何玉梅，郭迅華，陳國青

(1. 清華大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100084；2. 清華大學(xué)現(xiàn)代管理研究中心，北京 100084)

1 引言

隨著新興信息技術(shù)和電子商務(wù)經(jīng)濟(jì)的蓬勃發(fā)展，網(wǎng)絡(luò)零售市場日趨成熟，淘寶網(wǎng)、eBay等電子商務(wù)平臺上涌現(xiàn)出大量網(wǎng)商，即依托于電子商務(wù)平臺直接與消費(fèi)者進(jìn)行持續(xù)商務(wù)活動的企業(yè)或個人[1,2]，網(wǎng)商是電子商務(wù)經(jīng)濟(jì)的重要載體，據(jù)報告顯示，2016年僅阿里巴巴平臺上網(wǎng)商所創(chuàng)造的營收規(guī)模便達(dá)到了三萬億[3]，國外亞馬遜平臺第三方賣家年度銷售額約占據(jù)平臺總銷售額的50%[4]。其中相當(dāng)比例的網(wǎng)商創(chuàng)立時間短，企業(yè)規(guī)模小[5]，是電子商務(wù)環(huán)境下的新生企業(yè)或者創(chuàng)業(yè)者[2](以下簡稱新生網(wǎng)商)。作為網(wǎng)商的重要組成部分，新生網(wǎng)商已成為帶動電子商務(wù)經(jīng)濟(jì)經(jīng)濟(jì)發(fā)展、推動創(chuàng)新創(chuàng)業(yè)和大眾就業(yè)的助推器。隨著電子商務(wù)平臺商業(yè)生態(tài)系統(tǒng)功能的逐步完善，新生網(wǎng)商的成長路徑逐漸清晰，衍生出多種成長模式，即在成長過程中形成典型路徑結(jié)構(gòu)[6]。由于不同成長模式下的新生網(wǎng)商所需要的資源配置和服務(wù)不同，電子商務(wù)平臺面臨著個性化服務(wù)與管理方面的挑戰(zhàn)。如果無法清晰辨識新生網(wǎng)商成長模式，可能導(dǎo)致電子商務(wù)市場資源錯配。但目前對新生網(wǎng)商成長模式和特征相關(guān)理論研究較少，導(dǎo)致實(shí)踐中對于新生網(wǎng)商成長缺乏深刻認(rèn)識。因此討論新生網(wǎng)商成長模式以及相關(guān)因素將揭示電子商務(wù)經(jīng)濟(jì)中新生企業(yè)群體內(nèi)在成長機(jī)制，豐富對于成長模式的認(rèn)知，指導(dǎo)新生網(wǎng)商成長，實(shí)現(xiàn)市場最優(yōu)資源配置。

從理論上看，新生網(wǎng)商成長模式的討論屬于企業(yè)成長模式研究范疇，該類研究從企業(yè)成長的歷史路徑來理解成長[7]，將企業(yè)成長看做是動態(tài)變化的內(nèi)在過程[8]，認(rèn)為在成長過程中存在特定的模式[9-12]。通過獲得典型企業(yè)成長模式，能夠辨識出企業(yè)群體成長路徑的系統(tǒng)性特征[9]，回答“企業(yè)如何成長”的問題[13]，因此該類研究是典型的過程研究[6]，能夠彌補(bǔ)傳統(tǒng)的影響因素研究的不足[10]，從而更好地揭示企業(yè)成長本質(zhì)[13]。而根據(jù)過程研究的研究范式，當(dāng)成長模式提出后可將其看做傳統(tǒng)意義上的變量，討論其影響因素和結(jié)果變量[14-15]。特別地，新生網(wǎng)商所選擇的類目具有與行業(yè)類似的功能，即是所面臨的外部市場環(huán)境重要構(gòu)成要素[8]，績效是其生存和發(fā)展最為關(guān)心的要素[16]，如果能辨識出成長模式與類目選擇策略以及績效水平的關(guān)系，將進(jìn)一步拓展成長模式的研究，說明成長模式研究的重要性。因此本文針對新生網(wǎng)商這一研究對象提出兩個研究問題：第一，新生網(wǎng)商在初期成長過程具有幾種典型成長模式？第二，不同類目選擇策略下，新生網(wǎng)商是否表現(xiàn)出不同成長模式；在形成特定成長模式后取得的績效是否有所差異，哪種成長模式的網(wǎng)商能夠取得更好的績效？

目前對成長模式的研究還處于起步階段[17]，現(xiàn)有研究一般通過描述某種資源要素隨時間變化規(guī)律獲得企業(yè)成長軌跡，從而形成“成長曲線”[8]。從時序軌跡看，研究強(qiáng)調(diào)增長趨勢以及趨勢在一段時間內(nèi)的持續(xù)性，首先利用單位時間段企業(yè)銷售或者員工的增長率與整體增長率相比得到增長率的高/低[9-10,17-22]，其次根據(jù)一段時間內(nèi)增長率的多個高低狀態(tài)形成的時序軌跡來對軌跡模式進(jìn)行命名，其命名方式如表1所示。分析以往成長模式研究文獻(xiàn)發(fā)現(xiàn)，該類研究的研究對象一般為線下企業(yè)，鮮有涉及線上企業(yè)成長，即管理和運(yùn)營渠道基于互聯(lián)網(wǎng)和信息技術(shù)的企業(yè)，典型的如電子商務(wù)行業(yè)的新生網(wǎng)商等。由于新生網(wǎng)商面臨成長環(huán)境等方面的差異[1]，新生網(wǎng)商與線下企業(yè)或者創(chuàng)業(yè)者相比，其成長具有更高的不確定性，即其網(wǎng)商未來的成長狀態(tài)很難預(yù)測，這種不確定性主要表現(xiàn)為交易不連續(xù)性和交易波動性大兩個方面。一方面由于互聯(lián)網(wǎng)渠道大大降低網(wǎng)商的進(jìn)入成本，使得同一類目下商家數(shù)量巨大，網(wǎng)商同質(zhì)化程度高[23]，市場競爭激烈[24-25]，新生網(wǎng)商月銷售量為零的情況常有發(fā)生，因此呈現(xiàn)出與消費(fèi)者進(jìn)行產(chǎn)品交易活動的不連續(xù)性；另一方面，電子商務(wù)交易中搜索引擎和推薦系統(tǒng)的使用降低了消費(fèi)者的轉(zhuǎn)換成本和搜索成本[23]，使得消費(fèi)者能夠在更短的時間內(nèi)從更多的網(wǎng)商中選擇進(jìn)行交易[26]，消費(fèi)者需求具有更高的不確定性[27]，這對新生網(wǎng)商而言，意味著與消費(fèi)者進(jìn)行交易活動的風(fēng)險提高[26]，使得一段時期內(nèi)的交易具有更高的波動性。這些差異導(dǎo)致傳統(tǒng)成長模式研究成果不能直接應(yīng)用到線上企業(yè)的場景；另一方面也使得對于高成長不確定性特征下的新生網(wǎng)商成長模式的討論，補(bǔ)充和豐富以往企業(yè)成長模式相關(guān)研究，擴(kuò)展研究邊界。

注：“種類”是指從該文獻(xiàn)中識別出的成長模式的種類數(shù)量。

本文根據(jù)Penrose企業(yè)成長理論[8]及新生企業(yè)成長特點(diǎn)的相關(guān)研究[9]，提出新生網(wǎng)商成長模式可用成長軌跡(具有路徑依賴特點(diǎn))和成長波動所構(gòu)成的二維矩陣表示。其次，以中國最大電子商務(wù)平臺上的5582家新生網(wǎng)商作為樣本，提出相對擴(kuò)張指標(biāo)作為成長測度，對該指標(biāo)前六個月的成長軌跡進(jìn)行時序K-means聚類(kml)[28-29]，發(fā)現(xiàn)在該時間段內(nèi)主要存在三類典型的成長軌跡(加速/勻速/減速)，同時對成長波動(銷售量相對離散程度)劃分出相對高/低水平，在二維矩陣框架下最終得到六種(3*2)成長模式的網(wǎng)商。利用列聯(lián)分析[18]發(fā)現(xiàn)成長模式與新生網(wǎng)商的類目選擇相關(guān)變量具有相關(guān)性；以成長模式為因變量，以初始主營類目等作為自變量的定向測度分析[18]發(fā)現(xiàn)，新生網(wǎng)商選擇的初始主營類目對于成長模式形成的影響最大。利用方差分析[15]和Kruskal-Walls[19]檢驗(yàn)發(fā)現(xiàn)，六類成長模式網(wǎng)商之間在銷售績效及信譽(yù)等級存在顯著統(tǒng)計差異，其中加速/高波動的新生網(wǎng)商與其他成長模式的新生網(wǎng)商的銷售績效差異最大。本文將企業(yè)成長模式研究拓展到新生網(wǎng)商，提出新的成長模式的表示方法，并發(fā)現(xiàn)其成長模式的類目選擇策略和績效特征，有利于對電子商務(wù)平臺評估新生網(wǎng)商的成長過程，并提供個性化服務(wù)。

2 理論模型

根據(jù)Penrose企業(yè)成長理論[8]以及以此為基礎(chǔ)對新生企業(yè)成長特征的研究[9]，本研究認(rèn)為出新生網(wǎng)商成長模式包括成長軌跡(具有路徑依賴特征)和成長波動。首先，新生網(wǎng)商成長模式包括具有路徑依賴的成長軌跡。新生網(wǎng)商的成長表現(xiàn)出路徑依賴特征[30]，即以前階段形成的成長結(jié)果會影響下一階段的成長，且該路徑依賴可體現(xiàn)于“成長曲線”之中[8]。新生網(wǎng)商在電子商務(wù)平臺上創(chuàng)辦網(wǎng)店的過程中，與線下企業(yè)相類似，通過試錯和學(xué)習(xí)來摸索創(chuàng)業(yè)和管理經(jīng)驗(yàn)[7]，通過總結(jié)經(jīng)驗(yàn)教訓(xùn)來完善管理服務(wù)技能[31]，贏得客戶和聲譽(yù)，從而實(shí)現(xiàn)成長目標(biāo)。該階段成長過程中的資源積累會影響下一階段的成長活動，即路徑依賴。在一定時間范圍內(nèi)，這種路徑依賴特征將體現(xiàn)在成長時序軌跡中，即新生網(wǎng)商成長模式應(yīng)包括具有路徑依賴的成長軌跡。其次，新生網(wǎng)商成長模式包括成長波動。成長不僅意味著盈利，更意味著經(jīng)營風(fēng)險和成本[31]，由于在成長初期面臨來自自身資源匱乏和外部競爭的壓力，新生企業(yè)鮮能持續(xù)、線性式增長[9]。新生網(wǎng)商由于成長不確定性高，交易波動大，成長波動在成長過程普遍存在，且成長波動的大小直接反映出成長穩(wěn)定性，因此成長波動在成長模式也應(yīng)當(dāng)有所體現(xiàn)。綜上所述，本文認(rèn)為新生網(wǎng)商的成長模式可用成長軌跡(該軌跡路徑依賴)和成長波動形成的二維矩陣表示。

基于過程研究范式，當(dāng)獲得成長模式后，可將其看做傳統(tǒng)意義上的變量，討論其影響因素和結(jié)果變量[14-15]，因此本文提出理論模型如圖1所示，其含義為新生網(wǎng)商所選擇的產(chǎn)品類目(簡稱類目)影響新生網(wǎng)商的成長模式形成，而不同成長模式下的新生網(wǎng)商具有特定的績效特征。第一，以往研究表明，新生企業(yè)所選擇的行業(yè)環(huán)境將會影響新生企業(yè)的成長[30]。對于新生網(wǎng)商而言，基于電子商務(wù)市場對產(chǎn)品類目的管理實(shí)踐，我們認(rèn)為類目與行業(yè)本質(zhì)上類似。產(chǎn)品類目選擇策略就是在電子商務(wù)環(huán)境下的市場進(jìn)入策略。新生網(wǎng)商一旦選擇了特定類目便進(jìn)入了特定的市場，因此由于所選擇類目不同，新生網(wǎng)商所面臨的市場環(huán)境特征、所具有的成長資源和外部環(huán)境的匹配度不同，在不同的類目下新生網(wǎng)商在一段時間內(nèi)表現(xiàn)出不同的成長路徑，也就是可能形成的成長模式不同。如新生網(wǎng)商分別選擇“服裝”和“數(shù)碼產(chǎn)品”類目便進(jìn)入了“服裝”市場和“數(shù)碼產(chǎn)品”市場，所面臨的市場所處階段、外部市場機(jī)會和競爭程度均可能不同，因此可能形成的成長模式有所差異。第二，企業(yè)的成長模式是經(jīng)營水平、市場機(jī)遇等內(nèi)外因素共同作用的結(jié)果，體現(xiàn)出企業(yè)成長的潛力，說明企業(yè)在成長過程中積累了不同的資源[32]，而資源異質(zhì)性導(dǎo)致其下一階段能夠開展的交易活動和提供的產(chǎn)品服務(wù)質(zhì)量不同，從而帶來不同績效水平[31]，因此由該成長路徑依賴特點(diǎn)可推斷，成長前期的成長軌跡能影響后期績效表現(xiàn)；另一方面，成長波動是網(wǎng)商成長質(zhì)量的信號，它影響新生網(wǎng)商經(jīng)營管理，如安排庫存、制定營銷策略等，波動越大，說明企業(yè)成長過程中具有不穩(wěn)定因素越多，可能造成新生網(wǎng)商在管理決策上存在偏差失誤，從而影響下一階段的績效水平，可歸納為前期的波動對后期的績效會有負(fù)向影響[33]。因此在成長軌跡和成長波動共同作用下，新生網(wǎng)商成長模式與網(wǎng)商績效有相關(guān)關(guān)系。

圖1 理論模型圖示

3 研究方法

3.1 樣本描述

本文研究對象為電子商務(wù)平臺上的新生網(wǎng)商，其創(chuàng)立時間短、企業(yè)規(guī)模小[3]。基于此特征本文選取目前中國最大電子商務(wù)平臺[1,16]于2010年3月份開始營業(yè)(46546家)，且在開始營業(yè)的前半年內(nèi)[7,26,34]有連續(xù)銷售量的新生網(wǎng)商5582家，分析數(shù)據(jù)為2010年3月到2011年2月，共12個月數(shù)據(jù)的月度數(shù)據(jù)。第一，樣本數(shù)據(jù)質(zhì)量高。樣本中的新生網(wǎng)商是從在該平臺經(jīng)營的所有網(wǎng)商(超過800萬)中選出，是基于全樣本的選擇；且其經(jīng)營的產(chǎn)品覆蓋該電子商務(wù)平臺所有產(chǎn)品類目。第二，避免企業(yè)年齡對成長模式的影響。企業(yè)年齡已被證明對成長有重要影響[35]，本文所選取的樣本中新生網(wǎng)商從同一月份開始營業(yè)，可認(rèn)為具有相同企業(yè)年齡，從而避免了企業(yè)年齡對分析結(jié)果帶來的誤差；第三，本文樣本是典型的具有成長性的線上企業(yè)。本文研究重點(diǎn)為新生網(wǎng)商“如何成長”，不考慮“生存偏差”帶來的影響[36]，暗含研究對象需要具有一定的成長性，一般線下企業(yè)中有成長性企業(yè)在所有企業(yè)的比例為10%左右[7,18]，而該5582新生網(wǎng)商約占網(wǎng)商總數(shù)的11.8%，占比與線下成長型企業(yè)在所有企業(yè)占比接近，可認(rèn)為其具有成長性。

3.2 變量及測度

1)成長軌跡

成長軌跡是在新生網(wǎng)商在成長過程中表現(xiàn)出典型時序成長路徑。本文選擇銷售量作為成長的指標(biāo)，因?yàn)殇N售量是衡量新生企業(yè)成長最常用的指標(biāo)[30,37-39]，能夠被用于跨類目情境研究[40]。銷售量的增長暗示消費(fèi)者不斷接受企業(yè)提供的產(chǎn)品和服務(wù)，意味著企業(yè)市場地位和經(jīng)營活動的提升，因此也是業(yè)界管理者最為看重、最常使用的指標(biāo)[41-42]。測度使用銷售指標(biāo)一般利用相對增長率來測量[33]，但考慮到網(wǎng)商交易不連續(xù)性，即經(jīng)?？赡苊媾R某月銷售為零的情況下，傳統(tǒng)的相對增長率指標(biāo)分母可能為零，因此不適用于電子商務(wù)環(huán)境下成長的測量。利用過程研究中變量及測度可用軌跡表示[14]的思路，結(jié)合新生網(wǎng)商交易不連續(xù)、路徑依賴的特點(diǎn)[9]，提出時序相對擴(kuò)張軌跡作為成長軌跡的測量。首先，提出相對擴(kuò)張率作為某時刻成長的測度，第i個新生網(wǎng)商(i=1,2…n)在l時刻(l=1,2…T)的相對擴(kuò)張率Ri,l如公式(1)所示：

(1)

2)成長波動

成長波動是指在一段時間內(nèi)新生網(wǎng)商成長的不穩(wěn)定程度。成長指標(biāo)仍用銷售量的增長表示，測度使用銷售量相對離散程度[7]。選取該指標(biāo)的理由是其他常用指標(biāo)無法適應(yīng)研究情境。由于新生網(wǎng)商成長不連續(xù)，采用增長率測度成長波動[43-44]無法避免測度分母為零的問題。而中小網(wǎng)商分布于服裝等十七個類目，不同類目之間企業(yè)規(guī)模差別很大，使用絕對離散程度[40]測度成長波動無法排除企業(yè)規(guī)模的影響，因此，第i個網(wǎng)商成長波動表示如公式(2)。

GrowthVolatilityi=

(2)

3)類目策略

如圖2所示，該電子商務(wù)平臺所提供的產(chǎn)品類目結(jié)構(gòu)包括一級類目和二級類目，一級類目包括服飾、數(shù)碼產(chǎn)品、珠寶手表等17個，一級類目又可細(xì)分為共計81個二級類目，從而形成兩層樹狀類目結(jié)構(gòu)。該類目是基于類目內(nèi)部專家評分，并經(jīng)過了多年的類目實(shí)踐總結(jié)而來，具有較高可信度。我們將其主營產(chǎn)品的一級產(chǎn)品類目定義為“類目”，認(rèn)為該層類目對于新生網(wǎng)商的發(fā)展起到了與線下企業(yè)所在行業(yè)類似的功能，理由是對于新生網(wǎng)商而言，選擇某類目意味著面臨不同的市場環(huán)境，該產(chǎn)品類目的選擇將影響其庫存管理、營銷活動、客戶服務(wù)等方面的管理經(jīng)營策略；同時同一類目網(wǎng)商共同決定包括市場激烈程度、集中度等特征，這些特征與傳統(tǒng)意義上的行業(yè)特征類似。由于成長模式與從屬行業(yè)相關(guān)[7,17-18,45-46]，因?yàn)橥茢喑砷L模式與產(chǎn)品類目相關(guān)。行業(yè)作為重要的外部環(huán)境因素，對成長的影響是多方面的[47]，類似地我們考慮網(wǎng)商的初始進(jìn)入類目以及在經(jīng)營管理中的類目策略變動情況。第一，網(wǎng)商經(jīng)營的類目可能涉及多個類目，但由于主營類目是網(wǎng)商經(jīng)營重點(diǎn)，而電子商務(wù)平臺一般依據(jù)主營產(chǎn)品類目將網(wǎng)商歸入某類目下進(jìn)行排序等，消費(fèi)者也往往根據(jù)一級類目選擇網(wǎng)商，因此本文中的類目測度依賴于主營類目；第二，根據(jù)二級類目和文獻(xiàn)中產(chǎn)品產(chǎn)品類型劃分策略[48-53]劃分該電子商務(wù)平臺的產(chǎn)品類型，如主營二級類目中，“女裝”屬于“體驗(yàn)型產(chǎn)品”，“相機(jī)”屬于“搜索型產(chǎn)品”；同時考慮進(jìn)入電子商務(wù)平臺后第一個月主營類目(初始主營類目)和前半年每月主營次數(shù)最多類目(從屬主營類目)[7,18,45]以及前半年轉(zhuǎn)換類目次數(shù)(類目轉(zhuǎn)換次數(shù))[16]，初始主營類目和從屬主營類目反映了在短期和長期的類目策略，而類目轉(zhuǎn)換次數(shù)反映了其類目選擇的穩(wěn)定程度。

圖2 某電子商務(wù)平臺產(chǎn)品類目結(jié)構(gòu)示意圖

4)網(wǎng)商績效

網(wǎng)商績效特征包括銷售收入和信譽(yù)等級兩方面。銷售收入是企業(yè)創(chuàng)造利潤的直接來源，是企業(yè)其他經(jīng)營層面成長的基礎(chǔ)[42]，也是在電子商務(wù)環(huán)境下大部分商家所追求的經(jīng)營目標(biāo)[16]?？冃卣鞑粌H僅包含其水平高低，績效穩(wěn)定性同樣是反映績效特征的重要變量。因此本文使用前12個月的累積銷售收入和在該累積銷售收入計算的最后一個月銷售收入分別代表整體/月銷售收入水平。

在成長不確定性高的電子商務(wù)平臺，信譽(yù)是新生網(wǎng)商的重要資產(chǎn)[16, 53]，因?yàn)榫W(wǎng)商信譽(yù)被作為商品和網(wǎng)商的質(zhì)量信號[54]，影響消費(fèi)者對網(wǎng)商的信任[55]，并使得商家獲得價格溢價[56]。信譽(yù)等級在淘寶信譽(yù)體系是衡量網(wǎng)商的重要指標(biāo)，對消費(fèi)者決策有重要影響，因此將信譽(yù)等級作為網(wǎng)商績效的測度之一[16]。網(wǎng)商信譽(yù)等級是指顯示于店鋪的賣家信用星級，根據(jù)該電子商務(wù)平臺店鋪信用評價規(guī)則，根據(jù)對商家的累積評價積分的區(qū)間得到賣家信譽(yù)等級的階躍函數(shù)，按照從低到高的順序劃分“心”、“鉆”、“藍(lán)冠”、“黃冠”四個等級，并在每個等級內(nèi)細(xì)分五個子等級，從而得到信譽(yù)等級與評分的關(guān)系。與銷售績效指標(biāo)類似，使用其信譽(yù)等級高低水平及其標(biāo)準(zhǔn)差作為測度。

3.3 分析方法

本文通過使用成長軌跡(具有路徑依賴特征)和成長波動所構(gòu)成的二維矩陣來表示成長模式。成長軌跡通過對相對擴(kuò)張軌跡進(jìn)行時序K-means聚類(kml)[29]獲得。該方法聚類效果良好，同時在處理大規(guī)模數(shù)據(jù)時表現(xiàn)穩(wěn)定[28]。其具體步驟如下：

1)通過測度標(biāo)準(zhǔn)化(相對擴(kuò)張軌跡)從而消除異常值，以避免聚類分析對異常值敏感的問題[18]，并使用Frechet距離作為距離測度[57]；

2)將樣本按2/3的比例隨機(jī)劃分為訓(xùn)練集和測試集[17]，訓(xùn)練集用來得到最優(yōu)聚類數(shù)[18]，測試集驗(yàn)證最優(yōu)聚類數(shù)是否穩(wěn)健[17-18]。

在此基礎(chǔ)上對樣本按照最優(yōu)聚類數(shù)進(jìn)行時序k-means聚類，并對不同長度的時間段聚類以進(jìn)行敏感性分析，由此得到不同類別的成長軌跡。同時，通過與樣本整體成長波動(銷售量相對離散程度中位數(shù))的比較，將樣本劃分出成長波動的“高/低”。由于不滿足方差齊次性假設(shè)，本文在對成長模式和網(wǎng)商績效的關(guān)系上使用了ANOVA[15,18]中未假定方差齊次性的檢驗(yàn)的Dunnett’s T3(3) 檢驗(yàn)和Kruskal-Walls 檢驗(yàn)[19]進(jìn)行分析；對成長模式類目策略的探究使用成長模式為因變量，類目為自變量的列聯(lián)分析[31]。

4 結(jié)果及討論

4.1 成長模式

首先，對訓(xùn)練集進(jìn)行kml聚類發(fā)現(xiàn)成長軌跡的最優(yōu)聚類數(shù)為3，并將最優(yōu)聚類數(shù)運(yùn)用到測試集，所得各類成長模式網(wǎng)商比例與訓(xùn)練集結(jié)果基本一致。其次發(fā)現(xiàn)對樣本進(jìn)行kml聚類，結(jié)果與訓(xùn)練集保持一致。為了保證結(jié)果的穩(wěn)健性，在對前六個月相對擴(kuò)張指標(biāo)軌跡的kml聚類分析中，使用最常用的Caliński & Harabazt標(biāo)準(zhǔn)[58]發(fā)現(xiàn)最優(yōu)聚類數(shù)為3；另外使用Ray & Turi 標(biāo)準(zhǔn)和Davies & Bouldin 標(biāo)準(zhǔn)進(jìn)行一致性檢驗(yàn)[28]也得到類似結(jié)果，同時根據(jù)Caliński & Harabazt 標(biāo)準(zhǔn)，本文選取時間長度為九個月和十二個月進(jìn)行分析，得到最優(yōu)聚類數(shù)仍為3。因此可以認(rèn)為新生網(wǎng)商存在三種典型成長軌跡。最終得到聚類結(jié)果如圖3所示，橫軸代表月份，縱軸代表當(dāng)月的相對軌跡指標(biāo)其中A、B、C條曲線分別具有近似線性、凸形和凹形的形狀，分別命名為勻速(A曲線，43.5%)、加速(B曲線，31.6%)和減速(C曲線，24.9%)。觀察不同成長軌跡下網(wǎng)商的在開始營業(yè)后半年的銷售量動態(tài)變化，我們發(fā)現(xiàn)，“減速”成長的新生網(wǎng)商在前期有一定銷售量，之后月份銷售量很少，或者前期有銷售量，但第一個月或者第二個月有相對較高銷售量(相比之后月份)，甚至銷售量增長率為負(fù)，可以推測此類網(wǎng)商有可能逐漸退出市場；同“減速”新生網(wǎng)商相比，“勻速”新生網(wǎng)商在前半年有銷售的月份有所增加，但是存在期間部分月份銷售為零的情況，這說明雖然銷售量時高時低，該類網(wǎng)商的經(jīng)營活動仍然有著較為持續(xù)的發(fā)展；同“勻速”成長的新生網(wǎng)商相比，“加速”成長的新生網(wǎng)商有銷售量的月份明顯增多，且呈現(xiàn)出較強(qiáng)的增長趨勢，可以推測該類新生網(wǎng)商可能持續(xù)成長，實(shí)現(xiàn)較高的業(yè)績規(guī)模。

圖3 新生網(wǎng)商的kml聚類結(jié)果(N=5582)

按照個體的成長波動與整體成長波動(銷售量相對離散程度中位數(shù))的關(guān)系，分為高波動(50.7%)和低波動(49.3%)兩類；為了厘清成長波動與聚類中的成長軌跡本身的波動(相對擴(kuò)張指標(biāo)的離散程度)兩個概念，進(jìn)行Pearson’s相關(guān)性檢驗(yàn)，得到二者相關(guān)系數(shù)為0.158且結(jié)果統(tǒng)計上不顯著(p>0.1)，即可認(rèn)為不存在線性相關(guān)。分別以成長軌跡和成長波動為橫軸和縱軸，得到3*2的矩陣，形成新生網(wǎng)商的六類成長模式，并根據(jù)成長軌跡(加速/勻速/減速)和成長波動(高波動/低波動)命名。類別占比如圖4所示，勻速/低波動的新生網(wǎng)商占比最大(30.81%)，減速/低波動的新生網(wǎng)商占比最小(7.27%)。

圖4 新生網(wǎng)商成長模式劃分及其所占比例

為進(jìn)一步觀察六種成長模式新生網(wǎng)商特點(diǎn)并加以區(qū)別，并為之后的成長模式與網(wǎng)商績效討論做準(zhǔn)備，我們做出了新生網(wǎng)商銷售量規(guī)模和信譽(yù)等級在觀察期內(nèi)的(12個月)平均值時序路徑圖(虛線部分為市場所有新生網(wǎng)商平均路徑，作為基準(zhǔn)值)。如圖5(a)所示，不同成長模式的新生網(wǎng)商銷售路徑和信譽(yù)等級路徑具有明顯差異，“減速”、“勻速”、“加速”成長趨勢依次遞增，這也與圖4(a)的觀察結(jié)果一致?！暗退?低波動”和“低速/高波動”相對比，“低速/高波動”在觀察期內(nèi)的銷售量路徑始終保持在“低速/低波動”的銷售量路徑之上，而“勻速/低波動”和“勻速/高波動”的對比卻呈現(xiàn)出相反趨勢。如圖5(b)所示，不同成長模式新生網(wǎng)商信譽(yù)等級在觀察前期差別較小，但是隨著時間推移，呈現(xiàn)出清晰的路徑差異。其中，“加速/低波動”的新生網(wǎng)商信譽(yù)等級路徑在觀察期內(nèi)一直處于“加速/高波動”網(wǎng)商信譽(yù)等級路徑之上，“勻速/低波動”和“勻速/高波動”新生網(wǎng)商信譽(yù)等級路徑差別較??；而“減速/低波動”新生網(wǎng)商信譽(yù)等級路徑與其他路徑相比，始終處于最下端。綜上所述，我們發(fā)現(xiàn)新生網(wǎng)商存在六種典型成長模式，且不同成長模式新生網(wǎng)商的銷售量和網(wǎng)商信譽(yù)等級路徑呈現(xiàn)出差異。

圖5(a) 不同成長模式新生網(wǎng)商銷售量路徑圖

圖5(b) 不同成長模式新生網(wǎng)商信譽(yù)等級路徑圖

4.2 類目策略與成長模式

從描述性分析圖6(a)所示，新生網(wǎng)商初始主營類目中，“服裝”(16.9%)和“珠寶手表”(16.5%)的占比遠(yuǎn)高于其他類目，其次是“文化玩樂”(8.1%)和“其他”(8.0%)；如圖6(b)所示，從屬主營類目中，“服裝”(18.3%)和“珠寶手表”(14.4%)仍在所有類目中占比最高，其次是“其他”(8.7%)和“文化玩樂”(7.8%)。但從屬主營類目占比與初始主營類目占比相比，“服裝”升高1.5%，“珠寶手表”降低2.1%，“其他”占比升高0.6%，而“文化玩樂”基本保持不變。

圖6(a) 新生網(wǎng)商初始主營類目直方圖

圖6(b) 新生網(wǎng)商從屬主營類目直方圖

首先，新生網(wǎng)商的成長模式與類目選擇策略變量的相關(guān)關(guān)系統(tǒng)計顯著。如表 2所示，卡方檢驗(yàn)統(tǒng)計量結(jié)果顯示皮爾遜卡方統(tǒng)計雙側(cè)漸近顯著性水平均小于 0.01，可在1%的顯著性水平下拒絕初始主營類目等多個類目測度和成長模式之間不存在關(guān)聯(lián)性的原假設(shè)，即新生網(wǎng)商的成長模式與其經(jīng)營的產(chǎn)品類型、初始主營類目、從屬主營類目的相關(guān)關(guān)系統(tǒng)計顯著 (p<0.01)。進(jìn)一步利用名義變量列聯(lián)表的定向測度分析[60]，得到以成長模式為因變量所得到的Lambda系數(shù)，分別以初始主營類目等測度作為自變量對成長模式進(jìn)行預(yù)測，發(fā)現(xiàn)可以減少的預(yù)測誤差降低幅度，最高可在2.1%左右(初始主營類目，Lambda系數(shù)=0.021, p<0.001)，即新生網(wǎng)商所選擇的初始主營類目對成長模式的影響最大(2.1%)，同時發(fā)現(xiàn)類目轉(zhuǎn)換次數(shù)對于成長模式進(jìn)行預(yù)測所降低的誤差幅度不顯著，即類目轉(zhuǎn)換次數(shù)對于成長模式的形成沒有顯著影響(p=0.238)。

表2 成長模式與類目列聯(lián)分析檢驗(yàn)

注：顯著性.c表示(因?yàn)闈u進(jìn)誤差為零而無法計算)， ‘***’ p<0.01，‘**’ p<0.05 ，‘*’p< 0.1

為了更好地探究網(wǎng)商所隸屬類目與其成長模式的關(guān)系，以初始主營類目和從屬主營類目作為分母，得到某種類目中特定成長模式的占比，從而根據(jù)其所在類目判斷成長模式，總結(jié)如表3所示。分析發(fā)現(xiàn)“珠寶手表”、“服裝”、“數(shù)碼產(chǎn)品”和“虛擬產(chǎn)品”四個類目下的網(wǎng)商成長模式分布具有明顯特征。其類目下的產(chǎn)品雖然同隸屬于體驗(yàn)型產(chǎn)品[49]，“服裝”和“珠寶手表”的產(chǎn)品，其類目內(nèi)部的網(wǎng)商成長模式的占比呈現(xiàn)相反趨勢：“珠寶手表”中減速/低波動占比遠(yuǎn)高于其他類目，甚至超過了勻速/低波動網(wǎng)商的占比，說明如果進(jìn)入“珠寶手表”，新生網(wǎng)商成為減速/低波動型網(wǎng)商的可能性遠(yuǎn)高于其他十六個類目；而“服裝”中網(wǎng)商成為勻速/高波動網(wǎng)商的可能性比其他類目更大。分析這一現(xiàn)象發(fā)現(xiàn)，其可能原因是類目集中度不同。具體來說，兩個類目的新生網(wǎng)商數(shù)量大致相當(dāng)(分別為服裝943，珠寶手表921，下同)，其類目累積銷售額也相近(55,734,336，60,578,177)，但是“珠寶手表”的赫芬達(dá)爾—赫希曼指數(shù)(Herfindahl-Hirschman Index，HHI)是“服裝”HHI指數(shù)的兩倍(0.0078，0.0164)，HHI越大表明市場集中度越高，該結(jié)果說明服裝類目的集中度小于珠寶手表類目。而對于“數(shù)碼產(chǎn)品”和“虛擬產(chǎn)品”的分析，也得出類似的結(jié)論。因此可以認(rèn)為在新生網(wǎng)商的成長模式形成影響因素中，不能僅憑傳統(tǒng)的體驗(yàn)型/搜索型產(chǎn)品分類標(biāo)準(zhǔn)，還需要細(xì)分產(chǎn)品類目，考慮所在一級類目集中度等類目特征。

表3 不同類目成長模式占比總結(jié)

綜上所述，成長模式與產(chǎn)品類型、初始主營類目、從屬主營類目的列聯(lián)分析發(fā)現(xiàn)，成長模式與類目選擇策略具有統(tǒng)計顯著的相關(guān)性，從而說明具有特定成長模式的新生網(wǎng)商表現(xiàn)出不同的類目分布；初始主營類目對于成長模式可能的影響最大；“服裝”、“珠寶手表”、“數(shù)碼產(chǎn)品”以及“虛擬產(chǎn)品”中某種成長模式網(wǎng)商的占比在其他類目的占比更高。

4.3 成長模式與網(wǎng)商績效

不同成長模式下的新生網(wǎng)商在銷售績效和信譽(yù)等級兩個維度具有顯著的統(tǒng)計差異。具體說來，通過對第十二個月銷售收入，前十二個月的累積銷售收入和第十二個月的信譽(yù)等級分別進(jìn)行ANOVA檢驗(yàn)[15]和Kruskal-Walls檢驗(yàn)[19]，發(fā)現(xiàn)六種成長模式的新生網(wǎng)商的績效在統(tǒng)計上存在顯著差異(p<0.001)，同時發(fā)現(xiàn)加速/高波動的新生網(wǎng)商與其他成長模式的新生網(wǎng)商銷售績效差異最大。由此進(jìn)一步觀察新生網(wǎng)商成長模式與銷售績效及信譽(yù)等級的關(guān)系。對銷售績效，如圖7(a)和圖7(b)所示，在減速或勻速成長軌跡下，高波動的網(wǎng)商第十二月份銷售收入和前十二個月銷售收入(平均值)更低，但是當(dāng)成長軌跡為加速時，高波動的網(wǎng)商在該兩個指標(biāo)上反而更高。根據(jù)以往成長波動研究[33]，低成長波動下的新生網(wǎng)商具有更加穩(wěn)定的銷售績效，穩(wěn)定的績效將帶來更多的資源積累，從而獲得更多的競爭優(yōu)勢，取得更好的績效。但是本文發(fā)現(xiàn)在加速成長軌跡下，卻表現(xiàn)出與此以往研究相反的規(guī)律，加速成長軌跡下，高成長波動的新生網(wǎng)商的績效平均水平反而比低成長波動的網(wǎng)商的更高，可以推斷成長波動對于績效的影響，考慮成長軌跡的情況下表現(xiàn)出以往研究推斷不同的地方；而從成長軌跡的角度看，在同一成長軌跡下，高波動和低波動的網(wǎng)商的績效水平也有顯著差異，說明成長軌跡與銷售績效的相關(guān)關(guān)系受到了成長波動的影響，因此可以說明成長模式并不是成長軌跡和成長波動的線性加和，而是二者的共同作用，進(jìn)一步說明本文提出的二維分類框架的合理性。

對信譽(yù)等級，如圖7(c)所示，加速成長軌跡下，加速/低波動的網(wǎng)商信譽(yù)等級，比加速/高波動的企業(yè)的，且該成長模式下的新生網(wǎng)商信譽(yù)等級所得平均分更高。發(fā)現(xiàn)在減速成長軌跡下，高波動的網(wǎng)商比低波動的網(wǎng)商在第十二個月份夠取得更高的信譽(yù)等級。與銷售績效的分析類似，我們認(rèn)為這也說明利用成長軌跡和成長波動劃的二維矩陣來定義成長模式的合理性。

圖7(a) 第十二月銷售收入平均值

圖7(b) 前十二月銷售收入平均值

圖7(c) 第十二月信譽(yù)等級平均值

5 結(jié)語

本文旨在探究電子商務(wù)平臺新生網(wǎng)商的成長模式及不同成長模式的網(wǎng)商所具有的績效和類目選擇策略。同傳統(tǒng)線下企業(yè)的成長相比，新生網(wǎng)商成長具有更高的不確定性。本文利用Penrose企業(yè)成長理論[8]及對新生企業(yè)成長特點(diǎn)[9]的分析，認(rèn)為新生網(wǎng)商在成長過程中形成的成長模式可由成長軌跡(具有路徑依賴特征)和成長波動共同反映，不同成長模式的網(wǎng)商的銷售績效和賣家信譽(yù)等級存在差異，且該差異統(tǒng)計顯著。特別地，加速/高波動的網(wǎng)商績效特征最為明顯；新生網(wǎng)商的成長模式與產(chǎn)品類型、初始主營類目、從屬主營類目等類目測度有顯著統(tǒng)計相關(guān)性，不同成長模式網(wǎng)商在產(chǎn)品類型、初始主營類目、從屬主營類目和類目轉(zhuǎn)換次數(shù)上存在顯著差異，初始主營類目對于新生網(wǎng)商成長模式的形成影響最大，服裝、珠寶手表、數(shù)碼產(chǎn)品以及虛擬產(chǎn)品四類類目中具有成長模式中占比特征顯著。

本文將成長模式的研究對象拓展到電子商務(wù)環(huán)境下的新生網(wǎng)商這一特殊群體，提出來一種成長模式的可操縱定義，同時分別探究了不同成長模式與類目策略和績效水平的關(guān)系，擴(kuò)展了企業(yè)成長模式相關(guān)研究邊界。具體地，用成長軌跡(具有路徑依賴特征)和成長波動的二維矩陣表示，對網(wǎng)商類目策略和績效水平的分析發(fā)現(xiàn)該成長模式的定義具有較高的內(nèi)部效度。其次，提出新的時序成長軌跡測度，該相對測度揭示新生企業(yè)成長軌跡的依賴特征，避免企業(yè)規(guī)模和分母為零所帶來的影響，利用聚類方法得到典型成長軌跡，克服以往軌跡研究勻速使用閾值來劃分“高/中/低”標(biāo)準(zhǔn)的邊界問題[17]。

本文所得的成長模式具有實(shí)踐價值和管理啟示。對電子商務(wù)平臺，本文所得出的成長模式可作為對新生網(wǎng)商進(jìn)行信用評級并提供個性化服務(wù)的依據(jù)之一。電子商務(wù)平臺的主要功能包括“孵化”新生創(chuàng)業(yè)者和企業(yè)，該功能主要體現(xiàn)為“評價”和“服務(wù)”兩方面。本文所提出的成長模式將有利于該兩大職能的實(shí)現(xiàn)。其一，本文所提出成長模式關(guān)注新生網(wǎng)商成長過程，并且可以預(yù)測下一階段績效情況，因此可將作為傳統(tǒng)信用評價指標(biāo)和認(rèn)證方法的補(bǔ)充，并以此作為融資擔(dān)保、銀行放貸等提供的信用評級證明依據(jù)之一，從而更加全面評價新生網(wǎng)商。其二，不同成長模式的新生網(wǎng)商具有不同的成長特征，所需要的配套資源和服務(wù)也可能不同，電子商務(wù)平臺可通過辨識出不同類型的新生網(wǎng)商，依據(jù)其所處的成長模式來提供個性化的服務(wù)支持，如針對“加速成長/高波動”和“減速/低波動”的新生網(wǎng)商在累積信譽(yù)等級路徑上存在一定劣勢，可提供不同的經(jīng)營培訓(xùn)服務(wù)并推薦個性化課程學(xué)習(xí)進(jìn)行相應(yīng)改善，從而更好地實(shí)現(xiàn)電子商務(wù)平臺的“服務(wù)”功能。同時，對新生網(wǎng)商而言，可了解自身所處成長狀況，并利用成長模式與類目選擇策略的關(guān)系發(fā)現(xiàn)新的成長機(jī)會，管理經(jīng)營產(chǎn)品類目,如新生網(wǎng)商可通過了解成長模式來判斷在某一階段的成長情況，并以此對下一階段的經(jīng)營策略進(jìn)行調(diào)整；同時有針對性地選擇不同的產(chǎn)品類目來改變成長模式，以實(shí)現(xiàn)理想績效目標(biāo)。

本文存在不足與需拓展之處，如時序聚類分析所獲得的成長軌跡可與外在創(chuàng)業(yè)動機(jī)、企業(yè)成長策略等相結(jié)合；對于新生企業(yè)的成長來說，外界環(huán)境起到了重要作用[8]，后續(xù)研究工作將在已有類目選擇策略討論的基礎(chǔ)上，進(jìn)一步探索市場集中度等類目特征指標(biāo)等市場環(huán)境對成長模式的影響。

參考文獻(xiàn)：

[1] Wang Youwei, Wang Shan, Fang Yulin, et al. Store survival in online marketplace: An empirical investigation[J]. Decision Support Systems, 2013 (56):482-493.

[2] 王萌，郭迅華，陳國青，等. 在線關(guān)系對中小網(wǎng)商績效影響的實(shí)證分析[J].中國管理科學(xué), 2016, 24(10): 156-163.

[3] 左手“淘寶”，右手“造物”-2017年網(wǎng)商報告之創(chuàng)新生態(tài)[R]，阿里研究院，2017.

[4] Annual Report from Amazon in 2016[R], Amazon, 2016.

[5] 淘寶集市個體店家的社會和執(zhí)業(yè)特征[R], 北京大學(xué)經(jīng)濟(jì)發(fā)展研究中心及阿里巴巴研究中心, 2012.

[6] Dooley KJ, Van de Ven AH. Explaining complex organizational dynamics[J]. Organization Science, 1999, 10(3):358-372.

[7] Coad A, Frankish J, Roberts R G, et al. Growth paths and survival chances: An application of Gambler's Ruin theory [J]. Journal of Business Venturing, 2013, 28(5): 615 -632.

[8] Penrose E T. The theory of the growth of the firm [M], Oxford: Oxford University Press, 1959.

[9] Garnsey E, Stam E, Heffernan P. New firm growth: Exploring processes and paths [J]. Industry and Innovation, 2006, 13(1): 1-20.

[10] Brenner T, Schimke A. Growth development paths of firms-A study of smaller businesses [J]. Journal of Small BusinessManagement, 2015, 53(2): 539-557.

[11] Bottazzi G, Secchi A. Why are distributions of firm growth rates tent-shaped? [J]. Economics Letters, 2003, 80(3): 415-420.

[12] Stam E. Growth beyond Gibrat: Firm growth processes and strategies [J]. Small Business Economics, 2010, 35(2): 129-135.

[13] McKelvie A, Wiklund J. Advancing firm growth research: A focus on growth mode instead of growth rate [J]. Entrepreneurship Theory and Practice, 2010, 34(2): 261-288.

[14] Poole M S, Van de Ven A H, Dooley K, et al. Organizational change and innovation processes: Theory and methods for research[M]. Oxford: Oxford University Press,2000.

[15] Joseph D, Boh W F, Ang S, et al. The career paths less (or more) traveled: A sequence analysis of IT career histories, mobility patterns, and career success[J]. MIS Quarterly, 2012, 36(2): 427-452.

[16] Fan Ying, Ju Jiandong, Xiao Mo. Reputation premium and reputation management: Evidence from the largest e-commerce platform in china[J]. International Journal of Industrial Organization, 2016, 46: 63-76.

[17] Diambeidou M B, Gailly B. A taxonomy of the early growth of Belgian start-ups [J]. Journal of Small Business and Enterprise Development, 2011, 18(2): 194-218.

[18] Delmar F, Davidsson P, Gartner W B. Arriving at the high-growth firm [J]. Journal of Business Venturing, 2003, 18(2): 189-216.

[19] McMahon R G. Deriving an empirical development taxonomy for manufacturing SMEs using data from Australia's business longitudinal survey[J]. Small Business Economics, 2001, 17(3): 197-212.

[20] Acs Z J. High-impact firms: Gazelles revisited[M]//Fritsch M. Handbook of research on entrepreneurship and regional Development: National and regional perspectives. Massachusetts: Edward Elgar Publishing, 2011: 133-174.

[21] Kemp R G, Verhoeven W. Growth patterns of medium-sized fast-growing firms [M], Zoetermeer: EIM Business & Policy Research, 2002.

[22] Lee C. A theory of firm growth: Learning capability, knowledge threshold, and patterns of growth [J]. Research Policy, 2010, 39(2): 278-289.

[23] Goldmanis M, Horta?su A, Syverson C, et al. Ecommerce and the market structure of retail industries [J]. The Economic Journal, 2010, 120(545): 651-682.

[24] Grewal D, Iyer GR, Levy M. Internet retailing: Enablers, limiters and market consequences [J]. Journal of Business Research, 2004, 57(7): 703-713.

[25] Singh N, Kundu S. Explaining the growth of e-commerce corporations (ECCs): An extension and application of the eclectic paradigm [J]. Journal of International Business Studies, 2002, 33(4): 679-697.

[26] Ba S, Pavlou P A. Evidence of the effect of trust building technology in electronic markets: Price premiums and buyer behavior [J]. MIS quarterly, 2002: 243-268.

[27] 鄧愛民, 陶寶, 馬瑩瑩. 網(wǎng)絡(luò)購物顧客忠誠度影響因素的實(shí)證研究 [J]. 中國管理科學(xué), 2014, 22(6): 94-102.

[28] Genolini C, Falissard B. KmL: A package to cluster longitudinal data [J]. Computer Methods and Programs in Biomedicine, 2011, 104(3): 112-121.

[29] Genolini C, Falissard B. KmL: K-means for longitudinal data [J]. Computational Statistics, 2010, 25(2): 317-328.

[30] Gilbert B A, McDougall P M, Audretsch D B. New venture growth: A review and extension [J]. Journal of Management, 2006, 32(6): 926-950.

[31] Delmar F, McKelvie A, Wennberg K. Untangling the relationships among growth, profitability and survival in new firms [J]. Technovation, 2013, 33(8-9): 276-291.

[32] Pettus M L. The resource-based view as a developmental growth process: Evidence from the deregulated trucking industry [J]. Academy of Management Journal, 2001，44(4)：878-896.

[33] Reichstein T, Dahl M S. Are firm growth rates random? Analysing patterns and dependencies [J]. International Review of Applied Economics, 2004, 18(2): 225-246.

[34] Cabral L, Horta?su A. The dynamics of seller reputation: Evidence from eBay [J]. The Journal of Industrial Economics, 2010, 58(1): 54-78.

[35] Coad A, Segarra A, Teruel M. Like milk or wine: Does firm performance improve with age? [J]. Structural Change and Economic Dynamics, 2013, 24(0): 173-189.

[36] Chandler G N, McKelvie A, Davidsson P. Asset specificity and behavioral uncertainty asmoderators of the sales growth-employment growth relationship in emerging ventures [J]. Journal of Business Venturing, 2009, 24(4): 373-387.

[37] Daunfeldt S, Elert N, Johansson D. The economic contribution of high-growth firms: Do policy implications depend on the choice of growth indicator? [J]. Journal of Industry, Competition and Trade, 2014 (14): 337-365.

[38] Murphy G B, Trailer J W, Hill R C. Measuring performance in entrepreneurship research [J]. Journal of Business Research, 1996, 36(1): 15-23.

[39] Weinzimmer L G, Nystrom P C, Freeman S J. Measuring organizational growth: Issues, consequences and guidelines [J]. Journal of Management, 1998, 24(2): 235-262.

[40] Davidsson P, Achtenhagen L, Naldi L. Small firm growth [M]. Boston: Now Publishers Inc, 2010.

[41] Achtenhagen L, Naldi L, Melin L. “Business growth”-Do practitioners and scholars really talk about the same thing? [J]. Entrepreneurship Theory and Practice, 2010, 34(2): 289-316.

[42] Shepherd D, Wiklund J. Are we comparing apples with apples or apples with oranges? Appropriateness of knowledge accumulation across growth Studies [J]. Entrepreneurship Theory and Practice, 2009, 33(1): 105-123.

[43] Comin D, Mulani S. A theory of growth and volatility at the aggregate and firm level [J]. Journal of Monetary Economics, 2009, 56(8): 1023-1042.

[44] Davis S J, Haltiwanger J, Jarmin R， et al. Volatility and dispersion in business growth rates: Publicly traded versus privately held firms [M]. Cambridge MA: MIT Press: 2007.

[45] Frankish J S, Roberts R G, Coad A，et al. Do entrepreneurs really learn? Or do they just tell us that they do? [J]. Industrial and Corporate Change, 2013, 22(1): 73-106.

[46] Dobbs M, Hamilton R T. Small business growth: Recent evidence and new directions[J]. International Journal of Entrepreneurial Behaviour & Research, 2007, 13(5): 296-322.

[47] Wiklund J, Patzelt H, Shepherd D. Building an integrative model of small business growth [J]. Small Business Economics, 2009, 32(4): 351-374.

[48] Nelson P. Information and consumer behavior[J]. Journal of Political Economy, 1970，78(2), 311-329.

[49] Girard T, Dion P. Validating the search, experience, and credence product classification framework[J]. Journal of Business Research, 2010, 63(9): 1079-1087.

[50] Korgaonkar P, Silverblatt R, Girard T. Online retailing, product classifications, and consumer preferences[J]. Internet Research, 2006,16(3)： 267-288.

[51] Hsieh Y C, Chiu H C, Chiang M Y. Maintaining a committed online customer: A study across search-experience-credence products[J]. Journal of Retailing, 2005，81(1)： 75-82.

[52] Huang Peng, Lurie N H, Mitra S. Searching for experience on the web: An empirical examination of consumer behavior for search and experience goods[J]. Journal of Marketing, 2009,73(2): 55-69.

[53] Rice S C. Reputation and uncertainty in online markets: An experimental study [J]. Information Systems Research, 2012, 23(2): 436-452.

[54] Mavlanova T, Benbunan F R, Koufaris M. Signaling theory and information asymmetry in online commerce [J]. Information & Management, 2012, 49(5): 240-247.

[55] Zhou Ming, Dresner M, Windle R. Revisiting feedback systems: Trust building in digital markets [J]. Information & Management, 2009, 46(5): 279-284.

[56] Dellarocas C. How often should reputation mechanisms update a trader's reputation profile? [J]. Information Systems Research, 2006, 17(3): 271-285.

[57] Chouakria A D, Nagabhushan P N. Adaptive dissimilarity index for measuring time series proximity[J]. Advances in Data Analysis and Classification, 2007, 1(1): 5-21.

[58] Caliński T, Harabasz J. A dendrite method for cluster analysis [J]. Communications in Statistics-theory and Methods, 1974, 3(1): 1-27.

[59] Costner, Herbert L. Criteria for measures of association [J]. American Sociological Review，1965，30(3): 341-353.