Прикладной контекст: софт/AI-стартапы 2024–2026. Скептичный, адверсариальный разбор. Все утверждения — со ссылками; тип доказательства помечен. «Ров», приписанный задним числом, доказательством не считается.
Дата: 2026-06-27
| Механизм | Домен-родина | Тип доказательства | Сила доказанности | Работает когда | Ломается когда (особенно в эпоху ИИ) |
|---|---|---|---|---|---|
| Switching costs / lock-in | IO-эк. (Farrell–Klemperer), эк. организаций (Williamson) | Рецензируемая теория + эмпирика | Высокая | покупки клиента должны быть совместимы между собой; данные/процессы/обучение завязаны на вендора; «fundamental transformation» | low-friction миграция, открытые форматы, AI-ассистенты автоматизируют переключение; multihoming |
| Network effects (прямые/двусторонние) | Платформенная эк. (Katz–Shapiro, Rochet–Tirole) | Рецензируемая теория + кейсы; VC-паттерн | Средне-высокая, но УЗКАЯ | single-homing, высокая плотность/кластеризация, эффект не asymptotic, есть retention | multihoming (Uber/Lyft), asymptotic (после порога ценность не растёт), локальные кластеры, слабый retention |
| Endogenous sunk costs (бренд/реклама/R&D эскалация) | IO-эк. (Sutton) | Рецензируемая эмпирика + кейсы | Высокая (на зрелых отраслях) | спрос растёт, качество/реклама эскалируют → нижняя граница концентрации > 0 | низкие sunk costs; технология снижает MES; ИИ удешевляет производство «качества» |
| Brand equity / pricing power | Маркетинг-наука (Mizik, Aaker) | Рецензируемая эмпирика (лонгитюд) | Средне-высокая | последовательные инвестиции 4–11 лет; эффект в будущих, не текущих прибылях | требует терпения; не «купить за квартал»; ИИ-генерация контента девальвирует слабые бренды |
| Scale economies (реальные) | IO-эк. (Bain), стратегия (Helmer) | Рецензируемая эмпирика | Средняя, условная | MES велик относительно рынка; постоянные издержки доминируют | технология снижает MES → деконцентрация; облако/ИИ обнуляют капвложения |
| Counter-positioning | VC-практика (Helmer), стратегия (Christensen) | Паттерн практиков + кейс-эмпирика с survivor-bias | Слабо-средняя | у инкумбента бизнес-модель-конфликт (он не может скопировать без саморазрушения) | если инкумбент МОЖЕТ скопировать — рва нет; survivor bias переоценивает частоту |
| Регуляторные/лицензионные барьеры | IO-эк., публ. экономика | Рецензируемая эмпирика (десятилетия) | Высокая | лицензии/комплаенс/captured regulator поднимают порог входа | дерегуляция; ИИ снижает стоимость комплаенса для входящих |
| Cornered resource / IP | RBV (Barney), стратегия | Теория + кейсы | Средняя | юридически защищаемо ИЛИ социально сложно/causally ambiguous | патент истекает; talent уходит; reverse-engineering |
| Causal ambiguity / socially complex capabilities | RBV (Barney, Lippman–Rumelt) | Рецензируемая теория, эмпирика смешанная | Слабая–спорная | сложно-имитируемая, embedded в рутинах | эмпирически часто НЕ держит persistence; ИИ ускоряет имитацию |
| Dynamic capabilities | Стратегия (Teece) | Конструкт, эмпирика слабая/тавтологичная | Недоказано как предсказатель | (заявляется) реконфигурация под изменения | критика: unfalsifiable, плохая операционализация → пост-хок нарратив |
| «Data moat» из generic-данных | VC-эссеистика | Анекдот, опровергнуто | Опровергнуто | почти никогда | diminishing returns, staleness, конкуренты догоняют, модели коммодитизируются |
McGahan & Porter (2003), Managerial and Decision Economics / “The Emergence and Sustainability of Abnormal Profits” — декомпозиция дисперсии прибыльности публичных компаний США: year ≈ 2%, industry ≈ 19%, corporate-parent ≈ 4%, business-specific ≈ 32%. Высокая результативность стабильнее низкой; industry- и parent-эффекты сильнее влияют на верхних исполнителей, бизнес-специфика — на нижних. Тип: рецензируемая эмпирика (лонгитюд 1981–1994). SagePub
Wiggins & Ruefli (2005), SMJ, “Schumpeter’s Ghost: Is Hypercompetition Making the Best of Times Shorter?” — длительность устойчивого превосходства сокращается со временем (1978–1997), и не только в hi-tech. Прямой удар по идее «вечного рва». Тип: рецензируемая эмпирика (SMJ). Wiley/SMJ · ResearchGate (Sustained Competitive Advantage, 2002)
Mauboussin & Callahan, “Measuring the Moat” / ROIC-process (Morgan Stanley Counterpoint Global) — ROIC сильно mean-reverting к стоимости капитала; НО есть и persistence: ~41% компаний из верхнего квинтиля остаются там через 9 лет, ~39% из нижнего — внизу. То есть ров реален, но это распределение, не гарантия. Тип: финансы, лонгитюдные данные (не sell-side промо — это методология). Measuring the Moat (PDF) · ROIC and the Investment Process (PDF)
Farrell & Klemperer (2007), Handbook of Industrial Organization vol.3, ch.31, pp.1967–2072 — switching costs и network effects «привязывают» клиентов; ранние выборы лочат рынок. Switching costs создают economies of scope между покупками одного клиента; «collective switching costs» при последовательном выборе. Тип: рецензируемая теория (Handbook IO) — золотой стандарт домена. Berkeley PDF · RePEc
Williamson (1985), “fundamental transformation” — победитель первичного тендера получает преимущество над соперниками из-за владения/контроля специфичными активами → lock-in в организационных отношениях. Тип: рецензируемая теория (эк. организаций). (контекст: [Farrell–Klemperer выше]; обзор в lit-review по switching costs)
Эмпирика switching costs: online-брокеридж (ISR, Chen & Hitt) — измеренные switching costs предсказывают retention; 800-number portability — снижение switching costs снизило маржи крупнейшей фирмы → switching costs делали рынок менее конкурентным. Тип: рецензируемая эмпирика. Measuring Switching Costs, ISR · 800-number portability (PDF)
Katz & Shapiro (1985); Rochet & Tirole (2002/2003) — основания прямых/косвенных сетевых эффектов и двусторонних рынков; ценовая структура (а не уровень) определяет участие сторон. Тип: рецензируемая теория. Rochet–Tirole, Two-Sided Markets Overview (MIT PDF) · Platform Competition in Two-Sided Markets (PDF)
Адверсариально — НЕ все NE дают ров: Hagiu (HBS) «Seven questions to evaluate network effect moats» — NE слабы при дешёвом multihoming; Uber/Lyft NE «обманчиво слабы»: asymptotic (после ~4 мин ожидания доп. водители не добавляют ценности), локальная фрагментация, дешёвый multihoming. Тип: рецензируемый/практик-аналитик (HBS) — корректирующий. Hagiu, Seven Questions (Medium) · HBS, Strength of NE in Social Platforms (PDF)
VC-паттерн (помечено как паттерн практиков, НЕ доказательство): NfX «Network Effects Bible» — 16 типов NE, ранжированы по силе (Physical > … > Bandwagon); заявление, что NE = 70% value created в tech с 1994. ⚠️ Методология числа в самой статье не раскрыта (ссылка на другой их пост) → трактовать как маркетинг-нарратив, не как эмпирику. Полезна как чек-лист (multihoming, asymptotic, retention). Тип: паттерн практиков / VC-эссе (низкая планка). NfX Network Effects Bible · 16 types
Mizik (2014), Journal of Marketing Research 51(5):691–706 — лишь малая часть финансового эффекта brand equity видна в текущих прибылях; основная масса — в будущих. Сильная гетерогенность по отраслям. Тип: рецензируемая эмпирика (JMR). SagePub/JMR
Trademark-registrations study (Industry & Innovation / Tandfonline) — инвестиции в бренд: инвертированная-U, пик эффекта через ~11 лет, в среднем ~4 года до положительной отдачи, после ~19 лет — незначимо. Фирмы с сильным brand equity — лучше на фондовом рынке. Тип: рецензируемая эмпирика. Tandfonline
| Механизм | Условия, при которых РАБОТАЕТ | Что его УБИВАЕТ (kill conditions) |
|---|---|---|
| Switching costs / lock-in | Клиент хочет совместимость своих покупок во времени; данные/конфиги/обучение/интеграции завязаны на вас; вы — system of record критичного процесса | Открытые форматы/экспорт; AI-агенты автоматизируют миграцию; регуляторная portability; low-touch продукт без накопления состояния |
| Network effects | Single-homing (дорого/неудобно быть на двух); высокая локальная плотность; эффект НЕ asymptotic; сильный retention | Дешёвый multihoming; asymptotic насыщение; фрагментация на локальные кластеры; слабый retention при росте |
| Endogenous sunk costs | Рынок растёт; конкуренция идёт через эскалацию качества/рекламы/R&D; sunk-инвестиции необратимы | Низкие sunk costs в отрасли; технология (ИИ) удешевляет «производство качества»; падение MES |
| Brand equity | Последовательные инвестиции 4–11 лет; согласованность; терпение к лагу | Расчёт на квартальную отдачу; непоследовательность; ИИ-генерация обесценивает слабую дифференциацию |
| Scale economies | MES велик относительно рынка; постоянные издержки доминируют над переменными | Технология снижает MES; облако/ИИ обнуляют капвложения → деконцентрация |
| Counter-positioning | У инкумбента структурный конфликт модели — он НЕ может скопировать без саморазрушения (P&L/каннибализация/комп-план) | Инкумбент МОЖЕТ скопировать без боли → рва нет; окно закрывается, когда вы «good enough» |
| Регуляторные барьеры | Лицензии/комплаенс/сертификация подняли порог; captured regulator | Дерегуляция; ИИ удешевляет комплаенс для входящих; антимонопольное вмешательство |
| Cornered resource / IP | Юридически защищено ИЛИ социально сложно/causally ambiguous | Истечение патента; уход таланта; reverse-engineering; ИИ ускоряет имитацию |
Цель: за часы/дни опровергнуть или рано подтвердить гипотезу рва, не дожидаясь лаговых данных.
| Ранний индикатор | Что измеряет | Срок снятия | Порог = СИГНАЛ (ров есть) | Порог = ОПРОВЕРЖЕНИЕ (рва нет) |
|---|---|---|---|---|
| Multihoming-тест | доля юзеров/поставщиков, реально использующих и конкурента | 1–2 дня (опрос 15–30 клиентов / анализ логов) | < 20% multihome → single-homing держит NE | > 50% multihome → NE «обманчиво слабы» (Uber-паттерн) |
| «Стоимость ухода» интервью | что клиент потеряет при переключении (данные, обучение, интеграции, время) | полдня (5–8 интервью) | называют конкретные необратимые потери (часы миграции, потеря истории) | «уйду за вечер, экспортну и всё» → switching costs нет |
| Asymptotic-чек NE | растёт ли ценность с N после порога | полдня (анализ метрики качества vs размер сети) | ценность растёт линейно/выше порога | насыщение рано (как 4-мин Uber) → NE asymptotic |
| Generic-data-чек | может ли конкурент собрать те же данные | полдня (можно ли купить/скрейпить/сгенерировать) | источник проприетарный/регулируемый/требует доступа | данные публичны/генерируемы LLM → data moat иллюзорен |
| Counter-positioning-чек | может ли инкумбент скопировать без боли | полдня (модель P&L инкумбента) | копирование каннибализирует его ядро → он не пойдёт | инкумбент копирует без потерь → рва нет |
| Imitation-time оценка | за сколько компетентная команда + ИИ воспроизведёт ядро | полдня (экспертная оценка) | месяцы-годы (соц. сложность, IP, регуляторика) | дни-недели с ИИ → causal ambiguity не спасает |
| NRR / retention-прокси | удерживаются ли первые когорты | дни (если есть ранние данные) | ранний retention высокий, расширение аккаунтов | отток первых когорт → ни lock-in, ни NE |
| Single источник vs стэк | сколько механизмов одновременно | полдня (картирование) | ≥ 2 независимых механизма (компаунд) | 0–1 хрупкий механизм → ров фрагилен |
Правило лаборатории: любой ОДИН «опровержение»-порог (multihoming > 50%, generic data, imitation за дни, инкумбент копирует без боли) — достаточно, чтобы отклонить гипотезу рва до инвестиций. Подтверждение требует ≥ 2 «сигнал»-порогов из разных механизмов.