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

郭爱芳，陈佳凤，郭 静，李跃楠

(1.浙江理工大学经济管理学院，浙江 杭州 310018；2.浙江省生态文明研究中心，浙江 杭州 310018)

0 引言

国内关于用户参与创新的研究仍以传统背景下为多，而针对Web2.0环境下用户参与创新的实证研究较为鲜见。其次，已有关于用户参与创新的结果研究大多聚焦在企业经济绩效、创新绩效等目标实现程度及达成效率指标上，如用户参与能够提高新产品开发率[1]、降低开发成本[2]等。而有关用户参与对过程产出效果(如创意质量等)影响的研究较为少见。创意是产品创新的起点和基本条件，有效利用用户创意的企业，往往能在新产品开发活动中占有先机[3]，因此有必要关注创意质量这个过程指标。而用户创意是否被采纳正是测量创意质量高低的重要评判标准，因此值得关注用户创意采纳这项指标。现有少量关于创意采纳(或创意质量)的研究主要聚焦在创意贡献者或创意内容等单一视角上。如Li等[4]基于学习视角探索用户的创意贡献行为、创意演示特征与其个人创意实施可能性之间的关系，通过计算创意实施可能性来间接衡量创意质量。而Chan等[5]基于社交视角研究用户互动行为特征与其随后创意产出的可能性之间的关系，以用户在特定时间内所提交的创意数来测量用户随后创意产出的可能性，缺乏对创意质量的评估。基于此，本文尝试通过用户创意实际实施状态来更加客观地测度创意质量。此外，用户作为创意提出者，对创意采纳可能会产生一定影响，已有学者从用户参与范围角度研究其对创意产出可能性的影响，或研究用户参与(强度、广度、深度)与组织采纳数量之间的关系[6]。但已有研究只关注了用户互动行为特征，忽略了创意自身特征对创意采纳可能造成的影响。实际上，管理者与用户都十分重视创意应如何呈现才能被关注，甚至被实施。因此有必要对用户特征、创意特征与用户创意采纳之间的关系进行深入研究，以帮助企业辨别哪些用户是提出优质创意的潜在创意者以及如何在大量创意中，以有限资源高效挖掘出有价值的创意。

本文将探讨用户特征和创意特征对用户创意采纳的影响，并以戴尔“头脑风暴(IdeaStorm)”社区272名用户和730条创意为样本对理论模型进行实证检验，以丰富用户参与创新等理论，并为企业有效挖掘虚拟社区用户资源和创意提供一些参考。

1 研究假设与概念模型

用户创意采纳指用户参与新产品开发过程中提出具有一定质量和价值的创意并被企业所采纳。用户与其创意作为用户创新核心，用户自身特征[7]、所提创意的特征[4]都可能对用户创新结果产生一定影响。李义刚等[6]将用户参与行为划分为强度、广度和深度三个维度，以强度表示创新用户的努力程度，广度反映用户与其他用户或与企业之间的互动范围，深度则代表成员在虚拟创新社区中的贡献水平。本文以用户参与度来综合衡量用户参与的“强度”和“广度”，以用户以往贡献来衡量用户参与的“深度”。借鉴Li等[4]对创意演示特征的描述，本文将创意长度、支持证据两个指标作为衡量创意特征的维度。Gangi等[8]指出了解用户需求的方式之一是让终端用户对创意进行评论和投票，企业通常会采纳在社区上最受欢迎的用户创意。因此，本文以创意人气(即用户投票数)作为衡量创意特征的维度之一。

本文将用户特征划分为用户参与度、用户以往贡献；将创意特征划分为创意人气、创意长度和支持证据，具体分析用户和创意特征与用户创意采纳之间的关系并提出研究假设，建立概念模型。

1.1 用户特征对用户创意采纳的影响

(1)用户参与度与用户创意采纳。企业技术创新是一个连续的互动学习过程，其中用户互动是创新成功的重要因素[9-10]。而用户互动主要体现在用户与用户、用户与企业之间的交互作用[5]。用户-企业互动可帮助企业认识用户生成内容资源的潜在价值，并及时捕捉用户个性化需求[11]。基于此，本文认为用户参与度主要体现在用户与用户和用户与企业之间的互动行为上(即互动范围的广度和互动强度)[6]，而这可能会激发用户参与的积极性和创造性，进而可能会影响用户创意采纳。故本文提出假设H1：用户参与度对用户创意采纳具有显著正向影响。

(2)用户以往贡献与用户创意采纳。用户往往为获取积分等物质利益而参与社区上的创新活动，为社区做出贡献[12]。其中，用户贡献主要以知识贡献为主。虚拟社区知识贡献是指用户通过虚拟社区提供知识给他人，其行为包括提供帮助他人的专业知识、协助他人解决问题、发展新观念等[13]。已有研究表明用户的知识探索行为和知识利用能力可帮助用户产生更多的创意灵感[14]。实际上，用户在参与过程中，其主动贡献往往与那些复杂知识有关，可能对新产品创新和原有产品的优化更有价值[15]。本文根据已有研究对用户贡献定义的描述，以用户在创新社区中的贡献程度表示用户以往贡献。本文认为用户以往贡献从深度上反映了用户的创新知识水平，可能会推动用户产出一定质量的创意。故本文提出假设H2：用户以往贡献对用户创意采纳具有显著正向影响。

1.2 创意特征对用户创意采纳的影响

(1)创意人气与用户创意采纳。一般在虚拟创新社区中，社区成员可通过投票或者顶踩的形式来表达其对某创意的偏好[4]。企业可将投票点赞数作为人气指标来判断该创意是否能够得到企业重点关注。其中与产品理念一致的创意所获取的投票往往能够作为其在市场上的潜在接受度和普及度的指标[16]。因此，创意人气可代表广大用户的创意趋势，同时可测试市场，是企业重点关注的指标之一。同时，企业采纳高人气创意是企业对用户需求的一种反馈信号，可加强企业与终端用户之间的情感联系[8]。本文的创意人气主要指用户创意受到其他用户或企业的欢迎程度。本文认为如若用户创意获取的投票数高，其被企业采纳的可能性通常也会较高。故本文提出假设H3：创意人气对用户创意采纳具有显著正向影响。

(2)创意长度与用户创意采纳。社区中用户发布创意的长度通常代表其被人所能理解的难易程度。语言学研究表明，越长的文字内容通常存在越复杂的结构，导致其内容更加难以理解[17]。Li等[5]通过对认知超载和说服文学相关文献的研究，提出文字内容的长度是效益复杂度的指示符，并且其长度被认为对其质量有负面影响。实际上，企业评估员每日需评估大量创意，但因审查能力有限，故其在遇到字数多的创意时可能会将其拒之门外。本文认为用户创意长度越长，意味着企业评估员需要花费更多的时间和精力，这可能导致创意被采纳的可能性降低。故本文提出假设H4：创意长度对用户创意采纳具有显著负向影响。

(3)支持证据与用户创意采纳。虚拟社区中，创意缺乏说服力是影响其被采纳的最大挑战[18]。用户可将图片或者链接插入到帖子中以形象描述自身创意，提高解释强度[5]。由于媒体丰富性，用户可借助图片等方式来解释创意，使其更加生动且更易理解[19]，而参考链接也大多来自可靠的信息源，具有真实性以及说服力。本文所提出的支持证据主要指用户创意中存在的那些可能影响企业采纳的支持型因素。本文认为以图片、参考链接等方式所呈现的创意更具说服力，且通俗易懂，可能容易被评估员所理解，有助于创意被采纳。故本文提出假设H5：支持证据对用户创意采纳具有显著正向影响。

用户是创意提出者，用户与创意之间存在包含关系，创意处在第一层次，而用户处在第二层次。结合上述研究假设，可以得出如图1所示的概念模型。

图1 虚拟创新社区用户相关特征对其创意采纳的影响研究模型

2 研究方法

本研究利用网络爬虫软件——集搜客采集器采集所需数据，使用SPSS 21.0软件分别进行描述性统计分析、相关性分析和多元线性回归分析来检验用户特征、创意特征对用户创意采纳的影响。

2.1 样本选择和数据采集

本文选取戴尔“IdeaStorm”社区作为样本源，理由如下：①戴尔作为虚拟创新社区的先行者，网站管理机制更为成熟，不存在垃圾信息干扰，同时通过“IdeaStorm”社区来单独实现用户创意模块，使得用户可直接在该社区提交创意，不会因为信息种类杂乱而导致创意被埋没，方便进行数据采集和处理。②“IdeaStorm”社区能够及时更新用户创意的发布状态，可实时获取到关于用户创意采纳的最新相关数据，作为本研究的创意质量评估标准。

本研究利用集搜客采集器来采集“IdeaStorm”社区相关样本数据，先后登陆“IdeaStorm”社区链接1：http://www.ideastorm.com/和链接2：http://www.ideastorm.com/ideaList?lsi=0，在Top Idea区域内按其排列顺序采集创意相关信息，共计采集2007年1月初开始至2017年5月底止对普通用户公开的创意752条。利用SPSS软件绘制正态分布图进行异常值识别，根据其参数剔除创意异常值22条，共获取创意有效样本量730条，这些创意对应的用户共272名。

2.2 变量测度

对概念模型中涉及的用户参与度、用户以往贡献、创意人气、创意长度、支持证据、用户创意采纳(个体)、用户创意采纳(汇总)7个变量的测度，本文是在参考大量文献研究成果、征询专家意见、数据预采集等基础上逐步形成的。其中，用户参与度的测度借鉴Chan等(2015)和Angelopoulos等(2015)[5，20]的研究，用“用户创意发布数”、“评论数”和“投票数”来度量；参考Li等和Bezerra等[4，12]的研究，用户以往贡献用“用户积分”作为代理变量；关于创意人气的测度，则借鉴Li等和Lowrey[4，21]的研究，用“用户每条创意的投票得分”来度量；借鉴文献[4]的做法，创意长度和支持证据分别用“创意正文总字数”、“创意中的图片、参考链接”来度量；单条用户创意采纳情况用“每条创意的实施程度”表示，而汇总的用户创意采纳情况用“每个用户的创意采纳总数”表示。

2.3 样本描述和相关性分析

基于所爬取的有效样本数据，对本研究的全部变量进行描述性分析和相关性分析，如表1所示。从表1可知，用户参与度、用户以往贡献、创意人气、创意长度的标准差都比较大，说明所采集的样本数据离散程度较大。从相关系数可以发现，用户创意采纳(汇总)与用户参与度、用户以往贡献在0.001水平上显著相关；用户创意采纳(个体)与创意人气在0.001水平上显著相关，而与创意长度、支持证据相关性不显著。

表1 变量的相关性分析结果

注：***在0.001水平上显著相关。

3 假设检验

本文采用多元线性回归分析分别检验用户特征对用户创意采纳(汇总)、创意特征对用户创意采纳(个体)的影响。回归分析结果如表2和表3所示，表中1

3.1 用户特征对用户创意采纳的影响检验

如表2所示，该模型的拟合度R2值是0.788，F值在0.001水平上显著，结果表明该模型总体效果理想。此外，各解释变量的回归系数均为正且在p<0.001的水平上显著异于0，意味着用户参与度、用户以往贡献对用户创意采纳(汇总)都有显著的正向影响。因此，假设H1、H2通过验证。进一步比较各解释变量回归系数可发现，影响用户创意采纳(汇总)的用户特征因素从大到小分别为：用户以往贡献、用户参与度。

表2 用户特征与用户创意采纳(汇总)的回归分析(N=272)

注：①因变量：用户创意采纳(汇总)；②R2=0.788,调整R2=0.787，F值=501.193***；③DW=1.972，1

3.2 创意特征对用户创意采纳的影响检验

如表3所示，F值在0.001水平上显著，说明该拟合模型总体效果理想。创意人气回归系数为正且在p<0.001的水平上显著异于0，创意长度、支持证据回归系数为负且在p<0.05的水平上不显著异于0，意味着创意人气对用户创意采纳(个体)有显著正向影响，创意长度、支持证据对用户创意采纳(个体)没有显著影响。因此，假设H3通过验证，假设H4、H5不通过验证。尽管假设H3通过验证，但R2值(R2=0.026)偏小，说明创意人气对用户创意采纳(个体)的解释度很小。

表3 创意特征与用户创意采纳(个体)的回归分析(N=752)

注：①因变量：用户创意采纳(个体)；②R2=0.026,调整R2=0.022，F值=6.488***；③DW=1.949，1

3.3 进一步讨论

从上述分析可以得出：

(1)用户参与度、用户以往贡献对创意采纳(汇总)具有显著正向影响。该结论与Chan等[5]、Hahn等[14]学者的观点相互印证。一般而言，高参与度、高贡献率的用户往往在社区中具有一定影响力，与普通用户相比，这些用户的创意更能受到其他用户追崇，吸引官方评论员关注，从而获得高概率的创意采纳度。此外，用户以往贡献对创意采纳影响更大，说明这些高贡献用户已经过较多试错，对产品知识理解深刻，能提出较成熟的需求方案以满足大部分用户的需求，会在评估之后更容易被采纳。

(2)创意人气对用户创意采纳(个体)具有显著正向影响。虚拟社区上，用户往往可以通过点赞评论等形式产生热门创意，表明用户对这些创意的关注度。同时，官方通常将关注点聚焦于人气创意，将其作为公司产品的需求池，该结论与Li等[4]学者的部分观点一致。本研究部分假设没有通过实证检验，可能的原因是所采集的样本数据中，创意长度区分度不大，且大部分用户都没有借助图片等支持证据来增强自身创意说服力，只有极少数用户采用了图片、参考链接等支持证据，这可能是造成创意长度和支持证据对用户创意采纳(个体)的影响不显著的原因之一。

4 研究结论与启示

4.1 研究结论与理论贡献

本文基于虚拟创新社区这一特定环境，以用户相关特征为切入点，围绕“虚拟创新社区用户特征、创意特征如何影响用户创意采纳”这一基本研究命题，探讨了虚拟创新社区用户相关特征对用户创意采纳的影响研究，并以戴尔“IdeaStorm”社区为例，进行了实证检验。主要得出如下研究结论：①用户参与度、用户以往贡献对用户创意采纳(汇总)具有显著正向影响，其中用户以往贡献对其创意采纳影响更大。②创意人气对用户创意采纳(个体)具有显著正向影响；创意长度、支持证据对用户创意采纳(个体)没有显著影响。

本研究的理论贡献主要有以下两点：

(1)丰富了用户创新的理论和方法，拓展了用户参与创新模糊前端的研究。麻省理工学院的Von Hippel教授发现，大多数产品和服务实际上是由用户发展出来的，继而提出了“用户是创新者”的革命性观点[22]，本研究用虚拟创新社区用户客观数据进一步证实了这个观点，本文发现虚拟社区用户是重要的新产品创意源泉。Von Hippel教授进一步提出了领先用户的概念以及识别方法[10]，后续有大量理论研究围绕领先用户做了探讨[23-24]。虽然已有学者对领先用户识别进行了大量研究，但在现实中搜索和识别领先用户仍十分困难。研究指出，企业可以建立网络社区鼓励用户直接参与，以相对较低的成本获取用户创意[25]，但在拥有海量用户数据后如何经济地识别出有价值的用户也并非易事。本研究有助于识别哪些是领先用户，哪些是有价值的创意，丰富了Von Hippel的用户工具箱理论[26]。同时，本研究拓展了用户参与创新模糊前端的研究，直接探讨了虚拟社区用户相关特征与创新模糊前端——用户创意采纳之间的关系。

(2)扩宽了开放式创新研究的组织边界。在开放式创新范式下，企业可以从供应商、客户、竞争者知识机构、技术中介、普通大众、政府等多渠道获取创新源。同时，开放式创新具有情境依赖性，是在一定环境和组织情境下实施的，不同的情境和模式会产生不同的开放式创新结果[27]。以往开放式创新文献主要以传统创新背景为主，侧重于关注企业开放度的把握[28]。如今互联网等ICT技术的发展使组织边界变得模糊，开放式创新成为创新2.0新形态。本研究以产品用户为开放对象，放置于企业主导的虚拟创新社区这一新兴创新环境中，借此产生知识簇群网络，对互动内容更有聚焦性，为如何把握创新开放度提供了新方式。企业可借助此平台，从用户获得免费创新成果，不必再去耗费过多资金做研发，从而产生经济溢出效应。

4.2 对企业虚拟创新社区管理的启示

(1)企业可通过充分了解用户活跃度和贡献度来辨别其是否为潜在创意者，并在实际运营过程中重点关注这些用户所提出的创意，尤其是以往贡献大的用户。管理者可借助虚拟创新社区，制定相应对策来激发用户参与积极性，并注重与用户之间的互动，激励其提高贡献率，帮助这些用户产出更多高人气的优质创意。建议企业及时对用户创意进行评论反馈，引导用户提出具有合适场景的创意，并提供一些基础产品工具供用户自行设计进行试错，然后对用户较成熟的需求方案给予公正评分和相应的贡献奖。

(2)创意人气可作为产品市场测试指标，企业可重点关注高人气创意，并制定相应的激励措施鼓励用户提出高质量创意，积极参与相关投票活动，以此达到仅利用有限资源便可快速在大量创意中获取优质创意的目的。其中关于激励措施管理，企业可将相关的新产品作为奖品颁发给提出高人气创意的用户，并让其在经过一段时间的试用期后向企业研发部提交一份体验测试报告，而针对参与投票的用户，企业可根据其活跃程度给予相应的积分等虚拟物质奖励，使其可在社区内的积分商城兑换礼品。