中国农历新年一开年，扎克伯格就收到了一份来自德国的“大礼”。
2月7日，德国反垄断监管机构“联邦卡特尔局”(Bundeskartellamt)裁定Facebook在收集、合并和使用用户数据时滥用了其市场支配地位，并要求其在12个月内停止这些滥用行为。在裁定公布后不久，联邦卡特尔局又发表声明，称如果Facebook对 WhatsApp、Instagram和 Messenger这三款应用进行合并，就会对其启动反垄断调查，以阻止其对数据的收集和滥用。
今年1月，扎克伯格曾提出了一个大胆的构想，在继续保持What-sApp、Instagram和 Messenger这三款软件的前提下，实现它们之间的消息互通。而德国联邦卡特尔局的这一个裁定和一个声明显然给扎克伯格狠狠泼了一脸冷水，让他的宏伟计划变得前途渺茫。
那么，扎克伯格究竟为什么要想推进WhatsApp、Instagram和Messenger的融合？德国联邦卡特尔局又为什么要反对这个合并？裁定所称的Face-book滥用市场支配的地位究竟是什么？它对于市场状况、消费者福利究竟会产生怎样的影响？关于这一切，让我们从头说起。
打不赢就买买买
Facebook是PC时代的产物。从2004年诞生起，它只用了不到十年的时间就成为了全球社交平台的执牛耳者。这一速度，至今仍让人惊叹。
然而，在Facebook一统PC端的社交江湖后，世界却进入了移动互联时代。在这个时代，Facebook惊奇地发现，自己一下子多了很多竞争者。即时通讯软件Whatsapp、Snapchat，图片分享软件Instagram，以及很多形形色色的软件都一下子冒了出来，开始和它争夺市场。为了弥补在移动端的短板，Facebook一口气推出了十几款移动端的产品，然而收效都不太好。很快，除了Messenger之外，其余产品很快就被市场遗忘了。
既然自己开发的产品不成功，Facebook就转而采用了另一个更为直接的策略——买买买！2012年，Facebook以10亿美元的巨款对照片共享平台Instagram进行了收购。当时，Instagram还是一家创建时间仅为2年，用户仅为3000万，盈利几乎为0的企业，10亿美元的收购价几乎就是天价。很多人认为扎克伯格买亏了，但事实却证明，这其实是一次极为成功的收购。仅用了很短的时间，Instagram就把收购费用连本带利地赚了回来。
对Instagram收购的成功让扎克伯格尝到了甜头。2014年，他作出了一个更为大胆的决定——用190亿美元的巨款收购Whatsapp。在当时看来，这几乎是一个疯狂的决定！作为一个即时通讯软件，Whatsapp的功能非常简单，大致上相当于一个手机短信的替代品。尽管在被Facebook收购之前，Whatsapp已经拥有了4亿的用户，但其商业模式很不明确，年营收仅有1000万美元。这样一个企业，扎克伯格竟会开出190亿美元，简直是匪夷所思。然而，扎克伯格看上Whatsapp的原因显然不是其现实的盈利状况，而是其对移动端用户的吸引能力。事实再一次证明了小扎判断的正确。到目前为止，Whatsapp已经在全球范围内拥有了15亿的客户，为Facebook在移动端的势力扩展作出了巨大的贡献。
买得到的“身”，买不到的“心”
收购的Instagram和Whatsapp，加上苦心经营多年的“亲儿子”Messen-ger，这社交三巨头的存在让Facebook在移动社交领域的地位变得稳如泰山。然而，这一点显然还不能让扎克伯格完全满意，原因很简单：尽管Instagram和Whatsapp已经成为了Facebook的子公司，但它们却拥有很高的独立性——不光它们的运营决策是相互独立的，其数据也是相互隔离的。从Facebook的角度看，这种独立性其实意味着巨大的效率损失。
虽然在人们印象中，Facebook是一个社交网站，但它的社交业务完全是免费的，其真正的收入来源是广告。根据其公布的财报，广告收入在其营收中所占的比重在90%以上，因此从某种角度看，Facebook其实可以说是一家广告公司。
对于一家以广告为主要收入的公司，其成功的关键因素主要有两个：一是要有庞大的用户群；二是广告的投放必须有很高的精准性。
第一个因素不言自明：用户越多，需求就越大，产生的收入也就越高。相比之下，第二个因素受到的重视程度可能会少一些，但事实上其重要性一点也不比第一个因素低。广告对客户的价值，主要取决于其带来的转化率。在一定的投入下，转化率越高，广告的单位价值就越大，客户也会更加愿意为其买单。而在影响广告转化率的因素中，对客户的针对性是特别重要的。那么，怎样才能对潜在广告受众的特性进行精准的识别呢？这就需要依靠数据。现在，“大数据”已经成为了一个时髦词。很多人认为“大数据”的“大”主要是指其数量，这其实是一个误解。除了数量外，数据的维度也是十分重要的。事实上，从预测的角度看，一套数量较小但维度较多的数据，价值通常远胜过一套数量较大但维度较小的数据。
