Within the technology-organization-environment framework proposed by Tornatizky and Fleischer, this study constructs a comprehensive analysis framework for the research on the configuration effect of user participation in product innovation in digital context. It argues that user participation in product innovation in digital context is a user innovation adoption mode with integration of digital technology and product technology and it is not only affected by digital technology application and product technology innovation, but also depends on the degree of functional coordination at the enterprise organization level, and inseparable from the peer competition effect faced by enterprises and the innovation ability of user groups. These antecedents are interrelated, and affect the behavior and degree of user participation in product innovation in combination.Within this theoretical framework, the study draws on the maturity scale of relevant variables in academic research, develops a standardized questionnaire based on Chinese context. It selects regional representative enterprises in Beijing, Changchun, Hangzhou, Shanghai, Shenzhen, Zhengzhou to collect sample data. After testing the reliability and validity of the scale, this study applies the fuzzy-set qualitative comparative analysis method to analyze the 93 enterprise sample data, and carries out the single condition necessity analysis, condition configuration sufficiency analysis and robustness test. It explores the different configuration and influence path of user participation in product innovation in digital context. The results show that there are three kinds of condition configurations for high user participation in product innovation: market driven, driven market and digital driven, and they have multiple concurrency and follow the principle of achieving the same goal by different paths. The two antecedents of user innovation ability and digital technology application are more important than the other in the process of user participation in product innovation. There is a causal asymmetry between the conditional configuration of high user participation in product innovation and non-high.
The relevant research conclusions broaden the research perspective of user participation in product innovation, and enrich the relevant research content and existing research methods. The paper has some theoretical contribution and reference significance for enterprise innovation management in digital context.
开放科学(资源服务)标识码(OSID)：
面对复杂多变、模糊不定的数字化经营环境，有限的内部资源和能力难以实现企业持续创新目标。借助数字技术实现资源整合，推动内外协同增效，成为企业创新发展、寻求突破的重要战略举措[1]。遵循利益相关者理论和服务主导逻辑，用户是企业的重要利益相关者与价值共创者，其拥有与企业产品创新密切相关的知识和技能。用户参与产品创新活动能够为企业提供异质性、新颖性和操作性资源，有利于企业洞察用户需求，创新产品价值主张[2]，是培育持续创新能力的重要源泉[3]。先进的数字技术、数字平台和数字基础设施可以为企业用户创新活动提供信息与技术支持，加快企业和用户间知识资源流动，促进用户参与产品创新活动[4]。在产品创新实践中，小米、海尔和苹果等企业依托数字技术通过用户参与获取关键性创新资源，从而提高产品创新绩。但在同样的数字化情境下，有些企业产品创新乏力，发展受阻。由此，探讨数字化情境下用户参与产品创新的前因条件，揭示其影响路径，对于发挥数字化的加持作用，提升产品创新绩效具有重要现实意义。
在理论研究领域，现有用户参与产品创新影响因素研究主要集中于内在特征、外部动因以及环境条件3个方面，探讨基本内在需求、自我效能感、利益认知等认知情感因素的驱动作用，关注物质奖励、精神激励、任务属性等外部因素的影响，分析社区文化氛围、社交媒体使用、创新保障机制的推动作用[5]。但现有研究存在以下局限：一是大多基于消费领域揭示前置因素对用户参与产品创新活动的影响，企业层面影响因素研究较为缺乏；二是虽有学者对创新平台、在线社区等信息技术因素进行研究，但仅局限于环境条件视角，并未从技术应用方面进行深入解读，数字技术应用因素研究匮乏；三是虽关注前置因素对用户参与产品创新的线性影响，但未探索多个前因条件间组合关系及共同作用对用户参与产品创新影响的组态效应。
综上可知，无论是实践层面还是理论层面，以企业为研究主体，探索数字化情境下用户参与产品创新多重因素的组态效应具有重要价值。随着企业数字化转型不断推进以及用户端数字化产品广泛应用，用户参与产品创新活动逐渐成为融合数字技术和产品技术的用户创新采纳模式。依据Tornatizky &Fleischer(1990)提出的“技术—组织—环境”(Technology-Organization-Environment，简称TOE)框架，数字化情境下用户参与产品创新受到多个层次前因条件的并发、交互影响，既包括促进用户参与的数字技术[6]、产品技术特征因素[7]，也包括与技术特征相匹配的组织内部协同因素，以及环境因素[8]。上述前因条件多重并发、交互作用，共同影响用户参与产品创新活动。鉴于此，本文提出数字化情境下用户参与产品创新的组态效应研究这一主题，基于TOE框架选取5个具有代表性的前因条件，采用模糊集定性比较分析方法(fsQCA)分析93个企业样本数据，从组态视角探讨数字化情境下用户参与产品创新的条件组合和影响路径，以弥补现有研究的不足，从而为企业用户创新管理提供借鉴。
用户参与是指在企业创新情境下用户根据自身需求，为企业产品开发或创新提供知识和创新资源的行为及程度[9]。在数字化情境下，用户参与产品创新并非简单的用户创新行为，而是企业创新资源获取方式，也是融合数字技术和产品技术的用户创新采纳模式，其前因条件不仅包括用户内在特征，而且涵盖外部动因和环境条件，具有多样性、复杂性和集合性特征。这意味着需要将用户参与产品创新的相关研究放在系统性和整体性视角下，整合多种因素进行多层次、多维度的全面剖析。现有用户参与产品创新影响因素的研究并未基于综合性分析框架进行探讨，但已有学者开始尝试将TOE框架引入到用户层面相关研究中。例如，Awa等[10]基于TOE框架对用户采纳研究发现，在分析技术创新和用户采纳关系时TOE框架具有较高的适用性；段淳林和崔钰婷[11]运用TOE框架，融合计算广告的技术属性和以用户为中心的人文属性，提出颗粒度、信息质量和临场感3个计算广告品牌传播新维度。本文尝试运用TOE框架，从技术、组织和环境3个层面选取数字化情境下用户参与产品创新的影响因素，并探索其组态效应路径。
TOE框架是Tornatizky&Fleischer基于创新扩散理论和技术接受模型提出的综合性分析框架，适用于多层次技术应用情境下企业创新技术采纳效果影响因素分析，是具有高度概括性的组织层面理论分析模型[12]。该框架理论认为，创新技术采纳和应用不仅受技术层面因素的影响，还受组织属性以及相应技术应用环境的影响。其中，技术层面因素强调技术自身特征及其同组织的适应关系，包括现有技术使用状态与尚未采纳技术的特征，如技术复杂性、兼容性、相对优势等；组织层面因素关注与技术相匹配的组织自身属性，如组织资源、组织结构、沟通机制等[13]；环境层面因素是指组织所处技术采纳环境，如政府政策、竞争压力、客户关系等因素[14]。上述3个层次因素互相联系、彼此制约，共同影响企业创新技术采纳行为及效果。部分学者采用TOE框架基于不同技术应用情境开展了大量实证研究，充分证实TOE框架在解释复杂创新采纳现象，以及提取相关影响因素方面具有较高的系统性、灵活性和可操作性[12]。因此，在探讨数字化情境下如何促进企业用户群体高效参与产品创新活动时，TOE理论分析框架具有较高的适配性。
基于现有研究成果，本文在TOE框架基础上，构建数字化情境下用户参与产品创新的组态效应综合性分析框架，如图1所示。本研究认为，数字化情境下用户参与产品创新是融合数字技术和产品技术的用户创新采纳模式，受数字技术应用和产品技术创新两个技术层面因素的影响，取决于企业组织层面的职能协调程度，又与企业面临的同侪竞争效应以及用户群体的创新能力密不可分。上述前因条件相互联系、组合匹配，共同影响用户参与产品创新行为和程度。
图1 研究概念框架
Fig.1 Theoretical framework
(1)技术层面因素。部分学者将数字技术应用和产品技术创新作为影响用户参与产品创新的重要前因条件。例如，Sashi[6]研究认为，数字通信技术能够有效促进企业与用户连接交互，对用户参与产品创新活动具有显著正向影响；卢新元等[5]研究指出，不同类型产品创新任务可以激发用户参与动力，促进用户参与产品创新活动。因此，本文在技术层面上选取数字技术应用和产品技术创新两个前因条件。数字技术应用是指企业在产品创新过程中应用大数据、云计算、智能化等数字技术，强调企业对数字技术的掌握方式和应用范围(杨震宁等，2021)。在数字经济时代，数字技术应用可以改变传统组织形态和商业模式，增强企业利用用户资源进行产品创新的能力。企业利用移动网络、人工智能、大数据等数字技术可以有效提高信息交互效率，降低用户参与成本，促进用户积极参与产品创新[6]，拓展用户参与渠道，提升用户知识吸收转化效率(陈剑等，2020)，进而为用户参与产品创新提供技术支持。产品技术创新是指企业以创造新产品技术为目的的创新，表现为产品新颖性和独特性程度(杨建君等，2021)。一方面，设计新颖独特的产品能够为顾客创造更加优越的使用体验，有利于培育忠诚的用户群体，为用户参与产品创新活动提供有力支撑[15]；另一方面，高水平产品技术创新能够体现企业现有技术资源、能力与创新活动的适配程度，有助于激发用户内在动机，促使其参与企业产品创新活动[5]。
(2)组织层面因素。用户参与产品创新作为创新技术采纳活动，已经嵌入特定的管理思维和组织印记，同组织行为活动特征密切相关[16]。Grönroos等[17]研究认为，内部组织间沟通协作是用户参与产品创新的重要支持条件。因此，本研究在组织层面选取组织职能协调作为前因条件。在创新和价值共创研究领域，有研究指出，用户外部合作同企业内部组织过程紧密相连，内部组织机制可为用户共同参与提供重要支持，因此有必要更加深入地探索用户参与的组织条件[17]。组织职能协调是指企业不同职能部门间的沟通和协作程度[18]，是有效发挥数字技术和产品技术创新作用，从而实现企业内外知识共享的重要组织机制。加强组织内部垂直和横向沟通有助于促进企业与用户间的互动，促使企业更好地理解用户需求和创意，进而有效吸收和利用用户知识(Malshe，2011)，激发用户对产品创新的兴趣，提高用户产品创新参与程度。因此，本文认为，组织职能协调是用户参与产品创新的重要驱动因素。
(3)环境层面因素。从资源依赖理论和创新生态系统理论看，组织和外部环境存在协同发展的关系，环境因素对组织接受及应用创新技术具有一定影响[19]。因此，本文基于卢新元等[5]提出的市场竞争情况、Schreier&Prügl[20]提出的用户专业知识和经验等因素，将同侪竞争效应和用户创新能力作为用户参与产品创新环境层面的两个前因条件。同侪竞争效应是指企业在创新活动过程中面临的同行业竞争压力，是同侪效应的一种形式[21]。在数字化时代背景下，为了建立相对竞争优势，较大的同侪竞争压力迫使企业在创新技术赋能下努力提升自身知识吸收能力[22]，寻求大量产品创新机会。用户作为拥有异质性知识资源的重要群体，无疑成为众多企业青睐的对象[23]。在同侪竞争效应下，为了抵消外部不确定性因素的不利影响，企业倾向于学习或模仿同群企业用户参与产品创新决策，开放用户参与创新平台，建立用户参与多样化渠道，从而提升自身产品创新水平。用户创新能力是指用户为企业产品创新提供创意或解决方案的能力，强调用户专业知识和使用经验。人类行为受自身能力驱动，用户能力驱动着用户在产品创新过程中的创新行为(王莉等，2011)。用户创新能力是用户参与产品创新的起点和核心，用户群体自身专业知识和使用经验是促进用户参与产品创新过程，进而提供创新资源和产品解决方案的动力[3]。部分研究指出，个体创新水平、用户能力、顾客知识等创新能力要素影响产品创新行为和程度[5]。
定性比较分析方法(Qualitative Comparative Analysis，简称QCA)是分析多要素组合效应的范式，以布尔代数和集合论为基础，探究前置因素间的互动(如替代、互补或抑制)如何导致被解释结果发生或不发生[24]。相较于传统定量分析方法，QCA方法具有多重并发性、等效性、因果非对称性等特征，近年来逐渐在创业与创新、营销管理、战略管理等研究领域得到广泛关注和应用。QCA方法可细分为清晰集定性比较分析法(csQCA)、模糊集定性比较分析法(fsQCA)和多值集定性比较分析法(mvQCA)[25]。其中，fsQCA突破传统方法只能分析二分变量的局限，不仅可以用于处理类别变量，而且能够探索部分隶属和程度变化问题，具有较大的适用范围和较高的可操作性。本研究包括用户参与产品创新的技术、组织和环境3个层面5个因素，上述前因条件多重并发，因果匹配模式较为复杂，均属于反映程度变化的连续变量。因此，本文适合采用fsQCA方法进行分析，通过识别具有等效结果的条件组态，揭示差异化组态效应路径。
2.2.1 样本数据收集
本文调研对象为用户参与产品创新活动相关企业，样本选取主要遵循以下原则：第一，具有数字化情境下用户参与产品创新活动经验；第二，分布具有区域代表性、行业多样性和技术差异性特征。为了确保案例企业样本代表性，主要选取北京、长春、杭州、上海、深圳、郑州等地具有代表性企业进行立意抽样，以获得符合上述要求的样本企业。本研究涉及数字技术应用、产品技术创新等企业层面变量，无法基于现有数据库中的数据进行衡量，同时考虑到已有成熟测量量表，因而采用调查问卷进行数据收集。鉴于企业高层管理者对组织经营环境、用户参与产品创新情况了解更全面，本文将样本企业高层管理者作为问卷调查对象。研究团队于2022年1～3月对样本企业进行问卷调查，收回问卷103份。在核验问卷数据时，剔除回答时间较短(少于3分钟)、主要测量问题缺失、选项高度一致的无效问卷，最终得到有效问卷93份，有效回收率为90.29%。为了便于后期数据分析和讨论，通过企业官网、微信视频及腾讯会议补充企业案例信息。最终，对中电海康集团有限公司、慧鱼汽车系统有限公司、郑州日产汽车有限公司等93家企业样本数据进行fsQCA分析，样本基本特征如表1所示。
表1 样本基本特征
Tab.1 Basic characteristics of samples
特征变量类别样本数百分比(%)企业性质国有企业4447.3民营企业3840.9外资企业1111.8员工数量1～50人99.751～200人1313.8201～500人1718.3501人及以上5458.1企业所在地北京1314.0长春1819.4杭州1212.9上海1010.8深圳88.6郑州2021.5其它1212.9
2.2.2 变量测量
为了确保前因条件与结果变量测量的可靠性和有效性，本研究使用的测量量表均为已有研究的成熟量表，具有较高的信度和效度水平。同时，根据研究情境，结合多位专家意见，对部分测量题项进行小幅度修订，以确保变量测量题项契合中国情境。问卷采用Likert 7级量表，被调查者依据所在企业实际情况对问卷题项进行打分，1～7表示从“非常不同意”到“非常同意”。
(1)数字技术应用。借鉴杨震宁等(2021)的研究量表，具体包含“我们公司应用了大量数字产品/服务”“我们公司的数字基础设施(如数字技术工具和系统)很完善”“我们公司拥有数字化程度很高的内部管理与运作模式”等6个题项。
(2)产品技术创新。采用Ding等[26]的研究量表，具体包括“我们的产品采用了先进的技术”“我们产品采用的技术在行业内是很新的”“我们的新产品向市场引入了许多全新的功能”等7个题项。
(3)组织职能协调。借鉴Cui&Wu[27]的研究量表，采用职能部门间的沟通和协作能力测量，具体包括“我们公司各部门间会沟通或传达已经获得的成功或失败的用户体验信息”“我们公司整合业务职能以满足目标市场需求”“我们公司中的业务职能部门之间能够共享资源”等5个题项。
(4)用户创新能力。采用Faullant等[28]的研究量表，具体包括“我们的用户拥有丰富的产品/服务专业知识”“我们的用户拥有大量的产品/服务使用经验”“我们的用户经常关注有关产品的相关问题”3个题项。
(5)同侪竞争效应。借鉴Mangleburg等[29]的研究量表，具体包括“当同行业其他企业都采取某个策略时，我们如果不这样做的话会感觉压力很大”“我们经常关注同行业其它企业的动向和信息”“我们有时也会采取一些策略，因为同行业其它企业也这么做”等4个题项。
(6)用户参与。采用Fang[2]的测量量表，从用户信息提供和用户合作开发两个方面加以测量，具体包括“如果用户认为某些信息可以改进产品，他们愿意与我们共享这些信息”“用户经常选择将自身偏好和需求信息传递给我们”“用户开发工作在完成开发任务中发挥了非常重要的作用”等5个题项。
2.2.3 信效度检验
本研究采用SPSS26.0、Amos24.0软件进行信度和效度检验，结果见表2。表2显示，各研究变量的Cronbach's α系数均大于0.7，CR值均大于0.9，说明问卷信度较高。在效度方面，借鉴以往研究的成熟量表，并根据研究情境对前因条件及结果变量进行适当修改，具有较高的内容效度。验证性因子分析中，各题项标准化因子载荷值均大于0.6，各变量平均萃取方差(AVE)均在0.5以上，且AVE方根值均大于各变量间的相关系数[30]，表明具有较高的收敛效度和区分效度。
表2 信度与效度检验结果
Tab.2 Reliability and validity results
变量Cronbach's α因子载荷AVECR数字技术应用0.9350.709～0.8240.7150.937产品技术创新0.9670.801～0.8820.8070.967组织职能协调0.9510.729～0.8040.7980.951用户创新能力0.9220.729～0.7420.7980.922同侪竞争效应0.9100.755～0.8950.7240.912用户参与产品创新0.9510.771～0.8480.7970.952
运用Amos24.0软件进行验证性因子分析，用于检验调研数据的共同方法偏差影响。从表3检验结果看，六因子模型拟合程度最好(χ2/df=1.535，RMSEA=0.076，CFI=0.931，NFI=0.827，IFI=0.932)，优于其它备选模型，各项拟合指标均符合建议标准，表明本研究不存在严重共同方法偏差问题。
基于fsQCA软件使用规范，将文中设计的变量转化为0～1之间的模糊隶属分数。QCA校准方法包括直接法和间接法，本研究涉及的结果与条件变量缺乏经验知识作为校准依据，故参考Greckhamer[31]的研究成果，采用客观分位数值直接确定校准锚点，以90%、50%、10%分位数作为完全隶属阈值、交叉点、完全不隶属阈值，具体校准和描述性统计分析结果如表4所示。
在进行模糊集真值表分析前，需要检验单个前因条件是否为结果的必要条件。通常认为，当单个条件一致性水平大于0.9且具有一定的覆盖度时，可将该条件视为结果的必要条件[32]。运用fsQCA3.0软件进行高用户参与产品创新和非高用户参与产品创新的必要性条件检验，结果如表5所示。由表5可知，所有单项前因条件一致性水平最高值为0.827，均未超过0.9的判定标准，说明5个前因条件中，不存在实现高用户参与产品创新与非高用户参与产品创新两个结果的必要条件，因而需要进行定性比较分析。
表3 共同方法偏差分析结果
Tab.3 Common method biases results
模型χ2/dfRMSEACFINFIIFI六因子1.5350.0760.9310.8270.932五因子2.2280.1160.8390.7450.841四因子3.0670.1500.7260.6450.730三因子3.4650.1640.6710.5960.675二因子3.7890.1740.6260.5560.630单因子4.3710.1910.5470.4870.552
表4 校准锚点与描述性统计分析结果
Tab.4 Calibration anchor and descriptive statistical analysis results
变量模糊集校准完全隶属交叉点完全不隶属描述性统计分析最小值最大值均值标准差数字技术应用6.634.672.831.836.834.701.36产品技术创新6.254.712.431.007.004.571.44组织职能协调6.405.002.681.606.804.791.32用户创新能力6.335.003.001.337.004.801.31同侪竞争效应6.505.003.502.507.005.021.13用户参与6.405.003.041.007.004.831.27
表5 单个前因条件必要性分析结果
Tab.5 Necessity analysis results of single antecedents
条件变量高用户参与一致性覆盖率非高用户参与一致性覆盖率数字技术应用0.7580.7380.5140.519～数字技术应用0.5060.5010.7410.760产品技术创新0.8070.7570.5390.524～产品技术创新0.4920.5070.7500.801组织职能协调0.8270.7950.4880.486～组织职能协调0.4650.4670.7940.826用户创新能力0.8190.8020.4780.485～用户创新能力0.4740.4670.8050.822同侪竞争效应0.8030.7740.5080.507～同侪竞争效应0.4890.4900.7740.803
注：“～”表示逻辑运算的“非”
在条件组态分析中，本研究通过探讨多个前因条件构成的组态是否为用户参与产品创新结果集合的子集，揭示由多个前因条件构成的不同组态引致用户参与产品创新发生的充分性。以93家企业作为研究对象，运用fsQCA3.0软件对高用户参与产品创新和非高用户参与产品创新的条件组态进行分析。在进行模糊集真值表分析时，使用一致性衡量组态的充分性，将其阈值设置为0.8。依照调查样本规模，将用户参与产品创新案例频数阈值设定为1。为避免“同时子集关系”现象产生，将PRI阈值设置为0.70[32]。进行标准分析后，得到复杂解、简约解和中间解。依照Ragin&Fiss(2008)提出的QCA分析结果呈现形式，将同时存在于中间解和简约解中的前因条件作为核心条件，以仅存在于中间解中的前因条件作为辅助条件，最终分析结果如表6所示。
表6每列代表一种可能的条件组态，各组态单个解或总体解的一致性水平均高于可接受的最低标准0.8，因而可以被视为高或非高用户参与产品创新的充分条件组合。在高用户参与产品创新中(H1、H2、H3)，总体解的一致性为0.901，表明在所有满足上述3类条件组态的企业案例中，90.1%的企业呈现高用户参与产品创新结果。总体解的覆盖度为0.726，表明上述3类条件组态可以解释样本中72.6%的高用户参与案例。同理，非高用户参与产品创新的条件组态(L1、L2、L3)也具有类似解释。
3.3.1 高用户参与产品创新路径
根据组态理论化过程，对表6中的不同前因组态进行命名与分析。在5个前因条件的复杂作用下，高用户参与产品创新呈现出3种条件组态，即市场驱动型(H1)、驱动市场型(H2)、数字驱动型(H3)。
(1)组态H1：市场驱动型。在组态H1中，组织职能协调、用户创新能力和同侪竞争效应同时存在并作为核心条件，由此企业产生高用户参与产品创新结果，数字技术应用和产品技术创新可存在可不存在。这一组态意味着当企业面临高强度的同侪竞争并拥有较高创新能力的用户时，如果能够实现组织职能间有效沟通协作，就会产生高用户参与产品创新活动。该路径主要涉及组织和市场环境两个层面要素，且均为核心条件，数字技术应用和产品技术创新是否存在无关紧要，因而命名为市场驱动型。在激烈的行业竞争环境下，企业更加重视用户群体的创新资源优势，尤其是具有专业创新能力的用户更是企业重点关注的群体(如专家用户、领先用户)，他们能够为企业提供异质性创新知识，有利于企业发掘优质产品创新机会[23]。与此同时，企业职能协调也不可或缺，内部垂直沟通和横向协作有助于提升组织弹性，加速内外知识资源共享，提高用户产品创新活动参与效率和效果。上述3个核心条件满足“天时、地利、人和”，进而产生高用户参与产品创新结果。组态H1中，数字技术应用和产品技术创新两个前因条件可存在可不存在，意味着在较高同侪竞争效应和专业用户创新群体环境中，在有效的组织职能协调下，无论企业数字技术应用和产品技术创新程度如何，都不会对用户参与产品创新产生实质性影响。组态H1的一致性为0.924，原始覆盖度为0.639，唯一覆盖度为0.118，意味着该组态路径能够解释63.9%的高用户参与产品创新案例，其中11.8%的案例仅能被该条路径解释。
表6 高/非高用户参与产品创新组态
Tab.6 Configuration of strong/weak users' participation in product innovation
条件变量高用户参与H1H2H3非高用户参与L1L2L3数字技术应用●●产品技术创新●●组织职能协调●●用户创新能力●●●同侪竞争效应●●一致性0.9240.9230.9560.9310.9300.934原始覆盖度0.6390.5750.5530.5740.5940.535唯一覆盖度0.1180.0540.0330.0570.0770.064解的一致性0.9010.924解的覆盖度0.7260.715
注：表中的“●”代表核心条件存在, “ ●”代表辅助条件存在, “⊗”代表核心条件缺失,“⊗”代表辅助条件缺失，“空白”表示前因条件可有可无
(2)组态H2：驱动市场型。在组态H2中，以产品技术创新、组织职能协调和用户创新能力为核心条件，以数字技术应用为辅助条件的企业可以产生高用户参与产品创新结果，同侪竞争效应可存在可不存在。这一组态意味着无论企业同侪竞争效应如何，产品技术创新程度较高的企业只要充分运用数字技术，依托优质用户创新能力开展组织职能协调，就可以实现高用户参与产品创新。该组态的核心条件强调产品技术创新、组织职能协调和用户创新能力联动适配，因而命名为驱动市场型。为了维持自身产品优势，企业借助数字技术进行组织内部职能协调，实现利益相关者间的协同，尤其是用户合作创新[1]。高组织职能协调可以有效促进用户知识获取和利用，激发用户产品创新兴趣。良好的用户创新能力既是用户参与产品创新的基础，也是驱动用户参与行为的内生动机[3]。因此，在企业驱动市场型创新活动的推动下，用户参与产品创新程度逐步提升。组态H2的一致性为0.923，原始覆盖度为0.575，唯一覆盖度为0.054，意味着该组态路径能够解释57.5%的高用户参与产品创新案例，其中5.4%的案例仅能被该条路径解释。
(3)组态H3：数字驱动型。在组态H3中，以数字技术应用、用户创新能力和同侪竞争效应为核心条件，以产品技术创新为辅助条件的企业可以产生高用户参与产品创新，组织职能协调可存在可不存在。这一组态表明，企业在面临高强度同侪竞争效应且具有较强用户创新能力时，如果充分发挥数字技术应用价值，就能获得高水平用户参与产品创新。由于这一驱动路径由技术条件和环境条件组成，并且数字技术应用在技术条件中属于核心条件，因而将该组态命名为数字驱动型。组态H3对应的企业之所以能够产生高用户参与产品创新，是由于在高强度同侪竞争效应下，企业具有产品技术创新优势，进而促进用户参与产品创新活动。更重要的是，企业能够有效发挥数字技术在创新过程中的驱动作用，可为拥有丰富专业知识和能力的用户群体参与产品创新提供重要技术支持，从而提升用户知识吸收转化效率。组态H3的一致性为0.956，原始覆盖度为0.553，唯一覆盖度为0.033，意味着该组态路径能够解释55.3%的高用户参与产品创新案例，其中3.3%的案例仅能被该条路径解释。
(4)3种组态对比分析。由上述3条组态路径分析可以看出：①无论企业数字技术应用程度如何，面对高强度同侪竞争效应，企业只要充分利用用户创新能力，通过组织内部职能协调促进用户知识流动共享，就可以实现高用户参与产品创新；②无论同侪竞争效应如何，在高水平产品技术创新活动的推动下，企业只要借助数字技术应用，对内开展组织职能协调，对外挖掘用户创新能力，就能实现高用户参与产品创新；③面对高强度同侪竞争效应，无论企业内部组织职能协调程度如何，只要拥有高创新能力的用户群体，就可以依托数字技术优势开展开放式产品技术创新活动，实现高用户参与产品创新。
3.3.2 非高用户参与产品创新路径
为了检验高/非高用户参与产品创新是否具备非对称性，本文对非高用户参与产品创新的条件组态进行对比分析。在表6的非高用户参与产品创新条件组态中(L1、L2、L3)，总体解的一致性为0.924，表明在满足上述3类条件组态的企业案例中，92.4%的企业呈现较低用户参与产品创新结果；总体解的覆盖度为0.715，表明上述3类条件组态可以解释样本中71.5%的低用户参与产品创新案例。
在组态L1中，产品技术创新、组织职能协调和同侪竞争效应作为核心条件不存在，数字技术应用和用户创新能力可存在可不存在。也就是说，无论数字技术应用程度和用户创新能力如何，在同侪竞争效应水平较低的环境中，如果企业产品技术创新水平较低，组织职能协调能力较差，就会产生低用户参与产品创新。组态L1的一致性为0.931，原始覆盖度为0.574，唯一覆盖度为0.057。组态L2中，产品技术创新、组织职能协调和用户创新能力作为核心条件不存在，数字技术应用和同侪竞争效应可存在可不存在。该条组态路径强调，在低产品技术创新水平的企业，如果用户创新能力和组织内部职能协调能力较差，就会产生低用户参与产品创新。组态L2的一致性为0.930，原始覆盖度为0.594，唯一覆盖度为0.077。组态L3中，数字技术应用、组织职能协调和用户创新能力为核心条件不存在，同侪竞争效应作为辅助条件不存在，产品技术创新可存在可不存在。这意味着在同侪竞争效应较弱、用户创新能力较差的环境下，如果企业数字技术应用水平较低，组织职能协调能力较差，那么无论产品技术创新程度如何，均会产生低用户参与产品创新。组态L3的一致性为0.934，原始覆盖度为0.535，唯一覆盖度为0.064。
本研究采用调整校准标准和改变PRI阈值两种方法进行稳健性检验。首先，在-25%～25%之间调整变量校准时的交叉临界值，将完全隶属阈值、交叉点和完全不隶属阈值从90%、50%、10%调整为95%、50%和5%。结果显示，除分析数据及一个辅助条件发生微小改变外，条件组态分析结果未发生显著变化。其次，将PRI阈值由0.7提升至0.8，结果发现，条件组态数量得到精简，并且包含于原条件组态，本质解释并未发生改变。由此可知，本研究结果具有较高的稳健性。
为了探究数字化情境下用户参与产品创新的组态效应，本文以93个企业数据为样本，基于TOE框架提取5个代表性前因条件，使用fsQCA方法，从组态视角分析数字化情境下用户参与产品创新的条件组合与影响路径，得出如下主要结论：
(1)企业实现高用户参与产品创新具有多重并发性，遵循殊途同归原则。数字技术应用、产品技术创新、组织职能协调、用户创新能力和同侪竞争效应均不是企业实现高用户参与产品创新的必要条件。用户参与产品创新受企业3个层面5个前因条件的组合影响，包含3种条件组态，即高同侪竞争效应下的市场驱动型、高产品技术创新下的驱动市场型和高数字技术应用下的数字驱动型。在上述3种组态路径中，各自前因条件均不相同，但都可以产生高用户参与产品创新这一共同结果，可谓殊途同归。
(2)在用户参与产品创新过程中，用户创新能力、数字技术应用两个前因条件比较重要。在3种组态路径中，用户创新能力均存在并成为核心条件，说明用户群体自身创新能力在参与产品创新过程中具有关键性作用。因此，企业需要关注用户创新能力培育。数字技术应用以核心条件和辅助条件存在于两条组态路径中，并且在第3条组态路径中起关键作用。但从3种组态路径看，市场驱动型路径在当前企业用户参与产品创新中发挥主要作用，数字驱动型路径覆盖度较低，说明在用户参与产品创新中数字技术的加持作用有待进一步强化。
(3)高用户参与产品创新的条件组态与非高用户参与产品创新的条件组态存在因果不对称性。企业非高用户参与产品创新的3种条件组态包括产品技术创新—组织职能协调—同侪竞争效应抑制型、产品技术创新—组织职能协调—用户创新能力抑制型、数字技术应用—组织职能协调—用户创新能力抑制型，而高用户参与产品创新的驱动路径则包括市场驱动型、驱动市场型和数字驱动型。因此，高用户参与产品创新条件组态和非高用户参与产品创新条件组态之间具有因果非对称性，企业在塑造高用户参与产品创新组合路径时，应尽量避免抑制用户参与产品创新的条件组态。
本文依托数字化情境，基于TOE框架，采用QCA方法探讨技术、组织和环境3个层面前因条件对用户参与产品创新的组态效应，拓展了研究视角，丰富了研究内容和研究方法，具有一定的理论贡献。
(1)一方面，将数字技术应用作为用户参与产品创新的重要前因条件进行研究，探讨数字技术应用对用户参与产品创新的驱动作用。另一方面，区别于以往用户层面的影响因素研究，从企业层面探究更加宽泛的组合驱动因素和组态效应路径，选取5个具有代表性的前因条件，探究其组合关系，揭示了不同组态对用户参与产品创新的影响路径，丰富了数字技术应用与用户参与产品创新研究，拓展了用户参与产品创新组态理论研究视角。
(2)将TOE框架引入用户参与产品创新研究中，将数字化情境下用户参与产品创新视为融合数字技术和产品技术的用户创新采纳模式，从技术、组织和环境3个层面选择前因条件，探究数字技术应用、产品技术创新、组织职能协调、用户创新能力以及同侪竞争效应对用户参与产品创新的组合影响，对用户参与产品创新的多层次、系统化驱动因素及影响路径进行研究，丰富了现有用户参与产品创新研究。
(3)不同于传统变量间线性关系研究，本文采用组态理论研究中的QCA方法，探讨多个前因条件对用户参与产品创新的耦合组态效应及影响路径，识别出3种高用户参与产品创新的条件组态和3种非高用户参与产品创新的条件组态，打开了前因条件对用户参与产品创新组合影响的“黑箱”，揭示了用户参与产品创新的前因条件组态效应及驱动路径，丰富了用户参与产品创新研究方法。
(1)顺应数字化时代发展潮流，加快数字技术应用步伐。数字技术应用在用户参与产品创新过程中具有重要的加持作用，因而企业需要积极开展数字化转型，不断提升自身数字技术应用水平。处于低数字技术应用水平的企业只能选择市场驱动型路径，面对激烈的同侪竞争，依托较强的用户创新能力实现组织内部职能协调，以此吸引用户参与产品创新活动。拥有高水平数字技术的企业可以选择驱动市场型和数字驱动型两种条件路径，依托产品技术创新优势，大力开发用户创新能力，实现高用户参与产品创新。
(2)构建开放式产品创新体系，培育用户创新能力。面对复杂多变的组织创新环境，通过外部创新资源获取实现内外协同创新，构建开放式创新体系成为企业创新发展的重要举措。用户作为企业最直接的利益相关者，其拥有的创新资源已成为企业产品创新的重要源泉。从3条高用户参与产品创新的条件组态看，用户创新能力是关键的前因条件。企业无论是采用市场驱动型路径，还是驱动市场型路径，抑或是数字驱动型路径，用户创新能力均发挥基础性作用。因此，企业应借助数字化平台和线下社区平台，采用产品宣传、新品体验、竞争激励等方式提升用户群体的产品知识、专业技能和经验水平，积累外部领先用户群体，从而为用户参与产品创新提供资源基础。
(3)依照企业多层次条件基础，选取不同的等效组态路径。不同的企业，其技术、组织和环境多层次条件因素不同，在用户参与产品创新路径选择上也存在差异。从高用户参与产品创新的多重条件组合等效路径看，企业在技术、组织和环境3个层面的5种前因条件虽有所不同，但仍可产生同样的高用户参与产品创新结果。这意味着企业需要根据自身数字技术应用、产品技术创新、组织职能协调、用户创新能力和同侪竞争效应等前因条件，以及各前因条件间的耦合匹配关系，综合判断需要选择何种高用户参与产品创新组态路径。
(1)本研究基于TOE框架，结合现有用户参与产品创新前置因素研究，提取5个前因条件。受时间和条件限制，为达到fsQCA分析方法要求，本文并未探讨更多前因条件。未来研究可以通过定性比较分析方法纳入其它前因条件，以全面视角探究高用户参与产品创新的组态路径，以丰富组态理论视角的研究。
(2)本研究虽然分析了影响用户参与产品创新的组合关系，但受限于案例企业样本资料，并未对样本案例进行深层次剖析，对各种组态路径中的代表企业也未作进一步解释。未来研究可以通过深度访谈、现场观察等方式丰富相关案例资料，采用深度案例研究方法，进一步探讨不同层面前因条件对用户参与产品创新的影响。
(3)本研究涉及的前因条件和结果变量均属于静态要素，并未考虑时间和过程因素。从企业创新过程看，用户参与产品创新本身具有过程性和角色变化性。未来研究可考虑过程因素或用户角色变化，探讨不同产品创新开发阶段，或不同用户角色下影响其参与产品创新的差异化驱动因素及路径。
[1] 陈春花,朱丽,刘超,等.协同共生论:数字时代的新管理范式[J].外国经济与管理,2022,44(1): 68-83.
[2] FANG E. Customer participation and the trade-off between new product innovativeness and speed to market[J].Journal of Marketing, 2008,72(4):90-104.
[3] 解学梅,余佳惠.用户参与产品创新的国外研究热点与演进脉络分析——基于文献计量学视角[J].南开管理评论,2021,24(5):4-15.
[4] 肖仁桥,沈佳佳,钱丽.数字化水平对企业新产品开发绩效的影响——双元创新能力的中介作用[J].科技进步与对策,2021,38(24):106-115.
[5] 卢新元,王康泰,胡静思,等.基于Fuzzy-DEMATEL法的众包模式下用户参与行为影响因素分析[J].管理评论,2017,29(8):101-109.
[6] SASHI C M. Digital communication, value co-creation and customer engagement in business networks: a conceptual matrix and propositions[J].European Journal of Marketing, 2021,55(6):1643-1663.
[7] CARBONELL P, RODRIGUEZ-ESCUDERO A I, PUJARI D. Customer involvement in new service development: an examination of antecedents and outcomes[J].Journal of Product Innovation Management, 2009,26(5):536-550.
[8] 姜忠辉,崔珍珍.用户创新研究评述与展望[J].中国海洋大学学报,2017,59(5): 91-97.
[9] 张军,姜中霜,谢俊楠.用户参与与企业NPD绩效关系研究——以跨界协调为中介[J].科研管理,2021,42(11):190-199.
[10] AWA H O, UKOHA O, IGWE S R. Revisiting technology-organization-environment (T-O-E) theory for enriched applicability[J].The Bottom Line, 2017,30(1):2-22.
[11] 段淳林,崔钰婷.颗粒度、信息质量和临场感:计算广告品牌传播的新维度——基于TOE理论的研究视角[J].武汉大学学报,2022,75(1):79-90.
[12] 谭海波,范梓腾,杜运周.技术管理能力、注意力分配与地方政府网站建设——一项基于TOE框架的组态分析[J].管理世界,2019,35(9):81-94.
[13] WALKER R M. Internal and external antecedents of process innovation: a review and extension[J].Public Management Review, 2014,16(1):21-44.
[14] ZHU K, DONG S, XU S X, KRAEMER K L. Innovation diffusion in global contexts: determinants of post-adoption digital transformation of European companies[J].European Journal of Information Systems, 2006,15(6):601-616.
[15] KOCK A, GEM NDEN H G, SALOMO S, et al. The mixed blessings of technological innovativeness for the commercial success of new products[J].Journal of Product Innovation Management, 2011,28(1):28-43.
[16] 邱泽奇. 技术与组织:多学科研究格局与社会学关注[J].社会学研究,2017,32(4):167-192.
[17] GRONROOS C, VOIMA P. Critical service logic: making sense of value creation and co-creation[J].Journal of the Academy of Marketing Science, 2013,41(2):133-150.
[18] NARVER J C, SLATER S F. The effect of a market orientation on business profitability[J].Journal of Marketing, 1990,54(4):20-35.
[19] 张玉磊,张光宇,马文聪,等.什么样的新型研发机构更具有高创新绩效——基于TOE框架的组态分析[J].科学学研究,2022,40(4):758-768.
[20] SCHREIER M, PRUGL R. Extending lead-user theory: antecedents and consequences of consumers' lead userness[J].Journal of Product Innovation Management, 2008,25(4): 331-346.
[21] MANSKI C F. Economic analysis of social interactions[J].Journal of Economic Perspectives, 2000,14(3):115-136.
[22] 单标安,鲁喜凤.连接创业者社会结构与认知结构的社会机制——对Shepherd等研究的思考及数字创业情境下的启示[J].管理学季刊,2021,6(3):34-41.
[23] 田虹,田佳卉,张亚秋.顾客参与价值共创、顾客知识转移与企业双元创新[J].科技进步与对策，2022,39(8): 99-109.
[24] FISS P C. A set-theoretic approach to organizational configurations[J].Academy of Management Review,2007,32(4):1180-1198.
[25] 查尔斯C拉金.重新设计社会科学研究[M].北京:机械工业出版社,2019.
[26] DING W, DING J. New venture's product innovativeness strategy, institutional environment and new product performance[J].Technological Forecasting and Social Change, 2022,174(1):1-11.
[27] CUI A S, WU F. Utilizing customer knowledge in innovation: antecedents and impact of customer involvement on new product performance[J].Journal of the Academy of Marketing Science, 2016,44(4):516-538.
[28] FAULLANT R, SCHWARZ E J, KRAJGER I, et al. Towards a comprehensive understanding of lead userness: the search for individual creativity[J].Creativity and Innovation Management, 2012,21(1):76-92.
[29] MANGLEBURG T F, DONEY P M, BRISTOL T. Shopping with friends and teens' susceptibility to peer influence[J].Journal of Retailing, 2004,80(2):101-116.
[30] FORNELL C, LARCKER D F. Evaluating structural equation models with unobservable variables and measurement error[J].Journal of Marketing Research, 1981,18(1):39-50.
[31] GRECKHAMER T. CEO compensation in relation to worker compensation across countries: the configurational impact of country-level institutions[J].Strategic Management Journal, 2016,37(4):793-815.
[32] 张明,杜运周.组织与管理研究中QCA方法的应用:定位、策略和方向[J].管理学报,2019,16(9):1312-1323.