張暢
摘 要:以LEGO Ideas作為數(shù)據(jù)來源,在社交網(wǎng)絡(luò)平臺(tái)的相關(guān)研究基礎(chǔ)上,構(gòu)建出作者網(wǎng)絡(luò)和內(nèi)容網(wǎng)絡(luò),并計(jì)算出用戶創(chuàng)新節(jié)點(diǎn)在網(wǎng)絡(luò)中的中心性。采用生存分析法,將用戶創(chuàng)新的“存活”視為生存事件,建立生存回歸模型,分階段計(jì)算出網(wǎng)絡(luò)中心性對(duì)用戶創(chuàng)新生存的影響系數(shù)。研究認(rèn)為,兩類網(wǎng)絡(luò)屬性在用戶創(chuàng)新發(fā)布早期為其生存提供正向影響,作者網(wǎng)絡(luò)的影響在后期愈發(fā)明顯,而內(nèi)容網(wǎng)絡(luò)則逐漸出現(xiàn)負(fù)向影響的跡象。企業(yè)應(yīng)鼓勵(lì)OI平臺(tái)中高質(zhì)量作者間的互動(dòng),更多地根據(jù)作者行為識(shí)別出高質(zhì)量的用戶創(chuàng)新。
關(guān)鍵詞:用戶創(chuàng)新;生存分析;社會(huì)網(wǎng)絡(luò);LEGO Ideas
中圖分類號(hào):G202
文獻(xiàn)標(biāo)識(shí)碼:A
doi:10.3969/j.issn.1672-2272.202307085
Analysis of Factors Influencing User Innovation Survival from the Perspective of Network Relationship:
A Case Study of LEGO Ideas
Zhang Chang
(School of Information Management, Nanjing University, Nanjing 210023, China)
Abstract: With LEGO Ideas as the data source, author network and content network are constructed based on previous studies on social network platforms, and the centrality of user innovation nodes in the network is calculated. Then, survival analysis method is adopted to treat the "survival" of user innovation as survival event, and survival regression model is established to calculate the influence coefficient of network centrality on user innovation survival in stages. The research shows that the two types of network attributes provide positive effects on the survival of user innovation in the early stage of release, the influence of author network becomes more and more obvious in the later stage, and the content network gradually appears negative signs. Companies should encourage high-quality author interactions in OI platforms and identify high-quality user innovations based more on author behavior.
Key Words:User Innovation; Survival Analysis; Social Network; LEGO? Ideas
0 引言
不斷變化的內(nèi)外部環(huán)境迫使企業(yè)不斷探索新的創(chuàng)新模式,從封閉式創(chuàng)新走向開放式創(chuàng)新,成為眾多企業(yè)打破資源壁壘、獲得競爭優(yōu)勢(shì)的重要選擇。開放式創(chuàng)新模式中的典型案例是一些企業(yè)通過構(gòu)建社交平臺(tái),實(shí)現(xiàn)企業(yè)內(nèi)部研發(fā)與客戶之間的直接互動(dòng),驅(qū)動(dòng)創(chuàng)新發(fā)展。這些社交平臺(tái)被定義為“開放式創(chuàng)新平臺(tái)”(OI平臺(tái)),是創(chuàng)新用戶可以提出創(chuàng)意或產(chǎn)品解決方案,并與他人互動(dòng)以實(shí)現(xiàn)集體創(chuàng)新的網(wǎng)絡(luò)環(huán)境[1]。與一般社交網(wǎng)絡(luò)平臺(tái)類似,平臺(tái)中的用戶通過發(fā)帖、評(píng)論、關(guān)注支持等方式,實(shí)現(xiàn)彼此間的興趣交流和學(xué)習(xí)[2];而在OI平臺(tái)中,企業(yè)對(duì)平臺(tái)的目標(biāo)有著明確定位,通過功能搭建、內(nèi)容運(yùn)營等方式,吸收具有創(chuàng)新能力和身份認(rèn)同的社群成員,并引導(dǎo)他們參與研發(fā)創(chuàng)新相關(guān)的互動(dòng)[3]。企業(yè)識(shí)別出有價(jià)值的互動(dòng)內(nèi)容,將其視為用于研發(fā)的外部資源,以低成本推動(dòng)創(chuàng)新發(fā)展。社群成員生產(chǎn)的具有研發(fā)創(chuàng)新價(jià)值的貢獻(xiàn)即為“用戶創(chuàng)新”,戴爾、樂高、美的等企業(yè)已經(jīng)自建起成熟的OI平臺(tái),吸收用戶創(chuàng)新,并將其作為重要?jiǎng)?chuàng)新知識(shí)來源[4]。
用戶創(chuàng)新與企業(yè)的產(chǎn)品研發(fā)、市場(chǎng)績效、競爭優(yōu)勢(shì)等有著顯著關(guān)聯(lián)[5-7],有效吸收用戶創(chuàng)新中的價(jià)值是企業(yè)競爭策略中的重要環(huán)節(jié)。由于OI平臺(tái)繼承虛擬社區(qū)的諸多特征,社會(huì)網(wǎng)絡(luò)分析方法成為針對(duì)用戶創(chuàng)新的新的研究思路:創(chuàng)新社區(qū)中存在著用戶協(xié)同和多種知識(shí)流動(dòng)機(jī)制[8],用戶之間通過交互行為互惠,并形成節(jié)點(diǎn)間連接,連接的強(qiáng)度、質(zhì)量等因素進(jìn)一步對(duì)創(chuàng)新質(zhì)量產(chǎn)生影響[9-10]。除了用戶之間的交互外,創(chuàng)新內(nèi)容通過相同分類或標(biāo)簽等方式能形成網(wǎng)絡(luò)關(guān)系,內(nèi)容的連接性有助于實(shí)現(xiàn)創(chuàng)意的傳播[11],創(chuàng)新性和專業(yè)性則能幫助企業(yè)識(shí)別出OI平臺(tái)中的領(lǐng)先用戶[12]。
然而,創(chuàng)新的價(jià)值并非一成不變,當(dāng)創(chuàng)新項(xiàng)目因各種原因無法繼續(xù)推出創(chuàng)新性的產(chǎn)品或服務(wù)并獲取收益而被停止或取消時(shí),即被認(rèn)為創(chuàng)新失效[13]。用戶創(chuàng)新同樣存在失效現(xiàn)象,這也是企業(yè)在開放式創(chuàng)新模式中面臨的問題之一。當(dāng)OI平臺(tái)短時(shí)間出現(xiàn)大量貢獻(xiàn)時(shí),企業(yè)的響應(yīng)能力不足,價(jià)值較低的用戶創(chuàng)新因無法得到及時(shí)回應(yīng)而進(jìn)入失效狀態(tài)。累積過多的失效創(chuàng)新進(jìn)一步造成信息過載,進(jìn)而影響企業(yè)吸收用戶創(chuàng)新的效率[14]。已有研究多集中于如何識(shí)別并利用高質(zhì)量用戶創(chuàng)新內(nèi)容,而缺乏對(duì)于創(chuàng)新失效機(jī)制的分析和討論。
本文在有關(guān)用戶創(chuàng)新研究的基礎(chǔ)上,引入生存分析的概念和方法,分別從作者視角和內(nèi)容視角出發(fā),討論社交網(wǎng)絡(luò)屬性對(duì)用戶創(chuàng)新的“存活”和“失效”產(chǎn)生何種影響。選擇樂高OI平臺(tái)LEGO Ideas作為研究對(duì)象,分別在作者和內(nèi)容兩個(gè)視角下構(gòu)建用戶創(chuàng)新網(wǎng)絡(luò),計(jì)算其網(wǎng)絡(luò)屬性,建立生存回歸模型并分析不同階段的影響效應(yīng)。研究結(jié)論得出各因素對(duì)用戶創(chuàng)新生存的影響規(guī)律,幫助OI平臺(tái)中的用戶創(chuàng)作更優(yōu)質(zhì)的創(chuàng)新內(nèi)容,幫助企業(yè)識(shí)別并利用擁有生存能力的用戶創(chuàng)新,同時(shí)建立和完善用戶創(chuàng)新失效篩選機(jī)制。
1 理論分析與研究假設(shè)
1.1 創(chuàng)新生存
在基于生存分析的創(chuàng)新研究中,學(xué)者多以專利作為研究對(duì)象,定義出專利生存的有關(guān)概念——當(dāng)專利超過有效期或無法繼續(xù)轉(zhuǎn)化為收益時(shí),視為專利失效,并認(rèn)為專利生存時(shí)間和概率能反映出專利價(jià)值。鄭義忠等[15]用生存模型和生命表法研究專利有效率的變化過程,提出專利在n個(gè)時(shí)間單位后仍有效概率的計(jì)算公式。Danish等[16]使用專利續(xù)期長度代表專利價(jià)值,發(fā)現(xiàn)不同專利所屬的技術(shù)類別、技術(shù)范圍、發(fā)明人規(guī)模均會(huì)影響專利的生存率。Han等[17]將專利生存期作為其價(jià)值的代表,使用Weibull回歸構(gòu)建3D打印專利的生存模型,研究專利轉(zhuǎn)移等要素與生存概率之間的關(guān)系。與專利類似,OI平臺(tái)中用戶的創(chuàng)新內(nèi)容會(huì)因?yàn)榘l(fā)布時(shí)間過久、關(guān)注度較低等原因變得不可見或被隱藏,無法為企業(yè)提供創(chuàng)新收益并進(jìn)入失效狀態(tài)。因此,生存分析中的概念或方法可以應(yīng)用于用戶創(chuàng)新的價(jià)值分析中。
1.2 社會(huì)網(wǎng)絡(luò)理論與用戶創(chuàng)新
社會(huì)網(wǎng)絡(luò)通常指是社會(huì)行動(dòng)者及其間的關(guān)系的集合,社會(huì)行動(dòng)者代表網(wǎng)絡(luò)中的節(jié)點(diǎn),如親屬、等級(jí)、合作和利益等關(guān)系構(gòu)成網(wǎng)絡(luò)中的邊[18],社會(huì)網(wǎng)絡(luò)分析(Social Network Analysis,SNA)則用于分析社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)的相互依賴關(guān)系和隱藏模式。早期SNA方法主要應(yīng)用于現(xiàn)實(shí)世界的實(shí)體關(guān)系研究中,而隨著Web 2.0技術(shù)興起,在線社交網(wǎng)站可以被視為通過科學(xué)觀察的傳統(tǒng)社交網(wǎng)絡(luò)的現(xiàn)代等價(jià)物[19],這種虛擬社區(qū)逐漸發(fā)展為SNA的研究對(duì)象。通過計(jì)算節(jié)點(diǎn)距離、網(wǎng)絡(luò)密度、中心度等定量指標(biāo)[20],可以很好地判斷用戶的在線社交行為與哪些因素有關(guān)、造成了哪些后果,也可以從整體上將虛擬社區(qū)的網(wǎng)絡(luò)結(jié)構(gòu)作為分析對(duì)象[21]。目前,SNA已被用于虛擬社區(qū)的各個(gè)層面,個(gè)人績效差異[22]、知識(shí)分享行為[23]等現(xiàn)象都可以通過社交網(wǎng)絡(luò)的視角進(jìn)行解釋。此外,Rogers[24]闡述創(chuàng)新是在特定的社會(huì)網(wǎng)絡(luò)擴(kuò)散的,這也使SNA得以應(yīng)用在OI平臺(tái)的相關(guān)研究中。
OI平臺(tái)和一般網(wǎng)絡(luò)虛擬社區(qū)類似,存在著以內(nèi)容發(fā)布者為節(jié)點(diǎn)的作者網(wǎng)絡(luò),作者的特征取決于他們對(duì)社區(qū)其他成員的交互行為——如評(píng)論、合作創(chuàng)新等,其中的部分交互行為可以作為作者網(wǎng)絡(luò)中“創(chuàng)新者”的判斷依據(jù)[25]。許多研究從用戶的角度出發(fā),分析作者的交互行為和社交關(guān)系對(duì)創(chuàng)新績效的影響。高天等[26]依據(jù)用戶信息行為和目的區(qū)分了作者網(wǎng)絡(luò)的中心路徑和邊緣路徑,并驗(yàn)證邊緣路徑網(wǎng)絡(luò)中心度對(duì)知識(shí)的正向影響。Han等[27]發(fā)現(xiàn)創(chuàng)新社區(qū)中用戶發(fā)布的內(nèi)容和評(píng)論的多樣性和動(dòng)機(jī)影響了其受歡迎的程度,用戶創(chuàng)新能力也對(duì)其創(chuàng)意的受歡迎程度起著正向影響的作用。Yang等[28]在網(wǎng)絡(luò)結(jié)構(gòu)中將用戶交互的直接對(duì)象視為“鄰居”,并發(fā)現(xiàn)開放的網(wǎng)絡(luò)結(jié)構(gòu)中,“鄰居”的創(chuàng)新績效正向影響用戶的創(chuàng)新績效,而在封閉式的網(wǎng)絡(luò)中則會(huì)得出相反的結(jié)論。同樣有學(xué)者基于創(chuàng)新社區(qū)的整體網(wǎng)絡(luò)展開研究,Zhou等[29]將創(chuàng)新平臺(tái)的網(wǎng)絡(luò)關(guān)系劃分為互動(dòng)網(wǎng)絡(luò)、知識(shí)共享網(wǎng)絡(luò)和社交網(wǎng)絡(luò),并采用二次賦值法計(jì)算網(wǎng)絡(luò)間的相關(guān)系數(shù)。研究結(jié)論表明互動(dòng)網(wǎng)絡(luò)與知識(shí)共享網(wǎng)絡(luò)具有較高的相關(guān)性,用戶之間的互動(dòng)越多,知識(shí)共享就越頻繁。
已有研究結(jié)果顯示,無論是從個(gè)人層面還是從社區(qū)整體層面,作者的社交行為通常都正向刺激著創(chuàng)新績效,交流、合作等行為可以激勵(lì)個(gè)體乃至整個(gè)社區(qū)的創(chuàng)新表現(xiàn)。結(jié)合SNA的觀點(diǎn),社交頻率更高、范圍更廣的作者,反映出在作者網(wǎng)絡(luò)中的重要程度更高,其作品應(yīng)該更加具有創(chuàng)新價(jià)值、擁有更高的生存概率。此外,OI平臺(tái)中的社交活動(dòng)意味著知識(shí)的共享,網(wǎng)絡(luò)中活躍的作者能從其他用戶中獲得知識(shí),并運(yùn)用到用戶創(chuàng)新中,使其在發(fā)布后逐漸激烈的生存競爭過程中保持領(lǐng)先優(yōu)勢(shì)。基于以上分析,本文提出如下假設(shè):
H1:用戶創(chuàng)新在作者網(wǎng)絡(luò)中的重要程度正向影響其生存概率。且發(fā)布時(shí)間越長,作者網(wǎng)絡(luò)的影響效果越顯著。
以上研究中,有學(xué)者發(fā)現(xiàn)創(chuàng)新社區(qū)中存在著作者關(guān)系之外的網(wǎng)絡(luò),通常是由文本中的關(guān)鍵詞、主題詞構(gòu)建而成的內(nèi)容網(wǎng)絡(luò)。內(nèi)容網(wǎng)絡(luò)被定義為以單詞為節(jié)點(diǎn)的網(wǎng)絡(luò),這些單詞的共同出現(xiàn)形成節(jié)點(diǎn)之間的聯(lián)系[30]。內(nèi)容網(wǎng)絡(luò)一般用于揭示網(wǎng)絡(luò)內(nèi)容分布和知識(shí)結(jié)構(gòu)[31],或應(yīng)用于在線搜索[32]、內(nèi)容排名[33]、知識(shí)發(fā)現(xiàn)[34]等技術(shù)中。不同文本內(nèi)容可以通過共有的關(guān)鍵詞連接形成多模網(wǎng)絡(luò),用于進(jìn)一步分析內(nèi)容之間的關(guān)聯(lián)[11]。本文研究內(nèi)容網(wǎng)絡(luò)屬性用來反映用戶創(chuàng)新節(jié)點(diǎn)在網(wǎng)絡(luò)中的位置和重要程度,重要程度越高的創(chuàng)新作品在社區(qū)中更容易被關(guān)注和追捧,在發(fā)布早期更容易取得成功;但從創(chuàng)新層面考慮,OI平臺(tái)中更獨(dú)特、更具創(chuàng)新性的作品才會(huì)被其他用戶或企業(yè)認(rèn)可,與其他節(jié)點(diǎn)產(chǎn)生過多的聯(lián)系反而會(huì)降低作品的創(chuàng)新程度,難以維持長期的熱度。因此,本文提出如下假設(shè):
H2:用戶創(chuàng)新在內(nèi)容網(wǎng)絡(luò)中的重要程度與生存概率呈倒U型關(guān)系。在用戶創(chuàng)新發(fā)布的早期,正向影響生存概率,而在發(fā)布一定時(shí)間后,正向影響將轉(zhuǎn)變?yōu)樨?fù)向影響。
2 研究方法
2.1 數(shù)據(jù)來源
LEGO Ideas是由樂高集團(tuán)創(chuàng)辦的OI平臺(tái),用于收集用戶創(chuàng)意并擴(kuò)大品牌效益,自2014年4月正式上線以來,網(wǎng)站已經(jīng)擁有超過110萬用戶和3萬多項(xiàng)用戶創(chuàng)新項(xiàng)目[35]。用戶在網(wǎng)站中注冊(cè)后可以自由發(fā)布自己的樂高積木設(shè)計(jì),并附上文字、圖片、視頻等簡介加以宣傳,這些創(chuàng)意設(shè)計(jì)即為OI平臺(tái)中的用戶創(chuàng)新項(xiàng)目。其他用戶可以評(píng)論、收藏項(xiàng)目,或點(diǎn)擊“支持”為該項(xiàng)目累計(jì)“支持?jǐn)?shù)”(supporters)。
選取LEGO Ideas作為研究數(shù)據(jù)來源的重要原因,是樂高集團(tuán)為其制定了良好的創(chuàng)新失效識(shí)別機(jī)制。根據(jù)平臺(tái)中的規(guī)則,這些用戶創(chuàng)新項(xiàng)目一旦發(fā)布,便會(huì)面臨失效風(fēng)險(xiǎn),需要在時(shí)效期間內(nèi)達(dá)到各個(gè)支持?jǐn)?shù)“里程碑”,才能避免失效。如圖1所示,平臺(tái)共設(shè)置100、1 000、5 000、10 000四個(gè)支持?jǐn)?shù)里程碑,第一階段該項(xiàng)目擁有60天有效期,每進(jìn)入新的階段會(huì)被獎(jiǎng)勵(lì)額外的時(shí)效天數(shù)。支持?jǐn)?shù)達(dá)到10 000后,項(xiàng)目會(huì)進(jìn)入官方評(píng)審階段,評(píng)審?fù)ㄟ^的項(xiàng)目可以進(jìn)行售賣,部分售賣的利潤會(huì)被給予項(xiàng)目設(shè)計(jì)者;而未在有效期內(nèi)達(dá)到里程碑要求的項(xiàng)目會(huì)處于失效(expired)狀態(tài),其他用戶無法再對(duì)其進(jìn)行支持或評(píng)論等操作,也無法在默認(rèn)的情境下見到失效內(nèi)容。
LEGO Ideas鼓勵(lì)用戶參與貢獻(xiàn)或與其他用戶交互的行為,并從用戶的創(chuàng)新活躍性、社交力和社區(qū)威望三個(gè)方面對(duì)用戶進(jìn)行激勵(lì)[36]。如用戶每有一個(gè)項(xiàng)目達(dá)到1 000支持?jǐn)?shù),可以一個(gè)獲得“1k club”勛章,評(píng)論得到100個(gè)支持則可以獲得一個(gè)“socializer”勛章;社區(qū)官方會(huì)定期精選出優(yōu)質(zhì)作品,并在展示頁中突出用戶創(chuàng)新項(xiàng)目被“員工選擇”的標(biāo)志。
本文中使用“八爪魚采集器”作為信息采集工具,選取平臺(tái)2020年1月1日-2021年12月31日發(fā)布的全部用戶創(chuàng)新項(xiàng)目作為研究對(duì)象,并進(jìn)一步獲取其發(fā)布者信息。經(jīng)過篩選共獲得8 893條用戶創(chuàng)新項(xiàng)目數(shù)據(jù)與4 538條用戶數(shù)據(jù)。其中,達(dá)到各里程碑的項(xiàng)目數(shù)量及比例如表1所示。由于達(dá)到5 000和10 000支持者里程碑的項(xiàng)目數(shù)量較少,本文將研究范圍設(shè)置為樣本所經(jīng)歷的前三階段——提交創(chuàng)意至獲得100支持、獲得100支持至獲得1 000支持、獲得1 000支持至獲得5 000支持,在前一階段失效的項(xiàng)目將不作為下一階段的研究對(duì)象。
2.2 變量選擇
2.2.1 自變量
自變量將分別來自根據(jù)LEGO Ideas數(shù)據(jù)構(gòu)建的作者網(wǎng)絡(luò)和內(nèi)容網(wǎng)絡(luò)。本文將分別提出構(gòu)建兩種網(wǎng)絡(luò)的方法,并計(jì)算出節(jié)點(diǎn)的中心性作為研究分析的自變量。
①作者網(wǎng)絡(luò)
在線社區(qū)中,用戶通過評(píng)論、跟帖等行為與其他用戶建立聯(lián)系,并交換信息和知識(shí)。將用戶作為作者網(wǎng)絡(luò)中的節(jié)點(diǎn),將評(píng)論或回復(fù)行為作為節(jié)點(diǎn)之間的邊[37],如此便能得到用戶間的有向網(wǎng)絡(luò)圖。LEGO Ideas社區(qū)中允許用戶在他人的項(xiàng)目中發(fā)布評(píng)論,評(píng)論次數(shù)不受限制,因此可以將某位用戶評(píng)論另一位用戶的次數(shù)作為邊的權(quán)重。
為衡量用戶創(chuàng)新項(xiàng)目的作者在網(wǎng)絡(luò)中的重要程度,分析時(shí)引入作者網(wǎng)絡(luò)中心性的概念作為自變量, 包括點(diǎn)度中心性(author_CD)、中介中心性(author_Cc)和接近中心性(author_CB)。
公式(2)給出節(jié)點(diǎn)i的接近中心性CC(Ni)的計(jì)算方式。dij代表兩節(jié)點(diǎn)間的最短路徑長度,因此接近中心性用于衡量節(jié)點(diǎn)的與其他所有節(jié)點(diǎn)的鄰近程度,包括直接和間接連接,反映節(jié)點(diǎn)的“控制”能力[39-40]。具有高接近中心性的作者處于網(wǎng)絡(luò)的核心位置,能對(duì)更多的社區(qū)用戶產(chǎn)生影響[38],被他人參考的可能性更大。
公式(3)給出了節(jié)點(diǎn)i的中介中心性CC(Ni)的計(jì)算方式。σkj表示網(wǎng)絡(luò)中兩節(jié)點(diǎn)距離最短的路徑數(shù),而σkj(Ni)表示經(jīng)過節(jié)點(diǎn)i的最短路徑數(shù)量。具有高中介中心性的節(jié)點(diǎn)位于不相鄰兩點(diǎn)間的交匯處,可以控制二者間的信息,在調(diào)節(jié)信息傳播方面發(fā)揮著重要的作用[38-39]。中介中心性越高的作者節(jié)點(diǎn),在OI平臺(tái)中起到的串聯(lián)效果越好,其他作者對(duì)于其傳播信息的依賴性越高。
②內(nèi)容網(wǎng)絡(luò)
本文采用共線分析的思路構(gòu)建內(nèi)容網(wǎng)絡(luò),已有研究表明,可以借助“單位”和“關(guān)鍵詞”兩項(xiàng)特征構(gòu)建共線分析的無向2-模網(wǎng)絡(luò)[41],“單位”代表用戶創(chuàng)新項(xiàng)目,而“關(guān)鍵詞”特征即為用戶創(chuàng)新項(xiàng)目中所包含的標(biāo)簽。LEGO Ideas創(chuàng)作者可以根據(jù)作品的內(nèi)容為項(xiàng)目自定義1-10個(gè)標(biāo)簽,反映項(xiàng)目特征,部分標(biāo)簽也會(huì)被平臺(tái)用于項(xiàng)目的分類依據(jù)。具有相同標(biāo)簽的作品可以認(rèn)為在某些方面具有連接和相似性。在所構(gòu)建的網(wǎng)絡(luò)中,項(xiàng)目節(jié)點(diǎn)與其包含的標(biāo)簽節(jié)點(diǎn)相連,兩個(gè)具有相同標(biāo)簽的項(xiàng)目節(jié)點(diǎn)便會(huì)產(chǎn)生關(guān)聯(lián),且具有相同標(biāo)簽的數(shù)量越多,代表項(xiàng)目節(jié)點(diǎn)間的連接越緊密。使用Gephi軟件中的Multimode Networks Transformations插件,可以在分析時(shí)將2-模網(wǎng)絡(luò)進(jìn)一步投影為1-模網(wǎng)絡(luò),僅觀測(cè)項(xiàng)目節(jié)點(diǎn)間產(chǎn)生的關(guān)聯(lián),反映出更直觀的內(nèi)容網(wǎng)絡(luò)特征。與作者網(wǎng)絡(luò)相同,內(nèi)容網(wǎng)絡(luò)層面同樣通過點(diǎn)度中心性(content_CD)、中介中心性(content_CC)和接近中心性(content_CB)衡量節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要程度。
2.2.2 時(shí)間與失效變量
生存分析時(shí)通過構(gòu)建生存回歸模型,計(jì)算出各個(gè)時(shí)間點(diǎn)上,研究對(duì)象從某一狀態(tài)轉(zhuǎn)變?yōu)榱硪粻顟B(tài)的可能性,分析各個(gè)因子對(duì)時(shí)間和狀態(tài)轉(zhuǎn)變的影響程度。因此,本文需要確定時(shí)間變量與所關(guān)注的事件,以此預(yù)測(cè)特定條件下關(guān)注事件所發(fā)生的時(shí)間。此次實(shí)證研究旨在判斷哪些因素有助于推動(dòng)項(xiàng)目達(dá)成里程碑,獲得更長的生存天數(shù),因此指定失效事件為達(dá)成下一個(gè)里程碑,失效變量設(shè)置為1,時(shí)間變量設(shè)置為階段開始至達(dá)成里程碑所經(jīng)歷的時(shí)間。根據(jù)以上解釋,模型中的因變量即為在某一時(shí)刻下,用戶創(chuàng)新項(xiàng)目達(dá)成里程碑的風(fēng)險(xiǎn)概率。
若用戶創(chuàng)新項(xiàng)目在某一階段內(nèi)進(jìn)入失效狀態(tài),或觀測(cè)期間項(xiàng)目并未進(jìn)入到下一階段,則視為發(fā)生截堵 (censoring)。截堵情況中并未觀測(cè)到關(guān)注事件的發(fā)生,因此將失效變量設(shè)置為0,時(shí)間變量設(shè)置為從上一階段到項(xiàng)目失效或到觀測(cè)停止的時(shí)間。
2.2.3 控制變量
研究選取得控制變量包括展示特征、用戶特征和社區(qū)支持3個(gè)方面。Ma等的研究表明,用戶創(chuàng)新的展示特征和用戶特征會(huì)影響被企業(yè)所接受的可能性[42],其中展示特征包括創(chuàng)意描述文本的長度(text_length)、展示的圖片數(shù)量(img_num)和加入的標(biāo)簽數(shù)量(tag_num),用戶特征可以從進(jìn)入社區(qū)的時(shí)長(age)、累計(jì)發(fā)布的作品數(shù)(contribution),以及勛章數(shù)量(1k_club, socializer)中反映。此外,社區(qū)支持被證實(shí)有助于推動(dòng)用戶創(chuàng)新[43],后文中的生存風(fēng)險(xiǎn)曲線圖中同樣證實(shí)了這一點(diǎn),因此員工選擇(staff_pick)將作為反映社區(qū)支持的控制變量,而在實(shí)證模型中,員工選擇將被作為生存回歸分析的分組依據(jù)。
2.2.4 描述性統(tǒng)計(jì)
表2涵蓋了以上變量的說明和描述性統(tǒng)計(jì)結(jié)果?;诋?dāng)前數(shù)據(jù),可以將支持?jǐn)?shù)作為時(shí)間變量,失效作為觀測(cè)事件構(gòu)建Kaplan-Meier生存函數(shù)圖如圖2所示和Nelson-Aalen累計(jì)風(fēng)險(xiǎn)函數(shù)如圖3所示,從而分析LEGO Ideas用戶創(chuàng)新項(xiàng)目的整體生存趨勢(shì)。
圖2Kaplan-Meier生存函數(shù)圖代表觀測(cè)樣本存活概率隨時(shí)間的變化情況,而Nelson-Aalen累計(jì)風(fēng)險(xiǎn)函數(shù)圖代表觀測(cè)樣本隨著時(shí)間的變化所累積的風(fēng)險(xiǎn)。與預(yù)期結(jié)果一致,支持者數(shù)量的積累可以幫助創(chuàng)新項(xiàng)目更接近下一階段的目標(biāo),但達(dá)到更高的階段后,項(xiàng)目的存活難度會(huì)逐漸升高,失效的可能性更大。此外,繪制KM曲線和NA曲線時(shí)依據(jù)創(chuàng)新項(xiàng)目是否被“員工選擇”進(jìn)行分組,根據(jù)圖2所示,是否被“員工選擇”的項(xiàng)目在存活概率和累計(jì)風(fēng)險(xiǎn)的變化上均有較大差異,帶有“員工選擇”標(biāo)志的項(xiàng)目更容易在競爭中存活,因此在回歸分析中需要對(duì)這一指標(biāo)加以控制。
匯總以上步驟,構(gòu)建用戶創(chuàng)新生存分析模型的方法如圖4所示。
2.3 生存回歸模型
本文采用Cox PH模型構(gòu)建生存回歸函數(shù),Cox PH模型是一種半?yún)?shù)模型,用于研究關(guān)注事件的發(fā)生概率與預(yù)后因子間的關(guān)系及其大小程度。假定項(xiàng)目有達(dá)成下一里程碑的風(fēng)險(xiǎn),則模型中時(shí)間點(diǎn)t處事件發(fā)生的風(fēng)險(xiǎn)率為:
其中,λ0(t)為風(fēng)險(xiǎn)基準(zhǔn)函數(shù),不需要估計(jì)參數(shù)。x'為對(duì)失效產(chǎn)生影響的協(xié)變量集合,β則代表向量參數(shù)集合。由于實(shí)證檢驗(yàn)中的數(shù)據(jù)集包含較多數(shù)據(jù)截堵情況,采用參數(shù)模型可能會(huì)導(dǎo)致風(fēng)險(xiǎn)函數(shù)設(shè)定錯(cuò)誤,而半?yún)?shù)Cox PH模型不需要對(duì)基準(zhǔn)風(fēng)險(xiǎn)λ0(t)的具體形式做出假設(shè),在考慮不同個(gè)體的風(fēng)險(xiǎn)之比時(shí)可以將其約去[44]。因此,計(jì)算個(gè)體x在t時(shí)刻的風(fēng)險(xiǎn)率ht,x采用公式(5):
在本文研究過程中,觀測(cè)事件為用戶創(chuàng)新項(xiàng)目達(dá)成下一里程碑,t為觀測(cè)時(shí)間,x則代表自變量,即網(wǎng)絡(luò)中心性,x0代表控制變量,ht,x代表項(xiàng)目在觀測(cè)時(shí)間為t時(shí)達(dá)到里程碑的機(jī)會(huì)概率?;貧w系數(shù)為ln (β),其中β解釋為風(fēng)險(xiǎn)比率(hazard ratio),風(fēng)險(xiǎn)比率大于1代表相關(guān)變量提升了觀測(cè)事件發(fā)生的概率[45],即用戶創(chuàng)新項(xiàng)目更有機(jī)會(huì)達(dá)到下一里程碑(在該階段存活);反之則負(fù)向影響存活的機(jī)會(huì)。通過計(jì)算風(fēng)險(xiǎn)比率β及其顯著水平,可以推斷出對(duì)應(yīng)的網(wǎng)絡(luò)中心性x如何影響用戶創(chuàng)新項(xiàng)目的生存概率。
根據(jù)研究假設(shè),本文分別建立3個(gè)模型,分別采用公式(6)、公式(7)、公式(8)。模型1和模型2分別單獨(dú)考慮作者網(wǎng)絡(luò)屬性和內(nèi)容網(wǎng)絡(luò)屬性對(duì)存活風(fēng)險(xiǎn)的影響,而模型3則考慮了二者同時(shí)存在的情況。
3 實(shí)證結(jié)果分析
表3、表5分別給出了點(diǎn)度中心性、接近中心性、中介中心性在Cox PH模型的風(fēng)險(xiǎn)比率及顯著情況。表中的數(shù)據(jù)為階段1、2、3分別代表支持?jǐn)?shù)從0-100、100-1 000、1 000-5 000的階段,未達(dá)成前一里程碑的個(gè)體不計(jì)入下一階段的考慮范圍,因此觀測(cè)數(shù)呈現(xiàn)逐漸下降的趨勢(shì)。
表3的模型1中,author_CD的三階段風(fēng)險(xiǎn)比率分別為1.477、1.494和1.735,且均在0.1%的水平上顯著,可以說明作者網(wǎng)絡(luò)的點(diǎn)度中心性在創(chuàng)新生存期間始終正向影響著存活機(jī)會(huì)。用戶通過評(píng)論連接到其他用戶的次數(shù)越多,即在在社區(qū)中的活躍度越高,交互行為更加頻繁,他們所創(chuàng)作出的創(chuàng)新項(xiàng)目長期存活的可能性越大。從風(fēng)險(xiǎn)比率變化來看,用戶創(chuàng)新項(xiàng)目發(fā)布時(shí)間越長,點(diǎn)度中心性對(duì)其存活概率的影響越大。表4結(jié)果顯示,author_CC在各階段中的風(fēng)險(xiǎn)率同樣均大于1,且p<0.001,可以認(rèn)為作者網(wǎng)絡(luò)的接近中心性始終顯著正向影響用戶創(chuàng)新項(xiàng)目生存概率,說明與其他作者聯(lián)系更緊密、更具社交影響力更大的作者,所發(fā)表的項(xiàng)目往往具備更長的存活時(shí)間。表5單獨(dú)考慮中介中心性時(shí),author_CB的風(fēng)險(xiǎn)比率分別為1.109、1.179和1.316,且具有較高的顯著水平,與其他作者網(wǎng)絡(luò)的中心性指標(biāo)的結(jié)論保持一致,高中介中心性代表作者在網(wǎng)絡(luò)中充當(dāng)著橋梁作用,影響著信息的傳播,相較于其他作者而言,其項(xiàng)目的生存概率會(huì)更高。綜合觀測(cè)模型1的分析數(shù)據(jù),作者網(wǎng)絡(luò)中的三組自變量在各個(gè)階段均呈現(xiàn)正向顯著,且風(fēng)險(xiǎn)比率隨發(fā)布階段逐漸提升,假設(shè)H1得以驗(yàn)證。
表3-表5模型2中的結(jié)果顯示,內(nèi)容網(wǎng)絡(luò)屬性并沒有與作者網(wǎng)絡(luò)一樣始終呈現(xiàn)正向顯著影響。content_CD在前兩階段的風(fēng)險(xiǎn)比率均大于1,且分別在5%和1%的水平上顯著,可以認(rèn)為內(nèi)容點(diǎn)度中心性在創(chuàng)新發(fā)布時(shí)間較早時(shí)的正向影響創(chuàng)新生存。而在第三階段,content_CD的風(fēng)險(xiǎn)比率變?yōu)?.970 3,即內(nèi)容點(diǎn)度中心性將負(fù)向影響創(chuàng)新生存,但由于p>0.05,該結(jié)果不具有顯著性。content_CC、content_CB的Cox PH回歸結(jié)果與之類似,均在早期階段呈現(xiàn)了正向影響,進(jìn)入后期階段后風(fēng)險(xiǎn)比率小于1,且結(jié)果不具備顯著性。以上回歸結(jié)果驗(yàn)證H2中內(nèi)容網(wǎng)絡(luò)中心性在用戶創(chuàng)新發(fā)布早期正向影響生存概率的描述,而無法判斷在后續(xù)階段,內(nèi)容網(wǎng)絡(luò)中心性是否會(huì)對(duì)生存概率產(chǎn)生影響,該現(xiàn)象的合理解釋為:較高的內(nèi)容中心性意味著改創(chuàng)新項(xiàng)目擁有更多、更熱門的標(biāo)簽,熱門的分類往往擁有更多受眾和關(guān)注者,因此處于網(wǎng)絡(luò)中心的用戶創(chuàng)新項(xiàng)目更容易在初期受到關(guān)注并獲得支持;而隨著階段的推進(jìn),熱門標(biāo)簽下的項(xiàng)目可能面臨更多同類作品的競爭,在更高的生存難度下難以持續(xù)保持優(yōu)勢(shì),與眾不同的項(xiàng)目反而更容易脫穎而出。
模型3是考慮作者網(wǎng)絡(luò)屬性和內(nèi)容網(wǎng)絡(luò)屬性的同時(shí),存在的Cox PH模型,進(jìn)一步對(duì)兩種網(wǎng)絡(luò)的影響效果加以對(duì)比。社交中心性在各階段的風(fēng)險(xiǎn)比率均大于1,且在0.1%的水平上顯著,這一現(xiàn)象進(jìn)一步鞏固了假設(shè)H1。由于點(diǎn)度中心性和中介中心性會(huì)受到網(wǎng)絡(luò)規(guī)模的影響,無法對(duì)在不同網(wǎng)絡(luò)中進(jìn)行比較,因此在驗(yàn)證假設(shè)H3時(shí),僅對(duì)接近中心性進(jìn)行考察。從風(fēng)險(xiǎn)比率的比較中可以看出,二者差距較大,作者網(wǎng)絡(luò)接近中心性在各個(gè)階段所造成的影響遠(yuǎn)大于內(nèi)容網(wǎng)絡(luò)接近中心性。此外,在同時(shí)考慮兩種網(wǎng)絡(luò)屬性時(shí),content_CC在前兩階段的風(fēng)險(xiǎn)比率結(jié)果不再具有顯著性,而可以確定author_CC始終正向影響創(chuàng)新存活概率。綜上所述,相比內(nèi)容網(wǎng)絡(luò),作者網(wǎng)絡(luò)屬性對(duì)用戶創(chuàng)新生存的影響效果更顯著。研究還模擬了社交、內(nèi)容網(wǎng)絡(luò)交互項(xiàng)對(duì)創(chuàng)新生存的影響,但交互項(xiàng)的風(fēng)險(xiǎn)率在Cox PH回歸模型中顯著性較差,不能判斷作者網(wǎng)絡(luò)交互作用對(duì)生存機(jī)會(huì)產(chǎn)生何種影響,無法得出進(jìn)一步的結(jié)論。
為驗(yàn)證上述結(jié)果的合理性,繼續(xù)采用加速失效時(shí)間模型 (accelerated failure-time model,AFT)對(duì)樣本進(jìn)行估算。AFT模型一種應(yīng)用于生存分析的參數(shù)模型,用于測(cè)算變量對(duì)于從觀測(cè)開始到事件發(fā)生時(shí)長的影響。采用威布爾AFT和對(duì)數(shù)Logistics ATF建立生存回歸模型,考慮各網(wǎng)絡(luò)變量的同時(shí)存在的效果。
表6為穩(wěn)健性檢驗(yàn)結(jié)果,表中的數(shù)據(jù)代表ATF模型中的相關(guān)系數(shù)β。相關(guān)系數(shù)β表示解釋變量每增加一個(gè)單位時(shí),觀測(cè)事件發(fā)生的時(shí)間將推遲β%。因此,若β為負(fù),則證明自變量有助于延長創(chuàng)新項(xiàng)目的生存時(shí)間。由于ATF模型考慮了時(shí)間因素,因此無法很好地反映解釋變量的影響幅度在各階段的變化,而影響的正負(fù)關(guān)系、顯著程度與Cox PH回歸模型中所得出的結(jié)論基本一致,證實(shí)Cox PH模型的穩(wěn)健性較高。
由于author_CD在階段2中對(duì)創(chuàng)新項(xiàng)目生存產(chǎn)生顯著的負(fù)面效果,而author_CC依然保持著顯著正向影響。這也證實(shí)了用戶不一定能從頻繁的無效互動(dòng)中獲益[46],只有處于核心地位、更具社交影響力的用戶才能獲得社區(qū)其他人的支持。
4 結(jié)論、啟示與展望
4.1 研究結(jié)論
本文基于LEGO Ideas網(wǎng)站中特殊的“里程碑”機(jī)制,引入社會(huì)網(wǎng)絡(luò)分析中的相關(guān)概念,研究哪些因素能夠影響用戶創(chuàng)新在OI平臺(tái)中的生存。對(duì)LEGO Ideas中獲取的數(shù)據(jù)進(jìn)行處理,一方面,將網(wǎng)站中的作者及其評(píng)價(jià)行為分別作為節(jié)點(diǎn)和邊,構(gòu)建作者網(wǎng)絡(luò);另一方面利用帖子的標(biāo)簽功能,根據(jù)創(chuàng)新項(xiàng)目間的標(biāo)簽關(guān)聯(lián),構(gòu)建出二模內(nèi)容網(wǎng)絡(luò)。模型方面則使用了Cox PH模型,建立了生存回歸方程,并分三個(gè)階段分別計(jì)算各網(wǎng)絡(luò)中心性的風(fēng)險(xiǎn)比率,并使用威布爾AFT和對(duì)數(shù)Logistics ATF模型,證實(shí)了原方法的穩(wěn)健性。實(shí)證結(jié)果和討論中揭示了各因素與創(chuàng)新生存的關(guān)聯(lián),經(jīng)過進(jìn)一步推導(dǎo)與討論,本文認(rèn)為用戶在作者網(wǎng)絡(luò)中的重要程度始終能正向影響其項(xiàng)目的生存機(jī)會(huì),而項(xiàng)目在內(nèi)容網(wǎng)絡(luò)中的地位僅能在生存的初期階段發(fā)揮作用,且后者的影響效果弱于前者。
4.2 理論貢獻(xiàn)
本文在創(chuàng)新研究的現(xiàn)有理論基礎(chǔ)上,對(duì)研究對(duì)象和研究方法進(jìn)行了擴(kuò)展。既往有關(guān)創(chuàng)新管理研究多以企業(yè)、專利、論文作為研究主體,而本文聚焦于用戶創(chuàng)新的微觀視角,分析了特定的OI平臺(tái)中,用戶所發(fā)布的創(chuàng)新內(nèi)容,為眾包創(chuàng)新模式、創(chuàng)新識(shí)別、企業(yè)創(chuàng)新管理等細(xì)分領(lǐng)域進(jìn)一步開拓出了理論研究空間。研究方法上,一方面,SNA方法在創(chuàng)新理論研究中的擴(kuò)展,證實(shí)了網(wǎng)絡(luò)構(gòu)建在作者層面和內(nèi)容層面的可行性,“內(nèi)容-標(biāo)簽”構(gòu)建出的二模內(nèi)容網(wǎng)絡(luò)也為未來網(wǎng)絡(luò)虛擬社區(qū)的相關(guān)研究提供了新思路;另一方面,將生物醫(yī)學(xué)領(lǐng)域常用的生存分析視角融入到了創(chuàng)新發(fā)展周期的研究中——借助“生存”和“失效”的概念,界定了用戶創(chuàng)新所帶來的價(jià)值范圍,并成功分析出了在創(chuàng)新發(fā)布后,價(jià)值衰減的影響因素,這種概念融合和研究方法也為當(dāng)前的創(chuàng)新研究帶來了一定的理論貢獻(xiàn)。
4.3 管理啟示
此項(xiàng)研究更多是在開放式創(chuàng)新模式下的用戶和企業(yè)提供了參考:"里程碑"機(jī)制帶來的社區(qū)認(rèn)可和與物質(zhì)激勵(lì)促進(jìn)了用戶參與創(chuàng)新[25],使他們更希望自己的作品取得成功。實(shí)證結(jié)果為用戶更好地發(fā)布創(chuàng)新內(nèi)容提供了參考價(jià)值。作者網(wǎng)絡(luò)中更活躍、地位更高的用戶,其作品往往能生存機(jī)會(huì)中占優(yōu)。用戶之間的關(guān)注、評(píng)論等行為中存在著知識(shí)流動(dòng),更頻繁地交流可以從其他用戶獲取知識(shí)和創(chuàng)意。此外,作者網(wǎng)絡(luò)反映了用戶地位,“意見領(lǐng)袖”型角色可以獲得其他用戶的更多支持。相關(guān)研究還表明,除了連接數(shù)量外,連接強(qiáng)度和與高質(zhì)量作者的連接比例同樣影響作品表現(xiàn)[9-10],這也為用戶對(duì)作者網(wǎng)絡(luò)的利用提供了新思路:減少低質(zhì)量的無效互動(dòng),而需要更多的與高質(zhì)量作者形成更強(qiáng)的聯(lián)系。由于內(nèi)容中心性對(duì)創(chuàng)意生存的影響有限,且后期存在著負(fù)面影響的可能性,用戶不能一味地給自己的作品套上熱門標(biāo)簽,否則在后期的生存挑戰(zhàn)中,項(xiàng)目將面臨來自同類創(chuàng)意作品的巨大競爭壓力。
大量企業(yè)都自行搭建網(wǎng)站或使用第三方網(wǎng)站,構(gòu)建一般性的用戶社區(qū),他們期望能夠在用戶群體中打造更好的品牌效益。除此之外,企業(yè)搭建OI平臺(tái)的另一目標(biāo)是希望識(shí)別出領(lǐng)先用戶,利用其創(chuàng)新成果,能進(jìn)一步起到降低創(chuàng)新成本、縮短研發(fā)周期的作用[47]。LEGO Ideas所使用的里程碑機(jī)制是非常成功的,一方面,用戶為了避免項(xiàng)目的失效,會(huì)自發(fā)地在作者網(wǎng)絡(luò)中推動(dòng)項(xiàng)目的傳播,社區(qū)中的更多人便能看到樂高積木的新玩法并成為其支持者,鞏固他們對(duì)于品牌的忠誠度;另一方面,用戶在社區(qū)中的行為在一定程度上體現(xiàn)了他們的訴求,代表了他們所期望的新產(chǎn)品[48],這些可以作為企業(yè)未來創(chuàng)新研發(fā)的參考方向,提升消費(fèi)者的購買意愿[49]。但這樣的做法也存在一定弊端,用戶可能會(huì)為了追求作品的成功而緊緊聚焦于發(fā)展自己的作者網(wǎng)絡(luò),或是為自己作品打上更多更熱門的標(biāo)簽,以收獲更多粉絲的支持。這與企業(yè)的目標(biāo)并不完全一致,他們希望挖掘的領(lǐng)先用戶應(yīng)當(dāng)擁有區(qū)別于一般用戶的專業(yè)化知識(shí)和創(chuàng)新能力,從他們的創(chuàng)新成果中可以收獲更高的回報(bào)[50]。
本文通過研究“里程碑”機(jī)制,也為企業(yè)提供了識(shí)別出易"生存"的用戶創(chuàng)新的思路:作者網(wǎng)絡(luò)中心性較高的用戶創(chuàng)新具有較大的長期生存優(yōu)勢(shì),企業(yè)識(shí)別后可以將其投入到長期的研發(fā)創(chuàng)新中;內(nèi)容網(wǎng)絡(luò)地位也會(huì)在短期內(nèi)對(duì)創(chuàng)新生存造成影響,企業(yè)也可以分析近期存活的創(chuàng)新內(nèi)容,反向了解用戶群體在短期內(nèi)的創(chuàng)新熱點(diǎn)。而通過識(shí)別出易“失效”的用戶創(chuàng)新內(nèi)容,企業(yè)也可以盡快篩選屏蔽,避免造成OI平臺(tái)中的信息過載。
事實(shí)上,“里程碑”機(jī)制是通過類似于投票的方式實(shí)現(xiàn)的,并不能完全映射出作者的創(chuàng)新能力。為了刺激高質(zhì)量創(chuàng)作者和創(chuàng)新內(nèi)容的出現(xiàn),平臺(tái)需要建立新的激勵(lì)機(jī)制。除了支持、評(píng)論外,LEGO Ideas的其他用戶還可以對(duì)創(chuàng)意作品的原創(chuàng)性、建造技術(shù)和細(xì)節(jié)進(jìn)行打分,這些指標(biāo)除了能為作者帶來評(píng)估建議外,也可以作為企業(yè)對(duì)于高質(zhì)量作品的判斷依據(jù)。平臺(tái)官方可以將以上維度作為“里程碑”中的隱性指標(biāo),加入到增加生存時(shí)效的必須條件中,提升領(lǐng)先用戶的識(shí)別效率。
4.4 研究不足與展望
本研究存在以下方面的不足:一方面,本文的理論依據(jù)較為單薄,過往研究中暫時(shí)缺乏對(duì)于用戶創(chuàng)新“生存”和“失效”的明確定義,本文僅在專利的基礎(chǔ)上加以類比,而生存分析法對(duì)于用戶創(chuàng)新研究的有效性也有待驗(yàn)證。另一方面,研究對(duì)象的選取過于特殊和單一,LEGO Ideas特殊機(jī)制的成功依賴于樂高的產(chǎn)品特色,其他企業(yè)的創(chuàng)新平臺(tái)中難以實(shí)現(xiàn)類似機(jī)制,研究并未證實(shí)研究結(jié)論是否在其他平臺(tái)中同樣成立。這也是由于創(chuàng)新平臺(tái)中的規(guī)則完全由企業(yè)定義,目前難以找到擁有完全一致篩選機(jī)制的OI平臺(tái)。
未來研究中,可以將更多有關(guān)專利、重大創(chuàng)新的結(jié)論或模型應(yīng)用于OI平臺(tái),探索更多有關(guān)用戶創(chuàng)新的生存機(jī)制。
參考文獻(xiàn):
[1]LIANG Y, RUI Z, CHEN J, et al. The Impact of Power Bounary Management on the Design of Company-initiated Open Innovation Platform[C]// National Chung Cheng University. 20th Pacific Asia Conference on Information Systems 2016. US:AIS Electronic Library, 2016.
[2]HALLERSTEDE, STEFAN H. Managing the Lifecycle of Open Innovation Platforms[M]. Germany:Springer Fachmedien Wiesbaden, 2013.
[3]付軾輝,沈志鋒,焦媛媛.開放創(chuàng)新社區(qū)氛圍的內(nèi)涵、前因與后果研究[J].科學(xué)學(xué)研究, 2020, 38(12):2293-2304.
[4]劉靜巖,王玉,林莉.開放式創(chuàng)新社區(qū)中用戶參與創(chuàng)新對(duì)企業(yè)社區(qū)創(chuàng)新績效的影響——社會(huì)網(wǎng)絡(luò)視角[J]. 科技進(jìn)步與對(duì)策, 2020, 37(6):9.
[5]LLANES G. Competitive strategy for open and user innovation[J]. Journal of Economics & Management Strategy, 2019, 28(2):280-297.
[6]GRAZIANO A, ANNA M. User innovation and network effects: the case of video games[J]. Industrial and Corporate Change, 2020, 29(6):1399-1414.
[7]LEE E H, KIM C Y, YOO J W. Relationship between User Innovation Activities and Market Performance: Moderated Mediating Effect of Absorptive Capacity and CEO's Shareholding on Innovation Performance[J]. Sustainability, 2020, 12(24): 1-18.
[8]張海濤,劉偉利,任亮,等.開放式創(chuàng)新社區(qū)的用戶知識(shí)協(xié)同交互機(jī)理及其可視化研究[J].情報(bào)學(xué)報(bào), 2021, 40(5):523-533.
[9]CHEN J, LIANG Y, ZHANG J, et al. The Online Social Network and User Innovation in the Context of an Online Innovation Platform[J]. Journal of Organizational and End User Computing, 2021, 33(6):1-27.
[10]QI G, HOU L, CHEN J, et al. How Does User Social Network Improve Innovation Outcomes on a Virtual Innovation Platform? Evidence From LEGO Ideas Platform[J]. Journal of Global Information Management, 2021, 29(3):188-211.
[11]DEICHMANN D, MOSER C, BIRKHOLZ J M, et al. Ideas with impact: How connectivity shapes idea diffusion[J]. Research Policy, 2020, 49(1):1-11.
[12]曾慶豐,郭倩,張嵐嵐,等.基于聚類算法的開放式創(chuàng)新社區(qū)領(lǐng)先用戶識(shí)別方法[J].計(jì)算機(jī)集成制造系統(tǒng), 2019, 25(11):2943-2951.
[13]PANNE G, BEERS C V, KLEINKNECHT A. Success and Failure of Innovation: A Literature Review[J]. International Journal of Innovation Management, 2003, 7(3):309-338.
[14]LEE H, CHOI K, YOO D, et al. Recommending valuable ideas in an open innovation community: A text mining approach to information overload problem[J]. Industrial Management & Data Systems, 2018, 118(4):683-699.
[15]鄭貴忠,劉金蘭. 基于生存分析的專利有效模型研究[J].科學(xué)學(xué)研究, 2010, 28(11):1677-1682.
[16]DANISH M S, Ranjan P, Sharma R. Determinants of patent survival in emerging economies: Evidence from residential patents in India[J]. Journal of Public Affairs, 2020, 21(2):2211.
[17]HAN E J, SOHN S Y. Patent valuation based on text mining and survival analysis[J]. Journal of Technology Transfer, 2015, 40(5):821-839.
[18]朱慶華,李亮.社會(huì)網(wǎng)絡(luò)分析法及其在情報(bào)學(xué)中的應(yīng)用[J].情報(bào)理論與實(shí)踐, 2008(2):179-183.
[19]QUINN D, CHEN L, MULVENNA M. Social Network Analysis: A Survey[J]. International Journal of Ambient Computing & Intelligence, 2012, 4(3):46-58.
[20]魏瑞斌.社會(huì)網(wǎng)絡(luò)分析在關(guān)鍵詞網(wǎng)絡(luò)分析中的實(shí)證研究[J].情報(bào)雜志, 2009, 28(9):46-49.
[21]孟韜,王維.社會(huì)網(wǎng)絡(luò)視角下的虛擬社區(qū)研究綜述[J].情報(bào)科學(xué), 2017, 35(3):171-176.
[22]TANG C, DING X. Graduate students' creative professional virtual community behaviors and their creativity[J]. Computers in Human Behavior, 2014, 41:464-470.
[23]PAN Y, XU Y C, WANG X, et al. Integrating social networking support for dyadic knowledge exchange: A study in a virtual community of practice[J]. Information & Management, 2015, 52(1):61-70.
[24]ROGERS E M. Diffusion of innovations[M]. US:Free Press, 2010.
[25]MARTINEZ-TORRES M R. Analysis of open innovation communities from the perspective of social network analysis[J]. Technology Analysis & Strategic Management, 2014, 26(4):435-451.
[26]高天,任南.開放式創(chuàng)新社區(qū)中知識(shí)重混影響因素研究——以Thingiverse為例[J].知識(shí)管理論壇, 2022, 7(2):133-142.
[27]HAN C, YANG M. Stimulating Innovation on Social Product Development: An Analysis of Social Behaviors in Online Innovation Communities[J]. IEEE Transactions on Engineering Management, 2022, 69(2):365-375.
[28]YANG K, FUJISAKI I, UEDA K. Interplay of network structure and neighbour performance in user innovation[J]. Palgrave Communications, 2020, 6(1):1-8.
[29]ZHOU A, ZHOU Y. Research on the Relationship Network in Customer Innovation Community based on Text Mining and Social Network Analysis[J]. Tehnicki Vjenik-Technical Gazette, 2020, 27(1);58-66.
[30]RICE R E, DANOWSKI J A. Is It Really Just Like a Fancy Answering Machine? Comparing Semantic Networks of Different Types of Voice Mail Users[J]. Journal of Business Communication, 1993, 30(4):369-397.
[31]錢宇星,周華陽,周利琴,等.老年在線社區(qū)用戶健康信息需求挖掘研究[J].現(xiàn)代情報(bào), 2019, 39(6):59-69.
[32]CHOBE S, ZHAN J. Advancing community detection using Keyword Attribute Search[J]. Journal Big Data, 2019, 6(1):1-33.
[33]HARAKAWA R, IWAHASHI M. Ranking of Importance Measures of Tweet Communities: Application to Keyword Extraction From COVID-19 Tweets in Japan[J]. IEEE Transactions on Computational Social Systems, 2021, 8(4): 1030-1041.
[34]CAGLIERO L, FIORI A. Discovering generalized association rules from Twitter[J]. Intelligent Data Analysis, 2013, 17(4):627-648.
[35]原欣偉,楊少華.在線用戶創(chuàng)新社區(qū)的知識(shí)創(chuàng)造——研究綜述與理論分析框架[J].情報(bào)科學(xué), 2017.35(7):162-169.
[36]陳佳麗,呂玉霞,戚桂杰,等.開放式創(chuàng)新平臺(tái)中創(chuàng)新用戶的互惠行為研究——以樂高創(chuàng)意平臺(tái)為例[J].軟科學(xué), 2019, 33(3):96-100.
[37]吳江,施立.基于社會(huì)網(wǎng)絡(luò)分析的在線醫(yī)療社區(qū)用戶交互行為研究[J].情報(bào)科學(xué), 2017, 35(7):120-125.
[38]BAEK S I, KIM Y M. Longitudinal analysis of online community dynamics[J]. Industrial Management & Data Systems, 2015, 115(4):661-677.
[39]平亮,宗利永.基于社會(huì)網(wǎng)絡(luò)中心性分析的微博信息傳播研究——以Sina微博為例[J].圖書情報(bào)知識(shí), 2010(6):92-97.
[40]BIHARI A, PANDIA M K. Key Author Analysis in Research Professionals' Relationship Network Using Citation Indices and Centrality[J]. Procedia Computer Science, 2015, 57:606-613.
[41]張自立,張紫瓊,李向陽.基于2-模網(wǎng)絡(luò)的科研單位和關(guān)鍵詞共現(xiàn)分析方法[J].情報(bào)學(xué)報(bào), 2011, 30(12):1249-1260.
[42]MA J F, LU Y B, GUPTA S. User innovation evaluation: Empirical evidence from an online game community - ScienceDirect[J]. Decision Support Systems, 2019, 117:113-123.
[43]KOCH S, BIERBAMER M. Opening your product: impact of user innovations and their distribution platform on video game success[J]. Electronic Markets. 2016, 26(4):357-368.
[44]詹淼華,徐志遠(yuǎn),徐亮.創(chuàng)新行為與中國制造業(yè)出口競爭力的持續(xù)時(shí)間[J].中國科技論壇, 2022(4):37-46.
[45]ALLISON P D. Event history and survival analysis[M]. US:SAGE publications, 2014.
[46]陳佳麗,呂玉霞,戚桂杰,等.社會(huì)網(wǎng)絡(luò)聯(lián)系與用戶創(chuàng)新研究——對(duì)樂高開放式創(chuàng)新平臺(tái)的分析[J].科技進(jìn)步與對(duì)策, 2019, 36(4):98-105.
[47]陳鈺芬,陳勁.用戶參與創(chuàng)新:國外相關(guān)理論文獻(xiàn)綜述[J].科學(xué)學(xué)與科學(xué)技術(shù)管理, 2007, 28(2):5.
[48]CHRISTENSEN K, LILAND K H, KVAAL K, et al. Mining online community data: The nature of ideas in online communities[J]. Food Quality and Preference, 2017, 62:246-256.
[49]余菲菲,燕蕾.創(chuàng)新社區(qū)中用戶創(chuàng)新的創(chuàng)新效應(yīng)及意見探究:以海爾HOPE創(chuàng)新平臺(tái)為例[J].科學(xué)學(xué)與科學(xué)技術(shù)管理, 2017, 38(2):55-67.
[50]FUCHS B, ARVANITIS S, WOERTER M. OPENING UP THE INNOVATION PROCESS: OUTSIDE-IN INVOLVEMENT OF INNOVATIVE USERS AND ESTABLISHED FIRMS' INNOVATION PERFORMANCE[J]. International Journal of Innovation Management. 2015, 19(2):1-32.
(責(zé)任編輯:要 毅)