💰 quantitative finance

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

通过使用 Patreon 的收益数据，本文证明了平台注意力算法驱动了一种“强者恒强”的动态机制，即收益遵循高度集中的帕累托分布（ $\alpha \approx 2$ ），且算法的变化会不成比例地损害创作者的中产阶级，并导致不同社交媒体平台之间的不平等向日益沉重的重尾分布趋同。

原作者： Ilan Strauss, Jangho Yang, Mariana Mazzucato

发布于 2026-07-17

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ilan Strauss, Jangho Yang, Mariana Mazzucato

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，互联网是一个繁忙、喧闹的数字城市，每个人都试图获得关注。在这个城市里，“市长”并非由选票或价格选出，而是算法——那些决定哪个街角能获得最多人流量、哪个街角会保持空荡的秘密且隐形的规则。这篇论文探讨的是数字经济学领域，这是一个研究这些在线空间中资金如何流动的学科。要理解这个故事，你需要了解两件事：首先，注意力是新的货币（被看见是获得报酬的方式）；其次，自然界和社会中的许多事物都遵循“幂律”（power law）。把幂律想象成一个金字塔，底座巨大，而顶端微小，但顶端之高足以触及天空。在普通的金字塔中，阶梯是均匀的。在幂律金字塔中，底部是庞大的人群，而顶端是一个孤独的巨人。这一点至关重要，因为如果城市的规则过度向那个巨人倾斜，城市的“中产阶级”就会消失，只有超级巨星才能生存。

这篇论文的作者伊兰·施特劳斯（Ilan Strauss）、杨章浩（Jangho Yang）和玛丽安娜·马祖卡托（Mariana Mazzuzato）决定使用一个特殊的工具——Patreon，来窥探这些数字城市的幕后。Patreon 是一个粉丝直接向创作者支付费用以获取额外内容的网站，但问题在于：Patreon 本身并没有真正的机制来向你展示新的创作者。要在 Patreon 上获得收入，你必须先在其他地方（如 YouTube、Instagram 或 Twitter）成名。然后，创作者会将他们的 Patreon 链接放在主页资料中。因此，一名创作者在 Patreon 上赚取的钱，完美地反映了他们在主平台获得的关注度。如果一名 YouTuber 有一百万次观看，他们很可能也会获得很多 Patreon 粉丝。如果他们观看次数为零，他们也可能获得零 Patreon 粉丝。

研究人员查看了来自三个不同年份（2018年、2021年和2024年）超过10万名创作者的数据，以观察资金是如何分布的。他们发现了一个令人震惊的现象：几乎所有平台的收入都遵循一种“富者愈富”的模式，在数学上由一个被称为 alpha (α) 的数值来描述。在他们的世界里，较低的 alpha 值意味着更陡峭、更不公平的金字塔。他们发现，对于大多数平台来说，这个数字大约在 2.0 左右。这是一个非常具体的数字，表明系统对普通人来说是非常不利的。这意味着，当你每向上攀爬一级台阶时，回报不仅仅是变大了一点，而是呈爆炸式增长。顶尖创作者获取资金的速度，看起来更像是亿万富翁的投资组合，而非普通劳动者的薪水。

当他们比较不同的“城市”时，结果就像是一份公平性成绩单。YouTube 和 Instagram 的数值最低（分别约为 1.8 和 1.84），意味着它们是最不公平的。在这些平台上，“创作者中产阶级”——即那些小有名气但并非超级巨星的人——正在被挤压。他们的收入较低，且富人与其他人之间的差距更大。相比之下，Twitter/X 和仅限 Patreon 的创作者拥有较高的数值（分别约为 2.35 和 2.24），这表明其金字塔稍微平缓一些、更公平一些，更多的人可以以此维持生计，尽管顶端依然占据了最大的份额。

这个故事中最令人担忧的部分是“时间旅行”。当作者观察 2018 年的数据并将其与 2024 年进行对比时，他们看到金字塔变得越来越陡峭。Instagram 和 YouTube 的数值下降了，这意味着“富者愈富”的效应正逐年增强。这就像是城市的市长正在慢慢关掉各个社区的灯光，只将巨大的聚光灯投向顶端的那一座房子。作者认为，这是因为算法变得越来越擅长寻找病毒式传播的内容并推送到每个人面前，同时忽略了那些规模较小的、分众化的创作者。

然而，作者们很谨慎，并未声称他们已经解开了谜团。他们承认，虽然模式看起来像是算法在作祟，但也可能有其他因素在起作用。也许 Twitter 上的用户恰好在金钱方面更加慷慨，或者 YouTube 上的创作者只是更具竞争性。他们无法百分之百确定算法是唯一的原因，但证据强烈表明，这些平台分配注意力的方式是这种不平等的主要驱动力。他们还指出，随着人工智能在内容创作方面变得越来越强大，这个问题可能会变得更加严重，因为算法可能会变得更加痴迷于已经存在的“病毒式”内容，从而减少了新的、不同的声音被听到的空间。

简而言之，这篇论文描绘了一个数字世界的景象，在这个世界里，游戏规则正在缓慢变化，变得更加有利于超级巨星。创作者的“中产阶级”正在萎缩，除非调整这些隐形的算法规则以给“小人物”一个机会，否则在线创作的未来可能看起来不像是一个多元化的城市，而更像是一座孤零零的高耸摩天大楼，而其他人则生活在阴影之中。

技术摘要：“强者恒强”？基于 Patreon 收益数据的平台注意力与收入不平等研究

问题陈述
在线社交媒体市场正日益受算法注意力分配而非价格机制的支配。与通过价格平衡供需的经典多边市场模型不同，平台利用处理大量内容与用户偏好数据的非价格算法来分配可见度。虽然这些算法能够实现市场效率，但它们同时也作为一种分配机制，决定了参与者的经济结果。在文献中存在一个关键空白：关于这些机制的经济影响，即平台很少披露创作者收益或算法优化细节，这使得实证测试算法注意力究竟是促进了不平等的生态系统还是支持了健康的“中产阶级”创作者变得十分困难。本文通过调查平台市场内的收益不平等现象来填补这一空白，特别探讨了第三方社交媒体算法如何影响变现结果。

研究方法
本研究利用了一个全新的、大规模的 Patreon 月度创作者收益数据集，涵盖三个时间截面：2018 年 3 月、2021 年和 2024 年（ $n = 104,719$ ）。Patreon 是外部平台注意力的理想代理指标，因为其原生分发功能极少；创作者必须从外部平台（YouTube、Instagram、Twitch、Twitter/X、Facebook）链接其 Patreon 页面来驱动流量。因此，Patreon 的收益很大程度上反映了这些主要外部平台所捕获的注意力。

为了隔离特定平台的动态，作者将数据集限制在仅隶属于单一外部平台（或仅使用 Patreon）的创作者，通过剔除具有多重隶属关系的创作者来控制跨平台排序的影响。针对缺失的收益数据（特别是那些倾向于保持收益隐私的高收入者），作者根据付费成员数、总成员数、内容类型、NSFW（成人内容）状态以及年份进行了线性插值处理。

核心分析框架采用幂律分布（ $p(x) \sim x^{-\alpha}$ ）来表征收益特征。作者使用 Clauset 等人（2009）提出的极大似然估计法进行分布拟合，并利用 Kolmogorov-Smirnov (KS) 统计量来评估拟合优度。指数 $\alpha$ 是衡量不平等的首要指标：较低的 $\alpha$ 表示具有更重的尾部和更高的不平等程度（与资本收入集中一致）；而较高的 $\alpha$ 则表明分布更为公平。作者通过偏好依附模型（Barabási 和 Albert 1999）的角度来解释这些指数，其中 $\alpha$ 在理论上与随机探索（ $\gamma$ ）与对现有流行度的开发利用（ $1-\gamma$ ）之间的平衡相关联。

核心贡献

关于算法不平等的实证证据： 本文提供了极少数对内容创作者收益分布进行的系统性分析之一，超越了轶闻证据，量化了主要平台上的“强者恒强”动态。
跨平台比较： 通过利用 Patreon 数据作为外部注意力的代理，本研究提供了一个比较框架，用以评估不同平台算法（例如 YouTube 的推荐引擎对比 Twitter 的社交图谱）如何与收益集中度相关联。
时间动态： 研究记录了收益不平等随时间演变的动态过程（2018–2024），揭示了算法转变如何影响收入分布的趋势。
方法论严谨性： 作者明确处理了混杂变量，如“平台到 Patreon”的转化率和受众构成，将观察到的模式视为与算法机制一致，同时也承认存在其他解释（如创作者自我筛选）。

结果

幂律动态： 在大多数平台中，Patreon 收益遵循 $\alpha \approx 2.0$ 的幂律分布。这使得创作者收益更接近于集中的资本收入（ $\alpha \approx 1.5$ ）而非劳动收入，表明存在由算法注意力驱动的乘数效应和复利效应。
平台差异： 不平等的程度存在显著差异：
- 高集中度（低 $\alpha$ ）： YouTube ( $\alpha = 1.8$ ) 和 Instagram ( $\alpha = 1.84$ ) 表现出最极端的“强者恒强”动态。这些平台的平均和中位数收益较低，且创作者“中产阶级”较弱。
- 较低集中度（高 $\alpha$ ）： Twitter/X ( $\alpha \approx 2.35$ ) 和仅使用 Patreon 的创作者显示出较高的指数，表明其尾部较轻且分布更公平。作者指出，Twitter/X 历史上对社交图谱而非纯算法推荐的依赖可能导致了这一结果。
时间趋势： 在 2018 年、2021 年和 2024 年之间，YouTube、Instagram、Facebook 和 Twitch 的 $\alpha$ 值普遍下降，表明收益集中度正在增加。Instagram 的变化最为剧烈，其 $\alpha$ 从 2021 年的 $\approx 2.1$ 降至 2024 年的 $1.84$，这与向算法推荐的转型相吻合。
中产阶级侵蚀： 具有更强幂律特征（较低 $\alpha$ ）的平台与较低的中位数收益和更窄的四分位距相关联，这表明“强者恒强”的动态不成比例地从中层创作者身上榨取收益。
内容类别： 收益不平等因内容类型而异。动画和播客的 $\alpha$ 最低（不平等程度最高），而音乐、漫画和写作的 $\alpha$ 较高，表明这些类别的分布更为公平。

意义与主张
本文认为，算法注意力分配是观察到的收益集中的主要驱动因素。研究结果表明，当前的平台算法优先考虑现有流行度（低 $\gamma$ ），创造了一种极少数精英捕获大部分收入的生态系统，从而侵蚀了创作者的中产阶级。

作者明确指出，其发现是描述性和启发性的，而非确定性的因果关系。作者承认，受众构成、创作者自我选择以及特定平台的转化规范等替代机制也可能导致观察到的模式。然而，不同平台和不同时期下幂律动态的一致性，支持了算法设计在塑造收益不平等中起核心作用的假设。

研究结论认为，如果不对底层算法机制进行改变（特别是增加旨在挖掘长尾内容的“探索”组件），收益不平等很可能会持续存在。作者建议，政策干预（例如通过《欧盟数字服务法》强制要求推荐系统的透明度，或要求建立激励长尾内容的算法）可以促进更公平的数字经济。他们警告称，如果平台仍锁定在强化“强者恒强”动态的参与度最大化算法中，那么仅仅增加市场竞争可能并不足够。

类似论文