Research on the Influencing Factors of User Idea Adoption in Enterprise's Open Innovation Community:based on the Value Co-creation Perspective

Zhang Ning1, Zhao Wenfei1, Pang Zhiliang1, Zhang Xin2

(1.Business School, Qingdao University, Qingdao 266100, China;2.Business School, Nanjing University, Nanjing 210000, China)

Abstract：From the perspective of value co-creation, based on the theory of signal transmission, integrate consumers' use of enterprise products to create value, consumer-consumer interaction to create value, and enterprise-consumer interaction to create value, and explore the influencing factors of user idea adoption in open innovation communities. Through text mining and empirical analysis of the user ideas in Xiaomi MIUI community, it is found that: consumers use products to create value level, the information entropy and emotional intensity of user idea positively affect it adoption, and length of user idea negatively affects it adoption; consumer interaction creates value level, the amount of support positively affects user idea adoption, and the number of views and comments negatively affects user idea adoption; the interaction between enterprise and consumers creates value level, the response information entropy and response emotional intensity of enterprises are positively correlated with user idea adoption, and the length of enterprise response is negatively correlated with user idea adoption. It is recommended that enterprises guide consumers to propose idea forms, pay attention to market demand signals brought about by demand consistency and heterogeneity, and adopt effective response strategies to improve the quality of consumer idea and promote a virtuous circle of value co-creation.

Key Words:Open Innovation Community; Value Co-creation; Signal Transmission Theory; Text Mining; User Idea Adoption

收稿日期：2021-03-19

修回日期：2021-06-09

基金项目：山东省社会科学规划项目(18CHLJ22)；国家民委民族研究项目(2018-GMB-022)

作者简介：张宁(1980-)，男，山东聊城人，博士，青岛大学商学院教授，中国企业管理研究会常务理事，研究方向为商务数据分析、互联网用户生成内容(UGC)分析；赵文斐(1995-)，女，山东淄博人，青岛大学商学院硕士研究生，研究方向为互联网信息分析与挖掘；庞智亮(1994-)，男，山东日照人，青岛大学商学院硕士研究生，研究方向为电子商务数据分析与挖掘；张馨(1991-)，女，安徽砀山人，南京大学商学院博士研究生，研究方向为技术创新管理。本文通讯作者：庞智亮。

DOI：10.6049/kjjbydc.2021030587

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2021)16-0091-10

0 引言

社交媒体的迅速发展使企业可以通过开放式创新社区与消费者建立联系，在互动过程中吸引消费者，使其积极发布产品使用反馈、参与新产品开发设计等创新活动，从而实现价值共创[1]。在企业竞争日益激烈、消费者需求层次不断提高的背景下，通过开放式创新社区实现价值共创，不仅可以帮助企业精准分析和满足消费者个性化需求，还能使消费者品牌忠诚度提升，最终有助于企业竞争力提升。小米MIUI社区是典型的开放式创新社区，为企业产品研发提供了大量创意。小米公司构建用户参与的互联网生态创新模式[2]，尝试通过MIUI社区吸纳用户创意，实现与消费者的价值共创[3]。MIUI社区不仅成为小米产品创新的重要来源[4]，而且引发了价值共创研究领域学者们的广泛关注，成为开放式创新社区的重点研究对象[2-5]。

消费领域价值共创通常分为3个方面：消费者使用企业产品创造价值、消费者与消费者互动创造价值，以及消费者与企业互动创造价值[6-7]。大多数研究聚焦消费者层面，探讨影响其参与价值共创的心理因素与个人特征。也有部分研究关注价值共创中的消费者互动，少数基于企业视角的研究分析企业价值共创构建场景[8]。然而，现有研究大多关注价值共创单个层面，缺乏对多个层面的综合考虑，特别是消费者与企业间的互动。价值共创的本质是一条消费者与企业在互动过程中形成的价值主张、价值获取与价值传递，并最终实现价值共创的链条，没有消费者与企业互动，就没有价值共创[9]。因此，若将消费者与企业割裂，忽略消费者使用企业产品、消费者之间的互动以及消费者与企业互动，可能会由于价值共创链条断裂而无法发现关键系统性影响机制[10]，进而导致企业在面对海量用户生成内容时，无法有效识别并采纳能够指导产品创新的用户意见。此外，开放式创新社区中，日益增加的用户生成内容会带来信息过载问题，增加企业创意认知成本。尽管有学者提出，可以通过基于用户生成内容特征的提取方法提高企业信息处理速度，但仍难以帮助企业达到分析用户生成内容的最终目的，即有效创意识别与采纳[11]。

基于上述背景，本文以价值共创为视角，结合信号传递理论，从消费者使用企业产品创造价值、消费者与消费者互动创造价值、消费者与企业互动创造价值3个层面，探讨开放式创新社区中创意采纳影响因素。本文旨在回答以后问题：开放式创新社区中，消费者使用企业产品、消费者之间的互动以及消费者与企业互动3个层面的信息各具什么特征？哪些特征是影响企业创意采纳的关键因素？消费者个人特征能否对创意采纳产生调节效应？本文的理论贡献是整合价值共创过程的3个层面，基于信号传递理论探讨开放式创新社区中创意采纳影响因素，从而丰富价值共创与信号传递理论；本文的实践贡献是帮助企业优化开放式创新社区中的消费者创意评论方式与内容，从而有效识别并采纳有助于产品创新的用户意见。

1 文献综述

1.1 价值共创与开放式创新社区

Prahalad&Ramaswamy[12]最早将价值共创引入管理学领域，这对传统组织创新管理产生了巨大的冲击，成为经济学、管理学领域研究热点。价值共创前沿问题集中在消费领域，主要分为消费者使用企业产品创造价值、消费者与消费者互动创造价值以及消费者与企业互动创造价值[5-6]。

消费者使用企业产品创造价值主要体现为消费者在使用企业产品后，发布关于产品的使用感受、意见建议等用户生成内容(User generated content, UGC)，而企业可以从中获取价值。不少学者采用文本挖掘技术对消费者评论进行“特征—观点”提取，从而发现有助于企业产品改进的关键信息。Jiao&Qu[13]基于句子本身的语义，运用NLP技术设计一种提取“用户关注—用户态度”的方法，并绘制感性知识树。消费者与消费者互动创造价值主要体现为其他消费者的评论、浏览、点赞等。对于这一问题，部分学者研究消费者间互动对价值共创的影响。例如，贺爱忠和易婧莹[14]基于社会认同理论，采用问卷调查方式探讨虚拟品牌社区成员间社会互动对成员价值共创互动行为的作用机制。企业与消费者互动创造价值研究大多集中于对企业开放式创新社区案例的分析。周文辉等[15]以小米为例，分析企业建立价值共创模式的4个阶段，即价值共识—价值共享—价值共生—价值共赢。

开放式创新社区是企业与消费者实现价值共创的重要渠道，主要以网络为沟通媒介，以消费者、企业研发人员为主要成员，目的是解决企业产品问题或收集产品创新意见。开放式创新社区具有门槛低、易参与等特点，其成员不断增多，进而造成社区中信息过载，极大地降低了企业创意获取效率[16]。针对这一问题，学者们通过设计创意采纳机制帮助企业提高创意筛选效率。例如，Liu等[17]通过爬取手机评论，人工判断评论有用性与网站投票情况，提取8类特征并据此设计识别有用评论的机制；Li等[18]通过分析评价者的知识、权威以及意见情绪构建社会智能机制，以此从评论中获取产品特征和特征重要性。

尽管现有文献对价值共创进行了积极探索，但仅从单一视角出发，通常将消费者与企业割裂，忽略消费者使用企业产品、消费者与消费者互动、消费者与企业互动的层层递进，导致企业在面对海量的用户生成内容时无法快速有效识别能够指导产品创新的用户意见。

1.2 信号传递理论

信息有效传递是实现价值共创的重要条件。信号传递理论来源于信息经济学领域，最早由美国经济学家Spence[19]提出，用于解决交易双方信息不对称问题[20]，即掌握较多信息的交易方如何将自己拥有的产品质量信息传递给掌握信息较少的一方。该理论自提出以来，在经济学、管理学、社会学等不同学科领域得到广泛运用，并发展为包括信号发出者、信号本身、信号接收者等要素的完整理论框架[21]。在线评论相关研究中，李昂和赵志杰[22]将信号传递理论引入用户生成内容分析领域，从评论内容、评论者和反馈有关信号3个方面构建在线评论有用性影响因素模型。随后，张国印等[23]基于信号传递理论研究价值共创平台上消费者信号传递与企业产品改进间的关系，通过建立不完全信息动态博弈模型，推理消费者在参与价值共创时的信号传递偏好，以及企业基于消费者提供信息的产品选择过程。

2 研究模型与假设

2.1 研究模型

本文以价值共创作为研究视角，结合创意采纳影响因素，从消费者使用企业产品创造价值、消费者与消费者互动创造价值、企业与消费者互动创造价值3个层面构建研究框架。结合信号传递理论，借鉴李昂和赵志杰[22]的研究成果，将开放式创新社区中的信号分为3类：与创意内容有关的信号、与反馈有关的信号、与创意提供者有关的信号，以此构建开放式创新社区创意采纳影响因素模型，如图1所示。

与创意内容有关的信号在价值共创中体现为消费者使用企业产品创造价值，即消费者在购买和使用企业产品后，在企业开放式创新社区提交创意评论。

与反馈有关的信号在价值共创中体现为消费者之间互动创造价值，以及企业与消费者互动创造价值。消费者在开放式创新社区发表创意后，能够得到其他消费者以及企业的反馈。

与创意提供者有关的信号在价值共创中体现为创意提供者的经验值。面对社区中良莠不齐的大量创意，企业更加关注经验值高的创意提供者所提供的创意内容。因此，创意提供者的经验值可能会影响创意内容与创意采纳间的关系。

2.2 研究假设

2.2.1 与创意内容有关的信号

当不同的人知道不同的事情时，就会产生信息不对称[24]。对企业而言，消费者使用产品所产生的用户体验信息具有不对称性。消费者作为信息拥有人，在将信息传递给企业时，信息质量是确保较高说服力与可采纳性的评判标准。

创意信息熵能够反映创意中包含的信息量。高质量创意评论往往含有较少的重复性内容，熵值较高。以往相关研究指出，信息熵对评论信息的有用性具有积极影响，信息熵作为反映信息质量水平的指标，可以为信息价值提供一定的参考[25]。由此，本文提出以下假设：

H1a：创意信息熵对创意采纳具有正向影响。

信号传递理论认为，人对信息的处理能力是有限的，往往难以理解载荷过高的信息。冗长语句带来的信息过载，使处于高负荷状态下的接收方难以获取核心内容，最终导致信息说服力降低[26]。开放式创新社区的用户生成内容形式主要为文本形式，易读性与可读性随文本长度增加而降低。作为信号接收者的企业，往往需要处理开放式创新社区中的海量信息，此时简单易懂的信息更有利于企业充分认识与理解。由此，本文提出以下假设：

H1b：创意长度对创意采纳具有负向影响。

信号传递过程中，情感信号是文本中的隐藏性信号。从情绪感知角度看，情绪化词语更容易被接收者感知。积极的情绪具有更强的感染性，能增强接收者处理信息的意愿。反之，对于企业来说，带有极端消极情绪的评论可能是由于用户操作不当所致[27]，从而降低被企业采纳的可能性。由此，本文提出以下假设：

H1c：创意情感强度对创意采纳具有正向影响。

2.2.2 与反馈有关的信号

开放式创新社区中，创意提供者的创意相当于信号发送，而其他消费者的浏览、点赞、评论以及产品开发者的回复则是信号反馈，能够反映其他消费者及企业对该创意的态度。

与其他消费者有关的反馈信号主要包括创意浏览量、支持量和评论量。开放式创新社区中，成员主体通常包括对这一品牌充满热情的客户[28]，通过点赞、评论等行为表明对创意的偏好。创意浏览量、支持量和评论量越多，说明其受到的关注越多，有助于提高企业对该创意的关注度与采纳程度。同时，创意在社区中的受欢迎程度在一定程度上能够反映该创新想法在市场上的潜在成功率[3]。由此，本文提出以下假设：

H2a：浏览量对创意采纳具有正向影响;

H2b：支持量对创意采纳具有正向影响;

H2c：评论量对创意采纳具有正向影响。

信息影响决策过程，信号传递往往发生在持有信息的人和如果持有信息会作出更好决策的人之间[29]。消费者作为持有创意想法的人，通过开放式创新社区，将信息传递给能够制定产品创新决策的企业。因此，企业创意采纳能够反映企业的态度，是对信号发出者的反馈。给予创意者积极有效的反馈能够促进价值共创，有利于企业长期获益。

信息熵较高的企业回复大多是基于深度思考与理解而生成的，能够对不同客户意见进行解答，是企业深度考量的结果，相对于仅被浏览或统一回复的信息，具有较高的被采纳概率。由此，本文提出假设：

H3a：企业回复信息熵与创意采纳呈正相关。

过长的文本信息会提高消费者理解难度，导致企业的思想观念难以被消费者直接接受[30]，从而阻碍企业与消费者间的价值共创。此外，较长的信息回复往往表达了企业对该创意的反驳，或对消费者产品使用行为进行指导，因而企业对该类创意的采纳倾向较低。由此，本文提出以下假设：

H3b：企业回复信息长度与创意采纳呈负相关。

企业回复的信息不仅包含语义信息，而且包含情感信息。在价值共创中，企业对创意的认可从多个方面加以体现，积极明确的采纳反馈是其中的重要方面。积极正面的回复文本表达了对创意的肯定。由此，本文提出以下假设：

H3c：企业回复信息情感强度与创意采纳呈正相关。

2.2.3 与创意提供者有关的信号

除信号本身外，信号发出者的个人特征也会影响信号传递。基于领先用户(Lead User)的研究认为，用户可被分为领先用户与非领先用户，领先用户可根据使用经验、产品知识等方面进行识别，他们的观点往往能够揭示产品未来发展趋势。用户经验值是领先用户常用测量指标[31]，可以通过经验值的高低区分领先用户和一般用户。

高经验值的领先用户由于对产品使用程度或熟悉度较高，其创意更可能包含他人难以注意的产品创新点。同时，基于权威效应，企业更有可能采纳经验丰富的消费者创意，并通过与该类用户互动识别有价值的创新或产品改进方向[32]。由此，本文提出以下假设：

H4a：个人经验值正向调节创意信息熵对创意采纳的影响，个人经验值越高，创意信息熵对创意采纳的作用越大。

在开放式创新社区中，虽然较长的创意不利于信号接收方的理解，但往往含有较多的观点或信息。相对于经验值较低的消费者而言，经验值高的消费者能够根据个人经验，以合适的语言对创意进行描述，并以更易懂的方式使他人接受和理解，从而缓解创意长度对创意采纳的负向影响。由此，本文提出以下假设：

H4b：个人经验值负向调节创意长度对创意采纳的影响，个人经验值越高，创意信息长度对创意采纳的负向作用越小。

开放式创新社区中，创意文本不仅包含价值信号传递，也包含信号发送者个人情感信号传递(艾时钟和曾鑫，2019)。由于企业对于具有高经验值的用户创意更为重视，可能会虚心接受该类领先用户对产品的批评，认真审视负面评价，进而降低消极情感带来的不利影响，使带有消极情感的创意被采纳的可能性提高。由此，本文提出以下假设：

H4c：个人经验值负向调节情感强度对创意采纳的影响，个人经验值越高，创意情感强度对创意采纳的作用越小。

3 研究设计

3.1 研究数据

(1)数据采集。MIUI社区是小米公司实现价值共创的重要创意来源，在成立的10年间，有近千万条用户创意通过MIUI社区发布。MIUI社区下设多个“圈子”，包括MIUI系统、手机、硬件性能等。其中，MIUI手机操作系统迭代更新在很大程度上得益于用户创意。据统计，MIUI系统80%的修改意见都是由社区用户贡献的[33]。小米MIUI社区具有运行成熟、用户活跃度高等特点[5]，MIUI系统具有产品更新周期短、消费者基数大、消费者创意多等特点，因此本文选取小米MIUI社区中MIUI系统的帖子作为研究对象。

图2展示了一个典型MIUI社区创意信息。消费者向外界发布特有的用户体验描述，即创意内容，其他消费者通过浏览、点赞、评论等方式与创意者形成互动，企业官方通过回复文本与社区内用户进行反馈互动。

以Python为脚本语言，采集MIUI系统2020年2月14日至2020年9月13日的数据信息。

(2)数据处理。首先，本次爬虫共收集254 906条数据，汇总并计算每日创意数量。然后，剔除原始数据中个人信息(经验值)缺失、无官方回复等无效数据，获得有效数据20 126条，除日创意数量外，其它变量数据由此获得。同时，为了统一各变量数量级，本文对日创意数量、日回复数量和个人经验值进行对数处理。为了防止极端值对回归的影响，对浏览量、支持量、评论量进行缩尾处理，数据处理过程如图3所示。

3.2 变量设置及说明

通过对相关文献的梳理，本文变量设置及具体测量方式如表1所示。

3.3 模型设定

本文因变量创意采纳属于二元离散变量，故选用Logit模型进行假设回归检验，已有众多Logit模型均对二元因变量显示出良好的适应性[34-35]，计量模型如式(1)所示。

(1)

其中，Λ=ex/(1+ex)。βi(i∈(1,2,3,…12))为变量系数，α、εi分别是常数项和误差项。

4 实证结果与分析

4.1 描述性统计

变量间相关系数与基本描述性统计结果如表2所示。总体来看，所有变量VIF值均小于5，变量间不存在多重共线性问题，因而可以进行后续模型检验与分析。

4.2 模型回归

本文使用Stata 16.0对数据进行Logit回归假设检验，结果如表3所示。模型1仅考虑控制变量对创意采纳的影响，模型2加入消费者使用企业产品创造价值层面自变量对创意采纳的影响，模型3加入消费者与消费者互动创造价值层面自变量对创意采纳的影响，模型4加入企业与消费者互动创造价值层面自变量对创意采纳的影响，模型5加入模型1～4所有自变量对创意采纳的影响，模型6在模型5基础上，考虑创意者特征的调节作用，检验结果如表3所示。

总体来看，相对于模型1，模型2、模型3和模型4的卡方、最大似然估计均具有较大改善，模型5与模型6的卡方、最大似然估计在前4个模型的基础上进行优化，模型拟合度较好，回归结果具有一定价值。由表3可以看出，自变量效应与调节效应均在不同水平下显著，支持本文研究模型。

模型1中，模型设置的控制变量对创意采纳均具有显著影响，更新周期(β1=-0.008***)与日创意数量(β2=-0.280***)对创意采纳具显著负向影响，日回复数量(β3=0.672***)对创意采纳具有显著正向影响。

模型2检验消费者使用企业产品创造价值层面自变量对创意采纳的影响。创意信息熵(β4=0.388***)和创意情感强度(β6=0.035***)对创意采纳具有正向影响，说明企业更愿意采纳具有高信息熵的乐观倾向创意文本，H1a和H1c得到支持。创意信息长度(β5=-0.005***)对创意采纳具有负向影响，体现出信息过载对信号接收者的负向影响，H1b得到支持。

模型3验证消费者与消费者互动创造价值层面自变量对创意采纳的影响，浏览量(β7=-0.919***)和评论量(β9=-0.046***)对创意采纳具有显著负向影响，H2a和H2c未得到支持。支持量(β8=0.053***)对创意采纳具有显著正向影响，H3b得到支持。

模型4检验企业与消费者互动创造价值层面自变量对创意采纳的影响。企业回复信息熵(β10=0.277***)和企业回复信息情感强度(β12=0.032***)与创意采纳具有积极正向关系，H3a和H3c得到支持。企业回复信息长度(β11=-0.020***)对创意采纳具有负向影响，H3b得到支持。

模型5考虑价值共创所有层面自变量对创意采纳的影响，相对于模型1～4的回归结果，模型5的对数似然值具有较大程度提升，模型拟合度高。除回复情感强度外(β12=0.243**)，其它变量均在1%水平下显著，回归结果的一致性与稳健性较高。

模型6考虑创意者特征对消费者使用产品创造价值层面自变量的调节作用，创意信息熵和个人经验值的交互项(β14=0.044***)对创意采纳具有正向影响，H4a得到支持。创意长度和个人经验值的交互项(β15=-0.001**)，以及创意情感强度和个人经验值的交互项(β16=-0.016**)对创意采纳具有显著负向影响。由此可知，H4c得到支持，H4b未得到支持。

4.3 稳健性检验

为确保研究结果的稳健性，本文进行如下稳健性检验：为防止跨版本差异对研究结果的影响，剔除属于MIUI11版本的11 636条数据信息，仅保留MIUI12版本的15 810条数据信息，再次使用Logit模型进行回归检验。

基于MIUI12数据的稳健性检验结果如表4所示，结果显示，各维度变量对因变量的作用方向与本研究结果相同。在显著性方面，直接效应和调节效应在不同水平下显著，证明本研究结果具有一定的稳健性。

4.4 进一步讨论与启示

本文以价值共创为视角，结合信号传递理论，整合消费者使用企业产品创造价值、消费者与消费者互动创造价值、企业与消费者互动创造价值3个层面，探讨开放式创新社区中创意采纳影响因素，得到如下启示：

(1)消费者使用企业产品创造价值层面。创意信息熵对创意采纳具有正向影响，消费者的个人经验值对二者关系起正向调节作用。高信息熵可以避免创意同质化，从而为企业提供丰富的高质量信息。同时，随着个人经验值增加，消费者发表的高信息熵创意更可能包含关键创新点，从而更可能被企业采纳。创意长度对创意采纳具有负向影响，个人经验值则强化了这一负向影响。简短的信息能减轻企业理解信息的负担，因而有利于创意被采纳。但意外的结果是，消费者的个人经验值可以强化创意长度对创意采纳的负向影响。也就是说，创意长度越长，越不利于信息采纳，在创意者拥有高经验值的情况下，这种关系更为显著。原因可能是经验值较高的领先用户往往具有丰富的产品使用经历，他们在创意描述上会结合自身经验，而不像是非领先用户那样更多地描述创新建议或产品缺陷，从而强化了创意长度对创意采纳的不利影响。创意情感强度对创意采纳具有正向影响，个人经验值对二者关系起负向调节作用。企业倾向于采纳具有积极情感倾向的创意，因为积极情绪具有更强的感染性，能提高企业信息处理意愿和被采纳的可能性。当消费者个人经验值较高时，其发表的创意内容可能会被开发者认真考虑，从而使情感强度对创意采纳的影响降低。

首先，企业应重视引导消费者以适当的形式发表创意内容，从而提高社区中用户创意质量。具体来说，根据创意信息熵和创意长度，企业应引导消费者在发表创意时把握创意关键点，减少不相关或冗余表述，使创意内容能够简洁、明确地体现产品改进意见。有关创意情感强度的结论，提示企业应鼓励用户以积极态度进行沟通，避免消极情绪。目前，一些平台正对在线评论进行规范，如中关村在线(www.zol.com.cn)提供形式化评论模式，要求消费者明确填写产品优势与缺陷，并提供与产品性能相关的标签供消费者选择。小米MIUI社区可以借鉴上述平台的实践经验，制定开放式创新社区创意描述规范，指导用户简洁、明确地表述创意。其次，消费者个人经验值的调节作用揭示了领先用户的重要性，提示企业应建立有效的激励机制，提升用户黏度，培育社区领先用户，使其为企业持续提供高质量创意，从而形成良好价值共创模式。目前，小米MIUI社区、华为花粉俱乐部等开放式创新社区，仅采用用户积分、虚拟徽章等虚拟奖励作为领先用户激励方式。一些学者指出，上述虚拟激励方式难以发挥有效的激励作用[4,35]。因此，未来企业应考虑将虚拟奖励进一步转化为实际价值。

(2)消费者与消费者互动创造价值层面。支持量对创意采纳具有正向影响，浏览量和评论量则对创意采纳具有负向影响。原因可能是，支持量体现了消费者对某一问题的需求一致性程度，支持量越高，市场需求越高，采纳该类创意能够降低创新风险，提高创新成功率，因而该类创意容易被企业采纳。相反，浏览量和评论量在一定程度上能够体现需求差异性，即市场需求多元化。当人们对同一个商品属性持不同观点时，可能愿意点击浏览了解详情或留言评论。需求多元化是市场驱动模式发展的重要趋势，企业通过拓展市场满足人群的异质性需求，若仅满足部分客户需求则存在较高的创新风险。

消费者在开放式创新社区中的互动能够释放市场需求信号，对企业产品创新具有重要价值。企业应激励社区中消费者间的互动：对认可的用户创意点赞支持；对持有不同看法的用户创意留言评论。消费者间的互动既能为企业创意筛选提供参考，也能够提升社区用户活跃度，从而有助于社区可持续发展。

同时，消费者间的互动信号提醒企业在采纳创新建议时，应考虑用户需求的一致性和差异性，规避因用户需求多元化导致的创新风险。对于开放式创新社区而言，支持量是反映需求一致性的指标，对创意采纳具有正向影响，企业可以根据支持量初步筛选创意。

(3)企业与消费者互动创造价值层面。企业回复信息熵和信息情感强度与创意采纳呈正相关，企业回复信息长度与创意采纳呈负相关。与创意内容特征对创意采纳的影响类似，信号传递过程中具有高信息熵、简短且情感积极的文本有利于价值共创。这一结果符合企业现实状况：高价值的消费者创意往往会收到企业“已归纳”、“已提案，感谢反馈”和“后期会优化”等回复。在回复过程中，包含积极情感，具有明显标识词语，回复文本简短且信息量高；而低价值的创意往往会得到企业“这个功能已存在，您可以……”、“您可以尝试……解决问题”等回复。在回复信息中，存在较多的指导信息，情感中立，对操作步骤描述详尽。

在企业开发人员与消费者互动过程，消费者不仅能将自身创意信号传递给企业，而且能收到企业反馈信号，这种双向沟通能够有效增强消费者创意发布意愿[36]。目前，虽然MIUI社区已构建开发人员回复机制，但对用户创意的日平均回复率不足20%，可能会降低社区用户提供创意的可持续性。因此，企业应重视创新社区中企业与消费者的互动，对用户创意及时回复，提高创意回复率，进而促进企业与用户互动，提升消费者参与创新的积极性，促进开放式创新社区健康发展。

此外，企业应采取有效的回复策略，提高回复内容质量，以积极的态度与用户进行互动，形成价值共创的良性循环。具体来说，企业在回复高价值用户创意时，应简洁、明确地表示对该创意的采纳意向，并对提出该创意的消费者表达谢意，让消费者感受到企业对其创意的重视，从而激励其在社区中继续发布创意。在回复低价值的用户创意时，企业应简洁、明确地说明原因，并采用积极方式引导消费者规范地表达创意。

5 结语

5.1 结论

本文从价值共创视角出发，以信号传递理论为基础，构建开放式创新社区创意采纳影响因素模型，结果发现：在消费者使用企业产品创造价值层面，创意信息熵和情感强度对创意采纳具有正向影响，创意长度对创意采纳具有负向影响，而创意者个人特征调节创意信息对创意采纳的影响。在消费者与消费者互动创造价值层面，支持量正向影响创意采纳，浏览量和评论量负向影响创意采纳。在企业与消费者互动创造价值层面，企业回复信息熵和情感强度与创意采纳呈正相关，企业回复长度与创意采纳呈负相关。

5.2 建议

(1)消费者使用企业产品创造价值层面，企业应引导消费者简洁、明确和积极地表述创意。同时，构建领先用户激励制度，促使消费者持续高效地为企业提供创意。

(2)消费者与消费者互动创造价值层面，企业应激励社区中消费者间的互动，因为消费者间互动不仅可以为企业创意筛选提供参考，而且有利于企业捕捉市场需求信号，降低产品创新风险。

(3)企业与消费者互动创造价值层面，企业应对社区中的用户创意及时回复，并采取合理的回复策略，从而形成价值共创的良性循环。

5.3 贡献

本文的理论贡献主要是对价值共创进行多层面整合研究，基于信号传递理论探讨开放式创新社区中创意采纳影响因素，丰富和拓展价值共创与信号传递理论；实践价值在于能够帮助企业优化开放式创新社区中的消费者创意评论方式与内容，促使企业快速有效地识别并采纳有助于产品创新的用户意见。

5.4 不足与展望

本文以下方面有待改进：第一，考虑到国内成熟的价值共创平台集中于电子产品领域，研究数据来源仅为小米MIUI社区，而其它领域的价值共创平台可能存在语言风格、共创模式等方面的差异，未来可以考虑研究不同平台或产品类型的价值共创模式差异；第二，仅针对价值共创平台文本内容进行研究，对图片、视频等形式的创意表达方式未进行深入探讨，未来可以针对其它创意形式开展研究。

参考文献:

[1] 孟韬. 品牌社区中管理员支持感、社区支持感与顾客创新行为[J]. 经济管理,2017,39(12):122-135.

[2] LIU Q,DU QZ,HONG Y L,et al. User idea implementation in open innovation communities:evidence from a new product development crowdsourcing community[J]. Information Systems Journal,2020,30(5):899-927.

[3] 简兆权,令狐克睿. 虚拟品牌社区顾客契合对价值共创的影响机制[J]. 管理学报,2018,15(3):326-334,344.

[4] LI MG,KANKANHALLI A,KIM S H. Which ideas are more likely to be implemented in online user innovation communities? an empirical analysis[J]. Decision Support Systems,2016(84):28-40.

[5] 王楠,陈详详,祁运丽,等. 基于详尽可能性模型的用户创新社区创意采纳影响因素研究[J]. 中国管理科学,2020,28(3):213-222.

[6] RIHOVA I,BUHALIS D,MOITAL M,et al. Social layers of customer-to-customer value co-creation[J]. Journal of Service Management,2013,24(5):553-566.

[7] 王新新,万文海. 消费领域共创价值的机理及对品牌忠诚的作用研究[J]. 管理科学,2012,25(5):52-65.

[8] 江积海,廖芮. 商业模式创新中场景价值共创动因及作用机理研究[J]. 科技进步与对策,2017,34(8):20-28.

[9] GRÖNROOS C,RAVALD A. Service as business logic:implications for value creation and marketing[J]. Journal of Service Management,2011,22(1):5-22.

[10] 宋立丰,宋远方,冯绍雯. 平台—社群商业模式构建及其动态演变路径:基于海尔、小米和猪八戒网平台组织的案例研究[J]. 经济管理,2020,42(3):117-132.

[11] ZHANG H,RAO H G,FENG J Z. Product innovation based on online review data mining:a case study of Huawei phones[J]. Electronic Commerce Research,2018,18(1):3-22.

[12] PRAHALAD C K,RAMASWAMY V. Co-creatingunique value with customers[J]. Strategy & Leadership,2004,32(3):4-9.

[13] JIAO YR,QU Q X. A proposal for Kansei knowledge extraction method based on natural language processing technology and online product reviews[J]. Computers in Industry,2019,108:1-11.

[14] 贺爱忠,易婧莹. 虚拟品牌社区类社会互动对价值共创互动行为的影响研究[J]. 软科学,2019,33(9):108-112.

[15] 周文辉,陈凌子,邓伟,等. 创业平台、创业者与消费者价值共创过程模型:以小米为例[J]. 管理评论,2019,31(4):283-294.

[16] CHEN Y J,CHEN Y M. Knowledge evolution course discovery in a professional virtual community[J]. Knowledge-Based Systems,2012(33):1-28.

[17] LIU Y,JIN J,JI P,et al. Identifying helpful online reviews:a product designer's perspective[J]. Computer-Aided Design,2013,45(2):180-194.

[18] LI Y M,CHEN H M,LIOU J H,et al. Creating social intelligence for product portfolio design[J]. Decision Support Systems,2014(66):123-134.

[19] SPENCE M. Jobmarket signaling[J]. The Quarterly Journal of Economics,1973,87(3):355.

[20] 夏清华,何丹. 政府研发补贴促进企业创新了吗:信号理论视角的解释[J]. 科技进步与对策,2020,37(1):92-101.

[21] CONNELLY B L,CERTO S T,IRELAND R D,et al. Signaling theory:a review and assessment[J]. Journal of Management,2011,37(1):39-67.

[22] 李昂,赵志杰. 基于信号传递理论的在线评论有用性影响因素研究[J]. 现代情报,2019,39(10):38-45.

[23] 张国印,倪得兵,唐小我. 产品共创平台上消费者信号传递与产品创新之间的关系[J]. 管理工程学报,2020,34(6):46-56.

[24] STIGLITZ J E. Information and thechange in the paradigm in economics[J]. American Economic Review,2002,92(3):460-501.

[25] SINGH J P,IRANI S,RANA N P,et al. Predicting the "helpfulness" of online consumer reviews[J]. Journal of Business Research,2017(70):346-355.

[26] 张安淇,李元旭. 互联网知识共享平台信息过载效应与弱化机制:基于知乎的案例研究[J]. 情报科学,2020,38(1):24-29,41.

[27] HU N,KOH N S,REDDY S K. Ratings lead you to the product,reviews help you clinch it? the mediating role of online review sentiments on product sales[J]. Decision Support Systems,2014(57):42-53.

[28] FOURNNIER S, LEE S. Getting brand communities right[J]. Harvard Business Review,2009(4):105-111.

[29] SPENCE M. Competitive and optimal responses to signals:an analysis of efficiency and distribution[J]. Journal of Economic Theory,1974,7(3):296-332.

[30] 殷国鹏. 消费者认为怎样的在线评论更有用?社会性因素的影响效应[J]. 管理世界,2012(12):115-124.

[31] 王莉,李沁芳,马云龙. 基于改进网络志方法的开放式创新社区中领先用户识别研究[J]. 科研管理,2019,40(10):259-267.

[32] 王楠,张士凯,赵雨柔,等. 在线社区中领先用户特征对知识共享水平的影响研究:社会资本的中介作用[J]. 管理评论,2019,31(2):82-93.

[33] 白彦壮,郭蕾,殷红春. 企业家精神驱动下自主知识产权品牌成长机制研究:以小米科技为例[J]. 科技进步与对策,2015,32(12):79-85.

[34] 刘倩,孙宝文. COI社区在线交互对用户创意质量的影响:专业成功经验的调节效应[J]. 南开管理评论,2018,21(2):16-27,42.

[35] 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,2018,34(8):140-146.

[36] CHEN W,GU B,YE Q,et al. Measuring andmanaging the externality of managerial responses to online customer reviews[J]. Information Systems Research,2019,30(1):81-96.

(责任编辑：张 悦)