王 玉，李 城，胡金玲

（暨南大學(xué)國(guó)際商學(xué)院，廣東珠海 519070）

一、引言

在全球數(shù)字經(jīng)濟(jì)背景下，數(shù)字產(chǎn)品孕育而生，本文關(guān)注于移動(dòng)應(yīng)用（App）數(shù)字產(chǎn)品，App 數(shù)字產(chǎn)品具有便捷性和易用性，經(jīng)數(shù)字平臺(tái)上線發(fā)布即可觸達(dá)全球市場(chǎng)的用戶，進(jìn)入國(guó)際市場(chǎng)的壁壘較低，然而在手機(jī)App繁榮發(fā)展的同時(shí)，與之俱來(lái)的還有App 數(shù)字產(chǎn)品市場(chǎng)的競(jìng)爭(zhēng)日益加?。忚忘S敏學(xué)，2021）。以往消費(fèi)者需要耗費(fèi)較高的時(shí)間成本和物質(zhì)成本來(lái)獲取實(shí)體產(chǎn)品和服務(wù)，但在數(shù)字化世界，消費(fèi)者獲取App 數(shù)字產(chǎn)品相對(duì)容易，可以根據(jù)自身需求隨時(shí)隨地下載安裝App，當(dāng)產(chǎn)品的使用價(jià)值不能滿足消費(fèi)者時(shí)消費(fèi)者就會(huì)卸載App，或者選擇其他App 產(chǎn)品進(jìn)行替代，企業(yè)很難在移動(dòng)應(yīng)用市場(chǎng)的海量App 產(chǎn)品競(jìng)爭(zhēng)中維持用戶粘性和良好的生命力（蘇婉等2020），消費(fèi)者頻繁更換的行為給App 數(shù)字產(chǎn)品保持生命力帶來(lái)了挑戰(zhàn)。因此，如何減緩App 數(shù)字產(chǎn)品在國(guó)際市場(chǎng)的衰退速度，從而延展其在國(guó)際市場(chǎng)的產(chǎn)品生命周期是一個(gè)值得研究的問(wèn)題。

App 數(shù)字產(chǎn)品通過(guò)虛擬數(shù)字平臺(tái)發(fā)行，數(shù)字平臺(tái)內(nèi)部化了諸多的國(guó)際市場(chǎng)進(jìn)入壁壘，已有的研究將App數(shù)字產(chǎn)品成功進(jìn)入外部市場(chǎng)定義為國(guó)際市場(chǎng)滲透，即一款產(chǎn)品在目標(biāo)國(guó)家擁有了大量的用戶群體（Shaheer和Li，2020），定義App 數(shù)字產(chǎn)品成功進(jìn)入的標(biāo)志為其在某國(guó)家的應(yīng)用商店是否達(dá)到特定的排名，達(dá)到排名所需的時(shí)間越短，說(shuō)明市場(chǎng)滲透速度越快。Chen et a（l2019）認(rèn)為，App 數(shù)字產(chǎn)品可以選擇先進(jìn)入影響力較高的國(guó)家，這些國(guó)家在政治、經(jīng)濟(jì)等層面處于領(lǐng)先地位，可以加快其隨后在其他國(guó)家市場(chǎng)的滲透速度。此外，大多數(shù)學(xué)者認(rèn)為App 數(shù)字產(chǎn)品的國(guó)際滲透不再由公司的戰(zhàn)略所控制，而是依靠用戶的使用傳播決定，產(chǎn)品特征隨著用戶傳播的過(guò)程不斷發(fā)生改變（趙艷強(qiáng)和張洪丹，2021）。Shaheer 和L（i2020）認(rèn)為，即使App 數(shù)字產(chǎn)品進(jìn)入國(guó)際市場(chǎng)的門檻降低，產(chǎn)品滲透速度還是會(huì)一定程度上受到政治、經(jīng)濟(jì)、地理和文化距離的影響，但這種阻礙可以通過(guò)用戶間建立社交媒體來(lái)克服，從而加快外部市場(chǎng)滲透速度。因此，用戶對(duì)于提升App 數(shù)字產(chǎn)品持續(xù)的生命力發(fā)揮著重要作用，用戶可以基于虛擬平臺(tái)通過(guò)在線評(píng)論參與產(chǎn)品創(chuàng)新活動(dòng)中來(lái)，產(chǎn)品開(kāi)發(fā)人員也逐漸重視隱藏在用戶評(píng)論里的外部知識(shí)，不斷融入到產(chǎn)品創(chuàng)新和技術(shù)發(fā)中（鄧程等，2020；鄔愛(ài)其等，2021）。Shaheer 和L（i2020）認(rèn)為用戶參與度主要突顯在產(chǎn)品開(kāi)發(fā)人員需要具有發(fā)現(xiàn)并響應(yīng)在線評(píng)論中用戶需求的能力，讓用戶以間接的方式參與到產(chǎn)品創(chuàng)新中來(lái)。通過(guò)用戶關(guān)系網(wǎng)絡(luò)，產(chǎn)品開(kāi)發(fā)者應(yīng)該將更多的注意力放在整合外部知識(shí)資源，將企業(yè)內(nèi)部和市場(chǎng)的外部知識(shí)聯(lián)結(jié)，促進(jìn)產(chǎn)品創(chuàng)新（胡珊等，2020；Zeng et al，2019）。

盡管之前的研究為App 數(shù)字產(chǎn)品國(guó)際化做出了極大的貢獻(xiàn)，但仍存在一些不足。首先，伴隨著激烈的市場(chǎng)競(jìng)爭(zhēng)壓力，App 數(shù)字產(chǎn)品的產(chǎn)品生命周期相比傳統(tǒng)產(chǎn)品縮短很多（Yi et al，2019）363，缺乏延長(zhǎng)App 數(shù)字產(chǎn)品生命周期的研究。其次，目前有關(guān)App 數(shù)字產(chǎn)品持續(xù)發(fā)展的研究多從用戶視角出發(fā)，缺乏產(chǎn)品層面對(duì)App 數(shù)字產(chǎn)品滲透目標(biāo)市場(chǎng)后影響其在市場(chǎng)持久生存的因素的研究。最后，在全球國(guó)際App 數(shù)字產(chǎn)品市場(chǎng)背景下，用戶在價(jià)值共創(chuàng)過(guò)程中的作用仍未得到探索（Mele et al，2021），以往研究也沒(méi)有表明用戶間的互動(dòng)所產(chǎn)生的網(wǎng)絡(luò)效應(yīng)能為App 數(shù)字產(chǎn)品的持續(xù)發(fā)展帶來(lái)多大的價(jià)值。因此，如何有效地維持App 數(shù)字產(chǎn)品在國(guó)際市場(chǎng)的持久發(fā)展和生命力，并借助用戶這一寶貴資源，讓用戶參與App 數(shù)字產(chǎn)品全球價(jià)值共創(chuàng)過(guò)程中來(lái)，是目前理論研究需要解決的問(wèn)題。

本文的創(chuàng)新點(diǎn)在于，選擇蘋果應(yīng)用商店中38 個(gè)App 數(shù)字產(chǎn)品的國(guó)際化情況作為研究樣本，追蹤38 個(gè)App 數(shù)字產(chǎn)品在8 個(gè)國(guó)家/地區(qū)從面向市場(chǎng)到開(kāi)始衰退產(chǎn)品生命周期的全過(guò)程。本文可能的邊際貢獻(xiàn)在于，從理論角度來(lái)看，通過(guò)文獻(xiàn)梳理將用戶主導(dǎo)邏輯理論，網(wǎng)絡(luò)效應(yīng)理論引入到國(guó)際App 數(shù)字產(chǎn)品市場(chǎng)可持續(xù)研究中，證明用戶參與可以增強(qiáng)國(guó)際市場(chǎng)上App 數(shù)字產(chǎn)品的生命力，并構(gòu)建App 數(shù)字產(chǎn)品可持續(xù)發(fā)展的影響因素模型驗(yàn)證了產(chǎn)品周期理論對(duì)于全球App 數(shù)字產(chǎn)品的生命力。從實(shí)踐角度來(lái)看，通過(guò)對(duì)App 數(shù)字產(chǎn)品持續(xù)發(fā)展影響因素的研究，歸納總結(jié)出App 數(shù)字產(chǎn)品在國(guó)際市場(chǎng)可持續(xù)發(fā)展的循環(huán)機(jī)制，并在此基礎(chǔ)上提出App數(shù)字產(chǎn)品在國(guó)際市場(chǎng)的管理策略，為App 數(shù)字產(chǎn)品出海相關(guān)研究提供參考。

二、理論分析與假設(shè)提出

（一）App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的滲透和衰退

哈佛大學(xué)教授費(fèi)農(nóng)最早提出了產(chǎn)品生命周期理論，該理論在市場(chǎng)營(yíng)銷中得到廣泛應(yīng)用，它解釋了為什么一些受歡迎的產(chǎn)品反而存活壽命較短的問(wèn)題（Armstrong et al，2014）。本文將產(chǎn)品生命周期理論引入App 數(shù)字產(chǎn)品持續(xù)性的問(wèn)題中，分析國(guó)際市場(chǎng)上App 數(shù)字產(chǎn)品的生命周期特點(diǎn)，我們認(rèn)為減緩App 數(shù)字產(chǎn)品的市場(chǎng)衰退速度就可以相對(duì)的提高App 數(shù)字產(chǎn)品的持續(xù)性。通常情況下，一款產(chǎn)品從最初的成長(zhǎng)到退出市場(chǎng)會(huì)經(jīng)歷生命周期的四個(gè)階段，即進(jìn)入市場(chǎng)期、成長(zhǎng)期、成熟期和衰退期，但與傳統(tǒng)產(chǎn)品有所不同，App 數(shù)字產(chǎn)品具有特殊的產(chǎn)品生命周期類型，即熱潮型產(chǎn)品生命周期。由于熱潮類產(chǎn)品可以滿足人們一時(shí)的好奇心或刺激心理，加上消費(fèi)者高度的熱情，熱潮產(chǎn)品的銷售量會(huì)在短時(shí)間內(nèi)暴增，并在銷售高峰時(shí)短暫停留（Varma et al，2016），然后因?yàn)橄M(fèi)者從產(chǎn)品中所獲得的價(jià)值不斷減少，產(chǎn)品的衰退速度幾乎與成長(zhǎng)速度一樣快。因此，熱潮類的產(chǎn)品會(huì)遵循標(biāo)準(zhǔn)的產(chǎn)品生命周期，但不同的是，會(huì)有較快的成長(zhǎng)階段和相同速度的衰退階段。

此外，基于產(chǎn)品生命周期理論表明，有兩種現(xiàn)象會(huì)加快數(shù)字產(chǎn)品市場(chǎng)中熱潮類型產(chǎn)品的成長(zhǎng)和衰退速度（Yi et al，2019）364。首先，“喜新厭舊”是數(shù)字市場(chǎng)的典型消費(fèi)趨勢(shì)。消費(fèi)者獲取一款A(yù)pp 數(shù)字產(chǎn)品所需的金錢和時(shí)間成本幾乎為零。因此客戶可以隨時(shí)輕松地安裝和卸載。其次，數(shù)字產(chǎn)品市場(chǎng)也有“爆炸趨勢(shì)”現(xiàn)象。某些App 數(shù)字產(chǎn)品因?yàn)榫邆洫?dú)特的科技屬性，面向市場(chǎng)便可輕松獲得較大的市場(chǎng)份額（Marchand，2016）。

就企業(yè)而言，當(dāng)企業(yè)的產(chǎn)品以較快的速度滲透國(guó)際市場(chǎng)時(shí)，會(huì)超過(guò)企業(yè)的管理能力，如國(guó)際市場(chǎng)的適應(yīng)能力、管理者的管理能力、技術(shù)資源的整合能力等，從而弱化產(chǎn)品在國(guó)際市場(chǎng)的產(chǎn)品持續(xù)性（陳初昇等，2020），所以較快的市場(chǎng)成長(zhǎng)速度可能會(huì)縮短App 數(shù)字產(chǎn)品的壽命。

基于此，本文提出假設(shè)1：

App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的滲透速度越快，在該目標(biāo)國(guó)家的衰退速度就越快（H1）。

（二）用戶參與度的調(diào)節(jié)作用

Zeitham（l1988）指出：“價(jià)值是消費(fèi)者基于所收到、感知到的內(nèi)容，對(duì)產(chǎn)品的效用做的總體評(píng)估”。服務(wù)主導(dǎo)邏輯認(rèn)為價(jià)值共創(chuàng)在產(chǎn)品所屬組織及其用戶產(chǎn)生互動(dòng)行為時(shí)發(fā)生，用戶通過(guò)提供寶貴經(jīng)驗(yàn)，在參與產(chǎn)品共同價(jià)值創(chuàng)造方面具有積極的作用（Vargo et al，2008）。產(chǎn)品開(kāi)發(fā)者可以在與用戶互動(dòng)中學(xué)習(xí)并改進(jìn)他們的產(chǎn)品，用戶在“消費(fèi)者”角色上的界限變得模糊，逐漸趨于員工一樣的“生產(chǎn)”角色，從而用戶在使用產(chǎn)品的過(guò)程中讓產(chǎn)品增值（Campos et al，2018）。因此，用戶在價(jià)值創(chuàng)造過(guò)程中不僅僅是App 的使用者和接受者，更是產(chǎn)品的生產(chǎn)者和價(jià)值的創(chuàng)造者（Leone et al，2021）。如果一款產(chǎn)品能夠?yàn)橛脩籼峁┹^多的價(jià)值，那么就可能提升產(chǎn)品在用戶及市場(chǎng)上的受歡迎程度，從而可能延緩其在國(guó)際市場(chǎng)的衰退。王發(fā)明和朱美娟（2019）研究認(rèn)為在參與價(jià)值共創(chuàng)的過(guò)程中有助于縮短市場(chǎng)相應(yīng)的時(shí)間，這也從側(cè)面說(shuō)明了用戶參與價(jià)值共創(chuàng)能夠加快App 的市場(chǎng)滲透速度。因此，本文認(rèn)為用戶參與產(chǎn)品創(chuàng)新的方法可以通過(guò)增加用戶購(gòu)買產(chǎn)品后所獲得的產(chǎn)品功能價(jià)值來(lái)幫助提升App 數(shù)字產(chǎn)品保持更長(zhǎng)久的生命力。

首先，用戶可以提升產(chǎn)品與目標(biāo)國(guó)家用戶需求的區(qū)配程度。不同的用戶對(duì)產(chǎn)品性能的評(píng)估不同，取決于某個(gè)國(guó)家/地區(qū)的用戶偏好與產(chǎn)品屬性之間的區(qū)配程度。用戶參與可以讓用戶享受定制服務(wù)，當(dāng)用戶的需求逐漸和產(chǎn)品的功能契合之后，用戶感知到的產(chǎn)品價(jià)值會(huì)增多。實(shí)際上，許多公司都具有捕獲用戶聲音并將其集成到產(chǎn)品屬性中的流程和基礎(chǔ)架構(gòu)（Wang et al，2020）。例如，在App 數(shù)字產(chǎn)品、在線社區(qū)等相關(guān)領(lǐng)域中，企業(yè)會(huì)通過(guò)一些第三方網(wǎng)站利用復(fù)雜的機(jī)器學(xué)習(xí)工具包，分析用戶行為，了解和預(yù)測(cè)客戶的偏好，從而使自身的產(chǎn)品更加契合用戶需求（林莉等，2022）。

其次，用戶的參與是用戶獲得價(jià)值的有效機(jī)制。先前的研究表明，當(dāng)用戶感覺(jué)到可以在最終產(chǎn)品的服務(wù)或功能中占據(jù)主導(dǎo)地位時(shí)，他們可能會(huì)收獲越來(lái)越多的價(jià)值（Carlson et al，2019）。若某一用戶對(duì)產(chǎn)品具有較高的情感，則其更愿意參與產(chǎn)品活動(dòng)并貢獻(xiàn)想法，形成持續(xù)驅(qū)動(dòng)用戶參與的閉環(huán)。比如，小米的MIUI 社區(qū)（杜松華等，2020），消費(fèi)者平均參與度高達(dá)5000 多次，平均每個(gè)板塊的用戶月均發(fā)帖量達(dá)到700 條（嚴(yán)建援等，2019）。

基于此，本文提出假設(shè)2：

用戶參與度可以緩解App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的滲透速度與衰退速度之間的關(guān)系（H2）。

（三）用戶與用戶交互功能的調(diào)節(jié)作用

Reuber et a（l2018）提出的國(guó)際網(wǎng)絡(luò)效應(yīng)理論認(rèn)為，受用戶間的協(xié)同效應(yīng)和互補(bǔ)效應(yīng)影響，個(gè)體從網(wǎng)絡(luò)中獲得價(jià)值會(huì)隨著網(wǎng)絡(luò)中用戶數(shù)量的增加。用戶的價(jià)值不僅來(lái)自購(gòu)買價(jià)值，還來(lái)自社會(huì)價(jià)值。本文認(rèn)為，當(dāng)產(chǎn)品滿足用戶間互動(dòng)的訴求時(shí)，可以提升用戶的滿意度及用戶感知到的社會(huì)價(jià)值。

首先，用戶與用戶間的互動(dòng)會(huì)影響用戶的社會(huì)地位。網(wǎng)絡(luò)效應(yīng)理論認(rèn)為，人們想順應(yīng)潮流表明自己是時(shí)尚的，是符合社會(huì)主流標(biāo)準(zhǔn)的。因此與其他用戶建立交互關(guān)系，獲得相同社會(huì)地位可以為用戶創(chuàng)造社會(huì)價(jià)值，用戶在交互過(guò)程中不僅實(shí)現(xiàn)信息傳遞，更獲得了交互所創(chuàng)造的體驗(yàn)價(jià)值及社會(huì)價(jià)值等（項(xiàng)國(guó)鵬等，2022）。例如，F(xiàn)acebook 最初是為哈佛學(xué)生之間的社交而設(shè)計(jì)，之后所有常春藤盟校，以及大多數(shù)美國(guó)和加拿大的大學(xué)都瞬間愛(ài)上了這款應(yīng)用。這種類型的直接互動(dòng)就產(chǎn)生了網(wǎng)絡(luò)效應(yīng)，使Facebook 在其他精英學(xué)院和大學(xué)中很受歡迎。

其次，網(wǎng)絡(luò)效應(yīng)理論認(rèn)為，用戶網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)都是互相補(bǔ)充的。如今數(shù)字化的發(fā)展顛覆了App 各價(jià)值創(chuàng)造主體之間傳統(tǒng)的互動(dòng)方式，用戶與用戶的直接互動(dòng)將‘用戶-信息’鏈接在了一起，信息傳遞過(guò)程會(huì)對(duì)用戶感知價(jià)值、平臺(tái)系統(tǒng)更新等產(chǎn)生影響（陳英爽等，2021）。比如，在線旅游網(wǎng)站，用戶可以在數(shù)字平臺(tái)留下自身的感受，其他用戶通過(guò)評(píng)論與作者形成直接的交互，在交互的過(guò)程中，不僅平臺(tái)可以通過(guò)更多的流量獲取更多的利潤(rùn)，更重要的是用戶之間產(chǎn)生了社會(huì)鏈接，信息開(kāi)始流通，知識(shí)獲取更加方便，用戶在虛擬網(wǎng)絡(luò)中的相遇可以獲得更多的知識(shí)，從而擁有更愉悅的體驗(yàn)。

基于此，本文提出假設(shè)3：

用戶與用戶交互功能可以緩解App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的滲透速度與衰退速度之間的關(guān)系（H3）。

本文最終構(gòu)建出以App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家滲透速度為解釋變量，用戶參與度和用戶與用戶交互功能為調(diào)節(jié)變量，App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家衰退速度為被解釋變量的理論模型，如圖1 所示。

圖1 研究假設(shè)關(guān)系圖

三、研究設(shè)計(jì)

（一）數(shù)據(jù)收集及處理

本文研究重點(diǎn)聚焦在蘋果App 數(shù)字產(chǎn)品商店的“游戲”類別的App 數(shù)字產(chǎn)品上。將研究環(huán)境設(shè)定為蘋果應(yīng)用商店的游戲類別應(yīng)用是因?yàn)椋菏紫?，考慮到不同的應(yīng)用商店、不同的應(yīng)用產(chǎn)品之間可能會(huì)存在差異，只研究一個(gè)數(shù)字產(chǎn)品類別和應(yīng)用商店可以消除異質(zhì)性對(duì)結(jié)果的影響；其次，由于蘋果App 數(shù)字產(chǎn)品商店是世界上擁有用戶數(shù)量最大的應(yīng)用程序平臺(tái)之一，所以本文的數(shù)據(jù)來(lái)源能夠跟蹤應(yīng)用程序的國(guó)際化進(jìn)程，便于驗(yàn)證研究假設(shè)；再次，安卓的其他應(yīng)用程序商店（如Google Play），用戶可以從多渠道下載同一應(yīng)用程序，而iPhone 和iPad 用戶只能從蘋果App 數(shù)字產(chǎn)品商店下載或購(gòu)買應(yīng)用程序，能夠更準(zhǔn)確界定一款應(yīng)用程序在某一國(guó)家的滲透程度；此外，每個(gè)用戶只允許在蘋果App 數(shù)字產(chǎn)品商店針對(duì)一款產(chǎn)品，評(píng)論一次，降低了虛假評(píng)論的概率。最后，根據(jù)艾媒咨詢針對(duì)2020 年上半年中國(guó)App 數(shù)字產(chǎn)品出海的分析報(bào)告可知①資料來(lái)源：Https：//www.Iimedia.cn/C1020/73801.Html。，受疫情及國(guó)際政治形式的影響，出海應(yīng)用仍然集中在游戲類和短視頻類。

為了追蹤App 數(shù)字產(chǎn)品的全部生命周期，首先，本文在禪大師的網(wǎng)站上，獲取了從2019 年1 月到2020 年1 月8 個(gè)國(guó)家/地區(qū)中排名前250 位的應(yīng)用程序，這8 個(gè)國(guó)家的用戶基數(shù)較大且用戶對(duì)于數(shù)字產(chǎn)品的接受程度較高，近年來(lái)一直是App 出海的首選國(guó)家（Shaheer 和Li，2020），表1 顯示了整個(gè)樣本中評(píng)論數(shù)和應(yīng)用程序數(shù)量的地理分布。其次，本文將樣本縮減為至少連續(xù)3 個(gè)月在蘋果應(yīng)用商店的排名不少于前15 名。再次，為了檢驗(yàn)假設(shè)，本文重點(diǎn)關(guān)注于新發(fā)布的應(yīng)用程序（2019 年1 月之后上線發(fā)布），以便可以追溯自應(yīng)用程序上線以來(lái)的產(chǎn)品生命周期全過(guò)程。最終，樣本包含38 個(gè)App 數(shù)字產(chǎn)品，涵蓋每款應(yīng)用程序在2019 年1 月到2020 年1 月在8 個(gè)國(guó)家/地區(qū)中的每日數(shù)據(jù)。此外，本文最終的樣本中，96.4%的App 數(shù)字產(chǎn)品開(kāi)發(fā)者所屬國(guó)家與App 數(shù)字產(chǎn)品所滲透的國(guó)家不同，3.5%的App 數(shù)字產(chǎn)品開(kāi)發(fā)者所屬國(guó)家與App 數(shù)字產(chǎn)品所滲透的國(guó)家相同。

表1 整體App 數(shù)字產(chǎn)品樣本分布

（二）變量測(cè)量

1.被解釋變量

App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)的衰退速度（Decspeed）作為被解釋變量，以App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家達(dá)到最高排名，到發(fā)生衰退這一終點(diǎn)事件所需的時(shí)間（月）來(lái)衡量。參照Yi 等人的做法，本文將“衰退”這一終點(diǎn)事件發(fā)生的時(shí)間點(diǎn)定義為，App 數(shù)字產(chǎn)品連續(xù)3 個(gè)月內(nèi)下降超過(guò)80 個(gè)排名（Yi et al，2019）367。比如一款A(yù)pp 數(shù)字產(chǎn)品在3 月份在某一國(guó)家達(dá)到最高排名，但在5、6、7 月內(nèi)，排名連續(xù)下降了80 名，則衰退速度為4（7-3月份）。

2.解釋變量

App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家滲透速度（Penspeed）作為解釋變量，即一款A(yù)pp 數(shù)字產(chǎn)品在目標(biāo)國(guó)家上線后，成功滲透該國(guó)家市場(chǎng)所需的時(shí)間（以月份為粒度計(jì)算）（Shaheer 和Li，2020）。比如，一款A(yù)pp 數(shù)字產(chǎn)品3 月份在某一國(guó)家上線，5 月份在該國(guó)家發(fā)生重點(diǎn)事件，（滲透成功，達(dá)到排名前150），則滲透速度為2（5-3=2）。考慮樣本中的App 數(shù)字產(chǎn)品在6 個(gè)月內(nèi)均已成功滲透目標(biāo)市場(chǎng)，本文將滲透速度進(jìn)行轉(zhuǎn)換，App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)滲透速度表示為6-Penspeed（Gawer 和Henderson，2007）。蘋果商店通過(guò)一系列指標(biāo)（主要基于下載量），顯示每個(gè)類別中的排名前150 的應(yīng)用程序。若一款應(yīng)用進(jìn)入某地區(qū)的前150 榜單，說(shuō)明該款應(yīng)用成功滲透這個(gè)地區(qū)（Garg 和Telang，2013）。因此，參照現(xiàn)有的研究，本文認(rèn)為一款游戲應(yīng)用首次在目標(biāo)國(guó)家排名前150 位時(shí)，該應(yīng)用成功滲透到該國(guó)家。

3.調(diào)節(jié)變量

本文包含兩個(gè)調(diào)節(jié)變量，分別是用戶參與度和用戶與用戶交互功能，具體測(cè)量方法如下：

（1）用戶參與度：通過(guò)在線用戶評(píng)論內(nèi)容與產(chǎn)品更新文檔之間的文本相似性來(lái)衡量。參照Z(yǔ)hou et al（2018）的方式，本文使用潛在語(yǔ)義分析（LSA）計(jì)算每個(gè)App 數(shù)字產(chǎn)品的產(chǎn)品更新文檔和在線用戶評(píng)論之間的文本相似度（Fresneda 和Gefen，2019）。

首先，本文用Python 腳本對(duì)所有文檔進(jìn)行分詞、詞性標(biāo)注（用戶評(píng)論），中文使用language technology platform（LTP，http：//ltp.ai）和自然語(yǔ)言工具包進(jìn)行處理（NLTK，http：//www.nltk.org/），英文使用斯坦福自然語(yǔ)言處理包進(jìn)行處理（NLP，http：//nlp.stanford.edu）。接著對(duì)文檔進(jìn)行分詞，刪除停用詞（如“的”，“the”，“地”，“在”，“an”等）、標(biāo)點(diǎn)符號(hào)（“！”，“？”等評(píng)論中常出現(xiàn)的符號(hào)）和表情符號(hào)（emoji）。然后，使用TF-IDF（詞頻-逆文檔頻率）算法生成“關(guān)鍵詞-文檔矩陣”，矩陣的每一個(gè)值即為TF-IDF 值。

其次，將SVD（singular value decomposition）奇異值分解應(yīng)用于“關(guān)鍵詞-文檔”矩陣以降低文檔的特征向量維度（陳瑋和盧佳偉，2021），生成潛在語(yǔ)義空間。

再次，將產(chǎn)品更新文檔作為查詢文檔，依據(jù)生成的潛在語(yǔ)義空間，將查詢文檔轉(zhuǎn)換成特征向量，再計(jì)算與對(duì)應(yīng)時(shí)間文檔的相似性SA。

最后，由于產(chǎn)品開(kāi)發(fā)人員在樣本觀察期會(huì)發(fā)布多次更新來(lái)滿足用戶需求。因此本文計(jì)算平均的文本相似度。例如，產(chǎn)品開(kāi)發(fā)人員可能會(huì)發(fā)布n次產(chǎn)品更新，以解決在進(jìn)入下降階段之前在n-1 至n期間進(jìn)行的客戶評(píng)論中的反饋。因此，時(shí)間［（ii∈n）］的對(duì)應(yīng)文本相似度為SAi。式（1）為用戶參與度值的計(jì)算公式

其中：CI為用戶參與度。相似度越高，用戶參與價(jià)值共創(chuàng)的程度越高。

（2）用戶與用戶交互功能：是一個(gè)二進(jìn)制變量，當(dāng)App 數(shù)字產(chǎn)品的功能允許其用戶之間彼此跨國(guó)互動(dòng)時(shí)，其值為1。為了確保該變量的準(zhǔn)確性，參照以往學(xué)者的研究，讓兩名獨(dú)立的實(shí)驗(yàn)人員分別查看樣本中的App數(shù)字產(chǎn)品是否有開(kāi)發(fā)上線用戶與用戶跨國(guó)直接交互功能，然后將結(jié)果進(jìn)行對(duì)比分析，計(jì)算克朗巴哈一致性系數(shù)為0.76，表明兩名實(shí)驗(yàn)人員的判斷有很強(qiáng)的相關(guān)性，本文所使用該變量的有關(guān)數(shù)據(jù)是科學(xué)合理的。本文發(fā)現(xiàn)樣本中62%的應(yīng)用程序開(kāi)發(fā)了用戶互動(dòng)功能。

4.控制變量

由于App 數(shù)字產(chǎn)品運(yùn)營(yíng)在虛擬平臺(tái)中，其排名會(huì)受諸多因素的影響。為排除其他因素的影響，本文控制以下7 個(gè)變量：App 數(shù)字產(chǎn)品的產(chǎn)品評(píng)分（Apprating）、App 數(shù)字產(chǎn)品大?。ˋppsize）、“精選應(yīng)用程序”（FeaApps）、語(yǔ)言差異（Language）、市場(chǎng)規(guī)模（Marsize）、市場(chǎng)集中度（Marcon）、心理距離（Psydis）。本文測(cè)量的全部變量的名稱及定義見(jiàn)表2。

表2 變量名稱及其定義

（三）研究模型建立

本文采用生存分析模型，研究影響App 數(shù)字產(chǎn)品國(guó)際市場(chǎng)衰退需要時(shí)間長(zhǎng)短的因素。在本文的樣本收集時(shí)間窗口內(nèi)，部分的App 數(shù)字產(chǎn)品發(fā)生了衰退的情況，在生存分析中被稱為刪失的數(shù)據(jù)。鑒于生存分析模型可以同時(shí)以終點(diǎn)事件和生存時(shí)間作為因變量，分析多種變量對(duì)于因變量的影響，并且可處理刪失數(shù)據(jù)，近年來(lái)被應(yīng)用于產(chǎn)品生命周期相關(guān)的研究中。生存分析模型可分為參數(shù)法（加速失效生存分析模型）、非參數(shù)法（Kaplan-Meier 生存分析曲線法）、半?yún)?shù)法（COX 風(fēng)險(xiǎn)比例模型）。

參照Chen et a（l2019）182的做法，本文首先構(gòu)建如下COX 模型進(jìn)行假設(shè)檢驗(yàn)，β為各個(gè)變量的系數(shù)，如β8為App 數(shù)字產(chǎn)品國(guó)際市場(chǎng)滲透速度每增加一個(gè)單位，App 數(shù)字產(chǎn)品衰退風(fēng)險(xiǎn)率增加eβ-1 個(gè)單位；β12為App數(shù)字產(chǎn)品的目標(biāo)市場(chǎng)滲透速度與用戶參與程度對(duì)App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)衰退速度的共同影響效應(yīng)；β11為App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)的滲透速度與“用戶與用戶交互功能”對(duì)App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)衰退速度的共同影響效應(yīng)（Wang 和Lu，2022）。

將式（2）兩邊同時(shí)取對(duì)數(shù)可改寫為

其中：h(t，x)為考慮自變量影響后的App 數(shù)字產(chǎn)品在時(shí)間t的市場(chǎng)衰退風(fēng)險(xiǎn)率；h0(t)表示基準(zhǔn)風(fēng)險(xiǎn)函數(shù)，不需要對(duì)其形式做任何假設(shè)。

此外，為了證明本文的結(jié)果并非是模型選擇所影響的，在穩(wěn)健性檢驗(yàn)部分，本文還匯報(bào)了加速失效時(shí)間模型的結(jié)果，將控制變量、協(xié)變量及交互作用變量加入加速失效時(shí)間模型，如式（4）所示。

其中：lnT0為基準(zhǔn)風(fēng)險(xiǎn)函數(shù)，服從特定的基準(zhǔn)分布。

四、實(shí)證結(jié)果及分析

（一）用戶參與度模型評(píng)估

為檢驗(yàn)本文提出相似度方法的有效性，參照Z(yǔ)hou et a（l2018）的研究方法，將機(jī)器學(xué)習(xí)算法的結(jié)果與人工抽樣分析的結(jié)果進(jìn)行對(duì)比，驗(yàn)證基于大數(shù)據(jù)處理算法的準(zhǔn)確性。

本文邀請(qǐng)兩位在美國(guó)做學(xué)術(shù)研究的中國(guó)學(xué)生，查看相應(yīng)的產(chǎn)品更新文檔是否解決了評(píng)論中的用戶反饋。首先，本文隨機(jī)抽樣了18 款應(yīng)用在8 個(gè)國(guó)家發(fā)布的產(chǎn)品更新文檔，對(duì)于每個(gè)產(chǎn)品更新文檔，隨機(jī)選擇了在更新之前的時(shí)間間隔內(nèi)發(fā)布的相似性較高的10 條評(píng)論。然后，分別要求每一名學(xué)生查看產(chǎn)品更新文檔是否解決了評(píng)論中用戶的反饋，‘已解決’記1，‘未解決’記為0。經(jīng)比對(duì)，人工對(duì)比出的結(jié)果和算法區(qū)配出來(lái)的結(jié)果重合度為75%，證明了本文所提出算法的準(zhǔn)確性。在線評(píng)論數(shù)據(jù)屬于非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)中存在大量的噪聲，但本文所提出的方法可以有效地量化用戶參與產(chǎn)品創(chuàng)新的程度。

（二）描述性統(tǒng)計(jì)

本文從樣本量、均值、標(biāo)準(zhǔn)差、最大值幾個(gè)方面對(duì)原始樣本數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，由于各變量的量綱差距較大。因此在回歸時(shí)對(duì)變量做Z分?jǐn)?shù)去量綱標(biāo)準(zhǔn)化處理。變換后的各變量數(shù)據(jù)的描述性統(tǒng)計(jì)見(jiàn)表3。去量綱處理的變量的標(biāo)準(zhǔn)差都為1，且所有變量均處于統(tǒng)一量級(jí)。

表3 各變量描述性統(tǒng)計(jì)-標(biāo)準(zhǔn)化處理

（三）相關(guān)性分析

表4 報(bào)告了變量間相關(guān)性分析的結(jié)果。由表4 可知，App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的滲透速度同App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的衰退速度呈負(fù)相關(guān)（r=-0.435）；用戶參與度與App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的衰退速度呈負(fù)相關(guān)（r=-0.137）；用戶與用戶交互功能與數(shù)字產(chǎn)品在目標(biāo)國(guó)家的衰退速度呈正相關(guān)（r=0.437）。此外，本文計(jì)算了所有變量的方差膨脹因子（VIF），最高的VIF 值為2.11，低于10 的標(biāo)準(zhǔn)。因此本文并不存在多重共線性問(wèn)題。

表4 相關(guān)性分析結(jié)果

續(xù)表4

（四）實(shí)證結(jié)果分析

表5 列出了COX 模型的結(jié)果。負(fù)系數(shù)意味著隨自變量的增加，App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家進(jìn)入衰退階段的可能性降低。同樣，正系數(shù)表明衰退風(fēng)險(xiǎn)隨著自變量的變化而增加。模型1 包含控制變量；模型2 研究檢驗(yàn)了主效應(yīng)；模型3 包括用戶參與度和用戶與用戶互動(dòng)功能的主要影響；模型4 研究展示了“用戶參與度”和目標(biāo)市場(chǎng)滲透速度之間的交互作用；模型5 將滲透速度與“用戶與用戶交互功能”進(jìn)行交互；模型6 展示了完整模型。

表5 Cox 生存分析結(jié)果

本文首先介紹模型1 中控制變量的結(jié)果，其中產(chǎn)品評(píng)分（p=0.022），市場(chǎng)規(guī)模（p=0.015）對(duì)減緩App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的衰退速度具有正向的影響，且統(tǒng)計(jì)學(xué)顯著。就本文的假設(shè)而言，模型2 表明假設(shè)1 得到支持（p=0.006），當(dāng)App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)的滲透速度每加快1 個(gè)單位，App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的衰退的速度將加快32.9%，即較快的市場(chǎng)滲透速度并不會(huì)為App 數(shù)字產(chǎn)品在目標(biāo)國(guó)家的擴(kuò)張帶來(lái)資源優(yōu)勢(shì)，以減緩App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)的衰退進(jìn)程。模型3 展示了“用戶參與度”和“用戶與用戶交互功能”對(duì)于App 數(shù)字產(chǎn)品目標(biāo)市場(chǎng)衰退速度的影響，這兩個(gè)變量的系數(shù)都為負(fù)，且統(tǒng)計(jì)學(xué)顯著，用戶參與的程度每增加一個(gè)單位，App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)的衰退速度就會(huì)減緩30.7%（p=0.025），而用戶與用戶的互動(dòng)功能會(huì)使App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)的衰退速度減緩150%以上（p=0.000）。模型4 結(jié)果顯示交互項(xiàng)的系數(shù)為正且顯著（p=0.000），假設(shè)2 得到了支持。模型5 交互項(xiàng)為負(fù)且顯著（p=0.001），假設(shè)3 也得到了支持。最后，模型6 結(jié)果表明，當(dāng)所有假設(shè)整合為一個(gè)模型時(shí)，結(jié)果仍然成立。

此外，通過(guò)Kaplan-Meier 生存分析曲線驗(yàn)證本文構(gòu)建的用戶參與度模型對(duì)App 數(shù)字產(chǎn)品在國(guó)際市場(chǎng)衰退速度的影響。圖2 顯示了衰退速度的變化曲線，較低的生存曲線表明App 數(shù)字產(chǎn)品的衰退速度較快。當(dāng)應(yīng)用程序開(kāi)發(fā)人員解決客戶評(píng)論中提到的問(wèn)題時(shí)，即較高的用戶參與度對(duì)市場(chǎng)衰退速度所造成的影響要小于較低的用戶參與度。綜上，用戶的參與會(huì)延長(zhǎng)App 數(shù)字產(chǎn)品的生存期。

圖2 Kaplan-Meier 生存分析圖

（五）穩(wěn)健性測(cè)試

1.替換被解釋變量

由于本文對(duì)衰退速度的量化方式與傳統(tǒng)產(chǎn)品的衰退速度不同。因此參照近年來(lái)有關(guān)App 數(shù)字產(chǎn)品國(guó)際化的研究，本文采用不同衰退速度的量化方式來(lái)證明實(shí)驗(yàn)結(jié)果的穩(wěn)健性。參照Shaheer 和L（i2020）的方法，本文使用連續(xù)3 個(gè)月內(nèi)排名70、85、90 下降標(biāo)準(zhǔn)作為截止點(diǎn)定義發(fā)生了衰退的終點(diǎn)事件，并使用COX 模型回歸。

如表6 所示當(dāng)衰退事件被定義為排名連續(xù)下降70時(shí)的COX 生存分析結(jié)果。模型2 中目標(biāo)國(guó)家的滲透速度系數(shù)為正且顯著，表明假設(shè)1 得到支持；模型4 結(jié)果顯示交互項(xiàng)的系數(shù)為負(fù)且顯著（p=0.000），假設(shè)2 得到了支持；模型5 檢驗(yàn)了“用戶與用戶交互功能”對(duì)目標(biāo)市場(chǎng)的滲透速度和目標(biāo)市場(chǎng)衰退速度的調(diào)節(jié)作用，此交互項(xiàng)為負(fù)且顯著（p=0.001），假設(shè)3 也得到了支持。同樣的，當(dāng)衰退事件被定義為排名連續(xù)下降85、90 時(shí)，COX 生存分析結(jié)果均證實(shí)本文的研究假設(shè)成立。

表6 COX 生存分析結(jié)果——排名連續(xù)下降70

2.使用不同的生存分析模型檢驗(yàn)

由于生存分析模型還包括參數(shù)模型，為保證本文的結(jié)果并非由模型選擇所驅(qū)動(dòng)，本文使用加速失效生存分析模型進(jìn)行分析，如式（4）所述，該模型假設(shè)基準(zhǔn)風(fēng)險(xiǎn)函數(shù)服從特定的基準(zhǔn)分布，基準(zhǔn)分布包含Gaussian、Weibull、Logistic、Lognormal、Loglogistic 五種主要形式。本小節(jié)再次匯報(bào)了Gaussian 的回歸結(jié)果。

與COX 模型不同的是，若加速失效生存分析模型的系數(shù)為正，則代表變量對(duì)App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)衰退速度有減緩的作用，系數(shù)為負(fù)代表對(duì)App 數(shù)字產(chǎn)品在目標(biāo)市場(chǎng)衰退速度有加快的作用。在不同類型的加速失效生存分析模型下，本文的結(jié)果依舊保持一致，見(jiàn)表7 匯報(bào)的Gaussian 生存分析結(jié)果顯示：模型2 表明目標(biāo)國(guó)家的滲透速度系數(shù)為負(fù)且顯著，假設(shè)1 得到支持；模型3 展示了“用戶參與度”和“用戶與用戶交互功能“ 對(duì)于App 數(shù)字產(chǎn)品目標(biāo)國(guó)家衰退速度的影響；模型4 中通過(guò)“用戶參與度”和目標(biāo)國(guó)家滲透速度的交互項(xiàng)來(lái)檢測(cè)假設(shè)2，交互項(xiàng)的系數(shù)為正且顯著，假設(shè)2 得到了支持；模型5 檢驗(yàn)了“用戶與用戶交互功能”對(duì)目標(biāo)國(guó)家的滲透速度和目標(biāo)國(guó)家衰退速度的調(diào)節(jié)作用，此交互項(xiàng)為正且顯著，假設(shè)3 也得到了支持。

表7 Gaussian 生存分析結(jié)果

續(xù)表7

（六）假設(shè)檢驗(yàn)結(jié)果

本文基于研究問(wèn)題并建立相關(guān)假設(shè)模型，并提出3 組假設(shè)，運(yùn)用生存分析模型進(jìn)行相關(guān)實(shí)證分析，相關(guān)結(jié)果也通過(guò)了穩(wěn)健性檢驗(yàn)，結(jié)果匯總見(jiàn)表8。

表8 假設(shè)檢驗(yàn)結(jié)果匯總一覽表

五、研究結(jié)論與管理啟示

（一）研究結(jié)論

本文的目的是研究一些可能影響App 數(shù)字產(chǎn)品在全球數(shù)字市場(chǎng)衰退的因素，以提升一款A(yù)pp 數(shù)字產(chǎn)品在全球數(shù)字經(jīng)濟(jì)市場(chǎng)的產(chǎn)品持續(xù)性。但本文認(rèn)為，較低的外部市場(chǎng)進(jìn)入門檻并不總是能為產(chǎn)品帶來(lái)收益。本文的分析表明，App 數(shù)字產(chǎn)品的產(chǎn)品生命周期具有“熱潮類”產(chǎn)品的特點(diǎn)，即進(jìn)入目標(biāo)國(guó)家較快的市場(chǎng)份額增長(zhǎng)率，反而會(huì)加快產(chǎn)品在國(guó)際市場(chǎng)的衰退速度。因此，App 數(shù)字產(chǎn)品廠商仍需要運(yùn)用一些策略來(lái)延長(zhǎng)其App 數(shù)字產(chǎn)品的生存時(shí)間。本文基于用戶主導(dǎo)邏輯理論，通過(guò)提升“用戶參與度”和“用戶與用戶互動(dòng)功能”，幫助數(shù)字公司克服全球數(shù)字市場(chǎng)的激烈競(jìng)爭(zhēng)，減緩全球數(shù)字市場(chǎng)中App 數(shù)字產(chǎn)品的衰退速度。

首先，本文將產(chǎn)品生命周期理論拓展到全球數(shù)字經(jīng)濟(jì)市場(chǎng)中，闡明App 數(shù)字產(chǎn)品在國(guó)際市場(chǎng)的產(chǎn)品生命周期特點(diǎn)。現(xiàn)有研究主要集中在App 數(shù)字產(chǎn)品如何進(jìn)入國(guó)外市場(chǎng)，而忽略了進(jìn)入目標(biāo)國(guó)家后可能影響其長(zhǎng)期表現(xiàn)的決定因素。本文研究發(fā)現(xiàn)，較快的滲透速度可能不會(huì)延長(zhǎng)App 數(shù)字產(chǎn)品的壽命，數(shù)字世界中的先行者優(yōu)勢(shì)并不存在。通過(guò)研究App 數(shù)字產(chǎn)品的產(chǎn)品生命周期類型，將產(chǎn)品生命周期理論置于全球App 數(shù)字產(chǎn)品市場(chǎng)，驗(yàn)證了該理論的生命力。

其次，本文將用戶主導(dǎo)邏輯理論、網(wǎng)絡(luò)效應(yīng)理論拓展至全球數(shù)字經(jīng)濟(jì)市場(chǎng)，歸納提出延長(zhǎng)App 數(shù)字產(chǎn)品生命周期的策略。盡管社交媒體技術(shù)為產(chǎn)品聆聽(tīng)用戶的聲音提供了媒介，讓用戶可以參與到產(chǎn)品創(chuàng)新和市場(chǎng)銷售，但在全球數(shù)字市場(chǎng)背景下，用戶價(jià)值共創(chuàng)的作用仍未得到充分地探索（Fan et al，2020）。本文關(guān)注用戶參與產(chǎn)品創(chuàng)新及用戶與用戶之間的直接交互對(duì)于提升產(chǎn)品持續(xù)性所帶來(lái)的影響，從理論與實(shí)踐的角度闡明，App 數(shù)字產(chǎn)品廠商公司如何創(chuàng)造性地利用用戶這一寶貴資源實(shí)現(xiàn)全球可持續(xù)的市場(chǎng)績(jī)效。

（二）管理啟示

基于本文的研究結(jié)果分析，結(jié)合目前移動(dòng)廠商“出?！钡膶?shí)際情況，歸納出在國(guó)際數(shù)字市場(chǎng)上，可以提升App 數(shù)字產(chǎn)品持續(xù)性的循環(huán)迭代機(jī)制。該機(jī)制考慮了三個(gè)層級(jí)，包括用戶層、用戶與企業(yè)互動(dòng)層、企業(yè)層，并整合了App 數(shù)字產(chǎn)品生命周期的兩個(gè)重要階段，即產(chǎn)品成長(zhǎng)期和產(chǎn)品衰退期，如圖3 所示，詳細(xì)過(guò)程如下：

圖3 提升App 數(shù)字產(chǎn)品持續(xù)性的循環(huán)迭代機(jī)制圖

整個(gè)機(jī)制的循環(huán)過(guò)程中，企業(yè)基礎(chǔ)能力的搭建起到關(guān)鍵的作用。企業(yè)想要充分利用用戶這一寶貴資源，讓用戶幫助企業(yè)推進(jìn)產(chǎn)品的國(guó)際化進(jìn)程，就必須先搭建用戶需求挖掘的能力，滿足用戶間互動(dòng)的能力，以此搭建用戶與企業(yè)之間的聯(lián)系紐帶。本文研究結(jié)論可以為App 數(shù)字產(chǎn)品運(yùn)廠商海外運(yùn)營(yíng)提供以下4 點(diǎn)管理策略：

一是重視用戶之間互動(dòng)能力的基礎(chǔ)建設(shè)。App 數(shù)字產(chǎn)品經(jīng)理可以采用內(nèi)部互動(dòng)和外部互動(dòng)兩種方式，在數(shù)字產(chǎn)品內(nèi)部滿足用戶與用戶之間互動(dòng)的訴求，產(chǎn)品可以設(shè)計(jì)相應(yīng)的評(píng)論、互動(dòng)機(jī)制，比如游戲類產(chǎn)品可以設(shè)計(jì)一起對(duì)戰(zhàn)、闖關(guān)等功能。在數(shù)字產(chǎn)品外部，產(chǎn)品可以設(shè)計(jì)分享等功能，新用戶通過(guò)分享鏈接下載后，新老用戶都可獲得一定獎(jiǎng)勵(lì)，以此滿足用戶間互動(dòng)的訴求。

二是重視數(shù)字產(chǎn)品底層大數(shù)據(jù)能力的建設(shè)。數(shù)據(jù)能力是支撐企業(yè)發(fā)展、產(chǎn)品迭代的關(guān)鍵能力。在APP數(shù)字產(chǎn)品面向全球市場(chǎng)發(fā)行的背景下，想獲取并存儲(chǔ)全球用戶的行為數(shù)據(jù)，企業(yè)除了需要投入資金增強(qiáng)云服務(wù)數(shù)據(jù)存儲(chǔ)能力外，更重要的是對(duì)于全球用戶行為的數(shù)據(jù)進(jìn)行底層數(shù)據(jù)建模，讓數(shù)據(jù)消費(fèi)者可以快速查詢海量的用戶數(shù)據(jù)，便捷的產(chǎn)生數(shù)據(jù)分析報(bào)告。因此，企業(yè)需要將大數(shù)據(jù)轉(zhuǎn)化為全球用戶畫像系統(tǒng)，將數(shù)據(jù)平臺(tái)化、可視化。

三是重視普通用戶需求挖掘能力的建設(shè)。建立用戶社區(qū)需要企業(yè)投入成本，并需要運(yùn)營(yíng)的人力成本不斷維護(hù)社區(qū)的活躍度。在數(shù)據(jù)經(jīng)濟(jì)大背景下，許多初期的App 數(shù)字產(chǎn)品廠商不具備建立用戶社區(qū)的能力，而且當(dāng)用戶同時(shí)使用多款數(shù)字產(chǎn)品時(shí)，與每款產(chǎn)品高頻次互動(dòng)的概率會(huì)隨之減少。因此，如何找到合適的用戶，吸收用戶意見(jiàn)是一個(gè)需要解決的問(wèn)題。本文提出的讓普通消費(fèi)者參與產(chǎn)品研發(fā)的方式，可以很好的解決上述問(wèn)題，即利用App 數(shù)字產(chǎn)品發(fā)版的特點(diǎn)，監(jiān)測(cè)用戶行為數(shù)據(jù)，這些數(shù)據(jù)可以是定性數(shù)據(jù)如評(píng)論，也可以是定量數(shù)據(jù)如評(píng)論數(shù)量等。

四是掌握產(chǎn)品在不同生命周期需要采取的運(yùn)營(yíng)策略。App 數(shù)字產(chǎn)品運(yùn)營(yíng)廠商不應(yīng)將早期較快的市場(chǎng)滲透速度作為產(chǎn)品優(yōu)勢(shì)。App 數(shù)字產(chǎn)品的快速普及可能是銷量衰退的警告。本文建議產(chǎn)品開(kāi)發(fā)運(yùn)營(yíng)人員需要與國(guó)外市場(chǎng)用戶建立緊密的聯(lián)系，與用戶建立長(zhǎng)期合作關(guān)系，并將用戶的評(píng)論轉(zhuǎn)化為知識(shí)吸收到產(chǎn)品創(chuàng)新中，通過(guò)使用用戶網(wǎng)絡(luò)中嵌入的資源來(lái)幫助的數(shù)字公司提高長(zhǎng)期績(jī)效。

（三）未來(lái)研究展望

本文存在一些局限性，為未來(lái)的研究提供了研究機(jī)會(huì)。首先，本文樣本只局限于蘋果應(yīng)用商店的一個(gè)類別，未來(lái)的研究可以檢驗(yàn)不同種類的App 數(shù)字產(chǎn)品和應(yīng)用商店以拓展本文的結(jié)論。其次，未來(lái)研究可以將政治政策因素納入本文模型，現(xiàn)實(shí)中存在一些如社交類型的App 數(shù)字產(chǎn)品在本地市場(chǎng)享有較高的歡迎度，卻因?yàn)檎我蛩兀坏贸烦瞿繕?biāo)國(guó)家，比如，F(xiàn)acebook 被中國(guó)內(nèi)地市場(chǎng)下架，印度下架Tiktok 等。再次，本文并沒(méi)有考慮到一些虛假評(píng)論對(duì)于本文的影響，未來(lái)的研究可以從算法的角度，對(duì)文本相似性的精度進(jìn)行改進(jìn)。最后，本文采用的國(guó)家之間的距離是用傳統(tǒng)產(chǎn)品國(guó)際化的研究來(lái)衡量，但考慮到數(shù)字市場(chǎng)的特點(diǎn)，期待未來(lái)的研究可以研究數(shù)字時(shí)代國(guó)家與國(guó)家之間的數(shù)字距離。