💰 quantitative finance

"Rich-Get-Richer"? Platform Attention and Earnings Inequality using Patreon Earnings Data

पैट्रिऑन (Patreon) आय डेटा का उपयोग करते हुए, यह शोध पत्र प्रदर्शित करता है कि प्लेटफॉर्म के अटेंशन एल्गोरिदम एक "अमीर-और-अमीर-होता-जाता-है" (rich-get-richer) की गतिशीलता को संचालित करते हैं जहाँ आय एक अत्यधिक केंद्रित पारेटो वितरण ( $\alpha \approx 2$ ) का अनुसरण करती है, जिसमें एल्गोरिदम संबंधी बदलाव मध्यम वर्ग के रचनाकारों (creator middle class) को असमान रूप से नुकसान पहुँचाते हैं और विभिन्न सोशल मीडिया प्लेटफॉर्म्स के बीच असमानता को तेजी से भारी-पूंछ वाले (heavy-tailed) वितरणों की ओर अभिसरित करते हैं।

मूल लेखक: Ilan Strauss, Jangho Yang, Mariana Mazzucato

प्रकाशित 2026-07-17

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ilan Strauss, Jangho Yang, Mariana Mazzucato

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि इंटरनेट एक विशाल, हलचल भरे डिजिटल शहर की तरह है जहाँ हर कोई ध्यान आकर्षित करने की कोशिश कर रहा है। इस शहर में, "मेयर" (महापौर) वोटों या कीमतों से नहीं चुने जाते; वे एल्गोरिदम हैं—गुप्त, अदृश्य नियम जो यह तय करते हैं कि किस सड़क के कोने पर सबसे अधिक पैदल यात्रियों का आवागमन होगा और कौन सा कोना खाली रहेगा। यह शोध पत्र डिजिटल अर्थशास्त्र (digital economics) की दुनिया में रहता है, जो एक ऐसा क्षेत्र है जो अध्ययन करता है कि इन ऑनलाइन स्थानों में पैसा कैसे बहता है। कहानी को समझने के लिए, आपको दो चीजें जानने की आवश्यकता है: पहला, ध्यान (attention) ही नया मुद्रा है (दिखना ही इस बात का तरीका है कि आप कैसे भुगतान पाते हैं); और दूसरा, प्रकृति और समाज की कई चीजें एक "पावर लॉ" (power law) का पालन करती हैं। एक पावर लॉ को एक पिरामिड की तरह सोचें जहाँ आधार बहुत बड़ा है और शीर्ष बहुत छोटा है, लेकिन सबसे ऊपर का हिस्सा इतना ऊँचा है कि वह आसमान को छू लेता है। एक सामान्य पिरामिड में, सीढ़ियाँ समान होती हैं। एक पावर-लॉ पिरामिड में, नीचे एक विशाल भीड़ होती है, और शीर्ष पर एक अकेला, विशालकाय व्यक्ति होता है। यह महत्वपूर्ण है क्योंकि यदि शहर के नियम उस विशालकाय व्यक्ति के पक्ष में बहुत अधिक झुक जाते हैं, तो शहर का मध्यम वर्ग गायब हो जाता है, और केवल सुपरस्टार ही जीवित बचते हैं।

इस शोध पत्र के लेखक, इलान स्ट्रॉस, जंगहो यांग और मारियाना मजुकाट ने एक विशेष उपकरण का उपयोग करके इन डिजिटल शहरों के पीछे झाँकने का निर्णय लिया: पैट्रियन (Patreon)। पैट्रियन एक ऐसी वेबसाइट है जहाँ प्रशंसक अतिरिक्त सामग्री के लिए रचनाकारों (creators) को सीधे भुगतान करते हैं, लेकिन यहाँ एक पेंच है: पैट्रियन के पास वास्तव में आपको नए रचनाकारों को दिखाने का अपना कोई तरीका नहीं है। पैट्रियन पर भुगतान पाने के लिए, आपको पहले कहीं और प्रसिद्ध होना पड़ता है, जैसे यूट्यूब, इंस्टाग्राम या ट्विटर पर। इसके बाद रचनाकार अपने मुख्य प्रोफाइल पर पैट्रion का एक लिंक लगाते हैं। इस कारण से, एक रचनाकार पैट्रियन पर कितना पैसा कमाता है, वह उसके मुख्य प्लेटफॉर्म पर मिले ध्यान का एक आदर्श दर्पण है। यदि एक यूट्यूबर को दस लाख व्यूज मिलते हैं, तो उन्हें संभवतः बहुत सारे पैट्रियन प्रशंसक मिलते हैं। यदि उन्हें शून्य व्यूज मिलते हैं, तो उन्हें शून्य पैट्रियन प्रशंसक मिलते हैं।

शोधकर्ताओं ने तीन अलग-अलग वर्षों (2018, 2021, और 2024) में 1,00,000 से अधिक रचनाकारों के डेटा का अध्ययन किया ताकि यह देखा जा सके कि पैसा कैसे वितरित होता है। उन्होंने पाया कि कुछ चौंकाने वाला: लगभग हर प्लेटफॉर्म पर कमाई एक "अमीर-और-अमीर-बनता-है" (rich-get-richer) पैटर्न का पालन करती है, जिसे गणितीय रूप से अल्फा (α) नामक संख्या द्वारा वर्णित किया गया है। उनकी दुनिया में, कम अल्फा का अर्थ है एक अधिक तीव्र, अधिक अन्यायपूर्ण पिरामिड। उन्होंने पाया कि अधिकांश प्लेटफार्मों के लिए, यह संख्या लगभग 2.0 है। यह एक बहुत ही विशिष्ट संख्या है जो बताती है कि सिस्टम औसत व्यक्ति के खिलाफ बहुत अधिक झुका हुआ है। इसका मतलब है कि जैसे ही आप सीढ़ी पर एक कदम ऊपर चढ़ते हैं, पुरस्कार थोड़े बड़े नहीं होते; वे विस्फोट की तरह बढ़ते हैं। शीर्ष रचनाकार पैसा खींचने की दर इतनी अधिक रखते हैं जो एक नियमित कार्यकर्ता के वेतन के बजाय एक अरबपति के निवेश पोर्टफोलियो जैसा दिखता है।

जब उन्होंने विभिन्न शहरों की तुलना की, तो परिणाम निष्पक्षता की एक रिपोर्ट कार्ड की तरह थे। यूट्यूब और इंस्टाग्राम के पास सबसे कम संख्या (लगभग 1.8 और 1.84) थी, जिसका अर्थ है कि वे सबसे अधिक अन्यायपूर्ण हैं। इन प्लेटफार्मों पर, रचनाकारों का "मध्यम वर्ग"—जो काफी लोकप्रिय हैं लेकिन सुपरस्टार नहीं हैं—को बाहर निकाला जा रहा है। उनकी कमाई कम है, और अमीर और बाकी लोगों के बीच का अंतर बहुत बड़ा है। इसके विपरीत, ट्विटर/X और पैट्रियन-ओनली रचनाकारों के पास उच्च संख्या (लगभग 2.35 और 2.24) थी, जो एक थोड़ा सपाट, अधिक निष्पक्ष पिरामिड का सुझाव देती है जहाँ अधिक लोग आजीविका कमा सकते हैं, हालांकि शीर्ष पर अभी भी सबसे बड़ा हिस्सा मिलता है।

सबसे चिंताजनक हिस्सा समय यात्रा (time travel) है। जब लेखकों ने 2018 के डेटा को देखा और उसकी तुलना 2024 से की, तो उन्होंने देखा कि पिरामिड और अधिक तीव्र होते जा रहे हैं। इंस्टाग्राम और यूट्यूब के लिए संख्याएँ गिर गई हैं, जिसका अर्थ है कि "अमीर-और-अमीर-बनता-है" का प्रभाव हर साल मजबूत हो रहा है। यह ऐसा है जैसे शहर का मेयर धीरे-धीरे मोहल्लों की लाइटें बंद कर रहा है और केवल शीर्ष पर स्थित एक घर पर एक विशाल स्पॉटलाइट चमका रहा है। लेखक सुझाव देते हैं कि ऐसा इसलिए है क्योंकि एल्गोरिदम वायरल सामग्री को खोजने और उसे सभी तक पहुँचाने में बेहतर होते जा रहे हैं, जबकि छोटे, विशिष्ट (niche) रचनाकारों की अनदेखी कर रहे हैं।

हालाँकि, लेखक इस बात को लेकर सावधान हैं कि उन्होंने रहस्य को सुलझा लिया है। वे स्वीकार करते हैं कि भले ही पैटर्न यह दिखते हैं कि एल्गोरिदम ही अपराधी है, लेकिन अन्य चीजें भी काम कर सकती हैं। शायद ट्विटर पर लोग पैसे देने में अधिक उदार हैं, या शायद यूट्यूब पर रचनाकार अधिक प्रतिस्पर्धी हैं। वे 100% निश्चितता के साथ यह साबित नहीं कर सकते कि एल्गोरिदम ही एकमात्र कारण है, लेकिन साक्ष्य दृढ़ता से सुझाव देते हैं कि इन प्लेटफार्मों द्वारा ध्यान का वितरण करने का तरीका ही इस असमानता का मुख्य चालक है। वे यह भी नोट करते हैं कि जैसे-जैसे आर्टिफिशियल इंटेलिजेंस (AI) सामग्री बनाने में बेहतर होता जा रहा है, यह इस समस्या को और भी बदतर बना सकता है, क्योंकि एल्गोरिदम पहले से मौजूद "वायरल" चीजों के प्रति और भी जुनूनी हो सकते हैं, जिससे नई, अलग आवाजों के लिए कम जगह बचेगी।

संक्षेप में, यह शोध पत्र एक ऐसी डिजिटल दुनिया की तस्वीर पेश करता है जहाँ खेल के नियम धीरे-धीरे सुपरस्टार्स के पक्ष में और भी अधिक बदल रहे हैं। रचनाकारों का "मध्यम वर्ग" सिकुड़ रहा है, और यदि एल्गोरिदम के अदृश्य नियमों को छोटे लोगों को मौका देने के लिए बदला नहीं गया, तो ऑनलाइन रचनात्मकता का भविष्य विविध शहर के बजाय एक एकल, ऊँची गगनचुंबी इमारत जैसा लग सकता है जहाँ बाकी सब छाया में रह रहे हैं।

तकनीकी सारांश: "अमीर और अमीर होता जाता है"? प्लेटफॉर्म अटेंशन और अर्निंग्स असमानता - पेट्रियन (Patreon) अर्निंग डेटा का उपयोग

समस्या का विवरण
ऑनलाइन सोशल मीडिया बाजार तेजी से मूल्य तंत्र (price mechanisms) के बजाय एल्गोरिदम आधारित ध्यान आवंटन (algorithmic attention allocation) द्वारा शासित हो रहे हैं। शास्त्रीय मल्टी-साइडेड मार्केट मॉडल के विपरीत, जहाँ कीमतें आपूर्ति और मांग को संतुलित करती हैं, प्लेटफॉर्म सामग्री और उपयोगकर्ता की प्राथमिकताओं पर विशाल डेटा को प्रोसेस करने के लिए गैर-मूल्य एल्गोरिदम का उपयोग करते हैं ताकि दृश्यता (visibility) आवंटित की जा सके। जबकि ये एल्गोरिदम बाजार दक्षता को सक्षम करते हैं, वे वितरण उपकरण (distributional devices) के रूप में भी कार्य करते हैं जो प्रतिभागियों के आर्थिक परिणामों को निर्धारित करते हैं। साहित्य में एक महत्वपूर्ण कमी है: प्लेटफॉर्म शायद ही कभी क्रिएटर्स की कमाई या एल्गोरिदम अनुकूलन विवरणों का खुलासा करते हैं, जिससे यह परीक्षण करना कठिन हो जाता है कि क्या एल्गोरिदम आधारित ध्यान एक असमान पारिस्थितिकी तंत्र को बढ़ावा देता है या क्रिएटर्स के एक स्वस्थ "मध्यम वर्ग" का समर्थन करता है। यह शोध इस अंतर को संबोधित करता है, विशेष रूप से यह जांचते हुए कि तीसरे पक्ष के सोशल मीडिया एल्गोरिदम मुद्रीकरण (monetization) परिणामों को कैसे प्रभावित करते हैं।

कार्यप्रणाली (Methodology)
यह अध्ययन तीन क्रॉस-सेक्शनों (मार्च 2018, 2021, और 2024) में कंटेंट क्रिएटर्स के मासिक पेट्रियन अर्निंग्स के एक नवीन, बड़े पैमाने के डेटासेट का उपयोग करता है ( $n = 104,719$ )। पेट्रियन बाहरी प्लेटफॉर्म अटेंशन के एक आदर्श प्रॉक्सी के रूप में कार्य करता है क्योंकि इसमें न्यूनतम नेटिव डिस्ट्रीब्यूशन है; क्रिएटर्स को ट्रैफिक लाने के लिए बाहरी प्लेटफॉर्म (YouTube, Instagram, Twitch, Twitter/X, Facebook) से अपने पेट्रियन पेज को लिंक करना पड़ता है। फलस्वरूप, पेट्रियन अर्निंग्स काफी हद तक इन प्राथमिक बाहरी प्लेटफॉर्म्स द्वारा कैप्चर किए गए ध्यान को दर्शाती हैं।

प्लेटफॉर्म-विशिष्ट गतिशीलता को अलग करने के लिए, लेखक उन क्रिएटर्स को हटा देते हैं जो कई संबद्धताओं (affiliations) के साथ हैं, ताकि क्रॉस-प्लेटफॉर्म सॉर्टिंग को नियंत्रित किया जा सके, और केवल एक बाहरी प्लेटफॉर्म (या केवल पेट्रियन) से जुड़े क्रिएटर्स तक डेटा को सीमित करते हैं। गुम अर्निंग डेटा, विशेष रूप से उच्च आय वाले क्रिएटर्स के बीच जो अपनी कमाई निजी रखते हैं, उन्हें पेड मेंबर्स, कुल मेंबर्स, कंटेंट टाइप, NSFW स्टेटस और वर्ष के आधार पर लीनियरली इम्प्यूट (impute) किया गया है।

मुख्य विश्लेषणात्मक ढांचा अर्निंग्स की विशेषता बताने के लिए पावर-लॉ डिस्ट्रीब्यूशन ( $p(x) \sim x^{-\alpha}$ ) का उपयोग करता है। लेखक क्लॉसेट एट अल (2009) द्वारा प्रस्तावित मैक्सिमम लाइकलीहुड एस्टीमेशन विधि का उपयोग करके इन डिस्ट्रीब्यूशन को फिट करते हैं, और गुडनेस-ऑफ-फिट का आकलन करने के लिए कोलमोगोरोव-स्मिरनोव (KS) सांख्यिकी का उपयोग करते हैं। घातांक $\alpha$ असमानता के प्राथमिक मीट्रिक के रूप में कार्य करता है: एक कम $\alpha$ भारी टेल (heavy tail) और उच्च असमानता को दर्शाता है (जो केंद्रित पूंजी आय के अनुरूप है), जबकि एक उच्च $\alpha$ अधिक न्यायसंगत वितरण का सुझाव देता है। विश्लेषण इन घातांकों की व्याख्या प्रिफरेंशियल अटैचमेंट मॉडल (Barabási and Albert 1999) के लेंस से करता है, जहाँ $\alpha$ सैद्धांतिक रूप से रैंडम एक्सप्लोरेशन ( $\gamma$ ) और मौजूदा लोकप्रियता के शोषण ( $1-\gamma$ ) के बीच संतुलन से जुड़ा हुआ है।

प्रमुख योगदान

एल्गोरिदम आधारित असमानता का अनुभवजन्य प्रमाण: यह शोध कंटेंट क्रिएटर अर्निंग डिस्ट्रीबशन के कुछ ही व्यवस्थित विश्लेषणों में से एक प्रदान करता है, जो केवल उपाख्यानों (anecdotal evidence) से आगे बढ़कर प्रमुख प्लेटफॉर्म्स पर "अमीर-बना-अमीर" (rich-get-richer) की गतिशीलता को मात्रात्मक रूप देता है।
क्रॉस-प्लेटफॉर्म तुलना: पेट्रियन डेटा को बाहरी अटेंशन के प्रॉक्सी के रूप में उपयोग करके, यह अध्ययन यह आकलन करने के लिए एक तुलनात्मक ढांचा प्रदान करता है कि विभिन्न प्लेटफॉर्म एल्गोरिदम (जैसे YouTube का रिकमेंडेशन इंजन बनाम Twitter का सोशल ग्राफ) अर्निंग कंसन्ट्रेशन के साथ कैसे सह-संबंधित हैं।
सामयिक गतिशीलता (Temporal Dynamics): अध्ययन 2018-2024 के दौरान अर्निंग्स असमानता के विकास का दस्तावेजीकरण करता है, जिससे यह पता चलता है कि एल्गोरिदम में बदलाव कैसे आय के वितरण को प्रभावित करते हैं।
कार्यप्रणाली की कठोरता: लेखक कन्फाउंडिंग वेरिएबल्स (जैसे प्लेटफॉर्म-टू-पैट्रियन कन्वर्जन रेट और ऑडियंस कंपोजिशन) को स्पष्ट रूप से संबोधित करते हैं, और देखे गए पैटर्न को एल्गोरिदम तंत्र के अनुरूप मानते हुए वैकल्पिक स्पष्टीकरणों को भी स्वीकार करते हैं।

परिणाम

पावर लॉ डायनेमिक्स: अधिकांश प्लेटफॉर्म्स में, पेट्रियन अर्निंग्स एक पावर-लॉ डिस्ट्रीब्यूशन का पालन करती हैं जिसका घातांक $\alpha \approx 2.0$ है। यह क्रिएटर्स की आय को केंद्रित पूंजी आय ( $\alpha \approx 1.5$ ) के करीब रखता है, जो एल्गोरिदम आधारित ध्यान द्वारा संचालित मल्टीप्लिकेटिव और कंपाउंडिंग प्रभावों का सुझाव देता है।
प्लेटफॉर्म भिन्नता: असमानता की डिग्री में महत्वपूर्ण भिन्नता है:
- उच्च एकाग्रता (कम $\alpha$ ): YouTube ( $\alpha = 1.8$ ) और Instagram ( $\alpha = 1.84$ ) सबसे चरम "अमीर-बना-अमीर" गतिशीलता प्रदर्शित करते हैं। इन प्लेटफॉर्म्स में कम औसत और मध्यम अर्निंग्स तथा क्रिएटर्स का एक कमजोर "मिडल क्लास" दिखाई देता है।
- कम एकाग्रता (उच्च $\alpha$ ): Twitter/X ( $\alpha \approx 2.35$ ) और केवल पेट्रियन वाले क्रिएटर्स उच्च घातांक दिखाते हैं, जो हल्की टेल और अधिक न्यायसंगत वितरण का संकेत देते हैं। लेखक नोट करते हैं कि Twitter/X की शुद्ध एल्गोरिदम रिकमेंडेशन के बजाय सोशल ग्राफ पर ऐतिहासिक निर्भरता इसमें योगदान दे सकती है।
सामयिक रुझान: 2018, 2021 और 2024 के बीच, YouTube, Instagram, Facebook और Twitch के लिए $\alpha$ मान आम तौर पर कम हुए हैं, जो बढ़ती अर्निंग कंसन्ट्रेशन का संकेत देते हैं। Instagram में सबसे नाटकीय बदलाव देखा गया, जहाँ $\alpha$ 2021 में $\approx 2.1$ से गिरकर 2024 में $1.84$ हो गया, जो एल्गोरिदम आधारित रिकमेंडेशन की ओर बदलाव के साथ मेल खाता है।
मिडल-क्लास का क्षरण: जिन प्लेटफॉर्म्स में मजबूत पावर लॉ (कम $\alpha$ ) होते हैं, वे कम मीडियन अर्निंग्स और संकीर्ण इंटरक्वाटाइल रेंज से सह-संबंधित होते हैं, जो यह सुझाव देते हैं कि "अमीर-बना-अमीर" की गतिशीलता मिड-टियर क्रिएटर्स से लाभ को असंगत रूप से निकाल लेती है।
कंटेंट श्रेणियां: कंटेंट के प्रकार के अनुसार अर्निंग असमानता भिन्न होती है। एनिमेशन और पॉडकास्ट में सबसे कम $\alpha$ (उच्चतम असमानता) है, जबकि म्यूजिक, कॉमिक्स और राइटिंग में उच्च $\alpha$ दिखता है, जो इन श्रेणियों में अधिक न्यायसंगत वितरण का सुझाव देता है।

महत्व और दावे
यह शोध दावा करता है कि एल्गोरिदम आधारित ध्यान आवंटन देखी गई अर्निंग कंसन्ट्रेशन का एक संभावित प्राथमिक चालक है। निष्कर्ष बताते हैं कि वर्तमान प्लेटफॉर्म एल्गोरिदम, जो मौजूदा लोकप्रियता (लो $\gamma$ ) को प्राथमिकता देते हैं, ऐसे पारिस्थितिकी तंत्र बनाते हैं जहाँ एक छोटा समूह अधिकांश राजस्व पर कब्जा कर लेता है, जिससे क्रिएटर मिडल क्लास का क्षरण होता है।

लेखक स्पष्ट रूप से कहते हैं कि उनके निष्कर्ष वर्णनात्मक और सुधारात्मक (descriptive and suggestive) हैं, न कि निश्चित रूप से कारण-संबंधी (causal)। वे स्वीकार करते हैं कि वैकल्पिक तंत्र—जैसे ऑडियंस कंपोजिशन, क्रिएटर सेल्फ-सिलेक्शन और प्लेटफॉर्म-विशिष्ट कन्वर्जन नॉर्म्स—भी देखे गए पैटर्न में योगदान दे सकते हैं। हालांकि, विभिन्न प्लेटफॉर्म और समय अवधियों में पावर-लॉ डायनेमिक्स की निरंतरता इस परिकल्पना का समर्थन करती है कि एल्गोरिदम डिजाइन एक केंद्रीय भूमिका निभाता है।

अध्ययन निष्कर्ष निकालता है कि अंतर्निहित एल्गोरिदम तंत्रों (विशेष रूप से लॉन्ग-टेल कंटेंट को सामने लाने के लिए "एक्सप्लोरेशन" घटक को बढ़ाकर) में बदलाव के बिना, अर्निंग असमानता बनी रहने की संभावना है। लेखक सुझाव देते हैं कि नीतिगत हस्तक्षेप, जैसे कि रिकमेंडेशन सिस्टम में पारदर्शिता (जैसे EU डिजिटल सर्विसेज एक्ट के माध्यम से) अनिवार्य करना या ऐसे एल्गोरिदम की आवश्यकता जो लॉन्ग-टेल कंटेंट को प्रोत्साहित करें, अधिक न्यायसंगत डिजिटल अर्थव्यवस्थाओं को बढ़ावा दे सकते हैं। वे चेतावनी देते हैं कि केवल बाजार प्रतिस्पर्धा बढ़ाना पर्याप्त नहीं हो सकता है यदि प्लेटफॉर्म जुड़ाव-अधिकतम करने वाले (engagement-maximizing) एल्गोरिदम में फंसे रहते हैं जो "अमीर-बना-अमीर" की गतिशीलता को सुदृढ़ करते हैं।

इसी तरह के और पेपर