创新者拥有的创新知识资源是其产出创新成果的重要前提,其中,创新者建构创新知识的一个重要途径是与其他创新者进行交互学习[1],基于互联网的开放式创新平台为创新者间的互动和学习提供了绝佳的虚拟环境。开放式创新平台是指一个能够提供数字化服务的虚拟环境,创新者基于共同的兴趣爱好和创新意愿集聚在一起,通过评论和回复、加为好友、投票支持等方式进行自由交互和学习,从而促进创新[2]。开放式创新平台突破了地域和时空限制,对企业集聚创新资源、降低创新成本和提升创新绩效具有重要意义[3]。目前,国内外众多企业已经纷纷建立了自己的开放式创新平台,旨在吸引来自世界各地的创新用户加入平台共同参与企业开放式创新,如戴尔IdeaStorm平台、乐高LEGO Ideas平台和海尔的众创意平台等。
对于企业自建开放式创新平台而言,创新用户是平台的创新主体,用户创新绩效是其最关心的问题。众多研究表明,创新者拥有的社会网络联系显著影响创新绩效[4-7]。具体而言,创新者通过与其他创新者建立社会联系传递创新知识和信息,创新者在网络中的位置及社会联系多寡影响其获取异质性信息和创新资源的机会和能力,从而影响创新绩效。在开放式创新平台中,创新用户很容易基于共同的爱好和创新意愿产生互动行为,并形成彼此间的社会联系,进行创新知识交换,从而促进平台用户创新。
然而,以往研究多侧重于考量社会联系带来的创新效应,大多忽略了建立和维持社会联系也需要付出一定的社会网络成本。社会网络成本是指人们为了建立和维持稳定的社会联系而进行的投入,有学者将其概括为时间成本、费用成本、劳动力成本和情感成本4个方面[8]。以时间成本为例,用户既可以将一定的时间用于个人单独创新,也可以用于建立社会联系进而构建新的创新知识,将时间用于个人单独创新带来的价值就是用户建立社会联系的机会成本。因此,准确把握社会网络联系对用户创新产出的真实影响,需要综合考虑社会网络成本和创新收益。
本研究在考虑社会网络成本的前提下,从社会联系质量角度出发,深入探讨社会网络对用户创新的具体影响机制,拓展当前关于社会网络对创新影响的认识。具体而言,选取乐高开放式创新平台为典型案例,通过编写python爬虫程序获取用户交互数据建立社会网络,并从质量角度对社会联系成本和收益进行区分,实证检验高质量和低质量社会联系对用户创新产出的异质性影响。研究结论对于提高用户创新产出具有重要影响,同时也可为开放式创新平台方提供理论参考。
社会网络代表性理论包括嵌入性理论、社会资本理论等。嵌入性理论认为,一切经济活动都是嵌入在社会关系之中的,个体间的关系以及在网络中的位置影响个体行动后果。因此,需要在个体社会关系背景中解释其行为后果[9]。个体之间通过交互形成社会关系网络,社会资本是指嵌入在社会网络中的资源组合,个体在采取行动时可通过动员社会资本达到一定目的[10],个体在社会网络中占据的特定位置反映了个体在网络中的地位,以及控制资源、信息与知识的能力[11],决定其社会资本多寡及所获收益[12]。
社会网络理论的兴起和发展为理解创新活动提供了全新视角,将社会网络分析法应用于创新领域始于企业间联盟创新网络对企业创新绩效的影响[13-16]。研究发现,企业在网络中的位置越重要,企业创新绩效越好。同时,具有联接功能的企业能够在多企业间传递知识和信息,这种位置优势有利于企业创新,并且可以转化为企业竞争优势。此外,社会网络分析法在个体创新方面也有很多应用。例如,Baer[6]分析了个体社会联系网络特征及其交互作用对于个体创新能力的影响,结果发现社会网络中处于优势地位的个体更具有创新性;张华和耿丽君[17]针对企业内部员工构建了社会网络,发现个体人格特征对个体创新具有调节作用。目前,关于社会网络对创新影响的研究大多基于现实世界进行分析,对于互联网交互形成的社会网络的分析较少,因此针对互联网交互联系特征进行深入研究具有重要意义。
开放式创新平台为创新用户提供了非常有利于交互的虚拟环境,创新用户交互伴随着创新知识的交换和有用信息的传递,意味着创新用户建立了在线社会联系,形成了社会网络。从社会网络创新效应角度,创新用户在开放式创新平台中拥有的社会联系越多,意味着其在创新过程中越能够接触到更多创新用户资源以及更多创新性信息和知识,通过与众多其他创新用户进行创新知识交换,越能够促进用户提高创新产出绩效[18]。Chiu等[19]研究发现,社会联系数量虽然能够促进用户进行更多知识分享,但并不能够提高用户分享知识的质量水平。
本研究认为,需要结合在线创新用户社会网络特征,在考虑社会网络成本的前提下,进行社会网络联系与用户创新关系研究。其中,特点之一是开放式创新平台中用户建立社会网络联系的初始成本较低。现实世界中,人与人建立社会联系往往需要进行社会交往,投入较多的人力物力,而在创新平台中建立社会联系只需要简单点击鼠标就能实现;特点之二是开放式创新平台中用户用于维护社会联系的后续成本较高。在开放式创新平台中,创新用户基于共同的兴趣和创新意愿集聚在一起,彼此并不认识,为了保持彼此间社会联系活跃度,用户需要及时查看来自联系方的最新动态,积极关注最新创新项目,采用评论、留言和支持等方式对最新创新动态进行回复,以达到维护社会联系的目的。但是,人的注意力和时间都是有限的。Sims的理性疏忽理论(rational inattention)强调,一个人在获取和处理信息时都需要支付成本,人有限的注意力是其行为的一个重要约束[20-22]。因此,花费过多注意力和时间维护社会联系势必带来较高成本,用户社会联系越多,其成本也就越高。
基于开放式创新平台中用户社会网络的这两个特征,单从用户拥有社会网络联系总数这一角度无法把握社会网络联系对用户创新绩效的真实影响,并非用户社会联系越多其创意产出就越好,而是需要综合考虑用户间社会联系带来的创新收益以及建立社会联系的成本。基于以上分析,本研究提出如下假设:
H1:在开放式创新平台中,创新用户拥有的社会网络联系对用户创新的影响取决于其成本和收益,社会网络联系总数对用户创新产出并无显著影响。
明确用户社会网络对创新产出的影响效果,还需要进一步对社会网络联系进行深入分析。Akcigit等[1]通过研究专利合作者社会网络联系与专利价值间关系发现,创新者与比自己更优秀的创新者进行合作能够显著提高专利价值,而与不如自己的创新者进行合作则会降低专利价值。可见,社会联系质量属性(建立联系的创新者是否优秀)是影响创新产出的关键,高质量社会联系创新收益大于建立联系的机会成本,有助于提高创新产出价值;相反,低质量社会联系创新收益小于机会成本,则显著降低了创新产出价值。建立社会联系的机会成本大于低质量社会联系收益,但小于高质量社会联系,那么社会联系总数量与创新产出间可能没有显著关系,因为用户拥有的两类社会联系会相互抵消彼此对创新产出的影响。
在开放式创新平台中也存在高质量和低质量两类社会联系,与优秀的创新者进行交互为高质量联系,与普通或不如自己的创新者交互则为低质量联系。与优秀的创新者交互越多,越能够获得更多优质的创新知识和高价值信息,越有利于创新者突破原有创新水平,产出高水平创新成果,使社会网络联系带来的创新收益大于机会成本,进而提高用户创新绩效。因此,创新用户拥有的优质社会网络联系越多,越有利于用户产出优秀的创新成果,即用户产出价值越高。而与普通或不如自己的创新者交互,由于交互过程中缺乏优质的创新知识和高价值信息,创新者很难通过社会联系提高自身创新水平,社会联系带来的创新收益有限。但是,创新者依然需要投入大量精力和时间维持这种社会联系,由此大大减少了创新者用于个人创新的精力和时间,使社会联系机会成本高于创新收益,从而降低了用户创新绩效。因此,创新用户拥有的低质量社会网络联系越多,反而越不利于用户产出优秀的创新成果,即用户创新产出价值越低。基于以上分析,本研究提出如下假设:
H2:在开放式创新平台中,创新用户拥有的高质量社会网络联系数正向影响用户创新,即高质量社会网络联系越多,用户创新产出价值越高。
H3:在开放式创新平台中,创新用户拥有的低质量社会网络联系数量负向影响用户创新,即低质量社会网络联系越多,用户创新产出价值越低。
LEGO Ideas平台(ideas.lego.com)成立于2014年4月,是乐高集团为收集来自全球乐高粉丝的创意而建立的开放式创新平台。创新用户在乐高开放式创新平台注册后便可以发布自己的创意作品——乐高创意模型,当一个乐高创意模型总支持数(support)达到10 000时,就会进入乐高公司官方评审,通过评审模型便会被生产和销售,同时创意模型发布者将获得产品销售额的1%以及10套该乐高模型作为回报。高价的物质回报和强烈的内在满足感(如巨大的成就感、高声誉、创新能力展示)吸引众多乐高粉丝纷纷加入乐高创意平台,发布自己的创意作品。
同时,为尽快从众多创意项目中筛选出优质创意,乐高平台制定了多阶段筛选机制。根据研究期间内的平台规定,每个项目在集齐10 000个支持者之前须依次在规定时间内集齐100个支持者(60天)、1 000个支持者(425天)以及5 000个支持者(607天),未在规定时间内达到相应支持者数目的项目将被淘汰,每个项目集齐10 000个支持者的时间最长不得超过790天。每个用户都可以给自己认为优秀的创意项目投“支持”,但每个项目只能支持一次。
本研究选取平台中2 043个发布过创意项目的创新用户为研究样本,利用python软件编写网络爬虫,爬取样本用户2017年在乐高平台中的所有活动数据,共27万多条,其中涉及彼此交互的数据共6万多条。同时,爬取了反映用户特征的一些用户数据(用户加入LEGO平台时间、用户所获积分值、用户所获勋章及勋章值),以及样本用户2017年发布创意项目的详细数据。
在乐高开放式创新平台中,若创新用户A追随了创新用户B(或其创意项目),则创新用户B(或其创意项目)就会显示在创新用户A的用户页面中,方便用户A随时访问用户B的页面及其创意项目。当两个创新用户彼此都追随时,代表了双方对彼此的认可,双方就可以非常方便地查看彼此的创意项目,并随时关注后续创意项目更新。而且,创新用户可以公布自己更多的社交媒体账号,方便用户间进行更多交流。因此,本研究选取创新用户间的追随关系定义创新用户社会网络联系。
首先,以创新用户间是否存在追随关系构建创新用户社会网络。社会网络中的节点代表创新用户,若创新用户A追随了创新用户B及其创意,则认为存在创新用户A到创新用户B的有向边,并设置边的权重为追随次数。依据创新用户间互相追随关系建立的社会网络图为简单有向图,如图1所示。图1呈现出明显的核心-边缘特征,部分用户集中在核心位置,彼此之间联系较紧密,部分用户分散在核心周围,与其他用户的联系较少。其中,节点颜色代表节点入度,即该用户被追随的数量。网络图中节点总数为2 043,有边的节点(即与其他用户有追随或被追随关系的创新用户)共2 010个,孤立点(即与其他用户没有追随或被追随关系的创新用户)33个,创新用户联系网络平均节点度为30.29,即一个创新用户平均与其他用户之间的追随关系或被追随关系约为30个,其它更多网络特征如表1所示。
其次,以社会网络中互惠边表示交互关系。在所构建的创新用户联系网络中,用户节点拥有的互惠边代表用户间的互相追随,即两两用户间建立的双向交互联系。这种追随交互联系相当于朋友建立的关系,意味着创新用户间进行了创新知识和信息传递,通过这种交互和彼此学习可以构建新的创新知识。因此,本研究选取用户节点互惠边代表其在开放式创新平台中建立的社会网络联系。
表1 创新用户联系网络总体特征
节点数孤立点数边数平均节点度网络密度聚集系数平均路径长度直径2 0433330 94330.290.007 40.0692.988
图1 创新用户联系网络可视化表示
为考察创新用户社会网络联系对用户创新的影响,本研究以每个创意项目作为样本点,以每个创意项目所获支持数衡量用户创新产出价值,分析创新用户社会网络对用户创新的影响,并区别高质量和低质量社会网络的异质性影响。设定具体回归模型如下:
Yi=α+βsocialtiesi+γXi+εi
(1)
Yi=α+βelitetiesi+δnonelitetiesi+γXi+εi
(2)
其中,Yi是第i个创意项目的价值,即创意所获支持数,式(1)中的socialtiesi代表发布第i个创意的创新用户社会联系总数,式(2)中的elitetiesi和nonelitetiesi分别代表用户的高质量联系数量和低质量联系数量,Xi是控制变量。由于创意所获支持数为非负整数,适用于计数回归模型假设条件,因此估计时使用柏松回归(Poisson Regression)。
此外,通过上述对乐高开放式创新平台的介绍可知,为从众多创意项目中筛选出优质创意,乐高制定了多阶段筛选机制,未在规定时间内达到相应支持者数目的项目将被淘汰,因此还可用创意项目淘汰风险衡量用户创新产出绩效。乐高共设置了4个淘汰时间点,分别为创意发布后第60天、第425天、第607天和第790天,越优秀的创意越不容易被淘汰,在平台中的存活时间也就越长,这种筛选机制使得淘汰项目在下一阶段的创新支持数截断。本研究采用生存分析模型检验创新用户社会网络联系对创意项目淘汰风险的影响,进一步佐证社会网络联系对用户创新的影响。具体设定风险方程如下:
λt=λ0teβX
(3)
式(3)中,λt为用户创意项目存活时间超过时刻t的概率;λ0t为基准风险,其依赖于时间t,对于每个创意项目个体都相同;而创意项目个体风险函数则依据eβX与此基准风险λ0t成正比,X包括主要解释变量和控制变量。令基准风险λ0t=ptp-1eα(p>0,α为待估参数),则为“威布尔回归”。另基准风险λ0t=eα+γt(α,γ为待估参数),则为“冈铂茨回归”。
3.2.1 被解释变量
在乐高创意平台中,越优秀的创意越容易获得更多用户支持,也就越不容易被淘汰。在泊松回归中,本研究选取创意所获支持数(supporters)衡量创新产出价值。在生存分析中,被解释变量是用户创意项目是否被淘汰。
3.2.2 解释变量
在上述构建的创新用户社会网络基础上,以网络中互惠边数衡量用户建立的社会联系总数(socialties)。同时,进一步将社会联系按照质量属性分为高质量联系和低质量联系两种。首先,识别优秀的创新用户——创新精英,将与创新精英建立的联系界定为高质量联系(eliteties),与非创新精英建立的联系界定为低质量联系(noneliteties)。其中,创新精英是指拥有达到1 000支持的创意项目的创新用户,他们都是平台中非常优秀的创新者,占所有创新用户的比例较小,总样本2 043位创新用户中共有134位创新精英。
3.2.3 控制变量
本研究分别从创新用户特征和创意项目特征两个方面选取控制变量。创新用户特征方面,本研究选取创新用户加入乐高创意平台的天数(age)、用户过去发布创意项目中达到1千支持的项目数(ideas_1k)作为反映创新个体创新水平的控制变量。同时,创新个体行为差异是指个体在创新过程中表现出的某些特定的差异性行为,如求助和助人行为、知识隐藏行为和寻求反馈行为等,其会对个体创新产出产生潜在的积极影响或消极影响[23,24]。因此,本研究将创新用户社交行为(socializer)作为创新个体行为差异的控制变量。此外,不同创意项目特征也会影响创新产出,即便是同一位创新用户,其在开发不同创意项目时,其创新产出也会存在一定差异。本研究选取用户创意项目浏览量(looks)和用户创意项目在平台展示的天数(project_age)两个变量控制创意项目特征。
表2 变量定义、测量与描述性统计
变量测量变量 内涵描述样本量均值标准差最小值最大值被解释变量创新产出价值supporters用户创意项目获支持数4 151155.6585.5110 000解释变量用户社会网络联系数socialties用户互惠边总数4 1516.01314.650134高质量联系数eliteties与创新精英的互惠边数4 1510.7631.959019低质量联系数noneliteties与非创新精英的互惠边数4 1515.25113.020122控制变量age用户加入乐高平台的天数4 151560.1453.8202 262创新用户特征ideas_1k用户过去发布创意项目中达到1千支持的项目数4 1510.1821.198013socializer用户在乐高平台获社交家勋章个数4 1513.28414.550178创意项目特征looks用户创意项目浏览量4 1512 40919 19911 000 000project_age用户创意项目在平台展示天数4 15187.9476.391358
表3是用户社会网络联系对用户创新产出影响的泊松回归结果。回归(1)显示,不加入控制变量时用户社会网络联系数与创意所获支持数有微弱的正相关关系;当回归(2)加入控制变量后,用户社会网络联系数就不再影响创意所获支持数,说明二者并不存在稳定的正相关关系,初步证实了假设H1,社会网络联系总数对用户创新并无显著影响。回归(3)中按社会联系质量高低将其区分为高质量联系和低质量联系两种,发现用户拥有的高质量联系数显著提高了创意所获支持数,而低质量联系数反而降低了创意所获支持数,用户每多拥有一个高质量联系平均可以使用户创意多赢得27个支持,用户每多拥有一个低质量联系平均可以使用户创意少赢得3个支持,初步证实了假设H2和H3。
同时,回归(3)也可以解释回归(2)中用户社会网络联系总数不显著的原因。由于高质量联系和低质量联系对用户创新的影响正好相反,当把两者合并考虑时,各自对用户创新的影响彼此抵销,使得社会网络与用户创新未形成显著正相关关系。虽然高质量联系对创意产出的影响系数远远高于低质量联系,但考虑到乐高创意平台中用户平均拥有的高质量联系数(0.763)远远少于低质量联系数(5.251),所以会出现回归(2)中用户总社会网络联系数不影响用户创新产出的回归结果。
为进一步检验社会网络联系对创新产出价值的影响,本研究分别用多元线性回归和负二项回归对模型进行稳健性检验,结果与表3一致。以上实证结果均表明,真正能提高用户创新的并非用户拥有社会网络联系的总数,而是这种联系的优质性。这说明,并非用户拥有的社会联系越多,创新产出就越好。因为建立和维护社会联系存在一定成本,当社会联系带来的创新收益低于其成本时,用户可用于创新活动的时间被用于建立和维护社会网络,反而不利于提高用户创新绩效。
表3 创新用户社会网络对创新的影响(泊松回归)
变量(1)(2)(3)(3) Marginssocialties0.009 28*0.006 62(0.005 15)(0.004 21)eliteties0.176***27.35***(0.025 6)(4.270)nonelite-ties-0.021 3***-3.309***(0.006 18)(0.953)looks6.04e-06***5.99e-06***0.000 932***(6.72e-07)(6.68e-07)(0.000 145)project_age0.007 51***0.007 18***1.118***(0.000 466)(0.000 459)(0.089 3)age0.000 438***0.000 442***0.068 8***(0.000 148)(0.000 150)(0.024 6)ideas_1k0.036 1**0.034 2*5.323*(0.017 5)(0.017 8)(2.73 0)socializer0.000 2270.003 14*0.489*(0.001 52)(0.001 73)(0.268)Constant4.980***3.685***3.698***(0.066 2)(0.104)(0.103)Observa-tions4 1514 1514 1514 151
注:***表示1%水平显著,**表示5%水平显著,*表示10%水平显著,括号内为标准差,下同
通过上述实证研究可知,高质量社会联系有助于促进创新,即与越多创新精英进行交互,越能够获取更多优质的创新知识和高价值信息,越有利于创新者提高自身创新水平,从而提高用户产出,即存在社会联系的创新效应。但同时,也有可能存在另外一种机制,即创新用户创意得到很多支持,其原因不一定是其创新水平较高,还因为该用户与拥有较多用户关注度的创新精英建立了社会联系,从而使得该用户可以更容易得到其他创新用户支持,即存在社会联系关联效应。同时,之前研究也证实了乐高创意平台存在创新用户间的互惠。
为排除社会网络关联效应这一替代性假设,本研究进一步控制用户个体固定效应。具体而言,本研究进一步筛选出2017年发布了两个及以上创意项目的702位创新用户,由于社会网络关联效应发生在用户层面,使用个体固定效应模型可以删除关联效应的影响。表4实证结果显示,在控制个体固定效应后,用户拥有的高质量联系数量依然能够显著提高创意所获支持数,低质量联系数量则显著降低了创意所获支持数。同时,用户社会联系总数对创意所获支持数的影响并不显著,进一步证实了假设H1、H2、H3。这说明,排除社会网络关联效应后,用户拥有的社会网络联系质量依然对创新产出价值具有显著影响。
表4 创新用户社会网络对创新的影响(用户固定效应模型)
变量(1)(2)socialties0.216(2.272)eliteties663.9***(51.81)noneliteties-77.25***(7.953)个体固定效应是是looks0.013 0***0.013 0***(0.000 320)(0.000 320)project_age1.161***1.161***(0.124)(0.124)age-0.004 65-0.004 65(0.184)(0.184)ideas_1k62.97***-47.54**(19.76)(23.82)socializer0.1200.320(1.743)(1.743)Constant-38.10-38.10(271.8)(271.8)Observations2 8102 810R-squared0.7310.731
乐高开放式创新平台设置了针对创意项目的淘汰机制,这保证可以使用生存分析技术考察用户社会网络对创意项目淘汰风险的影响。本研究针对4 151个样本创意项目中未被淘汰的创意项目进行二次数据爬取,以获取这些创意项目在平台中更准确的存活时间,并分别采用威布尔分布和冈铂茨分布风险模型,进一步分析用户社会网络联系对用户创意项目淘汰风险的影响,结果如表5所示。
表5显示,无论是威布尔回归还是冈铂茨回归,用户社会网络联系总数对创意项目是否更容易被淘汰基本没有影响,而用户拥有的高质量社会联系数量则会显著减少创意项目被淘汰的概率。由于乐高平台设置淘汰机制的目的是为了优胜劣汰,这也就反向说明了用户拥有的高质量联系越多,其发布的创意项目也就越优秀。在生存分析中,用户拥有的低质量联系数与创意项目被淘汰风险间的关系虽然并非特别显著,但两者间为正向关系,表明低质量联系数越多,用户发布的创意项目越容易被淘汰,生存分析结果进一步证实了用户社会网络联系质量属性对用户创新具有重要影响。
综合以上实证分析,本研究得出最终实证结果,如表6所示。从中可见,用户拥有的社会网络联系总数对用户创新产出价值并无显著影响,对用户创意项目淘汰概率也无显著影响;高质量社会网络联系数会显著提高用户创新产出价值,并显著降低用户创意项目淘汰概率;低质量社会网络联系数则会显著降低用户创新产出价值,并提高用户创新产出淘汰概率(微弱显著)。
本研究以乐高开放式创新平台为例,实证检验用户社会网络联系对用户创新的影响,发现高质量网络联系有利于用户产出高价值创意成果,而低质量网络联系则会降低用户创新产出价值,用户拥有网络联系的总量对用户创新产出并无显著影响。本研究实证结果与前人结论——社会网络联系可以提高创新绩效[25,17]存在一定出入。本研究认为,前人研究主要定性在社会联系所带来的资源和控制力优势,以及因此获取的创新收益上,没有考虑建立和维护社会联系所花费的社会网络成本。
加入社会网络成本后,社会网络联系对创新产出的影响机制稍显复杂。创新用户基于开放式创新平台建立的社会联系成本较低,但维护成本较高。网络公开透明性使得建立社会联系的双方能够实时了解彼此的相关创新动态,为了维护社会联系,一方要及时对对方创新动态作出回应(查看、评论、支持与否等),需要花费用户较多时间成本和劳动力成本,也就相应减少了其本可以用于个人单独创新的时间和精力。只有当社会网络联系为用户带来的创新收益高于建立和维护社会网络联系成本时,社会联系才会真正提高用户创新产出。
由于高质量社会联系产生的创新收益远高于低质量社会联系,因此无法单以用户拥有社会联系总数判断其对用户创新的影响,关键还取决于社会联系质量。当某用户与高质量创新者建立社会联系时,优质的网络联系能为用户提供优质的创新知识资源,可以显著提高用户创新水平,为其带来较高的创新收益,使其高于用户机会成本(将这些资源用于个人创新时的收益),从而提高用户创新产出。而低质量社会网络只能为用户提供低质量创新知识资源,很难提高用户创新水平,不能为用户带来较高的创新收益。同时,因维护社会网络联系花费了用户较多时间和精力,使得社会联系带来的创新收益低于其机会成本,从而降低了用户创新产出。本研究综合考虑社会联系带来的创新收益及成本,通过探究高质量和低质量社会联系带来的异质性作用,认为并非拥有社会网络联系越多就越能产出优秀的创新成果,社会网络质量才是提高用户创新的关键,该研究结论拓展了当前关于社会网络对创新影响的认识。
表5 创新用户社会网络对创意项目淘汰风险的影响(生存分析模型)
变量威布尔回归(1)(2)冈铂茨回归(3)(4)socialties-0.002 88-0.001 91(0.001 88)(0.001 34)eliteties-0.064 0***-0.048 9***(0.023 4)(0.016 9)noneliteties0.005 560.004 48*(0.003 48)(0.002 44)looks-0.000 916***-0.000 911***-0.000 628***-0.000 625***(9.10e-05)(9.06e-05)(6.50e-05)(6.50e-05)age-0.000 257***-0.000 248***-0.000 199***-0.000 193***(6.13e-05)(6.14e-05)(4.58e-05)(4.60e-05)ideas_1k-0.139***-0.136***-0.120***-0.118***(0.030 9)(0.030 8)(0.027 5)(0.027 4)socializer0.002 560.001 040.001 990.000 867(0.001 86)(0.001 97)(0.001 25)(0.001 32)Constant-6.362***-6.382***-4.122***-4.127***(0.111)(0.112)(0.038 7)(0.038 6)ln_p0.447***0.449***(0.025 2)(0.025 3)gamma0.001 73***0.001 76***(0.000 305)(0.000 306)项目数量4 1514 1514 1514 151观测值5 5815 5815 5815 581
表6 实证分析结果
实证分析技术实证分析结果对假设的检验泊松回归社会网络联系总数对用户创新产出价值无显著影响支持假设H1高质量社会网络联系数显著提高用户创新产出价值支持假设H2低质量社会网络联系数显著降低用户创新产出价值支持假设H3用户固定效应模型社会网络联系总数对用户创新产出价值无显著影响支持假设H1高质量社会网络联系数显著提高用户创新产出价值支持假设H2低质量社会网络联系数显著降低用户创新产出价值支持假设H3生存分析模型社会网络联系总数对用户创意项目淘汰概率无显著影响支持假设H1高质量社会网络联系数显著降低用户创意项目淘汰概率支持假设H2低质量社会网络联系数提高用户创意项目淘汰概率(微弱显著)微弱支持假设H3
创新平台用户应避免过度建立社会网络联系产生的风险,并非拥有越多社会网络联系越好,简单地追求联系数量增长并不能真正提高创新产出,只有高质量社会网络联系才会提高创新产出,低质量联系反而会降低创新产出。由于开放式创新平台建立社会网络联系的成本较低,很多创新用户无法抵制基于社会联系可能带来创新收益的诱惑,从而建立了过多的社会网络联系,但这会消耗创新用户大量时间和精力,如果社会联系质量较低,那么就会落入创新收益低于机会成本的窘境。因此,在建立社会网络联系之前,创新用户首先要对拟建立联系的创新用户水平进行甄别,这关乎社会联系是否真正会提高用户创新产出,用户应选择与比自己优秀的创新者建立联系。一般情况下,可通过查看创新用户过去的创新成果,通过一些关键指标(如该用户创新成果所获关注度、评论以及支持该创新成果的用户数等)判断其成果价值及个人创新水平。
对开放式创新平台企业方而言,要想创新用户能产出更多优质的创新成果,就需要促进平台中的优秀创新者与他人多建立社会网络联系。一方面,企业方可以在平台中积极宣传优秀创新者,并重点展示其创新产出,吸引众多创新用户与其建立联系,如乐高开放式创新平台会定期采访创意模型被乐高采纳的优秀创新用户,显示乐高对该用户的高度认可,并将详细采访内容发布在乐高创意平台中,吸引其他用户关注优秀创新者。另一方面,平台企业方也可以通过设置一定奖励政策,激励优秀创新用户主动与不如自己优秀的用户建立社会联系。出于成本和收益考虑,在没有任何激励的情况下,优秀创新用户很难主动与不如自己优秀的用户进行交互和分享创新知识,这就需要平台方设置相应的激励措施,激励优秀创新者向其他创新用户分享创新经验,奖励建立社会网络联系较多的优秀创新者,通过优秀创新者带动其他创新用户,从而提高整个平台创新水平。
[1] AKCIGIT U,CAICEDO S,MIGUELEZ E,et al.Dancing with the stars:innovation through interactions[R].National Bureau of Economic Research Working Paper Series,2018.
[2] HALLERSTEDE S H.Managing the lifecycle of open innovation platforms[M].New York:Springer Science & Business Media,2013.
[3] EBNER W,LEIMEISTER J M,KRCMAR H.Community engineering for innovations:the ideas competition as a method to nurture a virtual community for innovations[J].R & D Management,2009,39(4):342-356.
[4] CROSS R,CUMMINGS J N.Tie and network correlates of individual performance in knowledge-intensive work[J].The Academy of Management Journal,2004,47(6):928-937.
[5] ZHOU J,SHIN S J,BRASS D J,et al.Social networks,personal values,and creativity:evidence for curvilinear and interaction effects [J].Journal of Applied Psychology,2009,94(6):1544-1552.
[6] BAER M.The strength-of-weak-ties perspective on creativity:a comprehensive examination and extension[J].Journal of Applied Psychology,2010,95(3):592-601.
[7] YANG X,LI G.Factors influencing the popularity of customer-generated content in a company-hosted online co-creation community:a social capital perspective[J].Computers in Human Behavior,2016(64):760-768.
[8] 成功,何晓斌.建立与维持社会网络的成本——一个理论模型的探索性研究[J].学术论坛,2013,36(7):82-88.
[9] GRANOVETTER M.Economic action and social structure:the problem of embeddedness[J].American Journal of Sociology,1985,91(3):481-510.
[10] COLEMAN J S.Foundations of social theory[M].Cambridge,MA:Belknap Press,1990.
[11] WASSERMAN S,FAUST K.Social network analysis:methods and applications[M].Cambridge,MA:Cambridge University Press,1994.
[12] LIN N.Social capital:a theory of social structure and action[M].Cambridge,MA:Cambridge University Press,2002.
[13] POWELL W W,KOPUT K W,SMITH-DOERR L.Interorganizational collaboration and the locus of innovation:networks of learning in biotechnology [J].Administrative Science Quarterly,1996,41(1):116-145.
[14] ZAHEER A,BELL G G.Benefiting from network position:firm capabilities,structural holes,and performance[J].Strategic Management Journal,2005,26(9):809-825.
[15] 钱锡红,杨永福,徐万里.企业网络位置、吸收能力与创新绩效——一个交互效应模型[J].管理世界,2010(5):118-129.
[16] 刘善仕,孙博,葛淳棉,等.人力资本社会网络与企业创新——基于在线简历数据的实证研究[J].管理世界,2017(7):88-98.
[17] 张华,耿丽君.咨询网络与个体知识创新:人格特征的调节效应[J].科研管理,2015,36(3):21-28.
[18] ZHENG H,LI D,WU J,XU Y.The role of multidimensional social capital in crowdfunding:a comparative study in China and US [J].Information & Management,2014,51(4):488-496.
[19] CHIU C-M,HSU M-H,WANG E T G.Understanding knowledge sharing in virtual communities:an integration of social capital and social cognitive theories[J].Decision Support Systems,2006,42(3):1872-1888.
[20] SIMS C A.Rational Inattention:Beyond the Linear-quadratic case[J].American Economic Review,2006,96(2):158-163.
[21] 王军.克里斯托夫·西姆斯理性疏忽理论评介[J].经济学动态,2011(12):104-109.
[22] LUO Y,NIE J,WANG G,et al.Rational inattention and the dynamics of consumption and wealth in general equilibrium[J].Journal of Economic Theory,2017(172):55-87.
[23] MUELLER J S,KAMDAR D.Why seeking help from teammates is a blessing and a curse:a theory of help seeking and individual creativity in team contexts[J].J Appl Psychol,2011,96(2):263-276.
[24] CERNE M,NERSTAD C G L,DYSVIK A,et al.What goes around comes around:knowledge hiding,perceived motivational climate,and creativity[J].Social Science Electronic Publishing,2014,57(1):172-192.
[25] 赵炎,王冰.战略联盟网络的结构属性、源属性与企业知识创造——基于中国生物医药产业的实证研究[J].软科学,2014,28(7):59-64.