Therefore, this paper combines the theory of big data-based cooperative assets with scenario-based innovation, proposes the concept of scenario-based big data cooperative asset, and discusses its four types with practical examples to deeply explore the value creation mechanism of scenario-based innovation.
Three findings are presented in this paper. Firstly, the content and features of scenario value are identified. Scenario value is defined as the experience value perceived by customers in the case of the matching between the product service and the time, space, and emotional state where the customers are positioned. It has three features derived from the interaction between enterprises and customers: co-creativity, experience and adaptability. Co-creativity highlights the feature of value creation process, while experience and adaptability emphasize the features of the demand side and supply side relatively. In addition, experience and adaptability are outcomes of co-creativity. Secondly, the concept of scenario-based big data cooperative assets is proposed. It refers to the transformation of enterprises and customers into digital assets through digital service interaction in the context composed of time, space, and behavior relations. On the one hand, the proposition of scenario-based big data cooperative assets provides a theoretical lens for the mechanism of scenario-based innovation in the digital economy. It not only fundamentally answers the question of the source of factors in scenario-based innovation, but also shares the same internal logic as scenario-based innovation. On the other hand, the proposition of scenario-based big data cooperative assets extends the big data-based cooperative asset from the perspective of application. It acts as a micro-depiction of the digital assets generated from the interaction between users and enterprises in the digital economy, comprehensively revealing the underlying mechanism of the bilateral interaction between users and enterprises of scenario value creation process. Thirdly, four types of scenario-based big data cooperative asset are divided by two dimensions of the online/offline scenes and the proactiveness of enterprises/users: enterprise-led online scenario, enterprise-led offline scenario, user-led online scenario, and user-led offline scenario. There are generalities and differences of the value creation mechanisms of these four types in the dimensions of the agents, processes, and outcomes of value creation. This paper reveals the mechanism logic of value creation of scenario-based innovation based on the analysis above. First, the big data transforms to scenario-based big data cooperative assets based on the data-generated scenarios and agent-led behaviors. Second, the value creation based on the scenario-based big data cooperative assets is realized through the digital interaction between the enterprises and users.
Different from the previous literature that mainly focused on value creation by conventional product innovation, this paper introduces the theory of big data-based cooperative assets as theoretical lens to explore the value creation mechanism and logic of scenario-based innovation in digital economy,which extends the research on scenario-based innovation by revealing its value creation mechanism and facilitates the application of big data-based cooperative assets. This paper suggests that different characteristics of big data-based cooperative assets in various contexts should be analyzed in detail in future research, and the research on value creation mechanism of scenario-based innovation should be combined with frontier practice.
开放科学(资源服务)标识码(OSID)：
随着大数据、人工智能等新一代数字技术的高速发展,以数字技术为支撑的场景化创新现象越来越受到关注。一方面,数字技术介入能够为准确、高效洞察和刻画用户行为场景提供技术基础;另一方面,数字技术生成的新场景反过来倒逼企业开展基于场景的创新[1]。场景驱动的创新既是在特定场景中应用现有数字技术以创造更大价值的过程,也是以未来趋势和需求愿景为导向,驱动战略、组织等创新要素与情境要素整合共融,突破技术瓶颈,进而开发新技术、新产品、新渠道、新商业模式,乃至开辟新市场和新领域的过程[2]。与传统产品创新创造的交易价值和使用价值不同,通过场景创新能够创造出新的价值——场景价值。场景价值强调从场景角度认识价值来源,认为人与人之间面临的时间、空间、场合、认知、情感等元素具有差异性[3],因此在价值创造过程中,需要将这些场景元素嵌入到企业与用户的互动过程中,从而创造出适应顾客具体场景需求的价值[4]。场景价值的载体不再是产品或服务,而是场景,场景价值的核心是体验[5]。既往关于价值创造的研究,多聚焦交易价值和使用价值,对场景价值创造机制尚缺乏深入揭示。
大数据合作资产理论的发展为解释数字经济背景下场景化创新的价值创造机制提供了重要理论视角。Xie等[6]首次提出大数据合作资产的概念,其核心观点强调企业和消费者在数字化服务交互中成为被另一方所拥有、利用并能创造当前或未来经济收益的数字化资产。与传统资产的概念不同,大数据合作资产强调交互性、整合性和收益双边性等特征。大数据合作资产理论将大数据、服务主导逻辑与资产视角联系起来,提出企业与消费者合作资产这一新的理论框架,从企业与消费者互动的双边视角进行价值解释,不仅能为数据作为新的生产要素提供合作资产视角的理论解释,而且能为不同场景的大数据融合提供重要理论基础[6-7]。数字化背景下,场景化创新的价值创造具有两个突出特征:一是场景化创新价值创造的资源更多依赖于大数据;二是场景化创新过程中的价值创造强调用户与企业共创。由此可见,大数据合作资产能够从底层逻辑上为场景化创新的价值创造机制提供理论支撑。
综上,本文基于大数据合作资产理论对场景化创新的价值创造机制进行深入研究。首先,阐述场景化创新所创造的场景价值的内涵、动因和特征;其次,提出场景型大数据合作资产的概念并分析其理论价值,为揭示基于场景型大数据合作资产的场景化创新价值创造机制奠定基础;最后,基于线上线下场景、企业与用户主导性两个维度对场景型大数据合作资产类型进行划分,并揭示基于不同类型场景型大数据合作资产的场景化创新价值创造机制。
场景化创新是指企业通过对特定时间、空间、行为关系、情感体验等元素构成的场景进行研究,持续与用户进行互动,从而深入洞察用户需求,帮助用户完成特定场景下任务的价值创造活动。场景化创新是从产品层面对场景驱动型创新范式内涵的进一步丰富,强调场景要素在产品创新过程中的重要作用。与传统场景化创新不同,由于数字技术的赋能作用,数字经济背景下的场景化创新具有数据支撑性、价值共创性和快速适应性3个重要特征[1]。企业基于场景化创新创造的场景价值有别于传统交易价值和使用价值,有必要探讨数字经济背景下场景价值的内涵、动因和特征。
价值是商品、服务或活动满足个人或法人实体需求或为其提供利益的能力[8]。按照价值来源的不同,可以将价值区分为交易价值、使用价值和场景价值。交易价值强调从供给侧认识价值的来源,认为企业是价值创造的主体,价值创造基于企业自身资源和能力,体现为企业生产出产品的功能或效用,通常以企业与消费者交易过程中的价格衡量。使用价值强调从需求侧认识价值的来源,认为用户感知、偏好、情感等是价值创造的驱动力,价值创造的主体是企业和用户双方,通常以用户的支付意愿衡量。场景价值是指在产品服务与顾客所处时间、空间、情感耦合的情况下,顾客感知到的体验价值[9]。场景价值强调价值在给定场景中是互动的、相对的、有意义的,是顾客对商品评价和服务的体验,场景价值的载体不再是产品或服务,而是场景,场景价值的核心是体验[5],场景价值往往以用户关注意愿、互动意愿、支付意愿和推荐意愿衡量(江积海,阮文强,2020)。
在数字时代,场景价值创造越来越受到重视。一方面,AI等数字技术的发展为企业准确、高效捕捉和刻画用户场景提供了技术支撑。例如,AI的应用能够更加精准地细分场景,丰富构成场景的要素内容,呈现出场景的动态变化[10];大数据分析技术能够帮助企业深入挖掘用户的瞬间兴趣内容,精准捕捉用户处于“当时”场景中的实时画像。通过人工智能和大数据分析等数字技术,能够促进线上(虚拟场景)线下(产品使用)的相互协同,使虚拟场景在顾客生活中具象化,实现场景产品情感化[11],进而创造出场景价值。另一方面,作为基本生产要素的大数据合作资产,能为场景价值创造提供资源支撑。在数字经济背景下,利用数字技术将企业与用户间不断交互产生的异质性数据资源整合成与场景相适配的大数据合作资产,使企业能够对动态变化的场景作出即时响应,并根据场景变化进行适应性创新,为用户提供个性化场景解决方案,进而创造出场景价值。例如,企业通过分析用户消费、浏览、点击等历史数据,能够按照标签对用户的不同属性进行分类,识别或引导用户消费行为,进而在特定时间、空间与用户情感标签耦合的情况下,及时为用户匹配相应产品和服务[12],此时产生的价值不仅仅是交易价值和使用价值,而是具有体验和情感属性的场景价值。
现有研究表明,“因场”的价值观侧重于从企业与用户连接和互动的角度认识价值,并从场景价值创造主张、价值创造主体和价值创造过程方面探究价值创造动因。
首先,用户的价值主张由功能型升级为情感型[13]。体验、互动、情怀等特定场景要素成为用户价值主张的关键词[4],通过情感共鸣、网络场景和社群互动等方式能够让商品或服务基于场景的独特体验,更好地促进企业与用户的深度连接进而产生“连接红利”(江积海,李琴,2016),并且使个体体验成为用户和企业价值创造的核心来源[14]。因此,以大数据为基础,对数字化场景下用户的新价值主张进行深入分析,关注用户的个性化场景特征,能够更精准地满足用户场景需求。
其次,价值创造主体由企业主导转变为企业与用户共同主导[15]。传统价值创造活动,无论是基于价值链的内部活动还是价值网络的平台交互活动,都强调企业是价值创造的主体(江积海,沈艳,2016)。在场景视角下,消费者愿意参与到场景意义与价值创造中,实现企业与顾客的价值共创,从而为消费者创造独特的体验价值[16]。基于场景化的互动沟通,一方面能够为消费者构建个性化场景提供有利条件[17],并为不同人群提供不同程度的个性化服务,实现产品与用户之间的匹配;另一方面,促使企业根据用户场景需求实施场景化创新,构造一个或多个与用户情感契合的消费场景,从而提高用户感知和体验价值。
最后,关系观认为主体之间持续互动是价值创造活动中知识共享与资源互补的关键。基于场景化的互动沟通能够为用户建立品牌认知和获得情感认同创造有利条件[18],互动沟通发生的时间、空间场景和信息展示场景成为影响沟通质量的关键因素[19]。由于企业与用户在产品生产过程中相互影响,而且企业与用户交互就是价值创造和价值获取的场所,使得无形消费场景变得更为重要[20]。价值创造过程也由价值创造进阶为价值共创[21-22],并通过企业与用户间互为资源的关系实现价值倍增。
传统价值创造观基于商品主导逻辑,从产业经济假设和模型中追溯价值来源,认为企业是价值的唯一创造者,顾客只是价值终端的消费者。Vargo &Lusch[23]基于服务主导逻辑提出价值共创理论,认为服务是一切经济交换的基础,消费者共同参与价值创造。数字经济背景下,企业能够深入用户生活场景,不断与用户进行数字化交互从而实现价值共创,进而满足双边收益。因此,场景价值具有以下特征:
(1)共创性。首先,从价值创造的条件看,数字时代,用户和企业利用数字技术可以实现深入交互,形成以数据为连接纽带的紧密合作关系,这使得普通消费者能够参与研发[24],从而为用户与企业的价值共创提供更充分的条件保障。其次,从价值创造的情境看,Flint等[25]认为,处于特定场景中的用户往往更容易、也更愿意对产品和服务的改进期望提出有用性的主观评价。基于人工智能、云计算、VR、AR等数字技术,不仅能够构建企业与用户线上线下相结合的互动场景,而且能够设计、创造出纯虚拟数字场景,使得企业与用户的价值共创具有更丰富的情境。
(2)体验性。与以产品为主导的交易价值和以服务为主导的使用价值不同,场景价值强调以场景元素为主导,这使得用户能够沉浸在具体场景中,具有更强的体验感。江积海[26]认为,场景价值创造具有主观性和场景依赖性,通过将特定场景元素嵌入到企业与用户的互动过程中,能够为用户创造倍增的体验和感知价值。对于场景价值而言,商品不再是简单的“物”的范畴,更多的是用户在特定场景下的独特体验[27]。这种体验性价值是一种主观的、社会主体间的现象,是由场景决定且不断变化的,取决于用户所处时间、空间、情感、行为关系等构成的特定场景[28]。简言之,从用户角度看,场景价值提供给用户的效用重点不再是功能性的,而是体验性的。
(3)适应性。构成场景的要素不是一成不变的,而是动态变化的。数字经济时代,企业能够积累更多用户特定情感诉求、偏好模式和行为习惯等隐性知识,并根据场景变化作出适应性调整[29]。这与数字技术的发展密切相关,大数据、人工智能、移动手机、可穿戴设备等数字技术的应用触发万物互联场景,各类行动者间的持续互动能够产生大量信息和知识,从而聚集成庞大的数据,企业通过对这些大数据进行获取、分析,为不同用户提供“千人千面”的产品或服务,适应不同场景下的用户需求。简言之,从企业角度看,企业提供的价值不再是一成不变的,而是能够动态适应不同场景需求。
场景价值的上述3个特征不是孤立的,而是存在内在逻辑关联。场景价值的共创性强调价值创造的过程特征,体验性、适应性分别强调需求侧和供给侧特征。整体上看,体验性和适应性是共创性的结果体现。体验性关注用户在不同场景下的认知、心理和情感,用户之所以能够产生很强的场景体验,一个重要原因是用户本身参与价值创造,能够通过数字化平台便捷地表达自身在不同场景下的需求,甚至直接参与产品开发,无论是参与过程,还是基于用户参与开发出的产品,都能够提高用户体验性。适应性是从企业角度出发,强调企业能够根据用户场景变化提供与之相匹配的产品或服务,产品价值实现始终与用户需求保持动态匹配[30]。场景价值产生的内在机制是企业在与用户的互动过程中,能够根据用户需求变化不断对产品或服务进行调整,从而实现具有适应性的场景价值共创。
大数据合作资产是指企业与消费者在数字化服务交互中成为被另一方所拥有和利用并能创造当前或未来经济收益的数字化资产[6]。谢康等[31]根据企业或消费者是否通过支付获得数字化资源使用权,提出4种不同类型的大数据合作资产,包括消费者主导型、共享型、公共品型以及企业主导的私域型。大数据合作资产理论从合作资产视角为数据作为新的生产要素提供了理论解释,也为不同场景的大数据融合提供了理论基础[6-7]。基于大数据合作资产的内涵,本研究进一步提出场景型大数据合作资产的概念。
大数据合作资产理论将价值解释从以企业为中心的单边视角拓展为企业与消费者互动的双边视角,能够为数字经济时代的许多现象,如适应性创新[31]、多元创新模式[7]、开源数字经济的创新逻辑[32]等提供有力的理论解释。同时,大数据合作资产作为一种新理论,也能为数字经济背景下的场景化创新提供重要理论基础。场景化创新强调通过企业与用户的持续互动,共同完成特定场景下的价值创造活动[1]。由此可见,尽管场景化创新与大数据合作资产属于不同研究领域,但二者在底层逻辑上是相通的,都强调基于企业与用户互动形成价值创造。
本研究结合大数据合作资产与场景化创新,提出场景型大数据合作资产的概念,即企业与用户在由时间、空间、行为关系等构成的场景中,通过数字化服务交互形成的数字化资产。在概念内涵上,数字技术、服务交换和可转移的使用权是大数据合作资产的3个关键要素[31],而场景型大数据合作资产除具备上述3个内涵要素外,还具有场景性这一新的内涵要素。除传统时空要素外,场景还包括情感、认知等特定元素以及由不同利益相关者间关系和行为构成的具体画面或特定过程[26]。场景界定了用户与企业互动的边界,在不同场景下,存在不同互动形式和互动过程,这导致不同场景下形成的大数据合作资产具有差异性。从场景角度刻画大数据合作资产,能够提高大数据合作资产的颗粒度和精确度,从而在微观层面更深入地揭示大数据合作资产的生成、作用机制。换言之,场景型大数据合作资产是对数字经济背景下具体场景中企业与用户交互产生的数字资产的微观刻画,能够从时间、空间、情感等多个微观视角全面反映用户与企业间的互动行为,从而更深入地揭示基于企业与用户双边互动的场景价值创造内在机理。
(1)场景型大数据合作资产的概念能为数字经济背景下的场景化创新机制提供解释视角。场景化创新具有怎样的内在机制?场景价值是如何被创造出来的?这是数字经济背景下场景化创新需要揭示的基本问题。场景型大数据合作资产为揭示上述问题提供了重要理论视角。首先,场景型大数据合作资产能够从根本上解决场景化创新的要素来源问题。不同创新活动需要的关键创新要素不同,而数据作为一种新的生产要素,使得数字经济时代的场景化创新得以实现。场景型大数据合作资产是对数字经济背景下具体场景中企业与用户交互产生的数字资产的微观刻画,是数字时代场景化创新的基本要素。其次,在价值创造方式上,场景型大数据合作资产与场景化创新在底层逻辑上是相通的。场景化创新强调对特定时间、空间、行为关系等元素构成的场景进行研究,并通过企业与用户间的持续互动帮助用户实现特定场景下的任务。场景型大数据合作资产强调价值是在特定场景下,由企业和用户通过一系列互动共同实现的。可见,场景型大数据合作资产与场景化创新都强调价值通过企业与用户之间的交互创造,二者在价值创造的底层逻辑上是相通的。
(2)场景型大数据合作资产能够从应用层面拓展大数据合作资产理论。数据作为一种新的生产要素已成为广泛共识,而学界对大数据如何成为资产这一基本问题仍然缺乏深入探讨[31]。大数据合作资产理论首次对大数据与价值共创、服务主导逻辑进行整合,形成原创性和前沿性理论贡献。大数据合作资产的概念具有一般性指导意义,基于这一一般性概念,本文提出场景型大数据合作资产的概念。场景型大数据合作资产是对数字经济背景下具体场景中企业与用户交互产生的数字资产的微观刻画,能够从时间、地点、场合、习惯、情感等多个微观视角全面反映用户、企业以及二者的互动行为,从而更加深入地揭示基于企业与用户双边互动的场景价值创造内在机理。因此,场景型大数据合作资产能够在应用层面对大数据合作资产理论进行拓展,从而进一步提高大数据合作资产理论对现实现象的解释力。
为揭示不同类型场景型大数据合作资产的场景化创新价值创造机制,本文将场景型大数据合作资产类型划分为两个维度:一是大数据合作资产产生的场景,包括线上和线下场景;二是大数据合作资产形成过程中企业与用户的主导性。企业与用户间的互动是形成大数据合作资产的前提条件,在大数据合作资产形成过程中,企业与用户间的互动往往不对等,一种情况是企业主导,表现为企业主动创造互动条件、积极利用用户数据开展创新活动等;另一种情况是用户主导,表现为用户主动表达消费诉求,积极参与产品或服务创新等。基于上述维度划分,本文将场景型大数据合作资产划分为企业主导—线上场景型、企业主导—线下场景型、用户主导—线上场景型和用户主导—线下场景型4种类型。
企业主导—线上场景型大数据合作资产形成于线上虚拟场景,在其场景化创新的价值创造过程中,企业起主导作用。企业利用数字技术主动收集不同场景中的用户数据,从而能够从时间、空间、关系、情感等多维度刻画用户使用场景,促使企业从产品视角转向场景视角理解用户需求、刻画用户画像,并根据场景变化进行适应性创新,动态满足用户在不同场景下的需求,为用户创造场景价值。在基于企业主导—线上场景型大数据合作资产的价值创造过程中,用户通过浏览、参与等方式留下数字足迹,这些数字足迹能够反映用户的时间、地点、关系、情感等多维度场景信息。尽管用户并未主动参与场景化创新,但这些数字足迹是形成大数据合作资产的重要来源,也是企业进行场景化创新的依据,基于用户的场景信息的价值创造能够提高用户场景体验,为用户创造场景价值。
得物App上线的“AR虚拟试穿”是这一类型的典型实例。用户在浏览鞋履的过程中,只需要简单将手机摄像头对准双脚并点击商品详情页“AR试穿”就可以体验虚拟试穿,企业利用数字技术收集并分析相关数据即可为用户呈现十分真实的试穿效果,用户能720°全方位查看上脚试穿情况和单品细节,基于试穿结果,用户可以收藏、分享、加购此产品。企业会根据用户试穿结果,进一步收集用户试穿行为呈现出的兴趣偏好,并通过大数据算法为用户精准推送相似产品。在这一过程中,从企业角度看,企业基于大数据合作资产可以准确挖掘用户的个性化场景需求,迅速推出与用户场景相适应的产品和服务;从用户角度看,得物App的AR试鞋让用户线上选鞋变得更具愉悦感,虚拟试穿不仅解决了用户出门购物不便的情况,还能够让用户拥有想换就换的沉浸式体验场景。由此,企业和用户在线上虚拟场景中通过持续交互实现价值共创。
企业主导—线下场景型大数据合作资产的用户数据资源是在线下实体场景中产生的,即用户基于线下实体场景中的消费、使用等行为生成大数据资源。该类大数据合作资产由企业主导,企业通过数字技术主动感知用户在线下实体场景中的行为变化,收集用户数据信息形成知识库,并通过平台联网传输到各触点上,实现企业与用户间的交互,形成能够为双方所利用的大数据合作资产。企业通过分析与使用这些大数据合作资产,洞悉用户在不同场景下的需求,动态作出积极响应,从而为用户提供一整套有效解决方案。在这一过程中,用户的产品或服务需求可以得到即时满足,甚至在用户还没有意识到自身需求时企业就已经定制化生成场景解决方案,做到“比你更懂你”,从而提高用户体验,提升用户满意度和品牌忠诚度。这类场景型大数据合作资产在价值创造过程中能够为合作参与者提供双边利益,实现场景价值共创。
三翼鸟是这一类型的典型案例,作为海尔智家旗下的场景品牌,三翼鸟开辟了一条从销售产品转向销售场景的新路径。三翼鸟以全场景理念为基础,为用户提供包含浴室、厨房、阳台、全屋用水、全屋空气、视听等在内的整套智慧家庭产品,当用户进入实体场景时,三翼鸟会主动感知用户在使用某个产品时的表情特征和行为变化,并利用数字技术收集与处理这些数据,从而形成有价值的大数据合作资产。基于这些大数据合作资产,三翼鸟能够快速发现用户在不同场景中的痛点,并根据用户在不同场景中的需求,生成个性化解决方案,为用户提供全流程、无断点的场景体验。
用户主导—线上场景型大数据合作资产的用户数据资源是在线上虚拟场景中产生的,用户主导表现在两个方面:一是用户基于自身在不同时间、地点、情感、认知等场景下的消费体验或通过与其他用户的互动主动提出产品或服务创新思路;二是用户将其场景化需求、拥有的知识和资源等带入企业环境中,主动参与到产品或服务创新中。企业在获取这些数据和知识后,通过与用户互动形成大数据合作资产。通过这种大数据合作资产,企业能够大量积累用户行为、偏好和情感等数据,形成精准的用户画像,从而为用户提供适应不同场景需求的产品或服务。对于用户而言,在价值共创过程中,将场景元素嵌入到企业与用户的互动过程中,能为用户创造倍增的体验和感知价值,使得用户能够沉浸在具体场景中,获得更好的场景体验。
王者荣耀等手游是这一类型的典型实例。游戏结束后,用户会根据自己在游戏中的情感、认知等场景体验及与其他玩家的交流沟通主动向王者荣耀官方提出改进意见,官方收集到用户信息数据后,针对用户需求不断进行调整和优化,生成个性化场景解决方案。例如,早期游戏角色荆轲被设置为女性,这违背了用户的历史认知,在广大玩家建议下,王者荣耀官方将这一角色重新命名为阿珂,以满足用户的认知需求;再如,很多玩家对“曹操一技能”的位移距离过短提出意见,王者荣耀官方根据这些意见进行改进,在增加曹操位移距离的同时,提升了这一技能的使用手感。
用户主导—线下场景型大数据合作资产的用户数据资源是在线下实体场景中产生的,用户主导体现在用户基于自身经验和知识并结合现有产品知识和资源主动参与企业新产品或新服务开发。首先,用户在使用或体验某个产品或服务时,会利用自身知识、资源和技能积极参与产品或服务创新,自由表达其想法,分享经验,从而生成大数据资源,并将这些大数据资源提供给企业,帮助企业开发新产品和新服务。其次,企业不断收集、分析和使用用户数据资源并即时反馈,以满足用户需求,通过持续互动形成大数据合作资产。企业利用这种大数据合作资产不仅能获得新知识和新资源,而且能够准确捕捉用户个性化需求,针对用户场景变化作出适应性调整,为用户提供与场景相匹配的解决方案,增强用户在特定时间、空间、关系等场景中的情感体验,提高用户黏性。
海底捞是这一类型的典型实例。在线下场景消费体验中,用户会根据“当时当场”的氛围、体验、情感等随性创造出各种新吃法,如番茄肥牛汤、鸡蛋虾滑面筋球、香辣豆花、虾滑肥牛响铃卷、捞汁小海鲜、卷饼、手工水饺、红油热干面等,这些用户“自制”的先动行为成为海底捞重要的数据资源。海底捞通过收集、分析这些数据资源,能够及时掌握用户不同场景体验,通过即时反馈加强双方之间的互动,形成有价值的大数据合作资产。在“自制”菜品创新过程中,用户会因时间、空间、情感、认知等不同而对产品和服务提出各种改进期望,而且场景元素的嵌入能够增强用户在价值共创中的体验,提高用户对企业的品牌忠诚度。
通过上述分析发现,4类场景型大数据合作资产的价值创造机制既有区别又有共性(见表1)。
表1 4类场景型大数据合作资产价值创造机制的共性与区别
Tab.1 Generalities and differences of value creation mechanisms of four types of scenario-based big data cooperative assets
比较维度企业主导线上场景型企业主导线下场景型用户主导线上场景型用户主导线上场景型价值创造主体企业主导,用户被动参与企业主导,用户被动参与用户主导,企业被动迎合用户主导,企业被动迎合价值创造过程用户生成行为数据,企业进行数据分析,识别创新机会用户产生大数据资源,企业基于数据分析提供完整解决方案用户参与产品创新,企业提供创新支持用户提供创新想法,企业进行创新开发价值创造结果企业能提高创新效率,增强用户虚拟体验企业能即时响应用户需求反馈,提高用户满意度企业能准确高效识别用户个性需求,强化用户价值感知企业能获取更多创新性想法,提升用户情感体验
从价值创造过程看,4类场景型大数据合作资产的价值创造分为企业主导和用户主导两种。其中,企业主导体现在企业会主动创造互动条件,激发用户持续进行访问,积极利用用户数据开展创新活动等;用户主导表现为用户会主动表达消费诉求,为企业提供产品或服务创新构思,推动企业为用户提供场景化解决方案。对于参与互动的主体,不管是企业主导还是用户主导,都强调场景价值的共创性。首先,用户在不同场景中的情感、体验、行为和认知会以数据的形式存储起来,企业利用数字平台与数字技术收集、分析和使用大数据资源,从而能准确刻画用户画像,并通过与用户持续互动形成大数据合作资产,为场景化价值创造提供驱动条件。其次,基于大数据合作资产,企业能够准确洞察用户场景化需求,为用户完成某个特定场景下的任务提供完整解决方案。同时,用户也能基于自身场景化需求及拥有的知识、资源参与企业产品创新,通过与企业进行价值共创开发相应产品或服务。
从价值创造结果看,线上场景重点关注用户的数字足迹和虚拟体验,而线下场景更多强调用户的实际行为和主观感受,无论是线上虚拟场景还是线下实体场景都具有场景价值的适应性和体验性。对于企业而言,由于构成场景的要素是动态变化的,企业能够利用大数据合作资产根据场景变化作出适应性调整,从而更有针对性地对不同场景化需求进行差别管理,提高企业商业价值。对于用户而言,场景价值不仅意味着获得产品的使用价值,更强调用户在特定时间、空间、目的、情感、认知等场景中的体验价值,从而实现企业与用户间的双边收益或不同参与者之间的多边收益。理论上,线上虚拟场景或线下实体场景都不能单独存在,随着大数据合作资产的进一步丰富与发展,最终都会向深度融合方向演化发展。
大数据合作资产理论为数字经济时代的场景化创新提供了重要理论解释,强调通过企业与消费者互动进行价值创造。基于上文分析,本文归纳出场景化创新的价值创造机制逻辑(如图1所示),包括以下两个过程:一是基于数据生成场景和主体主导行为,实现从大数据资源到场景型大数据合作资产的转化;二是通过企业与用户间的数字化交互,实现基于场景型大数据合作资产的价值创造。
图1 场景型大数据合作资产价值创造机制逻辑
Fig.1 Mechanism logic of value creation of scenario-based big data cooperative assets
首先,数据资源的产生离不开用户的数字化参与,其中包括用户生成的非结构化大数据,如社交媒体上的大量创新思想均源自对这些非结构化数据的使用[33]。此外,用户的社会角色转变也可能导致生成不同类型大数据,如Xie[6]等提出的交易型、交流型、参与型和跨界型4类大数据。数字技术能为大数据合作资产形成提供关键技术支撑,极大提升消费者参与行为的可数据化程度,使企业能够突破时空限制,即时获取和利用用户数据资源[34]。然而,单纯拥有异质资源并不代表能够形成合作资产,合作资产的形成取决于两个关键条件,即异质资源能否被有效整合和用于企业与用户的服务交互中,只有将异质资源转化为合作资产,才能成为行动者创造收益的价值潜力。
其次,不同场景下的数据能够反映用户不同需求特征,只有深入用户场景,才能准确把握用户需求。对于线上虚拟场景,企业能够利用数字技术快速高效获取用户数据,并基于这些数据分析从时间、空间、关系、情感等多维度刻画用户使用场景,识别用户在不同时空场景下的消费体验,从而准确理解用户需求。对于线下实体场景,企业能够通过数字技术即时感知用户在线下实体场景中的动态行为,识别用户在使用或体验某个产品或服务时的情感变化,不断收集、分析和使用这些用户数据资源并即时反馈,以满足用户需求。因此,只有将用户生成的数据与场景进行融合,才能形成特定场景型大数据合作资产,从而有助于企业对动态变化的场景即时响应、即时调节,并根据场景变化进行适应性创新,使用户需求得到精准满足。
传统价值创造观认为企业是价值的唯一创造者,顾客只是价值的接受者,往往从产品角度理解需求,重点关注产品功能的完善,强调产品的交换价值和使用价值。场景化创新则是从场景出发理解用户需求,认为需求蕴含在场景中,是特定场景下用户想要完成的任务。因此,企业基于场景型大数据合作资产能够为用户提供整体解决方案,从而帮助用户完成特定场景下的任务。其中,企业与用户间的数字化交互是关键,当这种互动关系通过协同演化的形式呈现时,用户与企业会通过持续的服务交互激发适应性创新,进而通过场景型大数据合作资产实现场景价值创造。
一方面,在与用户的数字化交互中,企业的适应性表现在能够借助大数据和人工智能等数字技术快速洞察用户的特定情感诉求、偏好模式和行为习惯,并针对不同用户的个性化需求,或者同一用户在不同场景下的差异化需求作出适应性调整[29],根据用户的不同场景需求提供“千人千面”的产品或服务,从而形成更加敏捷应对用户需求变化的竞争能力。另一方面,通过与企业的数字化交互,用户的体验性表现在能够基于数据化参与沉浸在具体场景中,实现产品服务与用户的时间、空间和情感高度耦合,从而获得倍增的情感体验和感知价值[26],进一步提高用户与企业的数字连接能力。因此,企业和用户基于场景型大数据合作资产,通过持续的数字化交互促进场景价值创造,使企业能够动态适应用户的不同场景需求,并使用户获得产品功能价值以外的体验价值和情感价值。
随着数字技术的纵深发展,越来越多的企业在数字技术驱动下,从以产品为载体的创新向以场景为载体的创新转变,随之带来的价值创造也由传统的交易价值、使用价值转向场景价值。本研究以大数据合作资产理论为基础,对场景化创新的价值创造机制展开研究,得出以下主要结论:首先,在数字驱动的场景化创新背景下,场景价值具有共创性、体验性与适应性的显著特征。其中,共创性强调价值创造的过程特征,体验性和适应性分别强调需求侧和供给侧特征,体验性和适应性是共创性的结果体现。其次,大数据合作资产为揭示场景化创新价值创造机制提供了重要理论视角,在此基础上,本研究提出场景型大数据合作资产的概念,即企业与用户在特定时间、空间、行为关系等元素构成的具体场景中,通过数字化服务交互形成的数字化资产。从场景角度刻画大数据合作资产,能够提高大数据合作资产的颗粒度和精确度,从而更深入地揭示场景化创新的价值创造机制。最后,基于线上线下场景、企业与用户主导性两个维度,将场景型大数据合作资产划分为企业主导—线上场景型、企业主导—线下场景型、用户主导—线上场景型、用户主导—线下场景型4种类型,这4类场景化创新价值创造过程和结果既有共性也有区别。
本文研究结论丰富和发展了场景化创新及大数据合作资产理论与实践,主要体现在:在理论上,首先,基于大数据合作资产视角揭示场景化创新的价值创造机制,从而拓展了场景化创新研究;其次,提出场景型大数据合作资产的概念,将大数据合作资产应用到场景化创新中,促进大数据合作资产理论在实践中的应用。在实践上,本研究能够帮助企业进一步理解大数据合作资产与场景化创新之间的匹配适应关系,进而指导企业利用大数据合作资产洞察用户场景性需求,为用户创造场景价值。
在未来研究中,一方面需要详细分析大数据合作资产在不同场景下的特点;另一方面,应该结合前沿实践,深入研究基于大数据合作资产的场景化创新价值创造机制,如关注企业与用户的合作能力、场景构建要素及场景的具体呈现方式等。
[1] 邹波,杨晓龙,董彩婷.基于大数据合作资产的数字经济场景化创新[J].北京交通大学学报(社会科学版),2021,20(4):34-43.
[2] 尹西明,苏雅欣,陈劲,等.场景驱动的创新:内涵特征、理论逻辑与实践进路[J].科技进步与对策,2022,39(15):1-10.
[3] CHANDLER J D, VARGO S L. Contextualization and value-in-context: how context frames exchange[J]. Marketing Theory, 2011,11(1):35-49.
[4] 江积海,刘芮.互联网产品中用户价值创造的关键源泉:产品还是连接——微信2011—2018年纵向案例研究[J].管理评论,2019,31(7):110-122.
[5] 邓慧兰,赵占波,姚凯.顾客价值视角下拼购小程序营销创新研究——基于扎根理论的案例分析[J].南开管理评论,2021,25(6):108-119.
[6] XIE K, WU Y, XIAO J, et al. Value co-creation between firms and customers: the role of big data-based cooperative assets[J]. Information &Management, 2016, 53(8): 1034-1048.
[7] 齐佳音,徐乐沁.大数据合作资产的多元创新模式[J].北京交通大学学报(社会科学版),2021,20(2):13-27.
[8] PRIEM R L, WENZEL M, KOCH J. Demand-side strategy and business models: putting value creation for consumers center stage[J]. Long Range Planning, 2018, 51(1):22-31.
[9] 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.
[10] 李高勇,刘露.场景数字化:构建场景驱动的发展模式[J].清华管理评论,2021,11(6):87-91.
[11] 赵振.“互联网+”跨界经营:创造性破坏视角[J].中国工业经济,2015,32(10):146-160.
[12] 江积海,王若瑾.新零售业态商业模式中的价值倍增动因及创造机理——永辉超级物种的案例研究[J].管理评论,2020,32(8):325-336.
[13] 亚历山大·奥斯特瓦德,伊夫·皮尼厄,格雷格·贝尔纳达.价值主张设计:如何构建商业模式最重要的环节[M].北京:机械工业出版社,2015.
[14] AKAKA M A, VARGO S L, SCHAU H J. The context of experience[J]. Journal of Service Management,2015,26(2):206-223.
[15] DEMIL B, LECOCQ X, RICART J E, et al. Introduction to the SEJ special issue on business models: business models within the domain of strategic entrepreneurship[J]. Strategic Entrepreneurship Journal,2015,9(1):1-11.
[16] PRAHALAD C K, RAMASWAMY V. Co-opting customer competence[J]. Harvard Business Review,2000,78(1):79-90.
[17] AMIT R, ZOTT C. Crafting business architecture: the antecedents of business model design[J]. Strategic Entrepreneurship Journal,2015,9(4):285-306.
[18] GUITART I A, HERVET G. The impact of contextual television ads on online conversions: an application in the insurance industry[J]. International Journal of Research in Marketing,2017,34(2):480-498.
[19] 荣朝和.互联网共享出行的物信关系与时空经济分析[J].管理世界,2018,34(4):101-112.
[20] 罗珉,李亮宇.互联网时代的商业模式创新:价值创造视角[J].中国工业经济,2015,32(1):95-107.
[21] VARGO S L, LUSCH R F. Institutions and axioms: an extension and update of service-dominant logic[J]. Journal of the Academy of Marketing Science, 2016, 44(1): 5-23.
[22] EDVARDSSON B, TRONVOLL B, GRUBER T. Expanding understanding of service exchange and value co-creation: a social construction approach[J]. Journal of the Academy of Marketing Science,2011,39(2):327-339.
[23] VARGO S L, LUSCH R F. Service-dominant logic: continuing the evolution[J]. Journal of the Academy of Marketing Science,2008,36(1):1-10.
[24] 肖静华,吴瑶,刘意,等.消费者数据化参与的研发创新——企业与消费者协同演化视角的双案例研究[J].管理世界,2018,34(8):154-173.
[25] FLINT D J, WOODRUFF R B, GARDIAL S F. Exploring the phenomenon of customers' desired value change in a business-to-business context[J]. Journal of Marketing,2002,66(4):102-117.
[26] 江积海.商业模式创新中“逢场作戏”能创造价值吗——场景价值的理论渊源及创造机理[J].研究与发展管理,2019,31(6):139-154.
[27] 蔡春花,刘伟,江积海.商业模式场景化对价值创造的影响——天虹股份2007—2018年数字化转型纵向案例研究[J].南开管理评论,2020,23(3):98-108.
[28] HELKKULA A, KELLEHER C, PIHLSTRÖM M. Characterizing value as an experience: implications for service researchers and managers[J]. Journal of Service Research,2012,15(1):59-75.
[29] 赵振,彭毫.“互联网+”跨界经营——基于价值创造的理论构建[J].科研管理,2018,39(9):121-133.
[30] 肖静华,胡杨颂,吴瑶.成长品:数据驱动的企业与用户互动创新案例研究[J].管理世界,2020,36(3):183-205.
[31] 谢康,吴瑶,肖静华.基于大数据合作资产的适应性创新——数字经济的创新逻辑(二)[J].北京交通大学学报(社会科学版),2020,19(2):26-38.
[32] 齐佳音,张国锋,王伟.开源数字经济的创新逻辑:大数据合作资产视角[J].北京交通大学学报(社会科学版),2021,20(3):37-49.
[33] YOO Y, BOLAND JR R J, LYYTINEN K, et al. Organizing for innovation in the digitized world[J]. Organization Science, 2012, 23(5): 1398-1408.
[34] EREVELLES S, FUKAWA N, SWAYNE L. Big data consumer analytics and the transformation of marketing[J]. Journal of Business Research, 2016, 69(2): 897-904.