن را دارید که پلتفرم دوطرفه بعدی باشید که جهان را متحول می‌کند.

منابع و مراجع:

·      Geoffrey G. Parker et al., Platform Revolution – نکات کلیدی و راهبردهای لانچ پلتفرم[4][2]

·      Sangeet Paul Choudary et al., "Eight Ways to Launch a Successful Platform," INSEAD Knowledge[5][13]

·      Young Urban Project – موردکاوی استراتژی رشد Airbnb با تکیه بر کریگزلیست[8][7]

·      Inc. Magazine – بررسی استراتژی آغازین Uber و تمرکز بر تجربه مسافر[17][15]

·      Ben Thompson, Stratechery – معرفی نظریه Aggregation و نقش تجربه کاربری در پلتفرم‌ها[23]

·      Notion – درس‌هایی از لانچ Notion AI و بازخورد کاربران اولیه[45][39]

·      Sobrief خلاصه فارسی کتاب انقلاب پلتفرم – اهمیت داده‌ها و الگوریتم‌ها در پلتفرم‌های امروزی[41][30]

[1] [2] [3] [4] [18] [30] [31] [32] [33] [34] [41] [42] [43] [44] Platform Revolution | خلاصه, Quotes, FAQ, Audio

https://sobrief.com/fa/books/platform-revolution

[5] [6] [9] [10] [11] [12] [13] [14] Eight Ways to Launch a Successful Platform Business | INSEAD Knowledge

https://knowledge.insead.edu/entrepreneurship/eight-ways-launch-successful-platform-business

[7] [8] AirBnb Case Study | Customer Acquisition Strategy

https://www.youngurbanproject.com/airbnb-case-study/

[15] [16] [17] The $0 Marketing Strategy That Built an $11 Billion Business

https://www.inc.com/kelly-main/the-0-marketing-strategy-that-built-an-11-billion-dollar-business.html

[19] [26] [27] Applying Aggregation Theory to AI | by Sam Bobo | Medium

https://medium.com/@sam.r.bobo/applying-aggregation-theory-to-ai-7e5d38b6aa7a

[20] [21] [22] [23] [24] [25] [28] [29] Aggregation Theory – Stratechery by Ben Thompson

https://stratechery.com/2015/aggregation-theory/

[35] Architecting a Machine Learning System for Risk | by AirbnbEng

http://nerds.airbnb.com/architecting-machine-learning-system-risk/

[36] [37] [38] [39] [40] [45] 4 AI launch lessons: what we learned & where we went wrong

https://www.notion.com/blog/lessons-we-learned-from-launching-notion-ai