INFORMATION SYSTEMS RESEARCH · DIGITAL PLATFORM PRICING

The Economics of Password Sharing

密码共享的经济学：订阅定价、消费者自我捆绑与福利

Jianqing Chen · Jianchao Sheng ｜ Information Systems Research 37(3), 2026, 1621–1642

DOI 10.1287/isre.2024.1313 ↗

L82 经济学分类 →L86 经济学分类 →D42 经济学分类 →D82 经济学分类 →K42 经济学分类 →L11 经济学分类 →M31 经济学分类 →
密码共享 → 共享成本 → 消费者自我捆绑 → 价格歧视 → 自选择 → 细分市场 → 版权治理 → 消费者剩余 →
Password Sharing → Sharing Cost → Self-Bundling → Price Discrimination → Self-Selection → Segment Disparity → Copyright → Consumer Surplus →

VIDEO EXPLAINER · 中文视频讲解

密码共享的经济学

9 分 45 秒 · 854×480 压缩视频

AUDIO EXPLAINER · 中文音频讲解

密码共享的经济学（视频音轨）

9 分 45 秒 · 从本页中文视频提取的完整音轨

《密码共享的经济学》全文深度解析报告

The Economics of Password Sharing —— 理论模型、命题解析与管理启示

论文英文标题 The Economics of Password Sharing
论文作者 (Untranslated) Jianqing Chen (The University of Texas at Dallas)
Jianchao Sheng (University of Science and Technology of China)
发表期刊与卷期 Information Systems Research (ISR), Vol. 37, No. 3, September 2026, pp. 1621–1642
DOI 与出版机构 https://doi.org/10.1287/isre.2024.1313 | INFORMS (Maryland, USA)
JEL 分类号 L82 (娱乐与媒体); L86 (信息网络与软件); D42 (垄断市场定价);
D82 (非对称信息与机制设计); K42 (未授权使用与合规执法); L11 (市场结构与定价); M31 (数字营销)

一、 全文核心总结与研究贡献

1. 研究背景与核心问题

在当今数字经济时代，订阅制模式（Subscription-based Business Model）已深刻渗透进流媒体娱乐（Netflix、Disney+）、在线零售（Amazon Prime）、软件工具（SaaS）、数字音乐（Spotify）及远程教育等各行各业，整体产业规模逾3000亿美元。然而，各订阅平台普遍面临着严峻的“密码共享”（Password Sharing 或 Credential Sharing）挑战。订阅用户将其账户密码分享给亲朋好友或同事，使多位消费者能够“拼车”合用一个订阅账户。以全球流媒体巨头 Netflix 为例，其在 2022 年曾估算有超过 1 亿非付费用户通过密码共享使用其服务，造成巨大的潜在收入流失。

有趣的是，不同平台乃至同一平台在不同时期对密码共享的态度截然不同：Netflix 在 2017 年曾公开在社交媒体发文宣称“Love is sharing a password”（爱就是共享密码），而到了 2023 年却全面展开全球性的大规模 IP 追踪封禁；相比之下，Amazon 对其 Prime 会员的共享行为却长期保持着高度的战略性包容与沉默。基于上述产业现实，Jianqing Chen 与 Jianchao Sheng 在信息系统领域顶级期刊 Information Systems Research 上发表的这篇学术论文，通过构建严谨的博弈论模型，深入探究了以下核心科学问题：

• 定价与利润机制：密码共享如何系统性地改变垄断订阅制企业的定价策略？在何种市场条件下，密码共享反而能为平台创造更高的利润？

• 消费规模与福利效应：密码共享是否必然提高全社会的消费总量？它是否如公众直觉所认为的那样，总能增进消费者剩余与社会总福利？

• 企业战略分化根源：为何 Netflix 与 Amazon 等不同商业生态的订阅平台，在封禁与包容密码共享上存在根本性的战略分歧？

2. 论文的核心理论与管理贡献

本文在产业组织理论、信息产品定价与数字版权治理领域做出了五项奠基性的理论贡献：

• 揭示了“消费者自我捆绑”（Self-Bundling）机制：以往关于产品捆绑（Bundling）的经典文献大多聚焦于企业主动设计的产品套餐（Firm-driven Bundling）。本文开创性地指出，密码共享实质上是一种“消费者驱动的自我捆绑”，两个消费者将各自的估值合并为一个整体来决定是否订阅，这显著降低了消费者估值的异质性，并提高了市场的平均购买力，为企业提供了提价并抽取更多剩余的战略空间。

• 提出了统一定价下的“隐性价格歧视”（Implicit Price Discrimination）：区别于家庭套餐（Family Plans）依靠价格菜单实现显性价格歧视，本文证明在单一统一定价下，密码共享允许消费者根据自身与朋友的估值及共享摩擦成本进行内生自选择（Self-Selection）。高估值用户选择独立全价订阅，中低估值用户选择拼车共享，使得单一价格具备了价格歧视的细分功能，拓展了传统定价理论的边界。

• 发现了“细分市场差异重塑”（Reshaping Segment Disparity）效应：模型首次将市场解构为共享者群体与非共享者群体。由于非共享者通常具有更高的使用频率与隐私溢价，在没有共享时两类群体的最优价格存在严重割裂。本文证明，密码共享能重塑这两个细分市场的相对结构，当非共享者估值溢价较高时，共享能有效平抑两群体的价格张力，使企业统一定价更加高效。

• 打破了“共享必利于社会福利”的直觉认知（福利悖论）：常规认知通常认为，共享降低了使用门槛，必然使消费者收益并提高社会总福利。本文严谨地证明：由于密码共享伴随着客观的隐私暴露担忧、安全隐患、道德摩擦等“共享成本”（Sharing Cost），且平台会借机提高基础定价，在相当广阔的参数空间内，密码共享反而会导致社会总福利与消费者剩余遭受双重损害，为反垄断与消费者保护政策提供了全新依据。

• 解释了科技巨头商业模式分化的内在逻辑：通过引入消费量边际成本/收益参数，模型完美解释了 Netflix（高额 AWS 存储与带宽边际成本，无衍生收益）与 Amazon Prime（共享带来更多线上商品购买，衍生利润丰厚）对待共享的截然相反态度，为数字化平台的商业模式设计提供了极高价值的理论指导。

二、 核心概念、定义与模型符号体系

1. 核心概念与经济学定义

• 密码共享（Password Sharing / Credential Sharing）：指合法订阅账户的持有人将登录凭证提供给他人（朋友、亲属或同事），使得多人共用同一个订阅账户以分摊成本或免费获取服务的行为。在法律上常被视为一种未授权访问，但属于熟人之间的共谋自愿行为。

• 共享成本（Sharing Cost, c）：指两位消费者在共享账户时所产生的全部非金钱交易摩擦与心理效用折损。包括四类微观构成：(1) 隐私泄露风险（观看记录、浏览偏好被熟人知悉）；(2) 账户安全隐患（主密码泄露、连带账户被盗）；(3) 心理与道德摩擦（违反平台规则的负罪感、协调谁交费的人情成本）；(4) 账户控制权损失（多设备挤兑下线、无法随心所欲使用）。

• 细分市场分类：共享者与非共享者：由于消费者在隐私敏感度与道德偏好上的差异，市场分为两类客群。若某消费者或其朋友面临极高的共享成本，则绝不考虑共享，仅考虑独立订阅，称为“密码非共享者”（Nonsharers）；若双方的共享摩擦均处于正常可控水平，则保留共享作为潜在选项，称为“密码共享者”（Sharers）。现实中，重度高频用户往往因隐私绑定深而成为非共享者。

• 非共享者估值溢价（Valuation Premium, r）：刻画了非共享者相较于共享者在服务估值上的系统性均值优势。由于非共享者多为高频活跃用户，其从平台获取的平均效用更高，但同时也伴随着更高的隐私保护要求，体现了估值与共享成本的正相关性。

2. 模型核心符号体系与说明表

下表全面展示了论文理论模型中的全部核心变量、参数与函数表达式，所有数学符号均采用 Word 原生公式排版：

符号 / 变量 数学定义与取值范围 经济学含义 在模型中的功能与角色
pp p≥0p\ \geq \ 0 平台订阅价格 垄断企业的唯一一维战略决策变量（统一定价）
vv v∈[0,1]v\ \in \ \lbrack 0,\ 1\rbrack 或 [r,r+1]\lbrack r,\ r + 1\rbrack 消费者对服务的真实估值 个体对订阅服务满意度与支付意愿的异质性测度
rr r≥0,r<23r\ \geq \ 0,\ r\ < \ \frac{2}{3} 非共享者估值溢价 非共享者估值均匀分布在 [r, r+1]，刻画高频客群的价值增量
cc c≥0,c<2+r4c\ \geq \ 0,\ c\ < \ \frac{2\ + \ r}{4} 共享总成本（双人合计） 衡量拼车共享产生的隐私、安全与人际摩擦损失总和
vx,vyv_{x},\ v_{y} vx,vy∼i.i.d.U[0,1]v_{x},\ v_{y}\ \sim\ i.i.d.\ U\lbrack 0,\ 1\rbrack 共享者配对双方的个体估值 刻画可能共享的两位朋友各自的独立偏好
UindU_{ind} v−pv\ - \ p 独立订阅个体净效用 消费者单人全价购买服务时的所得剩余
UshareU_{share} vx+vy−p−cv_{x}\ + \ v_{y}\ - \ p\ - \ c 双人密码共享总剩余 共享者双方扣除统一价格与共享摩擦后的合并净效用
cp(r)c_{p}(r) 满足特定三次方程之解 定价策略分界阈值 区分“包容共享提价”与“遏制共享降价”的临界共享成本
cπ(r)c_{\pi}(r) 使得 πs*=πn*\pi_{s}^{\ast}\ = \ \pi_{n}^{\ast} 之解 企业利润改善阈值 当且仅当 c < c_π(r) 时，允许密码共享使企业利润增加
cv(r)c_{v}(r) 使得 Vs*=Vn*V_{s}^{\ast}\ = \ V_{n}^{\ast} 之解 总消费量变动临界点 在此阈值之下，共享促成的实际使用人次显著放大
csw(r)c_{sw}(r) 使得 sws*=swn*{sw}_{s}^{\ast}\ = \ {sw}_{n}^{\ast} 之解 社会总福利改善阈值 在此阈值之下，低共享摩擦使得社会福利得以提升
ccs(r)c_{cs}(r) 使得 css*=csn*{cs}_{s}^{\ast}\ = \ {cs}_{n}^{\ast} 之解 消费者剩余改善阈值 满足 c_cs(r) < c_sw(r)，说明消费者获益条件极为苛刻
τ\tau τ=4(2+c)²+3(6+4r+c²)\tau\ = \ \sqrt{4(2 + c)²\ + \ 3(6 + 4r + c²)} 最优价格辅助分析项 用于表征包容共享下均衡定价、需求与利润的简记参数
φ\varphi φ∈(−1/5,1/5)\varphi\ \in \ ( - 1/5,\ 1/5) 消费量边际收益/成本系数 拓展模型：刻画服务额外消费人次的边际增益或负担
β\beta β∈[0,1]\beta\ \in \ \lbrack 0,\ 1\rbrack 朋友间估值正相关系数 拓展模型：刻画兴趣相似者结伴共享对自我捆绑效应的削弱
θ\theta 0<θ≤10\ < \ \theta\ \leq \ 1 共享者在总人口中的比例 拓展模型：通用化市场客群结构比例分析

3. 博弈时序与消费者决策机制

博弈分为两个阶段展开：

• 第一阶段（平台定价）：垄断企业在预见消费者后续反应的基础上，设定订阅服务的单一价格 p，以最大化自身预期利润。

• 第二阶段（消费者决策）：在已知价格 p 和自身共享成本 c 的前提下，非共享者在独立订阅与不订阅中做出选择；共享者则通过评估自身与朋友的估值，在独立订阅、双人共享和不订阅三者中做出效用最大化决策。

共享者决定结伴共享的充要条件为：两人的合并共享效用严格大于两人分别做出最优独立决策时的效用之和，即满足 Condition (6)：

vx+vy−p−c>(vx−p)⁺+(vy−p)⁺v_{x}\ + \ v_{y}\ - \ p\ - \ c\ > \ \left( v_{x}\ - \ p \right)^{⁺}\ + \ \left( v_{y}\ - \ p \right)^{⁺}

其中上标 ⁺ 表示取非负值，即满足 z⁺ = max{z, 0}。此条件自然诱导了共享者市场的内生细分：

• 双高估值区域（A区）：vx≥p且vy≥pv_{x}\ \geq \ p\ 且\ v_{y}\ \geq \ p。若不共享两人都愿全价买单；但在价格高于共享成本（p>cp\ > \ c）时，合并付费节省了一个 pp 但多花了 cc，净省 p−c>0p\ - \ c\ > \ 0，因此两人合买一份，造成平台订单量损失。

• 一高一低非对称区域（B1/B2区）：一方 vx≥pv_{x}\ \geq \ p 愿买，另一方 vy<pv_{y}\ < \ p 不买。若其朋友的估值 vy>cv_{y}\ > \ c，则将朋友拉入共享可为高估值方省下部分费用，两人达成拼车，贡献 1 份订单。

• 双低凑单区域（C区）：双方单独均买不起（vx<p且vy<pv_{x}\ < \ p\ 且\ v_{y}\ < \ p），但两人合计估值高于总门槛（vx+vy>p+cv_{x}\ + \ v_{y}\ > \ p\ + \ c）。两人合资上车，将原本流失的市场转化为新增订单。

• 单买保留区域（D1/D2区）：一方估值高（vx≥pv_{x}\ \geq \ p），但朋友估值极低（vy<cv_{y}\ < \ c），合租带来的微薄估值尚不足以弥补共享成本 cc，因此该高估值用户选择全额独立订阅。

三、 命题、引理与推论的逐一经济解释与生活实例分析

本节对论文中包含的全部两个引理（Lemma 1–2）、九个命题（Proposition 1–9）以及推论（Corollary 1）进行系统且详尽的经济学解析。严格按照要求，省略纯数学证明过程，重点阐释其经济直觉，并通过生动具体的生活与商业数值案例解释其在现实中的运作机理。

1. Lemma 1: 无密码共享（禁止共享）基准情形的均衡

Lemma 1 核心数理结论

在禁止密码共享的基准情形下，平台的最优均衡价格、需求与利润分别为：

pn*=2+r4,Dn*=2+r4,πn*=(2+r)216p_{n}^{\ast}\ = \ \frac{2\ + \ r}{4},\ \ \ D_{n}^{\ast}\ = \ \frac{2\ + \ r}{4},\ \ \ \pi_{n}^{\ast}\ = \ \frac{(2\ + \ r)^{2}}{16}

【经济直觉分析】：在完全杜绝密码共享的传统市场中，平台面对由“普通共享者”（估值在 [0, 1]）与“非共享高频客”（估值在 [r, r+1]）构成的两极化市场。由于只能设定一个统一定价，企业的最优价格实质上是在“讨好共享者群体”（该群体的单独最优定价为 1/2）与“迎合高估值非共享群体”（该群体的单独最优定价为 (1+r)/2）之间寻求边际平衡。当非共享者的估值优势 r 扩大时，高估值群体对价格的承受力提升，平台宁愿牺牲一部分低端共享者用户的流失，也要拔高售价以榨取高端用户的充沛剩余，因此均衡价格、需求以及总利润均随 r 严格单调递增。

【生活与商业实例】：

假设某音乐流媒体软件（如网易云音乐或 QQ 音乐）正在考虑黑胶 VIP 订阅费。市场中有两类用户：一类是在校大学生（估值分布在 0 到 100 元，r=0），另一类是注重音质且深度依赖的白领车主（估值分布在 40 到 140 元，即溢价 r = 0.4）。若单独面对学生，最优定价是 50 元；若单独面对白领，最优定价是 70 元。在禁止任何账号转借的情况下，平台折中定价为 (2 + 0.4)/4 * 100 = 60 元。此时，学生中估值高于 60 元的 40% 会买单，白领中估值高于 60 元的 80% 会买单，总市场渗透率为 60%，企业获得 36 元的单客期望利润。这一结果清晰展现了统一定价在面对差异化细分客群时的权衡逻辑。

2. Lemma 2: 存在密码共享时的企业均衡定价与策略分化

Lemma 2 核心数理结论

在允许密码共享时，企业存在以 c_p(r) 为界限的两种非连续定价策略：

ps*={τ−2(2+c)3若c≤cp(r)c若c>cp(r)p_{s}^{\ast}\ = \ \left\{ \begin{array}{r} \frac{\tau\ - \ 2(2\ + \ c)}{3}\ \ 若\ c\ \leq \ c_{p}(r) \\ c\ \ 若\ c\ > \ c_{p}(r) \end{array} \right.\

其中：τ=4(2+c)²+3(6+4r+c²)\tau\ = \ \sqrt{4(2 + c)²\ + \ 3(6 + 4r + c²)}，策略一为包容共享提价，策略二为遏制共享降价。

【经济直觉分析】：引理 2 揭示了企业面对密码共享时极其深刻的策略突变现象（Discontinuous Strategy）。由于共享既能通过“两人凑单（C区）”拉来新客户，又会导致“双高用户合买（A区）”丢掉老单，企业的最优反应取决于共享成本 c：

• 低共享成本区（包容共享，Accommodation）：当 c 较低时，拼车难度低，低端用户两两凑单贡献的增量需求非常充沛。此时平台主动选择“放水养鱼”，顺势将价格定得很高（远高于不共享时的价格）。因为用户在拼单时看的是两个人的总支付意愿，高定价能充分掠夺两份估值合并后的红利。在此区间内，c 越大，用户的拼车意愿越受挫，平台不得不被动降价。

• 高共享成本区（遏制共享，Deterrence）：当 c 较高时，拼车摩擦太大，能成功凑单的新用户极少，但只要价格偏高，高估值用户依然有动机合买以规避两份全价。此时包容共享得不偿失，企业索性采取“自杀式打折”，把官方价格压低到恰好等于共享成本 c。一旦官方单价低于或等于共享成本，用户自己买的成本比欠人情、冒隐私风险拼车的代价还要小，所有人的共享动机被瞬间蒸发，企业彻底遏制了密码共享。

【生活与商业实例】：

以视频平台爱奇艺或腾讯视频的 VIP 定价为例。

• 场景 A（便捷登录，c = 8 元）：如果平台支持微信一键授权且允许多台设备独立记录历史，朋友合租极易达成（c 很小）。平台发现很多原本只愿出 15 元的用户两两搭伙，愿意总共掏出 40 元。平台于是顺水推舟，将月费从原本的 25 元大举拔高到 35 元。两个朋友平摊每人 17.5 元，加上 4 元的心理摩擦，仍然划算，平台成功以高价赚取合并价值。

• 场景 B（安全风控严格，c = 28 元）：如果平台异地登录必须输入手机实时验证码，且观看记录混淆（c 很大）。此时想拼车的人寥寥无几，若价格依然定在 35 元，平台既招不来拼车新客，又导致部分核心用户转为合租。为了彻底消除灰产与拼单，平台直接推出“限时特惠，单人月卡仅售 25 元”（低于共享麻烦成本 28 元）。消费者算账：“自己买才 25 元，找别人借号不仅要天天要验证码还要看别人口味，麻烦折合 28 元，傻子才去拼！”，共享行为不攻自破。

3. Proposition 1: 密码共享对价格与需求量的对比影响

Proposition 1 核心数理结论

与无密码共享基准情形相比：

1. 在包容密码共享区间：c≤cp(r)c\ \leq \ c_{p}(r)，企业收取更高价格但总订单减少：ps*>pn*且Ds*<Dn*p_{s}^{\ast}\ > \ p_{n}^{\ast}\ 且\ D_{s}^{\ast}\ < \ D_{n}^{\ast}

2. 在遏制密码共享区间：c>cp(r)c\ > \ c_{p}(r)，企业收取更低价格但总订单增加：ps*<pn*且Ds*>Dn*p_{s}^{\ast}\ < \ p_{n}^{\ast}\ 且\ D_{s}^{\ast}\ > \ D_{n}^{\ast}

【经济直觉分析】：为什么在包容共享时，企业的售价必然上升而总订单数必然下降？这一反直觉现象由两大力量驱动：

• 第一，自我捆绑估值聚合（Valuation Aggregation）：共享账号使得两个消费者成为一个决策单元，这等价于让用户进行“自我捆绑”。双人估值求和后的均值显著上移，平台自然顺理成章地制定更高的撇脂价格。

• 第二，高价对需求的挤出超过凑单补充：价格的大幅上调直接压缩了高估值非共享者的消费需求（由于非共享者单人承担全额高价，部分边际用户被挤出）；同时，共享者群体中原本各自买单的双高用户（A区）合并为单一订单。尽管低估值凑单群体（C区）带来了新订阅，但在严格的最优博弈解下，新增的订单量永远不足以抵消两端流失的订单量，导致总售出订单数必然萎缩。反之，在遏制策略下，官方直接降价以击穿共享成本，极低的门槛自然带来订单井喷。

【生活与商业实例】：

某专业设计素材网站（如可画 Canva 专业版）。未开放团队协同共享时，个人版年费为 200 元，全网卖出 10 万张独立订阅单。后来平台允许“双人共用主副账户”（包容共享）。平台顺势将价格提高到 320 元。此时，原本各自花 200 元买单的 4 万名专业设计师中，有 3 万人找同事拼单，订单量从 3 万变成 1.5 万张；原本买不起的边缘业余爱好者凑单贡献了 1 万张订单。最终平台总订单数从 10 万张下滑至 8.5 万张，但由于每张订单均价从 200 元暴涨到 320 元，平台的量跌价升效应极其显著。

4. Proposition 2: 密码共享对企业利润的双刃剑效应

Proposition 2 核心数理结论

与禁止共享相比，密码共享能够提高企业利润的充要条件是：

πs*>πn*当且仅当c<cπ(r)\pi_{s}^{\ast}\ > \ \pi_{n}^{\ast}\ \ \ 当且仅当\ \ \ c\ < \ c_{\pi}(r)

关键性质：临界阈值 cπ(r)c_{\pi}(r) 随非共享者估值溢价 r 的增加而严格单调递增。

【经济直觉分析】：命题 2 是全篇最重要的基石结论之一，它彻底颠覆了“密码共享必然损害软件/流媒体商利润”的传统偏见。论文揭示，密码共享能否为企业带来超额利润，本质上取决于三大深层驱动力的赛跑：

• 动力一：自我捆绑（Self-Bundling）消除离散方差：类似经典捆绑理论，双人合并购买降低了估值的相对方差，使需求曲线在中间段变得更加平坦，平台能够以高单价榨取更大部分的消费者剩余。

• 动力二：单一价格下的隐性价格歧视（Implicit Price Discrimination）：平台并未发布繁复的价格菜单，但用户通过“独立买全价”与“两人分担共享价”完成了内生筛选，实现了二阶价格歧视的效果。

• 动力三：重塑细分市场差异（Reshaping Segment Disparity）：如果非共享者溢价 r 很小，平台为非共享者制定的理想价格与为双人共享者制定的理想价格差距巨大，统一定价会产生严重的两头不讨好（共享者嫌太贵或非共享者定价过高）；但当 r 很大时，非共享者单人估值本身就极高，刚好与“双人合并估值”旗鼓相当！此时平台的单一价格能够天衣无缝地同时契合两类客群的最优定价区间，细分市场的割裂被完美修复，企业利润达到峰值。

【生活与商业实例】：

这完美解释了 Netflix 在 2017 年与 2023 年截然相反的商业表现：

• 2017 年的蜜月期（c 极低，r 极高）：当时流媒体属于新潮事物，家庭与发烧友用户（非共享者）非常富裕且估值极高（r 很大），而大量年轻人和大学生（共享者）对内容处于可看可不看状态。此时账号外借毫无心理障碍（c 几乎为 0）。Netflix 默许共享并稳步将月费提高至 15 美元，平台不仅吸引了上亿年轻群体合租，高端家庭也欣然买单，两拨人的最优价格被统一拉平，企业利润大获全胜。

• 2023 年的收网期（c 升高，r 萎缩）：随着 Netflix 普及，算法推荐高度个性化，借号导致的“播放列表被污染”、“主密码被盗”让大家觉得共享成本巨大（c 显著上升）；同时大部分观众都成了常态用户，非共享者的特殊溢价消失（r 变小）。此时 c 已经突破了 c_pi(r) 临界线，共享变成了单纯的寄生和利润流失，Netflix 遂断然推行技术封禁。

5. Corollary 1: 全共享客群基准下的机制解构（强制共享 vs 可选共享）

Corollary 1 核心数理结论

在一个所有消费者皆为潜在共享者的基准市场中：

1. 强制共享（Mandatory Sharing）优于不共享的充要条件：c<cπ*c\ < \ c_{\pi}^{\ast}

2. 可选密码共享（Optional Sharing）优于不共享的充要条件：c<cπ**c\ < \ c_{\pi}^{\ast \ast}

3. 机制优势排序：可选共享利润严格大于强制共享，且获益门槛更宽：cπ*<cπ**c_{\pi}^{\ast}\ < \ c_{\pi}^{\ast \ast}

【经济直觉分析】：推论 1 巧妙地将密码共享的机制剥离为两个层次：

• 纯捆绑效应（强制共享）：若平台规定只要买就必须拉人共享，这等同于传统经济学中的“纯捆绑销售”（Pure Bundling）。它仅靠削减估值异质性来获利，一旦共享摩擦成本 c 稍大，捆绑红利就会被摩擦损耗殆尽。

• 自选择价格歧视增益（可选共享）：允许消费者自主选择是否共享（Optional），为高估值但朋友估值极低的用户开辟了“退路”（D区）。这些用户不会因为找不到合适的拼单队友而退出市场，而是会自愿以全价独立订阅。这种保留单买选项的设计，在保留自我捆绑红利的同时，进一步挖掘了高估值散客的支付能力，因而利润必然严格压倒强制纯捆绑。

【生活与商业实例】：

以双人网球课或私教健身套餐为例。如果健身房强制规定“所有私教课必须两人一组团购，不提供单人私教”（强制共享），那么一位愿意出 800 元/小时的高收入高管，若一时找不到时间匹配的同伴，就只能放弃报课；但如果健身房规定“既可以两人拼课（每人 400 元），也可以单人包场独享（收费 700 元）”（可选共享），这位高管就会直接选择单人包场，而两个大学生则会拼课。健身房通过给用户自由选择权，既赚到了高管的 700 元全款，又赚到了学生的 800 元拼团款，总收入远高于一刀切的强制组队。

6. Proposition 3: 密码共享对实际消费量（人次）的冲击

Proposition 3 核心数理结论

关于订阅服务的实际消费总量（享受服务的人次数 V*）：

消费扩张常态：在绝大多数参数空间内，允许密码共享的消费总量显著更高：Vs*>Vn*V_{s}^{\ast}\ > \ V_{n}^{\ast}

唯一的例外负向区间：当且仅当共享成本处于特定的中高区间时：cv(r)<c<cp(r)c_{v}(r)\ < \ c\ < \ c_{p}(r)，此时总消费量萎缩。

【经济直觉分析】：必须严格区分“订阅订单数（Demand, D）”与“实际消费人次（Consumption Volume, V）”。在禁止共享时，1 份订单只代表 1 个人在用（V = D）；而在允许共享时，1 份共享订单背后对应着 2 位真实用户！命题 3 表明：虽然命题 1 证明了包容共享时订单量 D 会下跌，但由于拼单机制直接让原本被价格挡在门外的低估值朋友（B区与C区）免费或低价看上了剧，这种“乘数效应”在绝大部分情况下都能弥补订单数的减少，使得全社会总消费人次大幅增长。只有在共享成本处于中等偏高尴尬位置时，高昂的共享摩擦极度抑制了拼车意愿，同时高定价又挤走了单买用户，才会短暂出现消费人次的净下跌。

【生活与商业实例】：

某共享租车/分时租赁公司（如神州租车或 GoFun）。原先只能单人实名租车，每月租车订单为 10 万单（对应 10 万人次出行）。后来平台允许“主副驾驶共享免收额外服务费”。平台顺势调高租金，租车总单量下滑到了 7 万单（订单数减少 30%）；但这 7 万单中有 5 万单是情侣或同事轮流驾驶共同出游（每单服务 2 人），另外 2 万单为个人独享。此时，实际使用该平台车辆出行的总人次变成了 5万 * 2 + 2万 * 1 = 12 万人次！服务覆盖的人口规模显著提升了 20%。

7. Proposition 4: 密码共享对社会福利与消费者剩余的损害悖论

Proposition 4 核心数理结论

与禁止密码共享的情形相比：

sws*<swn*当且仅当csw(r)<c<cp(r){sw}_{s}^{\ast}\ < \ {sw}_{n}^{\ast}\ \ \ 当且仅当\ \ \ c_{sw}(r)\ < \ c\ < \ c_{p}(r)

css*<csn*当且仅当ccs(r)<c<cp(r){cs}_{s}^{\ast}\ < \ {cs}_{n}^{\ast}\ \ \ 当且仅当\ \ \ c_{cs}(r)\ < \ c\ < \ c_{p}(r)

双重门槛关系：满足 ccs(r)<csw(r)c_{cs}(r)\ < \ c_{sw}(r)，说明消费者剩余遭受损害的区间严格大于社会福利受损区间。

【经济直觉分析】：这是全篇最具反直觉色彩、最具政策颠覆性的重大发现！普通公众甚至监管机构往往直觉地认为，允许密码共享让消费者能够低成本拼车、甚至白嫖朋友账号，消费者剩余必定提高，社会福利必定改善。然而命题 4 从严谨的微观经济学视角推翻了这一论断：

• 共享成本是纯粹的社会无谓损失（Deadweight Loss）：两位用户在共享密码过程中感受到的隐私泄露担忧、防止被发现的战战兢兢、账号协调的沟通成本 c，不是转移给企业的利润，而是凭空蒸发的负效用，直接构成了全社会的净福利损耗。

• 平台寡头的高价剥削：在包容共享策略下，平台凭借两两捆绑的优势大肆提高订阅标价，导致原本有能力独立购买的非共享用户被迫承受高价，或者在购买中剩余被极大削减。

• 双重夹击下的福利崩塌：因此，除非共享成本 c 极其微小且非共享者溢价 r 很小，否则共享成本带来的社会内耗与平台涨价带来的剩余侵蚀，将合力拉低整个社会的总福利与消费者剩余。更为严峻的是，由于 c_cs(r) < c_sw(r)，消费者剩余受损的概率区间比社会福利受损的区间更加宽泛！

【生活与商业实例】：

假设两位合租室友共同使用某视频网站。未开放共享前，单人独立月卡 25 元。室友 A 估值 40 元（净剩余 15 元），室友 B 估值 30 元（净剩余 5 元），两人原本各自订阅，总消费者剩余为 20 元。后来平台宣布默许共享，但将订阅费调高至 45 元。两人为了省钱合买了一份，每人摊 22.5 元；但由于账号共享，室友 A 每次都要找室友 B 要短信验证码，且室友 A 喜欢看的私人纪录片被室友 B 嘲笑，心理折磨和时间损耗折合每人 10 元。此时，室友 A 净剩余变为 40 - 22.5 - 10 = 7.5 元，室友 B 净剩余变为 30 - 22.5 - 10 = -2.5 元（室友 B 甚至后悔参与拼单）。两人合计消费者剩余仅为 5 元，远低于各自独立订阅时的 20 元！看似省了钱，实则生活品质与精神效用全方位恶化，这正是该悖论的真实人间写照。

8. Proposition 5: 企业最优决策下的社会福利与消费者剩余均衡分析

Proposition 5 核心数理结论

结合企业自发的最优选择（允许 vs 禁止共享），社会福利与消费者剩余的分化呈现四象限分布：

1. 企业自发允许共享时：福利增加需 c<csw(r)c\ < \ c_{sw}(r)，消费者剩余增加需 c<ccs(r)c\ < \ c_{cs}(r)

2. 企业自发封禁共享时：封禁提升福利需 csw(r)<c<cp(r)c_{sw}(r)\ < \ c\ < \ c_{p}(r)，提升剩余需 ccs(r)<c<cp(r)c_{cs}(r)\ < \ c\ < \ c_{p}(r)

3. 双赢条件：双赢仅在极低共享成本配合适度非共享溢价，或中等共享成本下平台封禁共享时产生。

【经济直觉分析】：命题 5 将企业的利润最大化目标与社会总福利/消费者剩余进行了对撞。分析表明，企业自发的最优选择与社会整体利益之间存在极其显著的“利益脱节”：

• 双赢区间（Win-Win）：在共享成本极低且非共享溢价适中时，平台包容共享，多方共赢；或者当共享成本居中时，平台主动技术封禁共享，迫使消费者回到独立订阅，反而消除了高昂的共享摩擦内耗，同样实现企业增收、社会减损的双赢。

• 冲突区间（Win-Lose）与监管介入：最危险的区间发生在“低共享成本但高非共享溢价”时。此时企业依靠包容共享赚取了爆炸性的垄断超额利润，但代价是消费者剩余被榨取殆尽；反之，在中等成本与低溢价区，企业强行封禁共享虽然维护了自身利润，却剥夺了边缘低收入群体唯一能看上剧的途径。在这两类冲突区域，纯粹依靠市场调节必然失灵，必须引入反垄断与消费者权益监管者的行政干预。

【生活与商业实例】：

某学术数据库平台（如知网或 IEEE Xplore）。高校与科研机构对其估值极高（r 极大），而独立个人研究者支付能力脆弱。若数据库允许“多机构/多人账号共享”但将机构订阅年费暴涨至百万级，数据库厂商利润大幅提升，但各高校师生不仅要忍受并发挤兑掉线（c 存在），还承担了高昂的公共财政支出，整体科研人员效用被严重挤压。此时若无国家教育主管部门与反垄断执法机构介入限价和规范，市场自发演进的结果必将严重扭曲公共利益。

9. Proposition 6: 平台“幼稚定价”（Naive Pricing）拓展分析

Proposition 6 核心数理结论

假设企业技术落后或未能识别共享行为，继续沿用禁止共享时的老价格 p*_n：

幼稚定价获益充要条件：c<cπnaive(r)c\ < \ c_{\pi}^{naive}(r)

cπnaive(r)=2(1−2)+(1+2)r4c_{\pi}^{naive}(r)\ = \ \frac{2(1\ - \ \sqrt{2})\ + \ (1\ + \ \sqrt{2})r}{4}

【经济直觉分析】：在现实商业世界中，并非所有企业都拥有类似 Netflix 那样顶尖的算法团队和 IP 追踪能力。很多中小 SaaS 厂商或初创数字平台根本没有意识到自己的账号正在被大规模共享。命题 6 考察了这种“后知后觉”的幼稚定价情形。结论证明：即使平台完全不针对共享做出任何战略性提价调整，只要共享成本足够低，密码共享本身就能自发地为企业创造额外利润！其背后的驱动力在于：在老价格下，共享行为实质上充当了“民间拼团打折器”，自发降低了准入门槛，让原本完全不打算消费的边缘沉睡用户掏出了真金白银。这一结论极大地增强了论文核心观点的理论稳健性。

【生活与商业实例】：

一家独立单机游戏工作室在 Steam 平台发布了一款售价 68 元的解谜游戏。工作室规模极小，未对 Steam 的“家庭库共享”（Steam Family Sharing）功能做任何限制，也未曾改动售价。结果大量高中生利用该功能，两个人合资 68 元买了一份游戏，轮流换号通关。原本这两个高中生因为手头拮据绝不会花 68 元单买，由于家庭共享的存在，两人各出 34 元凑成了一单。游戏开发者虽然“毫无作为”，但后台销售报表却意外增长了 15%。

10. Proposition 7: 消费量利润敏感度对企业战略的分化影响

Proposition 7 核心数理结论

引入消费量边际收益/成本系数：φ∈(−1/5,1/5)\varphi\ \in \ ( - 1/5,\ 1/5)

1. 正向收益 (φ > 0)：增加消费人次能带来额外收益，企业包容共享门槛放宽，即便 r = 0 亦可获益。

2. 负向成本 (φ < 0)：增加消费人次产生沉重边际负担，企业包容共享门槛急剧收窄，更趋向严厉封禁。

【经济直觉分析】：基础模型假设服务消费者的边际成本为 0。然而不同数字业务的底层成本与收益飞轮截然不同：

• 高边际负负担平台 (φ < 0)：如纯视频流媒体平台。多一个人看 4K 高清视频，CDN 节点流量费和云服务器算力支出就实打实地增加一分，而平台无法从纯观看中获得任何额外商品销售分成。此时共享带来的庞大“消费人次”反倒成了企业的财务噩梦，促使平台更决绝地封杀共享。

• 强飞轮正生态平台 (φ > 0)：如综合电商与硬件生态。每多一个人使用会员权益，就会大幅激发其在平台上的高频交易转化（如顺手买东西、使用支付工具、点击站内广告）。此时消费人次增长带来的后端交叉变现收益远超订阅费本身，企业不仅乐见共享，甚至主动将其作为拉新和促活的流量入口。

【生活与商业实例】：

这精辟地揭示了 Amazon Prime 与 Netflix 战略背道而驰的商业真相：

• Netflix 视角 (φ < 0)：Netflix 租用 Amazon AWS 提供底层流媒体存储与分发，每增加一个白嫖账号看剧，Netflix 就要给亚马逊多付巨额云服务账单，但白嫖用户不会给 Netflix 带来任何牙刷、纸巾或手机的购买。Netflix 必须对共享重拳出击。

• Amazon 视角 (φ > 0)：当全家人共用一个 Amazon Prime 会员时，丈夫用会员看英超直播，妻子用会员享受次日达买衣服，老人用会员囤生鲜日用品。多出来的两个人看似只买了一份会员，却在亚马逊主站创造了成千上万美金的实物电商交易额。亚马逊公开嘲讽 Netflix 封禁共享，正是源于其商业模式中极为庞大的 φ > 0 飞轮效应。

11. Proposition 8: 朋友间估值正相关拓展分析

Proposition 8 核心数理结论

引入朋友间估值正相关系数：β∈[0,1]\beta\ \in \ \lbrack 0,\ 1\rbrack

相关性负面冲击：随着相关系数 β 的增大，自我捆绑与隐性价格歧视红利持续萎缩，cπ(r)c_{\pi}(r) 显著下降。

【经济直觉分析】：在社会学中，“物以类聚，人以群分”（Homophily）现象十分普遍，喜好相近的人更容易成为朋友，从而导致估值正相关（β > 0）。然而命题 8 指出，正相关性对于密码共享的“自我捆绑”机制是致命的打击：

• 削弱捆绑削峰填谷效果：根据大数定律与经典捆绑理论，捆绑销售之所以有效，是因为一个对产品评价高的人刚好能补贴另一个评价偏低的人，从而平滑估值分布。如果朋友双方估值完全一致（β = 1），一个出 90 元另一个也出 90 元，一个出 10 元另一个也出 10 元，合并后的均值毫无方差缩减优势，自我捆绑彻底沦为无用功。

• 瓦解隐性价格歧视：估值的高度趋同使得消费者在独立订阅与拼车共享之间的自选择细分失效，平台无法再利用不对称性诱导部分高估值用户单买，企业利润因而不可避免地下滑。

【生活与商业实例】：

某小众专业医学学术期刊数据库。如果在肿瘤科医生圈子里（相互间对医学前沿资料估值极高且高度一致，β 接近 1），允许账号共享只会让两个同样愿意出 1000 元年费的医生合买一份，平台白白损失 1000 元收入；相反，若是在综合大学宿舍（一个医学生估值 1000 元，一个文学系室友偶尔查资料估值 100 元，β 接近 0），医学生拉着文学系室友合资 1050 元购买，平台不仅多赚了文学系学生的 50 元外溢价值，还成功完成跨界渗透。

12. Proposition 9: 非共享者群体比例变化的拓展分析

Proposition 9 核心数理结论

将共享者市场比例推广为参数：θ∈(0,1]\theta\ \in \ (0,\ 1\rbrack

1. 当非共享者溢价较低时：共享者比例 θ 增加，放大自我捆绑正效应，平台更倾向允许共享。

2. 当非共享者溢价极高时：共享者比例 θ 增加，反而降低缩小客群差距的收益，平台包容意愿下降。

【经济直觉分析】：命题 9 将两类客群各占 50% 的简化假设推广至任意市场构成：

• 在低溢价的大众化市场中：非共享客群的价值有限，共享者群体才是消费主力（θ 很大）。此时自我捆绑机制在总体人群中覆盖面极广，平台有充分的动力去设计包容共享的政策。

• 在高溢价的精英/专业市场中：非共享客群是平台的“现金奶牛”（提供极高 r 的纯利润）。如果这部分高端客群比例很大（1 - θ 很高），平台会把全部定价重心放在如何伺候好这批核心用户上，绝不容许边缘共享者引入的廉价账号侵蚀核心客群的高额单价。

【生活与商业实例】：

以 Adobe Creative Cloud 创意软件套件为例。

• 高校教育市场 (θ = 0.85)：绝大多数为学生与青年初学者，彼此估值差异不大（r 很小）。Adobe 推出允许双设备同时激活的教育版，学生们欣然两人合租，平台凭借庞大的共享者规模获得了极佳的普及率与总利润。

• 企业与商业机构市场 (θ = 0.15)：主要是好莱坞影视工作室、跨国广告巨头等商业机构（r 极高，非共享者占比高达 85%）。Adobe 对商业授权实施极严格的一人一号、单点登录甚至硬件加密锁绑定，绝不给任何共享漏洞，以此确保从高利润商业客户手中全额榨取超高软件授权费。

四、 经济与管理启示全面总结

基于全篇论文的均衡分析与比较静态学结论，本文为数字经济时代下的订阅制平台管理层、商业模式设计者以及公共政策反垄断监管部门提供了全方位的决策洞见：

1. 平台管理者的战略启示

• 策略转变：从代价高昂的“技术对抗”转向精巧高效的“经济手段治理”：许多平台在面对密码共享时，第一反应是投入数以千万计的研发预算，部署激进的 IP 地理围栏追踪、设备指纹检测与人脸活体认证。然而本研究表明，强行遏制共享完全可以通过经济定价杠杆自发完成：只要将基础单价理性调整至共享摩擦成本 c 以下，消费者的拼车动机就会被内在经济理性瓦解；反之，若盲目投入技术对抗不仅徒增 IT 成本，更会因误伤正常异地出差或家庭度假用户而引发激烈的舆论反弹。

• 摩擦力工程（Friction Engineering）与产品架构设计：共享成本 c 并非完全外生的自然参数，而是企业产品设计可以主动塑造的杠杆：(1) 当平台处于“包容共享期”时，应主动降低 c，例如设计清晰独立的个人配置文件（Multi-Profiles）、支持家庭独立观看历史隔离与个性化推荐屏障，从而最大化自我捆绑带来的合并支付意愿；(2) 当平台决定转向“遏制共享期”时，可通过增加设备绑定的解绑冷却时间、要求定期在家庭局域网内握手同步等人为提高 c，使拼车体验变得极其繁琐不堪。

• 深挖非共享群体的溢价池（做大参数 r）：研究明确证实，非共享者的估值溢价 r 越大，平台越能包容共享并从中大发横财。因此，平台绝不能让所有用户享受均质化内容，而应主动为不共享的独立全价用户提供顶级特权——包括独家 4K HDR 杜比视界片源、零延迟体育直播通道、专属会员线下活动等，从而在心智上稳固高频用户的价值天花板。

• 审视企业基因与底盘：纯内容订阅 vs 跨业态生态协同：企业在制定共享政策前，必须清醒评估自身的成本函数与商业变现链条。如果像 Netflix 一样是纯内容分发商（边际消费有成本且无衍生收益，φ < 0），到期收网、封禁共享并推出“额外付费成员”（Paid Sharing）是必由之路；如果像 Amazon 或 Apple 一样拥有横跨硬件、电商、支付的庞大生态圈（φ > 0），则应将共享账号作为一种极低成本的用户获取渠道（Customer Acquisition），利用全家人的协同使用做大整个商业生态的总体吞吐量。

2. 公共政策与反垄断监管启示

• 警惕“共享繁荣”面具下的消费者剩余剥削陷阱：反垄断与消费者保护部门应当破除“只要平台允许拼车共享就是造福大众”的表面迷思。研究证实，在非共享溢价较高的行业中，平台允许密码共享往往伴随着基础订阅价格的大幅拉升，其本质是借助自我捆绑机制实施更为隐蔽和彻底的垄断剩余抽取，全社会的消费者剩余很可能因此大幅萎缩。

• 规范“付费共享”（Paid Sharing）新业态的合规红线：随着 Netflix 等平台将免费密码共享逐步替换为“每月额外加收几美元即可添加额外非同住成员”的付费共享模式，监管机构应密切关注平台是否存在滥用市场支配地位进行价格歧视、强制捆绑、或者在单方面变更用户服务协议（ToS）时侵害既有订户合法权益的行为，维护数字订阅市场的公平竞争秩序。

五、 参考文献

[1] Adams WJ, Yellen JL (1976) Commodity bundling and the burden of monopoly. Quarterly Journal of Economics 90(3):475–498.

[2] Amaldoss W, Du J, Shin W (2021) Media platforms' content provision strategies and sources of profits. Marketing Science 40(3):527–547.

[3] Anand KS, Aron R (2003) Group buying on the web: A comparison of price-discovery mechanisms. Management Science 49(11):1546–1562.

[4] Athey S, Calvano E, Gans JS (2018) The impact of consumer multi-homing on advertising markets and media competition. Management Science 64(4):1574–1590.

[5] Bakos Y, Brynjolfsson E (2000) Bundling and competition on the internet. Marketing Science 19(1):63–82.

[6] Bhargava HK (2012) Retailer-driven product bundling in a distribution channel. Marketing Science 31(6):1014–1021.

[7] Bhargava HK (2023) Multi-device consumption of digital goods: Optimal product line design with bundling. Journal of Management Information Systems 40(3):724–751.

[8] Casadesus-Masanell R, Hervas-Drane A (2015) Competing with privacy. Management Science 61(1):229–246.

[9] Chellappa RK, Shivendu S (2005) Managing piracy: Pricing and sampling strategies for digital experience goods in vertically segmented markets. Information Systems Research 16(4):400–417.

[10] Chen J, Sheng J (2026) The Economics of Password Sharing. Information Systems Research 37(3):1621–1642. https://doi.org/10.1287/isre.2024.1313.

[11] Conner KR, Rumelt RP (1991) Software piracy: An analysis of protection strategies. Management Science 37(2):125–139.

[12] Desai PS, Purohit D, Zhou B (2018) Allowing consumers to bundle themselves: The profitability of family plans. Marketing Science 37(6):953–969.

[13] Dey D, Ghoshal A, Lahiri A (2021) Support forums and software vendor's pricing strategy. Information Systems Research 32(2):653–669.

[14] Fainmesser IP, Galeotti A, Momot R (2023) Digital privacy. Management Science 69(6):3157–3173.

[15] Fang Z, Fan M, Jain A (2023) Content proliferation and narrowcasting in the age of streaming media. Production and Operations Management 32(10):3295–3310.

[16] Godes D, Ofek E, Sarvary M (2009) Content vs. advertising: The impact of competition on media firm strategy. Marketing Science 28(1):20–35.

[17] Jin C, Wu C, Lahiri A (2022) Piracy and bundling of information goods. Journal of Management Information Systems 39(3):906–933.

[18] Jing X, Xie J (2011) Group buying: A new mechanism for selling through social interactions. Management Science 57(8):1354–1372.

[19] Kim A, Lahiri A, Dey D (2018) The 'invisible hand' of piracy: An economic analysis of the information-goods supply chain. MIS Quarterly 42(4):1117–1141.

[20] Ladas K, Kavadias S, Loch C (2022) Product selling vs. pay-per-use service: A strategic analysis of competing business models. Management Science 68(7):4964–4982.

[21] Lahiri A, Dey D (2013) Effects of piracy on quality of information goods. Management Science 59(1):245–264.

[22] Li S, Luo Q, Qiu L, Bandyopadhyay S (2020) Optimal pricing model of digital music: Subscription, ownership or mixed? Production and Operations Management 29(3):688–704.

[23] Liu Y, Cheng HK, Tang QC, Eryarsoy E (2011) Optimal software pricing in the presence of piracy and word-of-mouth effect. Decision Support Systems 51(1):99–107.

[24] McAfee RP, McMillan J, Whinston MD (1989) Multiproduct monopoly, commodity bundling, and correlation of values. Quarterly Journal of Economics 104(2):371–383.

[25] Raghunathan S, Sarkar S (2016) Competitive bundling in information markets. MIS Quarterly 40(1):111–132.

[26] Schmalensee R (1984) Gaussian demand and commodity bundling. Journal of Business 57(1):S211–S230.

[27] Shy O, Thisse J-F (1999) A strategic approach to software protection. Journal of Economics & Management Strategy 8(2):163–190.

[28] Sundararajan A (2004) Managing digital piracy: Pricing and protection. Information Systems Research 15(3):287–308.

[29] Westin AF (1968) Privacy and freedom. Washington and Lee Law Review 25(1):166.

[30] Wu S, Chen P (2008) Versioning and piracy control for digital information goods. Operations Research 56(1):157–172.

[31] Wu C, Jin C, Chen Y-J (2022) Managing customer search via bundling. Manufacturing & Service Operations Management 24(4):1906–1925.