开放科学(资源服务)标识码(OSID)：
In recent years, the research on the mechanism of enterprise micro-innovation has made some achievements.However, there are still three shortcomings in the existing research.First, scholars put forward the driving elements of micro-innovation from different perspectives, but in general, these driving elements were too slightly messy to focus on the core elements of micro-innovation.Second, the existing research failed to systematically discuss the driving paths of enterprise micro-innovation and unable to find which combination of driving elements could successfully achieve micro-innovation.Finally, the research method was deficient.The explorative case study was the common method to study micro-innovation.Although the explorative case study was of great advantage in developing concept and theoretical construction, it was lack of empirical test.Therefore, it was impossible to verify whether the driving elements could really have impact on micro-innovation.In view of the above, this research constructs an enterprise micro-innovational driven mechanism model based on innovation ecosystem theory including six elements, namely environmental uncertainty, environmental competition, opportunity identification capability, organizational learning capability, user participation and lead user.The model tries to explore the complex influence mechanism on how the six elements of innovation ecosystem drive enterprise micro-innovation, and it is tested by fuzzy set qualitative comparative analysis(fsQCA)approach.The fsQCA approach has an advantage on both qualitative and quantitative study.It can make up for lack of empirical research on micro-innovational driving mechanism.
Eighteen micro-innovational cases are selected from the database of China Management Case-sharing Center(CMCC).First, the research group members establish a score criterion for each variable item of the model.Next, three senior professors in the field of innovation are invited to grade the same micro-innovational case according to the score criterion.The average score of the three professors is taken as the item score if the item passes internal consistency test.The average score of each item is taken as the variable score for the fsQCA data analysis.The quartile method is used to calibrate all of the variables.At last, the necessity and adequacy data analyses are conducted by fsQCA software.
The results show that firstly the necessity of all driving elements is not higher than 0.9.Therefore, single element of innovation ecosystem does not constitute the necessary condition of enterprise micro-innovation.Secondly there are three recipes that can drive high micro-innovation, namely opportunity identification dominant with user driven in the typical case of Tencent's Wechat; opportunity identification dominant with environment and user participation driven, in the typical case of Byte Beating's Tiktok; opportunity identification dominant with environment, organizational learning and lead user driven in the typical case of Alibaba's Alipay.Thirdly only one recipe can generate non-high micro-innovation, which verifies the existence of asymmetric causality relationship compared with the recipes of high micro-innovation.Fourthly opportunity identification capability as core driving element appears in the three configurations of high micro-innovation and one configuration of non-high micro-innovation, which shows that opportunity identification capability plays a more important role in driving enterprise micro-innovation.
Different from the lack of systematic theoretical framework for enterprise micro-innovational driving mechanism in the existing study, this research brings six elements from three levels into the analysis framework based on innovation ecosystem theory, which provides a powerful supplement to the existing literature.At the same time, three configurations are found to drive micro-innovation, which opens the black box of micro-innovational driving mechanism, as well as reveals the driving differences among enterprises.These findings are of positive significance on the micro-innovational driving mechanism from the perspective of innovation ecology.In addition, it is the first time to introduce fsQCA approach to micro-innovation research,providing a new attempt to explain the complex causality relationship of micro-innovation.The research conclusions provide managerial implications for enterprises to develop micro-innovational practice.
开放科学(资源服务)标识码(OSID)：
在移动互联时代，企业面临快速变化、不确定性和难以预测的竞争环境，消费者需求更加多样化，同类产品差别缩小，企业间竞争更加激烈[1]。在部分企业抱怨技术进步机会越来越少的同时，有些企业凭借对用户需求的精准把握，通过快速迭代和不断试错的微创新(Micro-Innovation)获得迅速成长。腾讯微信凭借“摇一摇”“发红包”等微创新备受用户青睐，逐渐占据国内主流即时通信市场。小米手机通过每周一次的用户参与MIUI系统更新与迭代迅速聚集人气，成为全球成长速度最快的公司。上述企业微创新活动促使其在短时间内获得竞争优势，从而实现商业价值[2]。那么，不同企业间的微创新具有怎样的差别？如何协同各种要素以更好地驱动企业微创新？这不仅是现实问题，更是亟待研究的科学问题。
近年来，企业微创新驱动机制研究已经取得一定成果。一方面，现有研究主要考察环境不确定性、环境竞争性等环境层面因素[1,3]，机会识别、组织学习等组织层面因素[2,4]，以及用户参与、领先用户等用户层面因素对微创新的影响[5-6]；另一方面，大部分学者采用探索性案例研究方法[2,6-10]，构建企业微创新驱动机制模型。上述文献为全面理解企业微创新驱动机制奠定了一定基础，但仍存在以下不足：第一，虽基于不同视角提出微创新驱动因素，如环境不确定性、环境竞争性、机会识别能力、领先用户等，但缺少系统理论研究框架，未揭示微创新核心驱动因素。第二，对上述驱动因素的内部作用机制阐述不足，未从理论层面探讨企业微创新驱动路径及因素组合。最后，研究方法过于单一。虽然案例研究在概念和理论构建方面存在较大优势，但仅停留在驱动模型探索与构建层面，并未对模型进行实证检验，因而无法验证上述驱动因素能否对微创新产生影响。
针对现有研究不足，本文基于创新生态系统(Innovation Ecosystem)理论构建企业微创新驱动机制模型，并运用模糊集定性比较分析方法(Fuzzy Set Qualitative Comparative Analysis，fsQCA)深入挖掘创新生态系统驱动企业微创新的复杂因果机制。近年来，创新生态系统作为新的理论研究视角，受到越来越多学者关注[11-12]。创新生态系统研究将企业创新驱动因素视为系统要素，提倡关注各要素间的相互依赖和协同互动关系，后者是实现系统整体效益最大化目标的关键(梅亮等，2014)。这一理论的独特之处在于能够基于系统化视角为企业微创新驱动机制构建提供可供参考的分析框架。此外，本文采用模糊集定性比较分析方法对微创新驱动机制进行实证检验，该方法运用集合论和布尔运算挖掘多种驱动因素组态效应，能够克服传统方法的局限(杜运周、贾良定，2017)。作为基于整体论分析多种要素间组态效应的工具，该方法可为揭示企业微创新驱动路径提供解决方案。综上所述，本文基于18个代表性微创新案例，深入挖掘多重因素驱动企业微创新的复杂因果机制，以期丰富现有企业微创新研究成果，为转型期本土企业微创新实践提供科学指导。
学者们主要从战略管理、市场营销和创新管理等视角，探讨微创新内涵。基于战略管理视角的研究认为，微创新是指企业在快速变化、高度不确定性环境下获得竞争优势与长足发展的响应机制和创新战略选择[1,3]。基于市场营销视角的研究将微创新定义为用户至上，通过快速迭代满足用户需求，进而改善用户体验的创新方式[7,8]。基于创新管理视角的研究持两种观点：一种观点认为，微创新是一种渐进式创新形式，强调企业在原有产品、服务或工艺(流程)基础上的微小改进和不断试错(赵付春，2012)；另一种观点认为，微创新既不是渐进式创新，也不是颠覆式创新，而是在关键技术上使产品和服务更加灵活的独特创新思路[2,13]。
由此可见，虽然现有研究未就微创新内涵达成共识(张庆强等，2021)，但可提供以下启发：首先，微创新诞生于高度不确定性竞争环境。在移动互联时代，环境不确定性和激烈竞争在一定程度上能够促成微创新。其次，微创新以用户为中心。从用户需求出发，以良好的用户体验为目标，强调用户参与微创新并进行反馈[13]。最后，本文认为，微创新是一种渐进式创新形式。在移动互联时代，微创新属于渐进式创新，但其为渐进式创新注入了以下特质：第一，不断试错，微创新强调根据用户反馈进行调整，从而改进产品不足；第二，快速迭代，微创新具有持续、快速、动态等特质，强调“小而快”，不注重追求完美，而重视创新迭代速度。
Adner[14]最早提出创新生态系统概念，认为创新生态系统是将创新视作一个复杂且由多种不同利益相关者驱动的过程。按照层次结构，创新生态系统包括宏观层面的国家创新生态系统、中观层面的产业创新生态系统以及微观层面的企业创新生态系统。本文关注以微创新为目标的微观层面创新生态系统，即企业创新生态系统。企业创新生态系统是指由相互连接组织构成的网络，上述网络围绕核心企业或平台构建，由企业所在组织、用户，以及自然、社会和经济环境等要素构成，并在此基础上通过创新实现价值创造[15]。各创新生态要素间协同互动是实现价值创造和创新活跃度提升的关键[14]。根据现有研究成果，创新生态系统研究将环境、组织和用户3个层面的要素纳入同一分析框架。环境层面，微创新是指企业为应对环境不确定性和环境竞争性，进而获取竞争优势的战略选择[3]。因此，环境不确定性和环境竞争性是企业实现微创新的两个重要环境要素[1]。组织层面，基于Yli-Renko等[16]的研究观点，组织能力是影响企业持续竞争优势的重要因素，所有组织因素通过组织能力均可转化为创新行动。从能力视角切入，罗仲伟等[2]、吴隽等[4]指出，机会识别能力和组织学习能力是企业实现高水平微创新必备的重要能力。用户层面，企业开展微创新活动既需要获得大量领先用户支持，又需要用户以不同形式参与微创新过程。因此，领先用户和用户参与是备受学者关注的用户层面要素[2,5,6]。由此，梳理创新生态系统3个层面六大要素与企业微创新的关系。
1.2.1 环境层面
(1)环境不确定性与微创新。环境不确定性是移动互联网时代企业所处环境的显著特征。现有研究表明，环境不确定性有助于促进企业微创新。微创新强调企业对外部不确定环境变动的敏感性，通过探测和识别外部环境变化抓住创新机遇进行快速迭代[1]，从而激活企业微创新。
(2)环境竞争性与微创新。环境竞争性是指企业与市场上同类商品生产企业间的竞争，其中竞争者包括现实竞争者与潜在竞争者。研究表明，企业所处竞争环境越激烈，越能促进微创新。在激烈的竞争环境中，企业为了保持竞争优势，必须预测和捕捉竞争对手的创新动向并予以响应[3]。因此，在与竞争对手互动、博弈过程中，企业必须对产品进行持续迭代改进以确保竞争优势，由此促进企业微创新。
1.2.2 组织层面
(1)机会识别能力与微创新。机会识别能力是指企业感知并发现市场需求，进而创造商业价值的能力，即感知、发现与创新的过程[17]。现有研究发现，机会识别能力对微创新具有促进作用。组织通过机会识别发现市场需求和用户偏好变化，并利用现有资源进行迭代改进和重构，进而促使组织持续开展微创新活动[2]。
(2)组织学习能力与微创新。组织学习能力是指组织为了提高核心竞争力所采取的学习行动，包括组织作为学习主体的知识获取、运用及共享能力[18]。研究表明，组织学习能力有助于促进微创新。组织通过不断学习获取知识，实现产品快速更新迭代，从而促进微创新[2,6]。
1.2.3 用户层面
(1)用户参与与微创新。用户参与是指用户在信息提供、设计、生产等阶段以不同形式参与企业微创新活动[6]。现有研究表明，用户参与有利于促进企业微创新。企业为了实现自身价值，需要生产满足用户需求的产品，用户需求是企业微创新的出发点和落脚点。然而，企业要准确把握用户需求，就必须主动邀请各类用户参与微创新活动。企业在用户参与和反馈中发现问题并迅速改进，进入新一轮迭代，不断完善产品和服务，从而促进微创新。
(2)领先用户与微创新。领先用户是指在某一领域具有专业知识的用户，他们不仅能够提供创意，而且可以通过设计解决方案满足自身需求[19]。领先用户能够预测未来市场发展趋势与用户需求变化。因此，他们尚未得到满足的需求是强烈的，期望从设计解决方案中获得收益[20]。上述需求促使领先用户为企业提出产品设计和改进意见，从而有利于驱动企业微创新。
综上，先前研究可为深入理解创新生态系统各要素与微创新的关系奠定基础。然而，相关研究并未揭示创新生态系统要素间的互动关系及其对微创新的影响。因此，本文从组态视角出发，试图分析多因素间的联合效应和互动关系。基于组态视角的研究认为，组织可被看作相互关联的结构和实践集群，而非松散结合的实体。因此，不能以孤立视角分析、理解组织(杜运周、贾良定，2017)，这与创新生态系统研究观点相吻合。创新生态系统强调企业各要素间的协同与共生关系，每个要素都与系统息息相关。因此，以组态视角切入，能够揭示创新生态系统各要素与微创新的复杂因果关系。本文采用基于组态视角的fsQCA方法，探索创新生态系统各要素驱动企业微创新的因果机制，构建理论模型如图1所示。
图1 理论概念模型
Fig.1 Theoretical model
本文采用Ragin[21]的模糊集定性比较分析(fsQCA)方法进行实证研究。fsQCA方法以集合论和布尔代数为基础，分析导致结果产生的前因条件组合。采用fsQCA方法探索企业微创新复杂因果机制，主要基于以下方面的考虑：第一，企业微创新是创新生态系统内多个因素共同作用的结果，既不能由单一条件决定，也不能由多个条件分别决定。因此，传统回归方法或方差分析方法不能从根本上解决上述问题。第二，fsQCA方法能够有效分析3个及以上变量的交互作用。因此，该方法能够很好地解释微创新多条等效驱动路径问题。第三，fsQCA方法适用于分析10个或15～50个中等规模样本[21]。本文案例样本数量为18个，属于中等规模样本。
微创新是决策者立足于企业战略层面进行的选择，实证方法对案例企业的要求较高，因而上述情境下兼顾样本代表性和多样性的难度较大。因此，本文采用二手数据进行研究。在案例样本选择方面，借鉴Su等[22]的研究成果，样本来源于中国管理案例共享中心(CMCC)的案例库。目前，CMCC案例库是全球第三的管理案例库(排名前两位的是美国哈佛商学院案例库和加拿大毅伟商学院案例库)，现有版权案例超过5 000个。选择CMCC案例库作为数据来源的原因如下：第一，企业案例数据详尽。无论是从案例多样性还是充裕度看，CMCC案例库中的数据均可满足研究需要。第二，从数据真实性看，企业新闻报道虽然较多，但这些内容往往带有宣传成分。CMCC案例库中，大部分案例由高校老师基于企业调研的一手数据获得，内容相对客观，案例真实性较高。
研究样本筛选步骤如下：第一步，以微创新为关键词在CMCC中进行搜索，得到企业微创新案例共24个；第二步，通过阅读案例正文，剔除案例主题不是微创新的案例，二次筛选得到18个符合要求的案例。根据微创新定义，企业微创新强调对产品、服务或工艺(流程)的微创新(赵付春，2012)，本文筛选出的案例主要为产品微创新案例，具体案例信息如表1所示。
表1 案例企业基本情况
Tab.1 Introduction of case enterprises
编号案例企业及产品成立年份(年)总部地点所属行业1小米手机2010北京通讯科技2OPPO手机2004广东东莞通讯科技3华为手机1987广东深圳通讯科技4浪潮服务器1945山东济南通讯科技5腾讯微信2011广东广州互联网通讯6阿里巴巴支付宝2003浙江杭州互联网金融7新浪微博2009北京互联网通讯8字节跳动今日头条2012北京互联网通讯9字节跳动抖音2016北京互联网通讯10海尔家电1984山东青岛家电制造11海信家电1969山东青岛家电制造12美的家电1968广东顺德家电制造13吉利汽车1986浙江杭州汽车制造14布丁酒店2007浙江杭州经济型酒店15Xbed酒店2015广东广州互联网酒店16金山WPS1989广东珠海软件产品和服务17乐高玩具1932丹麦玩具18长隆欢乐世界2006广东广州主题公园
在案例打分阶段，参考Su等[22]的研究成果，首先，由4位课题组成员参照各变量题项对案例正文和教学说明进行半结构化阅读。然后，针对每个题项的打分标准进行细化，打分标准参照李克特5级量表，如表2所示。再次，邀请3位创新研究领域资深教授按照打分标准对同一案例进行打分，并检验评分者内部一致性(Inter-rater Agreement，IRA)。对于IRA小于0.7的题项，由3位成员共同讨论直至达成一致意见。最后，全部题项通过一致性检验后，取3位成员打分的平均值作为该题项最终得分，并取各题项平均值作为变量取值。
表2 打分标准示例
Tab.2 Examples of score criterion
示例变量示例题项分值/案例描述环境竞争性企业所处的行业竞争是残酷的5分/企业同类产品的竞争对手有10家以上,潜在进入者很多4分/企业的竞争对手有8～10家,潜在进入者较多3分/企业的竞争对手有6～7家,潜在进入者比较少2分/企业的竞争对手有3～5家,潜在进入者较少1分/企业竞争对手少于3家,潜在进入者非常少用户参与用户参与新产品开发是该企业研发工作的重要组成部分5分/非常重要的组成部分4分/比较重要的组成部分3分/一般重要的组成部分2分/不太重要的组成部分1分/完全不重要的组成部分微创新企业产品能够对用户需求和市场反馈作出快速响应5分/企业产品对用户需求响应以周为单位4分/企业产品对用户需求响应以月为单位3分/企业产品对用户需求响应在半年以下2分/企业产品对用户需求响应在半年到一年之间1分/企业产品对用户需求响应超过一年
为确保量表信度和效度，参考已有研究成果，采用双盲形式对问卷进行中英文互译，并结合中国情境对量表测量题项进行适当修正。其中，环境不确定性测量采用Waldman等[23]的研究量表，共4个题项，如“企业所处技术、经济和文化等环境变化迅速”；环境竞争性测量采用Jaworski等[24]的研究量表，共4个题项，如“企业所处的行业竞争是残酷的”；机会识别能力测量采用Teece[25]的研究量表，共3个题项，如“企业经常探索和再探索用户需求或用户潜在需求”；组织学习能力测量采用陈国权等[26]的研究量表，共6个题项，如“企业善于从以前的工作中进行反思，总结经验或教训”；用户参与测量采用Cui等[27]、解学梅等(2019)的研究量表，共4个题项，如“该企业经常邀请用户作为共同开发者参与新产品开发”；领先用户测量采用Hua等[5]的研究量表，共4个题项，如“该企业存在比其他用户更早发现新产品问题和解决方案的用户”；企业微创新测量采用李全升等(2019)的研究量表，共4个题项，如“企业经常对现有产品、服务或设计进行迭代超越”。
在fsQCA数据分析前，对每个条件变量和结果变量进行校准。本文采用模糊集的直接校准法对各变量进行校准，即指定某一定距尺度的值，该定距尺度对应的3个端点构成一个模糊集标准，即完全不隶属、交叉点和完全隶属[21]。参考Fiss[28]、杜运周等(2020)的研究成果，本文将6个条件变量与一个结果变量(企业微创新)完全不隶属、交叉点、完全隶属的3个校准点，分别设定为案例样本描述性统计结果的下四分位数(25%)、中位数和上四分位数(75%)。非高微创新校准通过取高微创新的非集实现，具体校准结果与各变量描述性统计分析结果如表3所示。
表3 变量校准与描述性统计分析结果
Tab.3 Calibration and descriptive statistical analysis of variables
条件和结果模糊集校准完全不隶属交叉点完全隶属描述性分析均值标准差最小值最大值企业微创新3.9384.2504.7504.3060.4753.5005.000环境不确定性4.2504.5004.7504.4860.3953.5005.000环境竞争性4.2504.5004.7504.4440.4293.2505.000机会识别能力4.0004.3304.6704.3150.5033.0005.000组织学习能力4.2004.6004.8004.5110.3414.0005.000用户参与3.5504.0004.8004.0000.7752.2005.000领先用户3.5003.7504.3133.8190.6172.5005.000
本文首先检验单个前驱条件(非集)是否是构成企业高微创新与非高微创新的必要条件。根据Ragin[21]的建议，如果某个条件变量的一致性水平(Consistency)大于0.9，则该条件是构成结果的必要条件。使用fsQCA3.0软件分析高微创新与非高微创新的必要条件，检验结果见表4。结果显示，所有条件变量的一致性均不超过0.9。因此，在6个条件中均不存在高微创新与非高微创新的必要条件。
表4 单个条件必要性检验结果
Tab.4 Necessity test of single condition
条件变量结果变量的一致性高微创新非高微创新环境不确定性0.8180.472～环境不确定性0.3390.703环境竞争性0.5880.471～环境竞争性0.5160.645机会识别能力0.8600.332～机会识别能力0.2610.803组织学习能力0.5950.438～组织学习能力0.5090.678用户参与0.7340.350～用户参与0.3950.795领先用户0.6940.457～领先用户0.4480.702
3.2.1 高微创新企业的创新生态系统
与必要条件分析不同，条件组态充分性分析可以揭示由不同组态导致结果产生的充分性。同样，条件组态充分性可以采用一致性指标加以衡量。Schneider等[29]认为，原始一致性阈值不得低于0.75。杜运周等(2017)指出，为了避免可能存在的矛盾组态问题，PRI(Proportional Reduction in Inconsistency)一致性阈值最好大于等于0.75，0.7也可以接受。根据样本规模可以确定频数阈值，对于中小样本而言，频数阈值为1即可；对于大样本而言，频数阈值可以选择2或更大值[29]。本文中，综合考虑如下方面对一致性阈值和频数阈值加以确认：一是真值表中结果为0和1的组态大致平衡，参考现有研究，本文将原始一致性阈值设定为0.80，将PRI一致性阈值设定为0.75；二是本文案例样本数量为18，属于中小样本，因而将案例频数阈值设定为1。
运行fsQCA3.0软件输出3种类型的解：复杂解(不使用逻辑余项)、中间解(采用符合理论和实际的逻辑余项)、简约解(采用所有可能有助于简化组态的逻辑余项)。参考现有研究[28]，本文采用中间解，并辅以简约解对核心条件与边缘条件加以区分。其中，实心大圆表示核心条件存在(同时存在于简约解和中间解中)，实心小圆表示边缘条件存在(仅存在于中间解中)，含叉大圆表示核心条件缺失(同时缺乏于简约解和中间解中)，含叉小圆表示边缘条件缺失(仅缺乏于中间解中)，分析结果如表5所示。
表5 高/非高微创新产生组态
Tab.5 Configurations of high/non-high micro-innovation
条件变量高微创新的组态H1aH1bH1c非高微创新的组态NH1环境不确定性●● 环境竞争性 ●● 机会识别能力●●● 组织学习能力 ● 用户参与●● 领先用户● ●●一致性0.8061.0001.0000.977原始覆盖度0.2890.1590.1280.200唯一覆盖度0.2610.1360.0960.200总体一致性0.8830.977总体覆盖度0.5260.200
注：●表示核心条件存在，●表示边缘条件存在，⊗表示核心条件缺失，⊗表示边缘条件缺失，空白表示该条件既可出现也可不出现；在非高微创新进行标准分析(standard analysis)时，选择“～机会识别能力”作为质蕴涵项(prime implicants)，下同
高微创新组态有3个(H1a、H1b和H1c)，这3个组态可构成二阶等价组态，因为它们具有相同的核心条件，即机会识别能力对高微创新具有核心作用。此外，每个组态一致性均大于0.8，总体一致性为0.883，总体覆盖度为0.526，均达到管理领域QCA研究要求。
(1)机会识别主导下的用户驱动型。组态H1a指出，企业微创新主要受机会识别能力、用户参与和领先用户驱动，即便在环境竞争性和组织学习能力欠佳的情况下也是如此。此路径强调机会识别能力和用户因素的重要影响。机会识别能力有助于企业发现市场需求和用户偏好变化，识别更多价值来源[2]。在此条件下，用户参与能够为企业提供更加准确的需求信息，促使企业及时发现产品问题并进行快速迭代。同时，领先用户能够帮助企业预测市场发展趋势，加快迭代速度，助力微创新。良好的企业创新生态能够催生高微创新。该组态原始覆盖度最大，是促使企业高微创新产生最可能的原因。
该类企业创新生态的典型案例为腾讯微信、浪潮服务器和乐高玩具。上述3家企业以机会识别能力为核心，用户参与和领先用户优势突出，共同促进高微创新。以微信为例，从最初“能发照片的免费短信”转变为“移动通信、社交、娱乐、金融服务和电子商务平台”，微信成功体现出其强大的机会识别能力。从“摇一摇”“二维码”“公众号”到“小程序”，每次创新都是满足用户需求的机会识别。此外，微信每年都举办各种形式的主题活动，邀请用户参与产品设计，收集用户想法和意见。在微信公众号中，设有自助工具、常见问题、意见反馈3个功能，增加与领先用户交流渠道。基于机会识别、用户参与和领先用户的企业创新生态有助于微信在持续微创新过程中成长为用户理想的成熟产品。
(2)机会识别主导下的环境与用户参与驱动型。组态H1b指出，企业微创新主要受机会识别能力、环境不确定性、环境竞争性和用户参与驱动，即使在组织学习能力和领先用户两个条件缺失条件下也是如此。该组态体现出环境因素、机会识别和用户参与对企业微创新的协同作用。环境不确定性和环境竞争性是移动互联时代的显著环境特征。当企业面对不确定性环境时，为了保持和提高竞争优势，需要具备较强的机会识别能力，充分发掘用户需求和偏好。同时，用户参与能够识别用户需求，及时发现产品问题并迅速改正，不断更新和完善产品，进而促进高微创新。
该类企业创新生态的典型案例是抖音。抖音成立于2016年，作为互联网的后起之秀，在成立之初就面临高不确定性环境和激烈的市场竞争。面对快手、秒拍、美拍等同行业竞争，抖音善于机会识别，努力发掘用户需求，经常举办小型聚会、访谈。此外，抖音通过产品社区策划挑战活动，鼓励用户参与、创作视频，并将优秀视频推荐到首页。当用户在全国各城市发起聚会时，抖音要求产品运营经理现场与用户互动交流，征集产品改进建议。由此，抖音取得了惊人的增长速度，以10天左右的迭代频率发布一个新版本，快速提升产品功能，不断进行微创新。从创立之初，仅5个月时间，抖音注册用户就突破1个亿，成为国内短视频领域的佼佼者。
(3)机会识别主导下的环境、组织学习与领先用户驱动型。组态H1c指出，在用户参与不足条件下，机会识别能力、组织学习能力、环境不确定性、环境竞争性和领先用户共同驱动高微创新。该组态能够体现环境因素、组织因素和领先用户对企业微创新的联合作用。与H1b组态不同，该路径突出组织学习与领先用户对微创新的影响。当面对较高不确定性环境时，领先用户的消费引领能力与企业的组织学习能力相互促进，共同促进企业高微创新。
此组态的典型案例是支付宝。2004年，支付宝从淘宝分离出去时面临较高的环境不确定性和激烈的行业竞争。当时，四大国有银行占据金融市场，国内鲜有金融机构与国有银行竞争。从马云作出“你敢用，我敢赔”这一承诺开始，支付宝开启快速发展之路。从线上支付到线下扫码支付，支付宝准确把握每次发展机会，小而灵活的团队开发模式使其具备较强的组织学习能力，保持强大的机会识别能力和组织学习能力。此外，支付宝拥有一定规模的领先用户，后者能够提供对产品的想法和期待，开发人员收集上述信息，从而快速优化改进产品。通过不断试错与快速持续微创新，支付宝在第三方移动市场上占据霸主地位，覆盖所有线上和线下支付场景，其便捷性和巨大的交易量令传统银行望而生畏。因此，机会识别能力、组织学习能力、环境因素和领先用户共同形成支付宝高微创新生态优势。
3.2.2 非高微创新企业的创新生态系统
考虑到QCA方法的因果非对称性，为了深入了解影响微创新的创新生态，本文对非高微创新组态进行检验(见表5)。首先，非高微创新组态仅有一个，即NH1。该组态显示，在缺乏环境不确定性、环境竞争性、机会识别能力、组织学习能力和用户参与的创新生态中，即使有较多数量的领先用户，也不会产生高企业微创新。第二，促使高微创新产生的3个前因组态均以高机会识别能力作为核心条件，而非高微创新的一个组态以非高机会识别能力作为核心条件，充分说明机会识别能力对企业微创新具有重要影响。
本文采用调整一致性阈值的方式进行稳健性检验。将PRI一致性阈值从0.75提高至0.85，使用更为严格的阈值对真值表进行分析，结果如表6所示。此时，高微创新总体解的一致性提升至1，总体解覆盖度却降低至0.444，且所得高微创新组态为原高微创新组态的子集(表6中组态H1a是表5组态H1a的子集，表6中组态H1b和H1c与表5组态H1b和H1c完全一致)。此外，非高微创新组态与原模型结果一致。因此，研究结果通过稳健性检验。
表6 组态稳健性检验结果
Tab.6 Robust test of configurations
条件变量高微创新组态H1aH1bH1c非高微创新组态NH1环境不确定性●●● 环境竞争性 ●● 机会识别能力●●● 组织学习能力 ● 用户参与●● 领先用户● ●●一致性1.0001.0001.0000.977原始覆盖度0.2070.1590.1280.200唯一覆盖度0.1790.1360.0960.200总体一致性10.977总体覆盖度0.4440.200
本文基于创新生态系统理论，采用fsQCA方法，以18家企业微创新作为案例样本，探讨创新生态系统6个关键因素对微创新的影响机制，得到如下主要研究结论：
(1)环境不确定性、环境竞争性、机会识别能力、组织学习能力、用户参与和领先用户均无法单独构成高微创新及非高微创新的必要条件，表明单个驱动要素对企业微创新的解释力较弱。
(2)高微创新有3条实现路径，即机会识别主导下的用户驱动型、机会识别主导下的环境与用户参与驱动型，以及机会识别主导下的环境、组织学习与领先用户驱动型，上述路径组态能够反映企业微创新多重驱动方式。非高微创新实现路径仅一条，且与高微创新实现路径具有非对称关系。
(3)高微创新的3个组态均以机会识别能力作为核心条件，非高微创新的一个组态以非高机会识别能力作为核心条件，说明机会识别能力对企业微创新具有重要作用。因此，在移动互联时代，机会识别能力对企业微创新的影响不容忽视，是企业需要识别并拥有的核心能力。
(1)本文构建了环境、组织和用户3个层面要素协同驱动企业微创新的分析框架。与现有研究理论框架不同，本文在创新生态系统理论的基础上，将多层面因素纳入同一分析框架，衍生出驱动企业微创新的6个条件，可为后续实证分析提供有力的理论支持。
(2)本文基于组态视角，实证探讨创新生态系统环境、组织和用户3个层面6个关键因素对企业微创新的协同驱动效应，是对现有文献的有益补充。通过揭示机会识别主导下的用户驱动型、机会识别主导下的环境与用户参与驱动型和机会识别主导下的环境、组织学习与领先用户驱动型3条企业微创新驱动路径，打开微创新驱动机制研究的“黑箱”，进一步揭示出微创新驱动在不同企业间的差异，对创新生态视角下企业微创新驱动机制研究具有积极意义。
(3)现有文献仅停留在微创新驱动模型构建层面，鲜有文献对上述模型进行实证检验。fsQCA方法兼具定性与定量研究优势，可为解释企业微创新现象的复杂因果机制提供新的视角，同时回应了学者们对运用定性比较分析方法研究创新生态系统这一复杂管理现象的呼吁。
(1)提升企业机会识别能力。机会识别能力在促进企业微创新方面扮演非常重要的角色。因此，企业需要充分评估自身是否具备良好的机会识别能力。如果不具备则需通过组织变革与重构培育机会识别能力；如果具备，则应重视与用户、环境要素的良性耦合，从而有效促进微创新。
(2)鼓励用户参与，营造良好的微创新氛围。首先，企业需要高度重视领先用户的想法和建议，因为后者对企业微创新活动具有举足轻重的影响。其次，构建鼓励用户参与微创新的平台，并采用激励机制鼓励用户持续参与微创新，进而构建企业开放式创新生态系统。
(3)研判外部环境，助力企业微创新。环境不确定性和竞争性是驱动企业微创新的重要外部条件。企业可以根据所处环境特征，研判微创新战略实施的必要性。当企业处于不确定性环境时，应结合自身条件，充分发挥用户尤其是领先用户的作用，促进微创新。
本研究存在以下不足：第一，理论框架虽然整合了创新生态系统维度下环境、组织和用户3个层面6个关键因素，但考虑到创新生态系统的复杂性，未来可以加入其它层面因素，如政府因素(政府行为引导、政策激励等)，进一步拓展研究结论。第二，由于CMCC案例库样本数据的局限性，企业案例样本偏少，一定程度上降低了结论的可推广性。未来可以补充更多企业微创新案例，进一步提高结论的普适性。最后，仅探讨创新生态系统与微创新的静态关系，而微创新是一个持续迭代过程，未来可以采用TQCA进行时间序列组态分析，深入挖掘创新生态系统变化对微创新的影响。
[1] 胡丹丹,杨忠.微创新:基于不确定性竞争环境的创新新范式[J].社会科学,2018，40(11):41-48.
[2] 罗仲伟,任国良,焦豪,等.动态能力、技术范式转变与创新战略——基于腾讯微信“整合”与“迭代”微创新的纵向案例分析[J].管理世界,2014,30(8):152-168.
[3] 白光林,刘雪纯.环境不确定性与竞争性对企业微创新路径的影响研究[J].经济体制改革,2019，37(3):115-121.
[4] 吴隽,刘衡,刘鹏,等.机会进化、效果推理与移动互联微创新——对手机APP新创企业的多案例研究[J].管理学报,2016,13(2):173-183.
[5] HUA Y,ATREYI K.User service innovation on mobile phone platforms: investigating impacts of lead userness, toolkit support, and design autonomy[J].MIS quarterly,2018, 42(1):165-187.
[6] 周青,聂力兵,毛崇峰,等.中小企业微创新实现路径及其关键机制研究[J].科学学研究,2020,38(2):323-333.
[7] HYYSALO S.User innovation and everyday practices: micro-innovation in sports industry development[J].R & D Management,2009,39(3):247-258.
[8] ROUSI R, SAARILIOM P, LEIKAS J.Unpacking the contents a conceptual model for understanding user experience in user psychology[J].Interchange, 2011,41(1): 81-89.
[9] 胡海波,涂舟扬.大数据背景下传统制造企业微创新演化:“江西李渡”和“贵州茅台”双案例研究[J].科技进步与对策,2018,35(3):101-110.
[10] 胡海波,涂舟扬,管永红.微创新视角下企业成长组织惯例演化:李渡酒业案例剖析[J].科技进步与对策,2017,34(20):78-86.
[11] DATTEE B, ALEXY O, AUTIO E.Maneuvering in poor visibility: how firms play the ecosystem game when uncertainty is high[J].Academy of Management Journal,2018,61(2): 466-498.
[12] GAWER A , CUSUMANO M A.Industry platforms and ecosystem innovation[J].Journal of Product Innovation Management,2014,31(3):417-433.
[13] 周青,聂力兵,毛崇峰,等.企业微创新:研究述评与展望[J].科技进步与对策,2019,36(2):153-160.
[14] ADNER R.Match your innovation strategy to your innovation ecosystem[J].Harvard Business Review,2006,84(4):98-107,148.
[15] DODGSON M,GANN D,PHILLIPS N.The Oxford handbook of innovation management[M].Oxford: Oxford University Press, 2015.
[16] 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):587-614.
[17] ARDICHVILI A,CARDOZO R,RAY S.A theory of entrepreneurial opportunity identification and development[J].Journal of Business Venturing,2003,18(1):105-123.
[18] CHADWICK I C,RAVER J L.Motivating organizations to learn: goal orientation and its influence on organizational learning[J].Journal of Management,2015,41(3): 957-986.
[19] VON HIPPEL E.Lead users: a source of novel product concepts[J].Management Science, 1986,32(7):791-805.
[20] FRANKE N,HIPPEL E V,SCHREIER M.Finding commercially attractive user innovations: a test of lead user theory[J].Journal of Product Innovation Management,2006,23(4):301-315.
[21] RAGIN C C.Configurational comparative methods: qualitative comparative analysis and related techniques[M].New Delhi,India: Sage Publications,2008.
[22] SU J Q,ZHANG S,MA H H.Entrepreneurial orientation, environmental characteristics, and business model innovation: a configurational approach[J].Innovation: Organization & Management,2020,22(4):399-421.
[23] WALDMAN D A,RAMIREZ G G,HOUSE R J, et al.Does leadership matter? CEO leadership attributes and profitability under conditions of perceived environmental uncertainty[J].Academy of Management Journal,2001,44(1):134-143.
[24] JAWORSKI B J,KOHLI A K.Market orientation: antecedents and consequences[J].Journal of Marketing,1993,57(3):53-71.
[25] TEECE D J.Explicating dynamic capabilities: the nature and micro foundations of(sustainable)enterprise performance[J].Strategic Management Journal, 2010,28(13):1319-1350.
[26] 陈国权,周为.领导行为、组织学习能力与组织绩效关系研究[J].科研管理,2009,30(5): 148-154,186.
[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] FISS P C.Building better causal theories: a fuzzy set approach to typologies in organization research[J].Academy of Management Journal,2011,54(2):393-420.
[29] SCHNEIDER C Q, WAGEMANN C.Set-theoretic methods for the social sciences: a guide to qualitative comparative analysis[M].Cambridge: Cambridge University Press,2012.