开放科学(资源服务)标识码(OSID)：
网络社区作为用户创新知识交流平台，已经成为许多企业获取和挖掘用户创新资源的有效途径，是一种低成本、高效率获取用户信息和创新源的有效载体。国内外许多企业都已建立基于企业品牌的开放式创新社区，利用外部创新知识推动企业内部研发，为企业产品和服务创新提供新的知识源泉并取得了显著成效，如戴尔公司的创意风暴社区征求用户建议、小米MIUI社区设立新功能建议版块收集产品创意、星巴克的My Starbucks Idea版块鼓励用户提出创意等。这种开放式创新不再依靠企业本身，而是跨越传统企业边界实现创新知识交流与吸收，是实现企业效益最大化的有效途径。但相当一部分企业难以从所建立的在线社区获得期望回报[1]，主要原因在于开放式创新社区活跃度持续降低，用户间互动创新行为参与度低，导致用户创新知识贡献下降[2-3]。此外，从大量用户生成内容中提取企业可用信息是一项耗时耗力的工作，更加大了企业知识转化难度。
如何促进用户创新知识贡献与外部创新知识转化已经成为值得关注的问题。以往相关研究更注重用户内外部动机(如利他主义、互惠行为、他人认同等)对社区中用户创新行为的影响，忽视了开放式创新网络中因用户间交互行为产生的社会网络关系、结构和凝聚力对用户行为的影响。大多数研究聚焦于用户参与创新对企业经济绩效、创新绩效等目标或效率指标的影响，如降低开发成本、提高市场占有率等，较少将用户创新贡献与实际产出效果相联系，对于企业实际取得的可用创新知识点缺乏关注，而能够有效利用用户创意的企业往往在产品和服务研发中占据优势。因此，本文基于社会网络理论探讨开放式创新社区中社会网络对用户参与创新的影响，进一步分析其对企业社区创新知识转化的影响。
随着经济全球化与互联网发展，开放式创新已逐渐替代封闭式创新，用户参与创新成为众多企业关注的核心，并以此建立开放式创新社区以吸收用户创新知识[4]。用户参与创新可以帮助企业更好地捕捉用户需求，降低企业创新成本，显著提高创新绩效与企业创新产品商业化成功率，用户参与创新质量影响企业将外部知识转化为内部产品研发的程度[5-8]。Gibson[9]发现，物质奖励对用户创新参与行为的驱动是有限的，企业应通过营造积极的交流互动氛围并制定具有针对性的社区创新机制，激发社区用户创新意识，增加创新知识产出。众多学者认为，社区中的用户交互行为对用户参与创新有显著促进作用，交互行为越频繁，交互质量越高，用户参与创新的可能性越高，就越有可能产生更多创新知识，而创意增加会吸引更多用户参与社区互动，进而产生更多创新[10-12]。在用户参与创新研究中，众多学者的研究对象集中于具有较强创新能力的领先用户[13-14]，但是在现实中对领先用户进行有效搜索和识别是十分困难的。随着互联网发展与普及，用户参与创新不再局限于领先用户，逐渐演变为全民参与，普通用户开始展现出较强的创新能力。
社会网络分析方法(SNA)是研究群体社会结构最具说服力的方法，很多学者利用社会网络分析方法对虚拟社区中的知识共享、网络结构和水平等进行多角度分析。基于强弱联结理论、社会资本理论和凝聚程度，利用社会网络分析方法对虚拟社区的研究可以分为结构维度、关系维度和认知维度[15]。结构维度解释社会网络的整体参与性，主要体现在网络成员之间的联结，可以通过图密度、网络范围和社区整体参与规模等表示；关系维度强调社区中关系双方在互动频率、互动效率方面的强弱，可以通过边的数量、平均度和平均路径长度表示；认知维度考虑社会网络中网络信任程度。结构维度、关系维度和认知维度并非独立存在于社会网络之中，而是相辅相成、相互联系的。目前，针对社会网络分析中3个维度关系还没有较为系统的理论，大多借鉴社会资本理论。社会资本理论基于参与者在网络或群体中的联系产生，是社会网络分析法中的经典理论。梁银英[16]基于社会资本理论构建虚拟学习社区的社会网络结构，闫晓霞[17]研究基于网络社区的社会资本对用户创新行为的影响。
目前，利用社会网络分析方法研究创新行为主要集中在个体行为和组织行为方面，认为社会网络对个人和企业创新行为具有显著促进作用[18-20]。大部分文献主要集中在传统社区的社会网络对企业创新行为的影响机制研究，以及虚拟社区中知识共享的影响机制研究，基于虚拟社群的社会网络对用户创新的影响研究多止步于用户参与，较少涉及用户个人创新行为和企业创新知识内部转化效果。
大部分学者对虚拟社区中用户创新参与行为对企业创新绩效的影响研究集中在企业创新产品、市场和财务绩效3个方面[4,6,21-22]。然而，除用户创新参与行为外，上述3个方面还会受到企业营销手段、创新投入量和企业社会声誉等因素影响，难以准确解释企业在创新产品、市场和财务绩效上取得的成果是否由开放式创新社区中的用户参与创新所致。企业建立开放式创新社区的目的在于获得外部创新知识，从而进一步促进企业内部产品创新并降低内部创新成本。因此，企业从开放式创新社区中获取可转化为内部产品或服务创新的知识点数量，是衡量其在开放式创新社区中的创新成果绩效最直接的标准。
目前，社会网络视角下用户参与创新与企业社区创新绩效研究具有一定的局限性，既未考虑用户间交互对普通用户创新行为的影响，又未考虑和衡量社会网络下用户参与创新对企业的直接影响。已有学者证实，社会网络与用户创新参与行为，以及用户创新参与行为与企业创新绩效之间存在一定的联系。因此，本文从社会网络理论视角出发，以开放式创新社区中的普通用户为研究对象，对用户交互行为下社会网络如何影响社区用户创新参与行为，以及对企业将外部创新知识转化为内部创新研发的影响程度进行研究。
本文借鉴Nahapiet & Ghoshal[15]提出的社会网络三维度模型，将开放式创新社区中的社会网络分解为结构维度、关系维度和认知维度，并对其交互关系进行探讨。在开放式创新社区中，网络规模可以用社区参与用户数量表示，社区用户数量越多，社区规模越大。此外，网络范围是指一个组织或者社会连接的延伸程度，用于衡量社区网络跨度。社会网络范围越大，涵盖越多的知识点和想法，就越能吸引不同看法的用户，提升社区用户参与度。因此，本文以用户参与量和网络范围表示社会网络结构维度。社会网络关系维度主要参考Granovettor的强弱联结理论，选取用户关系强度表示。本文以社区中联系规模、平均度和平均路径长度综合衡量社区中用户关系强度。认知维度主要表示社区中用户间话题与爱好的相似性。当用户发现彼此拥有相同的话题和爱好时，会倾向于群聚在一起。因此，社区中用户认知越相似，社区凝聚力越高，反之亦然。凝聚子群数量即社区中被分割为各个不同的小团体数量，本文采用凝聚子群数量表示社会网络中用户凝聚程度，以衡量社区中的网络认知。
参考李义刚和李海钢[18]、Fang[23]提出的社区成员参与行为定量衡量维度，将开放式创新社区中的用户创新参与行为从行为广度和深度两个维度加以描述。本文将用户创新参与行为广度表示为开放式创新社区中用户知识贡献行为产生次数，即社区中发帖数量。用户创新参与行为深度表示为用户创新行为质量，参与质量主要反映为帖子质量。李丹[24]以MIUI社区为研究对象，将得到MIUI官方组肯定的帖子数作为创意质量衡量指标。因此，本文利用用户获得官方认可的帖子数量对用户创新参与行为深度进行度量。
企业在开放式创新社区中获得可利用的创新知识量会影响其后续创新活动，本文采用企业在社区中采纳并实际投入研发生产中的帖子数量作为企业社区创新绩效衡量标准。
因此，本文从结构维度、关系维度和认知维度出发，尝试探讨社会网络三维度间的相互关系及其对用户创新参与行为的影响，进而分析其对企业创新知识点利用情况的影响，构建基于社会网络的用户参与创新和企业创新绩效关系模型，如图1所示。
图1 社会网络下用户参与创新与企业创新绩效理论框架
2.2.1 社会网络与用户创新知识贡献
(1) 关系维度与用户参与创新。在关系维度方面，开放式创新社区中用户间联系强度越高，用户参与创新的可能性越大。Yli-Renko等[25]认为，社会网络中成员间联系和互动的频繁程度与知识交流行为具有密切关系；Chang & Zhu[26]提出，虚拟社区用户间联系和互动增加会使社区用户产生更高创新参与意愿，促进用户个体创新参与。因此，在开放式创新社区中，用户间联系越多，交互行为越频繁，联系强度越高，就越能增强用户创新参与意愿，促进创新参与行为产生行为。因此，本文提出以下假设：
H1：开放式创新社区中，社会网络用户关系强度对用户创新参与行为有促进作用。
H1a：开放式创新社区中，社会网络用户关系强度对用户创新参与广度有促进作用；
H1b：开放式创新社区中，社会网络用户关系强度对用户创新参与深度有促进作用。
(2)认知维度与用户参与创新。Tsai & Ghoshal[27]提出，创新网络中成员的共同愿景与信任可以促进知识交互和共享，从而促进创新知识点产生；张童[28]认为，网络中用户间信任程度和其他用户评论内容对用户创新参与行为具有一定的影响；Lambiotte等[29]认为，社会网络凝聚程度对知识创造和传播起积极作用；如果用户拥有相似的愿景且相互信任，则更有可能产生创新参与行为。因此，本文提出如下假设:
H2：开放式创新社区中用户凝聚程度对用户创新参与行为有促进作用。
H2a：开放式创新社区中用户凝聚子群数量对用户创新参与广度有抑制作用；
H2b：开放式创新社区中用户凝聚子群数量对用户创新参与深度有抑制作用。
2.2.2 社会网络各维度间关系
(1)结构维度和关系维度。开放式创新社区中，一定的用户规模和网络范围是用户实现交互行为的前提。一般来说，社区中活跃用户数量越多，网络范围越大，用户之间就越容易找到和自己兴趣、看法相似的用户，并吸收更多不一样的知识点，从而促进用户间交互行为产生。同时，规模扩大强化了每次交互行为对社区的影响，每次交互行为产生的知识点、创新点会吸引其他用户的关注和思考，进而促进其它交互行为产生。施曼[30]从社会交互联结视角，提出成员节点的构成密度和广度结构对用户间交互频率具有显著影响；Reagans&McEvily[31]证实社会网络整体规模对用户间知识转移起正向促进作用[31]，用户知识转移则更多地依托用户交互实现。因此，本文提出如下假设：
H3：开放式创新社区中社会网络规模对用户关系强度有促进作用。
(2)结构维度和认知维度。一般来说，人数越多，想法存在差异的可能性越大；人数越少，彼此思维一致性越强。开放式创新社区中社会网络规模越大，参与用户量越多、社会网络范围越广，用户间想法差异的可能性就越大，从而降低了社区整体稳定性和用户间的联系，促使各种小团体产生和聚集。社会网络规模越小，用户间想法差异的可能性越小，用户可以花费更少的时间理解彼此想法，更容易寻找到共同话题和爱好。由此，社区用户间联系更为紧密，凝聚力得以提高。吴煜山[32]认为，社区用户规模大且社会网络范围广易导致用户间联系程度降低，进而影响社区总体凝聚程度，导致社区不稳定。因此，本文提出如下假设：
H4：开放式创新社区中社会网络规模对社会网络凝聚程度有抑制作用。
(3)认知维度和关系维度。当人们拥有共同话题、需求或者愿景时，会趋向于向对方靠近，更有意愿与对方进行沟通交流。凝聚程度是指用户间彼此靠近产生互动行为的程度。社区有较高的凝聚程度，说明该社区中用户彼此关系紧密，彼此拥有可以让对方产生共鸣的话题或想法。Nahapiet & Ghoshal[15]认为，当人们拥有共同语言时，彼此间更容易产生信任。当用户察觉对方和自己有着共同想法或需求时，会将对方视为“自己人”，认为对方能够理解自己，从而对对方产生信任；Wu等[33]提出，社区中的信任度会影响用户间粘度和信息分享意愿。凝聚程度越高代表用户间拥有的相似之处越多，彼此间越容易信任对方，从而促进交互行为产生，提升社会网络关系强度。因此，本文提出如下假设：
H5：开放式创新社区中社会网络凝聚程度对用户间关系强度有促进作用。
2.2.3 用户创新知识贡献与企业社区创新绩效
已有众多研究表明，社区中个体创新行为对社区创新绩效有正向促进作用。戚桂杰和李奕莹[34]以星巴克的开放式创新社区为例，对在线用户贡献度进行分析，认为社区中创意发布数量和创意内容质量共同影响企业创新绩效，且创意内容质量对企业创新绩效的影响更为显著；蔡绍洪和俞立平[35]提出，创新数量与创新质量共同作用于企业效益；郭爱芳[8]以戴尔社区为研究对象发现，用户参与度和以往贡献对用户创意采纳有显著正向影响。因此，本文提出如下假设：
H6：开放式创新社区中用户创新参与行为对企业社区创新绩效有促进作用。
H6a：开放式创新社区中用户创新参与广度对企业社区创新绩效有促进作用；
H6b：开放式创新社区中用户创新参与深度对企业社区创新绩效有促进作用。
小米公司旗下的MIUI社区是典型开放式创新社区，建立“新功能与建议”版块鼓励用户提出自己的想法以参与企业创新。定期有MIUI官方人员对用户提出的信息进行质量鉴定，对质量较高的帖子进行标注，如热帖、优秀资源、待讨论等。同时，MIUI官方人员会对已转化为内部产品研发的创新知识点进行标记，对有用的帖子添加“已采纳”标签。因此，本文以小米旗下MIUI社区中“新功能与建议”版块为研究对象。考虑到手机功能特征，以MIUI社区“新功能与建议”版块中的“通话”和“相机”主题为采集对象，利用八爪鱼采集器软件采集2012年5月到2019年3月的数据。其中，采集数据包括帖子发起人昵称和时间、回复人昵称和时间、评论互动对象、身份积分、帖子标签、帖子主题、帖子内容和回复内容。对数据进行筛选和异常值处理后，得到13 558条发帖和71 117条回帖。最后，通过对比Ucinet和Gephi特征，本文采用Gephi对收集的数据进行社会网络分析并计算出对应指标值。
通过对采集的数据进行统计，得出MIUI社区“新功能与建议”版块中以“通话”、“相机”为主题的各月用户互动和帖子情况，如表1所示。
表1 MIUI社区各月用户互动与帖子基本情况
项目最小值最大值极差平均值标准差月均参与人数69741672259.12121.30月均互动次数69957888335.05179.28月均发帖数量1339438180.8853.29月均企业和用户肯定的帖子数013313329.7629.85月均采用的帖子数量0606011.2513.78
从表1可以发现，MIUI社区用户每月互动次数和人均参与数量相当，人均互动次数为1.3，可以认为MIUI社区中的互动主要为不同用户间的交互，而非用户间的频繁交流。根据社区月均参与人数、互动次数、发帖数的标准差和极差可以发现，社区成员波动大、参与贡献行为不稳定，社区稳定性较差。基于表1，本文对MIUI社区中各类帖子进行详细统计分析，得到图2。
图2 各类帖子占比情况
社区中以普通帖子为主，其次为受肯定的帖子、无效帖子和采纳帖。其中，无效帖子为被官方人员回复评论为“该建议已提过”、“该功能已拥有”。该类帖子说明用户对社区产生了无意义甚至是浪费人力成本并影响其他用户体验的交互行为。无效帖子占据社区发帖数量的1/5，甚至超过被采纳帖子数，反映出社区用户知识传播连通性较弱，用户交互行为质量较差，部分创新知识反复出现消耗了成员和工作人员的精力，不利于社区持续发展。结合表1可知，在被企业所肯定的帖子中，近50%的帖子被企业采用并转化为企业内部产品研发的知识点。可见，社区中被认为有价值的创新知识转化率较高，具有较高的可行性和创新性。
MIUI社区为不同用户创建立身份，晋级用户组为普通大众用户；特殊用户组为晋级用户组通过申请获得的特殊身份，协助小米工作人员共同维护社区；站点管理组为小米工作人员。因此，为更好地了解社区中的交互情况，本文对3组用户的发帖量进行汇总分析，对异常值进行处理，结果如表2所示。
虽然由站点管理组发起的帖子平均回复量最多，平均每条帖子有11条回复，但是站点管理组较少参与社区知识创新。晋级用户组虽贡献了大部分回复量和发帖量，但是平均每条帖子的回复量仅为6条，低于平均水平，且MIUI社区中，无人回复的帖子数主要由晋级用户组产生。特殊用户虽发帖量不及晋级用户，但其回复量和非0回复贴的情况优于晋级用户。由极差与标准差可见，特殊用户组发帖后的反馈情况较为稳定，表明特殊用户组的帖子质量较高，能引起其他用户共鸣或讨论。
基于以上数据，对MIUI社区作出以下总结：①MIUI社区用户参与量大，但交互行为多以浅层次交互为主，彼此间缺乏反复交流行为；②MIUI社区中连通性较弱，知识传播不通畅；③小米工作人员在创新参与方面较欠缺，较少通过发帖引导和吸引用户参与创新，仅停留在对创新点的回复和评价上;④虽然社区中存在大量普通帖子和无效帖子，但对有价值的帖子，企业将其转化为内部研发动力的能力较强，帖子质量分化较大。
本文利用SmartPLS 3.2.8对数据进行分析，结果如表3所示。
各指标可靠性均达0.5以上，个别甚至高于0.7。关系维度的复合可靠性指数为0.676，结构维度的复合可靠性指数为0.700，均大于0.6，表示上述两个潜变量具有内部一致可靠性。
本文对图1研究模型进行验证，验证结果如图3所示。
表2 MIUI社区各身份用户发帖与回复情况
身份发帖量回复情况MinMax总量AVG标准差0回复帖回复数6 83501 00142 5716.2320.922598晋级用户组5 454048230 0725.5111.088513特殊用户组1 363038210 3207.5715.59084站点管理组1608017711.0618.7811
表3 潜变量指标检验结果
潜变量指标荷载指标可靠性复合可靠性关系维度边的数量0.8950.8010.676平均度0.7730.598平均路径长度0.7930.629结构维度网络范围0.8040.6460.700点的数量0.8680.753
结构方程拟合情况主要从绝对拟合度、增值拟合度、综合拟合度3个方面加以检验判断，结果如表4和表5所示。
由表4和表5可知，结构方程在绝对拟合、增值拟合和综合拟合方面均通过了检验，达到可接受水平，模型具有较好的拟合度。
图3 理论模型及路径系数
表4 结构方程模型拟合结果
项目拟合指标指标数值最优标准拟合情况综合拟合度CMIN/DF1.8021-3拟合理想绝对拟合度GFI0.977>0.9拟合理想RMSEA0.070<0.08拟合理想增值拟合度NFI0.987>0.8拟合理想CFI0.994>0.9拟合理想TLI0.979>0.9拟合理想IFI0.994>0.9拟合理想
表5 结构方程综合拟合情况
模型AICBICCAICDefault model88.019196.938231.938Saturated model90.000230.039275.039Independence model1 420.2661 448.2741 457.274临界标准假设模型的值<独立模型的值且假设模型的值<饱和模型的值
如表6所示，在开放式创新社区中，结构维度对关系维度具有显著正向影响，网络规模对凝聚子群数有促进作用，但凝聚子群个数对关系强度具有中等偏弱的抑制作用，表明认知维度对关系维度具有较弱的促进作用。用户间关系对用户创新行为广度和深度均有正向促进作用。
认知维度到用户创新参与深度的标准化路径系数为-0.198(C.R=2.108>1.96; P<0.001)。本文采用凝聚子群数量衡量社区网络的认知一致性，凝聚程度越高，凝聚子群数量越小。因此，该结果与原假设方向一致且达到了检验的显著水平，假设H2b通过检验。认知维度到用户创新参与广度的标准化路径系数为0.507(C.R=6.908>1.96; P<0.05)，达到显著水平，但结果表明，凝聚子群数量对社群中用户创新知识量有促进作用，即认知维度对用户创新参与广度有消极影响，与原假设方向相反，因而假设H2a不成立。
表6 模型各路径关系结果
路径关系路径系数均值标准差T值P值网络规模→关系强度0.9120.9170.02339.614∗∗∗网络规模→凝聚程度0.3110.3180.0565.524∗∗∗凝聚程度→关系强度-0.192-0.1950.0394.897∗∗∗关系强度→创新行为广度0.4440.4550.0666.764∗∗∗关系强度→创新行为深度0.2820.2780.0743.791∗∗∗凝聚程度→创新行为广度0.5070.4970.0736.908∗∗∗凝聚程度→创新行为深度-0.198-0.2010.0942.1080.036创新行为广度→企业社区创新绩效-0.013-0.0140.0360.3640.716创新行为深度→企业社区创新绩效0.8420.8410.02929.01∗∗∗
注：***表示P<0.001
用户创新参与深度对企业社区创新绩效有促进作用,但是用户创新参与广度对企业社区创新绩效没有直接影响。
4.4.1 社会网络中各维度相互间关系检验结果
由表6可知，开放式创新社区中社会网络结构维度对关系维度的影响强度最大，依次是结构维度到认知维度、认知维度到关系维度。可见，社会网络各维度之间存在相互影响关系。
MIUI社区中，结构维度对关系维度的影响来源于用户参与规模和网络范围扩大，导致用户间互动对象可选性增加。社区中用户可选互动对象数量增加，可促进用户间交互行为产生，并直接提高用户间交互行为频率和次数。
关于结构维度对认知维度的影响，凝聚子群数量增加除与用户规模和网络范围相关外，还与用户本身性格和想法等相关，由于存在较多干扰因素，因而削弱了网络规模对凝聚程度的影响。虽然社区参与规模越大、网络范围越广，用户间越容易产生差异，但若新加入的用户在年龄、兴趣爱好和思维度等方面一致性程度较高，则用户认知一致性差异较低，凝聚子群数量降低，社区凝聚力提高。此外，由于MIUI社区没有限制社区参与用户，通过收集的帖子评论和发帖信息可以发现，用户年龄跨度较大，来自社会不同阶层，总体上用户认知差异较为显著。相比于网络规模对网络关系强度的影响，开放式创新社区网络规模对社区凝聚力的影响较弱，且该影响是消极的。因此，社会网络中网络维度对认知维度的影响强度逊于对关系维度的影响强度。
在凝聚程度对关系强度的假设检验中，MIUI社区凝聚子群对用户间关系强度的抑制作用较小，即MIUI社区中用户凝聚力、认知一致性未能促进用户交互行为产生。结合社会网络规模对用户关系强度的影响——标准化路径系数高达0.912，可以认为MIUI社区中，用户参与规模和社区网络范围是用户交互频率、次数的强预测因子。然而，基于用户数量增加导致交互频率提升，用户间互动、知识共享、传播、创新缺乏有效性和深度。互动对象增加使得用户交互对象更为广泛，因此，大部分用户之间的交互仅维持表面的知识交流，缺乏深入沟通，用户间二次交互的可能性降低。同时，MIUI社区中管理员主要对创新点进行标准化答复，即该创新点是否被采用、是否重复或是否在考虑中等，较少通过发帖、互动等方式引导用户互动行为。可见，企业管理员并未发挥其在社区中的调节作用，没有利用好用户间的共同话题以触发相似用户间的多次互动，导致开放式创新社区中社区凝聚力对网络关系强度的影响较弱，即网络认知维度对关系维度的影响强度较小。
4.4.2 社会网络与用户创新参与行为检验结果
由假设检验结果可知，开放式创新社区中社会网络各维度对用户创新参与行为的影响程度不同，从整体上说，社会网络对用户创新知识贡献数量的影响大于对贡献质量的影响。认知维度对用户创新知识贡献数量的影响最大，其次是关系维度对用户创新参与广度的影响，最后是关系维度、认知维度对用户创新参与深度的影响。此外，社会网络认知维度对用户创新参与广度的影响与原假设不同，认知维度抑制用户创新参与广度。
用户间关系强度提升，社区用户更愿意与其他用户互动，社区信任度较高，其直接表现就是用户间会产生大量交互行为。只有通过用户间多次交互行为对某一创新知识、需求进行探讨，或深入交换彼此思想与知识，交互行为质量才能提升。本文研究对象为“新功能和建议”版块，每一次互动、每一次发帖均会产生创新知识，因此，网络关系维度对用户创新参与广度的影响较其对深度的影响更显著。
由分析可知，MIUI社区中的互动以无效交互行为为主，用户交流仅停留在浅层。同时，通过查看管理者回答可知，不少管理者对帖子的回复为“该建议/功能已提过”或“该功能已投入开发”。可见，由于凝聚子群数量增加，用户更倾向与内部多名用户进行交流，与外部互动行为较少，对某一创新点或需求了解不足，导致创新点重复率较高，用户创新参与广度由此提高。同时，凝聚子群数量增加意味着用户想法差异大，更容易提出更多创新知识，从而促进用户发帖行为产生。然而，特定社区中存在多个子群意味着各子群的交互次数与频率相对较低，用户在未对特定创新知识点和需求进行深入探讨或了解的情况下便在社区中发帖，同样会导致用户创新参与广度提高，但这种提高是无意义的。由于MIUI社区以上述无效互动为主基调，凝聚子群数量提升进一步降低创新参与行为质量，促进用户创新参与广度提升。
4.4.3 用户创新参与行为对企业社区创新绩效的影响
用户创新参与深度可显著促进企业对社区中创新知识点的采纳与应用，而基于用户创新参与广度的创新知识数量对企业创新知识点的采纳与应用不具有显著影响。本文认为，用户创新参与广度提升意味着用户将花费更多精力和时间在无效交互行为上，因未对某一话题进行更加深入的互动和探讨，进而降低了该创新知识点深度，影响企业对创新知识点的利用。用户创新参与深度提升意味着该行为产生的创新知识点能得到用户和企业人员的肯定，更为贴近用户需求，能给企业带来更多可利用的外部创新知识。
本文构建开放式创新社区下社会网络、用户创新参与行为与企业社区创新绩效关系模型，对2012年5月至2019年3月MIUI论坛上万条发帖和回复数据进行实证研究，通过结构方程验证社会网络各维度间的关系、认知维度与关系维度对用户创新参与的影响，以及用户创新参与行为对企业社区创新绩效的影响机理，得到如下结论：
(1)在开放式创新社区中，社会网络关系维度和认知维度对用户创新行为均有显著影响。关系维度中，网络节点间的关系强度对用户创新行为广度有显著促进作用，在一定程度上能促进用户创新行为深度提升，提高创新知识产出质量。认知维度中，社区凝聚程度对用户创新行为广度有显著抑制作用，对用户创新行为深度有一定的促进作用。
(2)在开放式创新社区中，用户创新参与行为对企业社区创新绩效的影响不同。其中，用户创新参与深度对企业社区创新绩效有显著促进作用，用户创新参与产出的创新知识点质量越高，企业可利用转化的外部创新知识点越多。用户创新参与行为广度对企业社区创新绩效的影响并没有得到验证。
(3)开放式创新社区中，社会网络三维度之间同样存在相互关系。社会网络结构维度对关系维度有显著正向促进作用，结构维度对认知维度有抑制作用，认知维度对关系维度有较弱的促进作用。具体而言，社会网络中网络规模可以显著促进网络用户间关系强度提升，促进开放式创新社区中子群和小团体产生，对社区凝聚程度具有抑制作用。此外，社区网络凝聚程度对社区关系强度有积极促进作用。
在开放式创新社区中，社会网络对用户创新参与行为有重要影响，由用户创新参与行为产生的创新知识，其深度是影响企业将其内化为产品、服务的重要因素。但是，目前在开放式创新社区中，社区整体凝聚力不强，难以促进相似用户间多次互动，用户创新参与行为产生的创新知识难以为企业所用。由此，本文针对开放式创新社区提出以下管理启示：
(1)企业应当注重开放式创新社区中社会网络各维度之间的相互作用，并充分发挥管理人员在其中的引导作用。研究表明，开放式创新社区中的三维度交互关系对用户创新参与行为具有一定的影响。其中，社区网络结构维度发挥基础作用，只有网络规模变动合理，认知维度才能更好地促进社区网络关系强度提升，进而促进用户创新参与行为产生。网络社区中网络规模过大则不利于有效交互形成，抑制社区认知对关系强度的影响。此外，本文发现，开放式创新社区中用户间的交互仍然处于较浅层次，用户间未能深度交流，导致相似用户间的关系强度变化和行为深度变化不显著。因此，企业应当发挥好管理者的作用，合理把控社区网络规模，加强对用户的引导，鼓励用户间开展更多的互动，营造良好的社区氛围。
(2)企业应当注重用户创新参与行为质量。用户创新参与广度对企业网络社区创新绩效无较大影响，用户创新参与深度才是企业获取外部创新知识的关键。开放式创新社区中，用户发帖量过多可能导致企业在社区中的人工成本增加。此外，社区中创新知识质量分化明显，高质量创新知识容易为企业所用，但高质量创新知识数量较少，且存在大量普通知识贴，甚至无效贴。因此，企业应当注重社区中用户创新参与质量，采取适当的激励措施鼓励用户提升帖子质量，如给予优质用户更高的权限等，掌控好用户创新参与广度，不能一味地因关注用户参与数量而失去对用户参与行为质量的关注和引导。
[1] 秦敏.企业开放式创新社区研究探索与展望[J].江西师范大学学报(哲学社会科学版),2014,47(5):21-26.
[2] JAWECKI G ,JOHANN FÜLLER,GEBAUER J .A comparison of creative behaviours in online communities across cultures[J].Creativity & Innovation Management,2011,20(3):144-156.
[3] 秦敏,梁溯.在线产品创新社区用户识别机制与用户贡献行为研究:基于亲社会行为理论视角[J].南开管理评论,2017,20(3):28-39.
[4] 夏恩君,张明,贾淑楠，等.开放式创新社区网络创新绩效的影响因素——基于互联网平台的实证研究[J].技术经济,2013,32(10):1-7.
[5] GRUNER R L,HOMBURG C,LUKAS B A.Firm-hosted online brand communities andnew product success[J].Journal of the Academy of Marketing Science,2014,42(1): 29-48.
[6] 姚山季,王永贵.顾客参与新产品开发对企业技术创新绩效的影响机制——基于B-B情境下的实证研究[J].科学学与科学技术管理,2011,32(5):34-41.
[7] JENSEN M B,HIENERTH C,LETTL C.Forecasting the commercial attractiveness of user-generated designs using online data: an empirical study within the LEGO user community[J].Journal of Product Innovation Management,2014,31(S1): 75-93
[8] 郭爱芳,陈佳凤,郭静,等.虚拟创新社区用户相关特征对其创意采纳的影响——以戴尔“头脑风暴”社区为例[J].中国科技论坛，2018(8):140-146.
[9] GIBSON R.Encouraging customer cocreation online: why money doesn't matter[J].Design Management Review,2012,23(1): 58-62.
[10] NAMBISAN S,BARON R A.Different roles,different strokes: organizing virtual customer environments to promote two types ofcustomer contributions[J].Organization Science,2010,21(2) :554-572.
[11] FREY K,LUTHJE C.Antecedents and consequences of interaction quality invirtual end-user communities[J].Creativity & Innovation Management,2011,20(1): 22-35.
[12] 王莉,任浩.虚拟创新社区中消费者互动和群体创造力——知识共享的中介作用研究[J].科学学研究,2013,31(5):702-710+701.
[13] PRÜGL,REINHARD,SCHREIER M.Learning from leading-edge customers at the sims: opening up the innovation process using toolkits[J].Social Science Electronic Publishing,2006,36(3):237-250.
[14] 原欣伟,王超超,杨少华.开放式创新社区环境下领先用户参与创新研究综述[J].未来与发展,2017,41(12):74-79.
[15] NAHAPIET J,GHOSHAL S.Social capital,intellectual capital,and the organizational advantage[J].The Academy of Management Review,1998,23(2):242-266.
[16] 梁银英,王海燕.虚拟学习社区社会网络构建策略[J].中国电化教育,2011(10):64-69.
[17] 闫晓霞.基于网络社区的社会资本对用户创新行为的影响机理研究[D].太原：山西财经大学,2016.
[18] 李义刚,李海刚.创新社区成员参与行为与组织采纳的关系研究[J].科研管理,2016,37(S1):309-317.
[19] 马鸿佳,侯美玲,宋春华.社会网络、知识分享意愿与个人创新行为:组织二元学习的调节效应研究[J].南方经济,2015(6):100-113.
[20] 杜鹏程,姚瑶,房莹,等.社会交互作用对员工创新行为的影响——一个有中介的调节[J].软科学,2018,32(9):72-75.
[21] 李金生,王晓云.用户参与和企业技术创新绩效关系模型研究——以吸收能力为调节变量[J].科技进步与对策,2017,34(11):81-87.
[22] 唐娟,张耀珍.顾客参与服务创新及其绩效影响——基于电信企业的实证研究[J].科技管理研究,2012,32(20):130-136.
[23] FANG E,PALMATIER R W ,EVANS K R.Influence of customer participation on creating and sharing of new product value[J].Journal of the Academy of Marketing Science,2008,36(3):322-336.
[24] 李丹,胡珑瑛.在线品牌社区用户间互动对产品创意质量影响的实证研究[J].技术经济,2018,37(2):21-27+84.
[25] YLI-RENKO H,AUTIO E,SAPIENZA H J.Social capital,knowledge acquisition,and knowledge exploitation in young technology-based firms[J].Strategic Management Journal,2001,22(6/7): 587-613
[26] CHANG Y P,ZHU D H.Understanding social networking sites adoption in China: a comparison of pre-adoption and post-adoption[J].Computers in Human Behavior,2011,27(5): 1840-1848
[27] TSAI W,GHOSHAL S.Social capital and value creation: the role of intrafirm networks[J].Academy of management Journal,1998,41(4): 464-476.
[28] 张童.网络创新社区在线评论对顾客参与创新的影响研究[J].财经问题研究，2015(8):124-129.
[29] LAMBIOTTE R ,PANZARASA P.Communities,knowledge creation,and information diffusion[J].Journal of Informetrics,2009,3(3):180-190.
[30] 施曼.基于文献研究的虚拟品牌社群社会网络特征分析[J].商业经济研究,2017(20):60-62.
[31] RAY REAGANS,BILL MCEVILY.Network structure and knowledgetransfer:the effects of cohesion and range[J].Administrative Science Quarterly,2003 (48):240-267.
[32] 吴煜山.基于社会网络分析的知识型社区群体智慧涌现的影响因素研究[D].广州：华南理工大学,2016.
[33] WU,JYH- JENG,TSANG,et al.Factors affecting members' trust belief and behavior intention in virtual communities[J].Behavior & Information Technology,2008,27(2):115-125.
[34] 戚桂杰,李奕莹.企业开放式创新社区在线用户贡献度研究[J].科技进步与对策,2016,33(14):81-87.
[35] 蔡绍洪,俞立平.创新数量、创新质量与企业效益——来自高技术产业的实证[J].中国软科学,2017(5):30-37.