---
type: paper
slug: changjun-lee-2014-platform-openness
title: >-
  Platform openness and the productivity of content providers: A meta-frontier
  analysis
authors:
  - '[[changjun-lee]]'
  - '[[daeho-lee]]'
  - '[[junseokhwang]]'
year: 2014
venue: '[[telecommunications-policy]]'
doi: 10.1016/j.telpol.2014.06.010
categories:
  - '[[innovation-economics]]'
  - '[[ict-policy]]'
methods:
  - '[[meta-frontier-analysis]]'
  - '[[stochastic-frontier-analysis]]'
  - '[[tobit-regression]]'
themes:
  - '[[platform-openness]]'
  - '[[ict-ecosystem]]'
  - '[[digital-content]]'
  - '[[two-sided-market]]'
  - '[[evolutionary-perspective]]'
last_updated: '2026-05-20T02:11:31+09:00'
---
# Platform openness and the productivity of content providers: A meta-frontier analysis

*[[changjun-lee]], [[daeho-lee]], [[junseokhwang]] (2014)* · [[telecommunications-policy]] · [DOI ↗](https://doi.org/10.1016/j.telpol.2014.06.010)

> ICT ecosystem 의 C-P-N-D 구조에서 content provider (CP) 가 iOS (closed) 와 Android (open) platform 중 어디에 입주하느냐가 생산성에 미치는 영향을 [[meta-frontier-analysis|meta-frontier]] 분석으로 비교한다. 한국 102 개 모바일 CP 의 2000~2012 패널 (684 obs) 에 [[stochastic-frontier-analysis|SFA]] + meta-frontier 적용 결과, iOS group 은 group-internal TE 평균 0.891 (저분산) 으로 우월하지만 Android group 은 TGR 0.391 > iOS 0.339 로 meta-frontier 잠재력이 높다. Both-platform group 이 TE* 0.669 로 economies of scale 효과로 가장 효율적임을 보인다.

- **RQ**: open (Android) vs closed (iOS) platform 의 선택이 content provider 의 생산성 (technical efficiency) 에 어떻게 다르게 영향을 미치며, 양쪽 platform 동시 진입이 어떤 효과를 가지는가
- **방법론**: [[meta-frontier-analysis]] (O'Donnell-Rao-Battese 2008), [[stochastic-frontier-analysis]] (random effects time-varying, FRONTIER 4.1), [[tobit-regression]] (TGR ~ size·age·platform dummy)
- **데이터**: 한국 102 개 모바일 CP 의 2000~2012 패널 (684 obs); group: iOS-only 10 (59 obs), Android-only 19 (128 obs), Both 73 (497 obs); output = sales, inputs = labor·material cost·capital cost; 9 콘텐츠 카테고리 (게임, e-book, 음악, 라이프스타일 앱, 영상, 교육, 광고, 솔루션, SNS)
- **주요 발견**: (i) Group-internal TE: iOS 0.891 > Android 0.804 > Both 0.778 — iOS 의 quality control 이 가장 효율, (ii) TGR (meta-frontier 격차): Both 0.862 >> Android 0.391 > iOS 0.339 — Android 가 long-term potential 우월, (iii) TE* (=TE×TGR): Both 0.669 >> Android 0.317 > iOS 0.289 — Both group 이 economies of scale 로 최고, (iv) Tobit 결과 firm size +4.27×10⁻⁶ (p<0.01), D.android −0.476 (p<0.01), D.iOS −0.477 (p<0.01) — 한 platform 만 focus 하는 게 불리, (v) Atari shock (1983) 사례 — 완전 open + 통제 부재는 collapse
- **시사점**: Platform 의 selection process / risk transfer 설계가 CP 생산성의 분포 양상을 좌우; 정책적으로 다중 platform 진입 유도가 ecosystem 전체 효율에 기여; CP 의 초기에는 한 platform focus + 성공 후 양쪽 확장 전략이 우월

![Meta-frontier 분석 다이어그램 — group 1·2·3 의 각 frontier 와 이를 envelope 하는 meta-frontier 의 관계, TE 와 TGR 의 시각적 정의](/papers/201508_LeeC_Platform_openness_and_the_productivity_of_content_providers_A_meta_frontier_analysis/fig1.jpeg)

## 요약

본 paper 는 ICT ecosystem 의 C-P-N-D (Content-Platform-Network-Device) 4-layer 중 platform layer 의 *openness 정책* 이 content layer 의 생산성에 미치는 영향을 empirical 로 검증한다. Apple iOS 는 strict selection process (App Store approval) 를 platform 이 통제하는 closed/integrator 모델, Google Android Play 는 등록·배포·결제를 자유롭게 두는 open 모델. Iansiti-Levien (2004) 의 keystone advantage, Tiwana-Konsynski-Bush (2010) 의 platform evolution 4 lens (modular systems, evolutionary selection, real options, bounded rationality), Cusumano-Gawer (2002) 의 platform leadership 라인이 PP 중심으로만 분석돼 CP 관점 empirical 분석이 부재했다.

방법론은 [[meta-frontier-analysis]] (O'Donnell-Rao-Battese 2008). 102 개 한국 모바일 CP 의 2000~2012 패널 (684 obs, 9 카테고리) 을 iOS-only / Android-only / Both 3 group 으로 분할. Group-specific SFA $Y_{it(j)} = \exp(x_{it(j)}\beta_{(j)} + V_{it(j)} - U_{it(j)})$ 로 group frontier 추정 후, LP/QP 로 meta-frontier $\beta^*$ 도출. TE* = TGR × TE 로 효율 분해. 추가로 [[tobit-regression]] 으로 TGR 의 결정요인 (firm size, age, platform dummy) 분석.

발견의 evolutionary 함의. (a) iOS group 의 높은 TE (0.891) + 낮은 분산: PP 의 selection 으로 novelty·uncertainty risk 를 통제 → CP 가 ecosystem 진입 후 value maximize 가능. (b) Android group 의 낮은 TE (0.804) + 높은 TGR (0.391 vs iOS 0.339): PP 가 risk management 를 CP 에 transfer → 초기 trial-and-error 비용 크나 long-term potential 우월. (c) Both group 의 최고 TE* (0.669): economies of scale + 양쪽 customer 채널 — 양쪽 platform 으로 콘텐츠 확장이 가능한 *성공한 CP* 의 차별화. (d) Atari shock 사례: 완전 open + 통제 부재 → 모방 게임 범람 → consumer 피로 → collapse. *Openness 의 역할은 genuine diversity 통제 가 있을 때만 작동.* [[junseokhwang]] author page 의 2 기 (도구 확산기, 2007~2013) 의 *ICT ecosystem · digital content 산업 효율* 라인의 supply-side empirical 기둥. [[anhyuk-yang-2013-telecom-meta-frontier]] 가 telecom regulation 비교에 적용한 [[meta-frontier-analysis]] 방법을 platform-CP 관계로 확장. 같은 해 demand-side 작업 [[changjun-lee-2014-charged-contents]] 와 짝, 후속 [[hongbum-kim-2016-mobile-platform-wipi]] 가 WIPI 표준화 정책 평가에 같은 방법 적용. 한계: (i) 한국 단일국 표본, (ii) 102 CP 의 small sample, (iii) phase 별 (early/mature) 차별화 implication 미식별.

## 핵심 결과

**Stochastic Frontier 추정 + Meta-frontier (Table 4)**

| Group | TE (within-group) | TGR (vs meta) | TE* (=TGR×TE) |
|---|---:|---:|---:|
| iOS-only | **0.891** | 0.339 | 0.289 |
| Android-only | 0.804 | 0.391 | 0.317 |
| Both | 0.778 | **0.862** | **0.669** |

**Tobit Regression: TGR ~ Determinants (Table 5)**

| 변수 | Estimate | t-value |
|---|---:|---:|
| Intercept | +0.844*** | 109.481 |
| Firm size (employees) | **+4.27×10⁻⁶*** | 5.112 |
| Firm age | −9.08×10⁻⁵ | −0.134 |
| D.Android (Android-only 더미) | **−0.476*** | −47.927 |
| D.iOS (iOS-only 더미) | **−0.477*** | −28.636 |

**Sample 분포 (Table 1)**

| Content category | N obs | Both | Android-only | iOS-only |
|---|---:|---:|---:|---:|
| Game | 157 | 128 | 19 | 10 |
| Lifestyle App | 139 | 119 | 0 | 20 |
| Solution App | 98 | 62 | 33 | 3 |
| Education | 78 | 45 | 20 | 13 |
| Video service | 73 | 43 | 30 | 0 |
| Advertisement | 54 | 46 | 8 | 0 |
| e-book | 44 | 37 | 0 | 7 |
| SNS | 21 | 13 | 5 | 3 |
| Music | 20 | 4 | 13 | 3 |
| **Total** | **684** | **497** | **128** | **59** |

## 방법론 노트

[[meta-frontier-analysis]] 는 group-specific frontier 들을 envelope 하는 meta-frontier 를 추정해 group 간 비교 가능하게 한다. SFA 단일 frontier 는 group 차이를 dummy 로만 반영해 *group 간 production function* 자체의 차이를 측정 불가.

Group-specific frontier:

$$
Y_{it(j)} = f(x_{it(j)}, \beta_{(j)}) \cdot \exp(V_{it(j)} - U_{it(j)})
$$

여기서 $V$ 는 stochastic noise, $U$ 는 non-negative inefficiency.

Meta-frontier production function:

$$
Y_{it}^* = f(x_{it}, \beta^*) = \exp(x_{it} \beta^*), \quad x_{it}\beta^* \geq x_{it}\beta_{(j)} \ \forall j
$$

Meta-frontier 효율 분해:

$$
TE^*_{it} = \frac{Y_{it}}{\exp(x_{it}\beta^* + V_{it(j)})} = \frac{\exp(x_{it}\beta_{(j)})}{\exp(x_{it}\beta^*)} \cdot \frac{Y_{it}}{\exp(x_{it}\beta_{(j)} + V_{it(j)})} = TGR_{it} \cdot TE_{it}
$$

여기서 TGR 은 group $j$ 의 frontier 와 meta-frontier 의 비율 (technology gap ratio), TE 는 group $j$ 내 효율.

TGR Tobit 회귀 (0~1 절단):

$$
TGR_{it} = \beta_0 + \beta_1 \text{size}_{it} + \beta_2 \text{age}_{it} + \beta_3 D(\text{Android})_i + \beta_4 D(\text{iOS})_i + \varepsilon_{it}
$$

식별 전략: (a) FRONTIER 4.1 의 MLE 로 group-specific $\beta$ 추정, (b) MATLAB R2010a 로 LP/QP envelope 으로 $\beta^*$ 도출, (c) Tobit 으로 TGR 의 결정요인 — size·age·platform 더미.

## 연구 계보

본 paper 는 (a) Hayami-Ruttan (1970) 의 meta-production function 원형, (b) O'Donnell-Rao-Battese (2008) 의 meta-frontier framework, (c) Aigner-Lovell-Schmidt (1977) SFA, (d) Iansiti-Levien (2004a, 2004b) 의 business ecosystem · keystone advantage, (e) Cusumano-Gawer (2002), Cusumano (2010) 의 platform leadership, (f) Tiwana-Konsynski-Bush (2010) 의 platform evolution 4 lens, (g) Katz-Shapiro (1994) 의 network effects · systems competition, (h) Rochet-Tirole (2003), Eisenmann-Parker-Van Alstyne (2006) 의 two-sided market, (i) Hilkert-Benlian-Hess (2011) 의 developer perspective survey 의 결합. TEMEP 내 직접 선행 작업: [[anhyuk-yang-2013-telecom-meta-frontier]] (Yang-Lee-Hwang-Shin 2013) 가 telecom regulation 비교에 meta-frontier 적용, [[daeho-lee]] · [[junseokhwang]] (2011) network neutrality 와 ISP efficiency 의 meta-frontier 분석. [[junseokhwang]] author page 의 2 기 (도구 확산기, 2007~2013) 의 *ICT ecosystem · digital content · platform economics* 라인의 supply-side empirical 기둥으로, 같은 해 demand-side [[changjun-lee-2014-charged-contents]] 와 짝. 후속 [[hongbum-kim-2016-mobile-platform-wipi]] 가 WIPI 표준화 정책 평가에 동일 방법 적용.

## See also

- [[junseokhwang]]
- [[changjun-lee]]
- [[daeho-lee]]
- [[telecommunications-policy]]
- [[meta-frontier-analysis]]
- [[stochastic-frontier-analysis]]
- [[tobit-regression]]
- [[platform-openness]]
- [[ict-ecosystem]]
- [[two-sided-market]]
- [[evolutionary-perspective]]
- [[anhyuk-yang-2013-telecom-meta-frontier]]
- [[changjun-lee-2014-charged-contents]]
- [[hongbum-kim-2016-mobile-platform-wipi]]