战略维度间的匹配关系与企业战略定位选择——基于战略群组理论视角

段 霄，武常岐

(1.上海立信会计金融学院工商管理学院，上海 201209；2.山东大学管理学院，山东 济南 250100)

1 引言

战略定位是企业管理领域的一个重要问题，长期以来受到众多学者与管理者的关注。Mintzberg等[1]把定位分析列为战略管理学的一个学派，从管理哲学角度进行了深入的思辨研究。Porter[2-3]认为企业的战略定位需要基于行业结构，考虑五种竞争力量的强弱。Dibrell等[4]指出企业的社会意识强弱会影响其竞争定位选择。这类文献界定了战略定位的基本概念，发现了重要的通用影响因素。但在此基础上，战略定位的研究还需进一步精确化和定量化，结合具体行业和业务属性来深入分析企业的定位选择，帮助企业做出正确的战略决策。

一些关于定位的研究关注到了企业的具体业务和市场竞争，但倾向于把企业战略定位狭义地理解为企业的“产品”或“品牌”在市场上的定位。例如，Urde和Koch[5]以及Jewell和Saenger[6]对产品或品牌的定位研究是围绕市场细分、目标顾客、品牌形象等概念，适宜分析企业的产品开发或市场营销策略。然而，“企业”的战略定位问题并不等同于企业的某一“产品”或“品牌”如何定位，两者的研究视野和分析层级有所不同。从企业层面探讨竞争战略定位问题的文献仍比较缺乏。

想要准确理解企业的战略定位，需要把握住以下两个基本问题。第一，战略定位的关键在于理解基本战略维度间的内在关系，寻找合理的匹配组合。如果把战略模式看作一个多维度战略空间中的位置，只有实现战略维度之间合理搭配、有机互动的战略位置，才是好的定位选择。Fiegenbaum和Thomas[7]对美国保险行业的研究发现，该行业中仅有三种适合企业长期生存的战略模式，它们就是实现了重要战略因素合理搭配的三个战略位置。刘凯宁等[8]对商业模式的研究也表明，不同战略要素之间要相容才能构成合理可行的模式。杨瑛哲和黄光球[9]研究企业转型时发现，产品组合策略应当在若干战略属性上具有一致性。第二，战略定位需要深入理解行业内部竞争以及企业间差异。行业内部竞争是众多企业不得不面对的问题，优良的战略定位会吸引众多企业的注意，但不可能容纳所有的同行竞争者。战略相似度越高的企业越容易产生实际竞争或潜在的竞争[10]，一部分企业考虑到其它企业的定位以及激烈竞争的后果，可能去选择次优的定位。也就是说，定位选择不仅是对战略位置优劣的比较，还会因企业自身竞争力而限制定位范围。

为了把握以上两点，本研究尝试基于战略群组理论视角探索战略定位问题。战略群组(strategic groups)理论以行业中实施着不同战略的若干企业群为对象，研究它们的战略特征、竞争互动以及绩效表现[11-12]。战略群组研究通常以某一具体行业为背景，关注企业整体战略特征、而不是某一产品或品牌的属性，其分析层面恰好对应竞争战略定位问题。更重要的是，战略群组理论恰好满足企业战略定位分析的两个要点。首先，战略群组理论把企业的战略模式看作一种组合，而不是某个单一维度上的决策[11-13]，重视不同战略维度之间的匹配、互动关系。例如，Leask和Parker[13]，Gomez等[14]都多次提到了战略的多维度概念。第二，战略群组理论重视企业间差异和行业内竞争[15]，它们也是影响企业战略定位的重要因素。战略定位分析中，论及企业的技术投入、业务比重、产品线宽度等取值高低时，一般是与同行业竞争者相比较而言[16]，是要在行业竞争的背景下进行定位。可见，战略群组理论是分析企业战略定位问题的良好视角，但是在以往文献中几乎未被用于战略定位研究。

在本研究的目标行业选择上，互联网行业的影响力愈发增强，并且经历了移动互联业务迅速发展、激烈竞争的时期，促使互联网企业深入思考自己的业务战略与定位问题。相比一些处于稳定环境中的传统行业，战略定位的影响作用应当更加明显。因此，本研究将分析中国互联网企业在移动互联业务快速发展时期的竞争战略与绩效，揭示该行业中的定位格局与绩效高低分布，为企业战略定位问题提供新的启示。

2 理论分析和假设提出

2.1 战略群组理论对企业战略定位的理解

在战略群组理论视角下，战略定位可理解为企业对行业中若干典型战略组合模式的选择。战略群组理论认为，依据所实施战略的相似程度，可以把行业中的所有企业划分为若干个内部较为相似、彼此差异较大的企业群，即战略群组[2,13]。战略群组成员在一些重要战略属性上的平均取值，大致代表了这类企业的典型战略模式，如Guedri和McGuire[12]把群组中心处的取值看作整群企业的战略特征。各群组的战略特征可看作不同战略维度的典型组合，对应着行业中的几类定位选择。不同群组之间往往存在绩效差异[13]，群组内部的相对位置也具有影响[17]。

企业战略是全局性、整体性的设计和选择[2]，需要考虑战略因素之间的因果、制约等关系[18]，不是对单一职能或资源的强化问题。管理学文献中已经找到了不少对企业绩效有积极作用的因素，但并不能认为只要努力加强这些因素上的投入就可以获得成功。例如，企业信息技术资产的重要价值已经被确认，但不少文献发现，对信息技术的投入量并非越多越好，而是需要结合一系列内外部因素进行权衡[19]。可见，如果仅对单个战略变量开展分析，反而难以找出其合理取值，与最佳定位所对应的取值可能有很大偏差。成功的战略定位不一定使每项职能或每种资源的使用都处于最高效率，但能够实现不同维度战略因素的合理搭配，达到整体致胜的目的。在战略群组理论视角下，战略定位的首要问题就是在一定的时期和行业背景下，选择使不同战略因素间互相匹配的某种合理组合。

2.2 三类典型的战略位置

从战略群组视角出发，可以将行业中的战略位置分为三类。第一类是在整个行业中最具优势的战略组合所在的位置。在特定时期，每个行业都会存在一种最有利于企业生存和发展的战略模式，它能够实现战略维度间最合理的匹配，使企业获得最高的增长速度或盈利水平，可称之为行业内的最佳战略位置。在战略群组研究中，绩效最高的群组所对应的战略模式往往反映了一定时期内该行业中的最佳定位。例如，在Mascarenhas和Aaker[20]对海洋采油企业的研究中，绩效最高的是兼具较大的采油深度和离岸距离、较高的国际化程度的一个企业群。Guedri和McGuire[12]研究美国、欧洲和日本的制药企业发现，绩效最高的企业群是由同时具有创新程度高、销售规模大等特征的企业组成。也许在某些时期内，这些处在最佳位置的企业绩效水平并未大幅超出其它企业，但其战略模式的合理性以及竞争优势是存在的。

第二类是比最佳定位差一些、但也能够实现战略维度合理组合的其它位置，可简称为次优的战略位置。行业中可供企业生存的战略模式一般不止一种[7,13]，除了最佳战略位置外，通常还存在使战略因素互相匹配的其它合理定位。企业定位于较差的战略位置，原因可能包括以下两点。第一，因行业中存在移动壁垒[20]，企业可能在某种资源或能力上无法达到最佳定位的门槛要求。例如，如果制药行业在某一时期的最佳定位组合中需要高额的研发投入额度，部分企业可能缺少资金、人才和专利储备，或在出现创新机遇时畏惧风险[21]，不能成功实施这种战略模式。第二，最佳定位区域可能竞争激烈，使一些企业在此处定位的收益低于其它合理位置。战略模式相同或近似的企业之间更容易发生竞争[10]，在对资源、市场的争夺下，每一战略定位区域所能容纳的企业数量有限。由于以上两个原因，会有一部分企业选择次优的定位区域。

最后，第三类是未能实现合理组合的战略位置。由于对行业趋势理解不够、或反应迟缓等原因，一部分企业处在各战略因素之间不匹配的位置，这些企业将会获得较低的平均绩效水平。处于这些战略位置上的企业，绩效会低于处在前两类合理定位之下的企业群，也低于行业平均水平。企业要避免定位于这类不合理的战略位置。

2.3 竞争战略定位的维度选取

抓住少量关键维度是理解行业内部竞争格局的便捷途径[22]。Porter[2]的一般竞争战略就是抓住了业务模式的“低成本-差异化”以及“聚焦-广泛”这两个分析维度；Hoskisson等[23]研究PE行业内的战略定位时，采用了财务结构与投资组合范围这两个与业务相关的关键战略维度。本研究考虑到互联网行业信息技术密集的特点，以及样本期内移动互联市场爆发增长的背景，选择移动互联业务和IT投资强度这两个关键维度，来刻画互联网行业内部的战略定位。原因详述如下：

首先，移动互联业务是重要的新型互联网业务形式，与传统的PC互联网业务有比较明显的差异，是众多企业竞相争夺的焦点。例如，移动终端的形态及用户界面都与固定终端或传统的非智能手机明显不同，移动性和即时性大大加强，并产生了诸如基于用户位置等新形式的互联网应用服务。同时，企业在设计产品或服务时也要考虑移动端的限制，如网络带宽有限、终端性能较弱、屏幕较小等特征[24]，来重新设计产品或服务。可见，移动互联这一重要业务的发展情况应当纳入对互联网企业战略的分析维度。

第二，互联网是比较典型的信息技术密集行业，IT资源对企业运营和创新具有关键支撑作用。IT资源可促进提升企业产出量和生产率，改进产品质量[25]，还可增进企业的知识管理水平，有助于R&D活动开展，促进产品设计、生产等多个环节的创新[26]。可见，IT投入是促进企业创新、成功开展移动互联业务的关键条件。综合以上分析，移动互联业务和IT投资强度是互联网行业中两个非常重要的因素，作为本研究的两个战略维度，开展下面的研究。

2.4 最佳定位处的战略组合与企业绩效

根据Eisenmann[27]的分析，互联网行业存在明显的网络效应和学习效应，为了争夺先行者优势，企业非常重视快速增长的机会。本文认为，同时具有较高的移动互联业务比重和较高的IT投入强度能帮助企业实现快速增长，这一定位代表着最具优势的组合，原因如下。

一方面，移动互联业务开展越快，就更加需要IT资源的支持。企业拓展新形式的移动互联业务，需要购买和使用IT软硬件设备，形成必要的资源基础，满足需要更多计算与匹配的移动市场需求。而且，移动互联业务具有较高的创新性，IT资产可以提升企业R&D水平和创新性产品的产出[26]，支持移动互联新业务的开展。此外，IT投资还可以提升企业运营效率、改进流程灵活性[28]，帮助企业快速响应外部市场变化，更好地满足移动互联时代的个性化需求。

另一方面，IT资源的价值也需要在移动互联业务的不断扩张中体现。基于移动互联网的新型业务飞速发展，创造了一系列产品创新和商业模式创新的机遇。移动互联业务为IT资源发挥作用提供了新的空间，比传统业务领域更易找到IT资源的用武之地。而且，企业在开展移动互联业务的过程中可以积累IT技巧和经验，优化和改进IT资源配置，帮助IT资产更有效地发挥作用[29]。此外，移动互联新业务的成功开展还有助于让企业管理者充分认识IT投入的价值和意义，扩大IT技术的应用范围并保持持续的投入强度。

可见，拓展移动互联业务和IT投入之间存在着互相支持、互相需要的关系。最佳的战略组合是既保持较高强度IT投入，同时也积极开展移动互联新业务。若仅单独提升其中之一，将难以实现战略维度间的匹配。故提出假设1：

假设1：在互联网行业中，同时具有较高移动互联业务比重和较高IT投入强度是合理的战略组合，处于这一定位下的企业将取得较高的绩效，而仅在其中一项上具有高数值并不能带来高绩效。

2.5 次优定位处的战略组合与企业绩效

另一相对合理的战略组合模式是同时采取较低的IT投入和较低比例的移动互联业务。这一定位下的企业平均绩效应当比只有一者较高的企业更好，这是因为后者未考虑战略维度间的匹配。

如果企业努力拓展移动互联业务，但缺乏IT投入，可能导致无力开发新产品、更新业务模式。为了满足移动互联时代的个性化、差异化需求，互联网企业需要使用新的产品设计和运营思路来开展移动互联业务，不能简单地套用PC互联的经验。例如，用户使用移动搜索服务时，移动终端的性能相对较弱、屏幕较小、带宽有限[30]，用传统方法往往不能获得理想的查询结果，企业应该根据使用场景重新设计移动互联搜索服务。如果企业努力拓展移动互联业务但IT投入薄弱，其运营效率和服务水平可能反而不如专注于传统业务的企业。

如果企业IT投入充足但没有积极开展移动互联业务，不仅放弃了移动互联市场的重要机遇，还会导致IT投入的贬值。移动终端的普及大幅扩展了网络用户数量和使用频率，催生了一系列新的业务模式，扩展了服务范围。由于信息产品的成本特点以及需求方网络效应等因素，互联网市场往往具有正反馈的特点，率先扩大用户基数的企业可望占据优势地位，甚至出现赢者通吃[27]。如果企业投入大量IT资源但没有抓住移动互联市场机遇，将在平台构建和用户规模的竞争中处于劣势，使IT资源的价值难以展现。

可见，移动互联业务比重或IT投入强度仅有一项较高、另一项较低时，不符合这两个战略维度之间的内在匹配规律，可能造成组织发展目标的模糊和资源运用的低效。相比之下，采用较低的移动互联业务比重和较低的IT投资强度，是一种较合理的战略组合，这一定位下的企业平均绩效应高于处在不合理位置的企业。故提出假设：

假设2：在互联网行业中，同时具有较低移动互联业务比重和较低IT投入强度也是一种合理的战略组合，处于这一定位下的企业绩效高于仅在其中一项上具有高数值的企业。

3 研究方法

3.1 样本和数据

本研究以中国互联网企业为目标样本，范围限定在为用户提供互联网内容或应用服务的企业。其它诸如设备制造与销售、电信运营等企业，虽与移动互联网相关，但提供的主要产品不是互联网内容与应用服务，不纳入本研究范围。非上市企业的数据难以完整获取，所以本文基于上市公司样本开展研究。中国移动互联领域大约从2010年开始迅速增长，至2015年出现一定的放缓趋势。由于本研究的分析是以该市场的快速增长为背景，故以2011至2014年移动互联市场迅速发展的时期作为覆盖范围。作者查询了在沪深、香港、纽交所、NASDAQ等国内外交易所上市的中国互联网企业，从年报和CSMAR等数据库中，收集整理了企业经营与财务数据。剔除信息披露不全的个别企业后，共得到195个样本观测值。作者还对数据进行了核对，纠正了来源于数据库中的少量错误数据。

3.2 变量及其衡量

(1)自变量

本研究的自变量是企业的移动互联业务比重和IT投资强度这两个关键战略维度，并且关注它们的交互作用。

①移动端业务比重。变量MIP(mobile internet business proportion)表示企业的移动互联业务比重。传统的互联业务是基于固定的PC终端，新的移动互联业务主要是基于智能的移动终端。由于企业不会披露移动互联业务收入占全部收入的比值数据，本文从移动端搜索量所占比例这一角度入手，把企业代表性产品在移动端的搜索关注度占全部关注度的比例，来衡量企业移动互联业务的比重大小。搜索量数据能够代表使用者对其搜索事物的感兴趣程度和注意力[31]，常常是伴随产品使用而发生的信息获取需要。搜索关注度采用目前国内广泛使用的百度指数来衡量，它已被应用在企业研究中[32]，可用于关注度的横向比较。

②IT投资强度。变量ITI(information technology investment intensity)表示企业的IT投资强度。加总企业固定资产中的电子设备、计算机设备等项目，以及无形资产中的软件等项目数值[33]，计算时使用各年年初与年末的净值均值。得到企业IT资产数额后，除以企业总资产在年初和年末的均值，得到信息技术投资强度ITI的数值。该变量呈现较明显的右偏分布，回归时使用其自然对数。

(2)因变量

在快速扩张的移动互联市场，企业需要尽快占领市场、扩大用户基数，而常见的利润类指标有一定滞后性。本研究用以下两个指标衡量企业绩效。

①营业收入。变量Revenue表示企业在当年的营业收入数额，它是企业研究中常见的因变量之一。由于收入的增长类似指数模式而不是线性增加，在回归中使用其自然对数值而不是原值。

②用户规模。变量UserSize表示互联网企业的用户规模大小。大多数企业未公布用户数量的数据，所以本文根据搜索关注度来捕捉各企业的用户规模。作者收集了各企业代表性产品的百度指数在各年度的日均值，以移动端和固定端的总搜索关注度作为变量UserSize的衡量。UserSize在回归中也是使用自然对数值。两个绩效指标的关注角度有所不同，若能获得一致结果，说明结论更可信。

(3)控制变量

①年份。设置0-1取值的虚拟变量Y2012、Y2013、Y2014表示年份，三者都取0表示数据来自2011年。

②企业年龄。变量Age表示从企业建立的年份开始到2018年所经历的年数。

③注册地。变量RegPlace是0-1变量，取值0表示样本企业注册地在国内，取值为1表示在国外。

④上市地点。SE-HK与SE-Overseas都是0-1变量。在港交所上市的企业SE-HK取值为1；在纽交所、NASDAQ等国外交易所上市的SE-Overseas取值1；两者都取0表示在沪、深交易所上市。

⑤企业资产规模。变量Assets表示企业的总资产规模，以企业总资产的自然对数计算，可控制企业规模因素在回归分析中对绩效的影响。

⑥资产负债率。变量DAR表示企业的负债与总资产之比，是企业研究中常见的控制变量。

⑦电商企业。变量eComm是0-1变量，取1表示企业的主要业务形式是电子商务，控制这一较为特殊的业务性质可能带来的差异。

⑧流动比率。变量CR表示企业的流动资产与流动负债之比。

⑨营运资本比率。变量WCSR表示企业营运资本与销售收入之比。

⑩销售费用率。变量SESR以企业销售费用与收入的比率计算得到。

3.3 回归模型

本研究的样本数据为面板形式，使用混合OLS很可能因忽略个体效应而带来较大偏误。固定效应(fixed-effects)模型和随机效应(random-effects)模型可从不同角度应对个体因素带来的影响，本研究采用这两种回归模型进行分析。针对回归模型中可能存在的内生性问题，作者以自变量ITI和MIP各滞后一期作为工具变量，进行Durbin-Wu-Hausman检验。所关注的系数在各模型中均不显著，在对自变量的回归中可能没有明显的内生问题。在检验MIP和ITI的交互项时，按照一般做法，用中心化的方式计算得到交互项，再加入回归模型。此外，本文还尝试加入自变量的二次项和三次项，但并未发现任何高次项具有显著的回归系数，故不加入回归检验。回归系数都使用双侧检验，列表中给出回归系数的集群稳健(clustered robust)标准误。

4 研究结果

4.1 描述统计及相关性

变量的描述性统计及相关系数列于表1中，其中Revenue、UserSize和Assets使用的是自然对数值。由表1可见，战略维度ITI和MIP与各控制变量的相关程度都不太高，回归分析中没有需要特别注意的借戴干扰。ITI和MIP的线性相关系数很低(-0.023)，不会干扰交互项的检验，低相关性也是将它们作为两个关键战略维度的必要前提。表2列出了少数关键变量的分年度统计，有助于大致判断它们的变化趋势和稳定性，其中Revenue单位为百亿元，UserSize单位是十万。样本期内，企业IT投资强度均值变化幅度不大，标准差也无明显变动趋势；移动互联业务比重则稳定增长。

4.2 假设1的检验结果

表3列出了随机效应回归检验结果，因变量列于表格的第二行。假设1可以由变量ITI、变量MIP及其交互项的回归结果得到检验。首先，对于变量ITI，在以收入规模为因变量的模型1中，信息技术投资强度ITI回归系数为正(0.066)，但不够显著；而在以用户规模为因变量的模型4中，ITI回归系数却为负(-0.150)，也不够显著。可见，就本研究的样本而言，若仅从IT投资强度上观察，并没有明确的决策依据。第二，对于变量MIP，在以收入规模为因变量的模型2中，MIP回归系数为负(-0.053)，未达到显著；在以用户数量规模为因变量的模型5中，MIP回归系数为正(1.986)，显著性达到P< 0.05。较高的移动端业务比例有助于扩大用户数量，但对提高营业收入没有明显效果。综合模型1、2以及模型4、5的结果，ITI或MIP的回归系数或者不够显著，或者符号方向不一致。这表明，如果仅从单一战略维度出发，不论是更高的移动互联业务比重、或是更高IT投资强度，都未必有利于企业绩效。最后，对于交互项的检验，在模型3和6中，交互项ITI×MIP回归系数都为正(0.419，0.903)，分别在P< 0.05 和P< 0.1水平显著。这表明，变量ITI与MIP是一对有意义的战略组合，当企业在这两个属性上同时具有较高数值时，不论对用户基数还是营业收入都有明显的促进作用。以上结果支持了假设1，在互联网行业的竞争中，信息技术投入和移动端业务的开展具有互相促进的效果，企业要综合考虑这两者的作用。

表1 变量的描述统计及相关性

表2 关键变量的分年度统计

年度RevenueUserSizeMIPITI均值标准差均值标准差均值标准差均值标准差20110.3931.3740.5791.1020.1430.1390.0340.02420120.4541.4730.5831.0870.2320.1920.0330.02220130.5601.6750.6071.1240.3380.2070.0320.02620140.7872.2060.5781.5920.4020.2220.0290.027

表3 随机效应模型回归结果

续表3 随机效应模型回归结果

注：1. 括号中给出的是clustered robust标准误；2. 显著性水平：***p<0.01；**p<0.05；*p<0.1。

表4列出了固定效应回归检验结果，不随时间变化的控制变量没有估计系数，故未列出。变量ITI在模型7中的回归系数为正(0.155)，但在模型11中ITI回归系数为负(-0.289)。两个回归系数都达到了显著，但符号方向不一致。变量MIP在以收入规模为因变量的模型8中，回归系数是0.012，未达到显著；在以用户数量规模为因变量的模型5中，MIP回归系数是2.157，显著性达到P< 0.05。较多的移动互联业务虽然有利于扩大用户数量，但仅此一点还不能提高营业收入。上述结果与表3中的结果模式一致。交互项的检验结果再次说明了结合两个战略维度综合分析的重要性。模型9和12中的交互项ITI×MIP回归系数都为正(0.373，0.931)，分别在P< 0.05 和P< 0.1水平显著。这表明，只有同时提升移动互联业务比重和信息技术投资强度，才可以有效地促进企业扩大用户规模和营业收入。综上，表4中的固定效应模型的回归结果同样支持了假设1的观点。

4.3 假设2的检验结果

图1和图2分别基于模型3和模型6的随机效应模型回归结果，展示了样本企业的营业收入和用户规模随MIP与ITI的变化情况。固定效应回归的结果具有类似的形式。纵坐标数值先使用回归方法除去了控制变量的影响。由于ITI的右偏分布较明显，此处仍使用其自然对数值。

图1以Revenue作为因变量。当ITI和MIP数值都较大时，企业的平均营业收入在行业中处于最高水平。这符合假设1的观点，也与从回归系数所得结论相同。对于假设2，可看到Revenue第二高的区域是ITI和MIP数值都较小的部分，而仅有ITI较高或者仅有MIP较高时，平均绩效处于行业中的较低水平。在UserSize为因变量的图2中(为便于观察，坐标方向与图1不完全相同)，出现了相同的作用模式。在ITI和MIP数值都较大的区域，企业的平均用户规模最高。与图1类似，UserSize较高的另一个位置，也是ITI和MIP都取值较小的区域。综上，当ITI和MIP中一个变量数值较高、另一变量较低时，企业绩效低于两者同时较高或较低的位置。上述结果支持了假设2。如果企业不能在ITI和MIP上都达到较高水平，可选择另一合理定位，即较多的传统业务比重配以较低的IT投资强度，但不应选择两个战略因素不匹配的位置。

表4 固定效应模型回归结果

注：1. 括号中给出的是clustered robust标准误；2. 不随时间变化的控制变量在固定效应模型中没有估计系数，故未列出；3. 显著性水平：***p<0.01；**p<0.05；*p<0.1。

图1 行业中各战略位置下企业营业收入的高低分布

图2 行业中各战略位置下企业用户规模的高低分布

4.4 分组比较的结果

本研究还对处于不同战略位置的样本进行了分组比较，结果展示于图3和图4中。根据变量MIP和ITI高于、低于各自的样本中位数这一标准进行组合，形成互不重叠的四个组，MIP和ITI恰好居中的样本未算入任何一组。由图3可见，“高ITI-高MIP”这一组具有最高的平均收入，收入第二高的组是变量数值都低于中位数的“低ITI-低MIP”组。而仅有单一变量数值较高的“高ITI-低MIP”组与“低ITI-高MIP”组的平均收入数额都较低。上述结果印证了前文得出的结论，即IT投资强度或移动业务比重仅有一者较高时，由于没有实现战略维度之间的合理搭配，此类战略组合的绩效较差。在图4中，“高ITI-高MIP”以及“低ITI-低MIP”组都具有较大的平均用户规模，而“高ITI-低MIP”组与“低ITI-高MIP”组的平均用户规模都较小，差异同样明显。图3和图4再次表明，竞争战略定位要考虑的是不同战略维度配合而成的整体效果，不能仅以某一个战略维度为依据。企业应该首先谋求进入“高ITI-高MIP”的战略位置，若不能跨越移动壁垒、或者最佳定位处的竞争过于激烈，可以采取较为传统的业务模式和较低的IT投入强度，都比定位于不合理的组合区域要好。

图3 对营业收入的分组比较

图4 对用户规模的分组比较

5 结语

本研究从战略群组理论视角出发，分析了行业竞争中的战略定位问题，指出战略定位的关键是实现不同维度战略因素间的配合。本研究发现，企业IT投入强度和移动互联业务比重都较高的战略组合，对应着互联网行业中最有利于企业绩效的定位，这一战略模式下的企业群具有行业中最高的平均绩效。而仅具有较高移动互联业务比重、或仅具有较高IT投入强度的企业，平均绩效反而较低。第二，行业中另一种合理的战略定位，对应着较低的移动端业务比重配合较低的IT投入强度这一战略组合。处在这种位置上的企业群，绩效水平好于两个战略变量中仅有一者较高的战略组合。以上结果支持了本研究对企业战略定位规律的推断，也验证了战略群组理论在分析战略定位问题上具有重要价值。研究结论表明，合理的战略定位能够实现不同维度战略因素在特定竞争环境下的匹配。在分析战略定位问题时，需要理解行业内主要战略维度之间的内在关系，以及行业竞争状况，仅从单一维度无法准确识别行业中的合理定位区域。

本研究的一项启示是，可以把企业在行业竞争中的战略定位分解为两个问题。首先，要保证企业进入合理的战略位置区域内，只要是能够实现各种战略因素之间合理匹配的战略位置，都要明显好于不合理的战略位置。第二，在合理定位中进行选择，考察相对竞争力后选定可行的战略定位。此外，行业前景预测对战略定位的选择也很重要。Lee[21]发现制药业中的部分企业对创新研发的投入较大，但具有较高风险，直到抗生素药物迅猛发展的历史机遇出现，这些注重创新的制药企业才逐步占据了R&D竞赛的主动。因此，战略定位不仅要理解当前的行业格局，还需要企业具有长远眼光，将短期定位与长期发展路径相结合。

研究结论印证了战略群组理论在分析定位问题中的重要价值。战略群组理论认为，企业的战略模式是由各战略维度匹配而成，仅从单一战略维度不易把握战略模式的本质特征。本文对战略定位的研究结果符合以上观点，战略位置的优劣不能仅从单一因素判断。在研究结果中可以看到，一些企业实施了较高的IT投入强度、或者已经快速拓展了新业务，其资源禀赋未必不如在两个关键变量上取值都较低的企业，但平均绩效却较差。

本研究对战略群组的存在性问题有一定启示。一些文献认为，群组间的绩效差异是其存在性的必要条件。例如，Dranove等[34]认为只有当战略群组之间存在显著的绩效差异时，它才是一个有研究价值的概念。但是，从本研究识别的两种合理定位可以看出，不论两群企业的平均绩效谁高谁低，都不能否定它们采用了不同的生存逻辑。因此，对战略群组存在性的判断，应该看行业中是否存在遵循着不同生存逻辑的企业群，只要在行业中存在不止一套可行的战略组合，就应当承认行业中存在战略群组。类似地，Reger和Huff[35]、Porac等[36]是从管理者认知角度理解行业中的战略群组，实际上也已经不把绩效差异作为群组存在的必要条件。

本研究难免存在一些局限。首先，当移动互联市场的发展速度、技术条件等因素发生变化时，合理的战略位置或许也会变化，有待进一步研究揭示。然后，限于样本量及分析方法的限制，本研究包含一些理论上的简化，行业中一些潜在的细致结构未能充分考察。例如，在最佳战略组合区域中，两个战略变量的取值是“越高越好”还是达到一定程度后“过犹不及”，这类精细的定位规律还有待未来继续探索。