迄今为止量化网络效应的强度这项工作依旧很困难，这也还算不上是一门精确科学
由于系统中额外增加用户的边际价值随着时间会发生变化，这使得量化工作充满了挑战。举个例子，在过去几年中，我的许多朋友开始删除他们的Facebook个人资料。 但是现在Facebook对我的影响和与3年前是几乎一样的。这是因为我的Facebook好友基数比较大，所以损失5％甚至10％的好友对我的使用影响并不显著。
人们常说，网络效应型商业公司的价值可以用Metcalfe定律来量化，该定律指出一个网络的价值与联网用户数的平方成正比。或者说符合Metcalfe定律企业的价值呈现出n^2 型网络效应。
自从Metcalfe提出了网络价值的这一定义就一直被大家讨论并得到完善。但是现在没有任何一个已知网络的价值会随着它的增长而呈现出n^2型的网络效应。其中一个原因是满足n^2模型的基本假设是网络中的所有节点都具有同等价值。相反，现在大家普遍认为：相较于n^2模型，大多数网络的网络效应模型更接近于n*log(n)。
虽然n*log(n)这个模型比n^2更有意义（因为没有任何东西可以永久以平方模式增长），但n*log(n)模型也依然是一个永久超线性曲线。这些都与生产生活的实际情况相差甚远。我们在现实中不同节点的价值并不相同，而且在某一时间点之后，系统中每个边际关系的价值增长都会开始下降（例如Facebook未来在亚洲市场百万级用户的价值增加相较于现在美国本土用户的价值而言无足轻重）。
实际上，最精确的描述网络效应的模型应该是S型曲线。
目前已经有许多案例研究证明了网络效应模型是S型曲线。这也是Macintosh能够在上世纪90年代那个波谲云诡的时代幸存下来的原因（如果Windows的网络效应是n^2模型的，那么Apple不可能会存活下来），另外各种各样的即时通讯app（Whatsapp,
telegram, Facebook , Messenger, Signal等）都有一定的市场份额，Lyft也可以有效地与Uber竞争（用户不关心有多少司机在路上，他们只要求自己可以在不到两分钟的时间内打到一辆车），
电商方面亦然，除了Amazon之外还有很多其他平台。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
