大数据合作资产的多元创新模式

齐佳音，徐乐沁

(上海对外经贸大学 a.人工智能与变革管理研究院；b.工商管理学院，上海 200336)

一、引 言

每次技术革命都会重塑劳动力和生产要素。农业技术的发展使土地与劳动力成为两个最重要的生产要素。在以蒸汽机为代表的第一次工业革命中，资本第一次作为生产要素登上历史舞台。在第二次工业革命——电气时代中，技术成为继土地、劳动、资本之后的第四大生产要素。在第三次工业革命中，信息成为推动经济社会发展的重要资源。以大数据、人工智能等为代表的第四次工业革命，也称为智能革命，外在表现为人工智能等技术应用，实质是以人工智能技术为代表的一系列先进技术下的物理空间、网络空间与生物空间的高效融合。三类空间高效融合的核心是高效数据融合以及由此带来的价值增值。数据作为第五生产要素浮出水面。

在学术界,谢康等[1](2016)基于中国企业的前沿实践案例提出“大数据合作资产”(Big Data-Based Cooperation Asset)原创概念，以企业与消费者间的大数据合作资产为研究对象，提出交易性、交流型、参与性与跨界型四类大数据合作资产，解释了企业与消费者间大数据合作资产的形成过程:资源基础→能力基础→合作资产，将现有资产视角下的价值解释从企业单边视角拓展为企业与消费者互动的双边视角，不仅为数据作为生产要素提供了合作资产视角的理论解释，而且为不同空间的大数据融合提供了重要的理论基础。吴瑶等[2](2017)提出从价值提供到价值共创的营销数字化转型两类机制，即企业与意见领袖协作演化机制及企业与平民化中心协作演化机制，在国内学术界率先提出并论述了企业营销数字化转型与创新的理论框架，从企业营销转型角度为大数据合作资产提供了理论支撑。同时，肖静华等[3](2020)探讨了普通用户数据化参与新产品开发的企业与用户协同演化机制，创新性地将用户参与企业新产品开发从领先用户拓展到以往难以精准触及的普通用户，从新产品开发角度拓展了大数据合作资产理论。谢康等[4](2020)剖析了大数据成为企业现实生产要素的实现机制，是国内首篇基于实证研究阐述数据作为新生产要素的理论成果，揭示了数据发挥新型创新价值的内在机制和条件，从生产要素角度深化了大数据合作资产理论。

大数据合作资产的概念及理论也受到国际学术同行的重视，认为该理论明确指出了数字经济时代价值创造方式的根本性变化[5]，刻画了用户参与产品研发对用户感知产品创新性的独特价值[6]，是最早将大数据资产应用于消费者参与的研究之一[7]。大数据合作资产理论提出企业合作能力和消费者合作能力是将大数据从静态资源转变为合作资产的重要能力基础，首次将大数据与价值共创、服务主导逻辑进行理论整合，推动了价值共创与大数据的整合研究，引发了相关领域国际学术同行的积极讨论，促进了学科交叉融合并引入了一种可行的新理论设计思路。例如，Li和Yu[8](2020)基于大数据合作资产理论提出大数据商业分析产生的结果是一种合作资产的研究结论。

大数据合作资产是数字经济创新的典型特征之一，大数据合作资产将广泛地存在于物理空间、网络空间与生物空间三者之间的互联网络中。就目前的国内外研究进展来看，这一领域的研究主要基于谢康等的理论基础上，聚焦于大数据合作资产的适应性创新，如谢康、肖静华等提出适应性创新理论，包括“产品适应性创新”[3]、“管理适应性变革”[9]、“组织结构适应性创新”[10]、“合作资产的适应性创新”[11]等一系列围绕适应性创新理论的研究成果。那么接下来的问题是，除了适应性创新之外，大数据合作资产创新是否还有其他形态？这些创新又将带来什么样的创新效应？为此，本研究拟在谢康等研究基础上，以消费者主导型大数据合作资产为研究对象，以技术实践论为理论视角，通过阐述大数据合作资产创新的一阶效应与二阶效应，探讨大数据合作资产创新的多元模式，以期推进对企业大数据合作资产创新的进一步思考与实践。

二、理论基础与研究框架

(一)大数据合作资产理论

大数据合作资产指企业和消费者在数字化服务交互中成为能够被另外一方所拥有和利用的并能创造当前或未来经济收益的数字化资产，包括数字化技术、服务交换与可转移的使用权。以企业与消费者之间的大数据合作资产为研究对象，根据企业或消费者是否需要付费来使用数字化资源，大数据合作资产可以划分为公共品型大数据合作资产、企业私域型大数据合作资产、消费者主导型大数据合作资产及共享型大数据合作资产共四种主要类型[11]。

公共品型大数据合作资产具有非竞争性和非排斥性两个特征，即企业和消费者都不需要为彼此提供的数字化资源付费，且可以利用这些资源各自进行价值创造。企业私域型大数据合作资产是指企业拥有独占稀缺或对有价值的数字化资源拥有使用权，其他企业或消费者需要支付才能使用这些数据资源的大数据合作资产。消费者主导型大数据合作资产是指在消费者生成的数字化内容的基础上形成的其他资产，如作为社交资产的粉丝、作为关系资产的合作品牌及作为实物资产的衍生产品等具有商业价值的资产。

大数据合作资产强调三个观点:一是对消费者而言，大数据合作资产是非交易行为带来的潜在价值；二是资产通过数据化服务交换形成；三是资产的收益具有双边性特征。可见，大数据合作资产理论在互动关系上强调的是企业与消费者间的双向价值交互。大数据合作资产理论结合了服务主导逻辑、价值共创理论和技术示能性理论，聚焦于关注基于数字化技术增权、企业与消费者的双向互动关系所产生的双边价值，构成本文研究的理论逻辑出发点和学术思想基础。

(二)顾客参与和影响者营销

顾客参与指顾客参与组织产品及其组织活动的强度和联结度[12]。关于顾客参与的维度有很多观点，本文将采用其中一种三分法，即认知参与、情感参与及行为参与。认知维度包括持续的认知加工、注意力和沉浸，而情感维度包括内在的享受、热情和激情，行为维度包括积极的参与、活力和激发[13]。随着近年来互联网和社交媒体的出现，Web 2.0的交互特性带来了对顾客参与热情的空前增长[14]。顾客参与可以为企业带来有形和无形的收益[15-16]，由此也不断累积企业与客户之间的大数据合作资产。

社交媒体已经成为企业与消费者形成大数据合作资产的重要数字化技术平台。随着社交媒体的广泛应用，消费者中逐渐出现一部分由于拥有广泛的社群影响力从而能够对其他消费者产生消费影响的影响者，影响者营销(Influencer Marketing)的概念就此诞生。影响者营销是指企业与社交媒体上的影响者进行合作，运用影响者的社交媒体影响力来提升企业品牌和扩大产品销售的营销活动[17]。

影响者营销是建立在社交媒体上“影响者-粉丝”关系的基础之上，已经成为一种新型的、有效的、正在快速增长的新型营销方式[18]。意见领袖(Opinion Leader)和准社会关系(Parasocial Relationship)是两类典型的影响者[19]。意见领袖是指被影响者视作能够为其提供有用和有趣信息的意见专家，准社会关系是指被影响者个人单方面的社会关系感受，被影响者单方面将影响者视作自己的朋友或其他亲密的社交关系。

影响者营销是一种典型的建立在大数据合作资产创新基础之上的营销模式。根据谢康等对于大数据合作资产的分类，影响者营销是建立在消费者主导型的大数据合作资产之上的营销模式。伴随着学界对于新型营销模式反思的浪潮，本研究将以网络直播带货为例，研究以意见领袖为营销影响者的企业大数据合作资产的创新效应。

(三)技术实践视角的创新一阶效应与二阶效应

技术不仅仅是技术本身，技术会由于使用背景而导致一系列未曾预料的问题。技术实践论(Practice Lens for Technology)是指新兴技术的结构是在实践的作用中形成而不是由于技术本身而内嵌在技术中。技术实践论通常涉及技术的两个方面：一类是人造技术产品，如硬件、软件或者技术；另一类是技术的使用，涉及使用者是如何在实践中反复使用人造技术产品。一旦技术被持续反复地使用，不同的主体会因为技术使用的介入而产生不同的对技术的体验效果，这就是实践中的技术(Technology-in-practice)[20]。

新技术的持续使用会改变组织原有规范、规则、文化甚至流程[21]。无论是经过深思熟虑之后使用新技术，还是出于冒险使用新技术，新的技术应用都会带来组织未曾预想到的后果。新技术的设计者和开发者赋予了技术特定的功能，这些功能可以带来预期的使用效果，但是这些新功能在何种场景、如何被使用却会带来新技术的设计者和开发者从未预想到的其他使用后果[22]。

新技术的创新的影响包括两方面:一是预期的后果，这往往是一些人为设定的财务或经营目标。二是非预期的后果，这往往是在复杂环境作用下产生的不可预测的影响。两者都有可能产生期望性和非期望性的结果，即给社会、企业、消费者带来积极或消极的影响。然而，由于创新往往被认为是一件好事，这致使非期望性的预期结果往往不被重视，从而产生更多非期望性的非预期结果。前者主要对企业、员工和消费者产生影响，而后者会给整个社会、社会结构及旁观者都带来潜在风险[23]。

预期产生的创新效应称为“一阶效应”(First-order Effect)，而那些未经预期出现的惯习、过程或随之而来的技术被称为创新的“二阶效应”(Second-order Effect)。根据扩散后可能导致的结果，“二阶效应”又分为：(1)创生性二阶效应(Generative Second-order Effect)：创新性产品、过程和服务；(2)适应性二阶效应(Adaptive Second-order Effect)：对现有过程进行调整；(3)破坏性二级效应(Subversive Second-order Effect)：破坏或阻碍创新扩散的反应。其中，创生性二阶效应和破坏性二阶效应对企业来说都具有较差的适应性，原因与较高的不确定性相关，而适应性二阶效应则拥有较低的不确定性[24]。

在三种二阶效应中，创生性二阶效应是最为重要的。Avital和Te’eni将“创生性能力”定义为在特定背景的驱动下，一种能激发活力、挑战常规、产生新的可能性、并重新定义世界的能力。通过创新，企业可以进一步自我改造，并随着时间的推移而持续下去[25]。这也意味着创生性二阶效应会通过创新使企业再次创新，产生新的价值，但其方向是不可预测的。“即兴”(Improvisation)[26-27]、“拼接”(Bricolage)[28]以及“变通”(Workaround)[29]是创生性创新的主要途径，这使得无法预测后果的过程会沿着持续创新的道路推进，而不是在某一特定的、基于任务的时间点上停止[24]。

适应性二阶效应是一组适应性反应，能使参与者以非预期的方式实现最初预期的工作目标[24]。当一个企业内部发生创新时，它与原始模式存在的差距使得参与者需要花一定时间和精力来进行流程上的调整，以适应新的系统并达到预期的目标。在此过程中，调整的具体实现途径也会随着不同情况而发生变化，以争取更高效率。可以说，适应性二阶效应是创新得以顺利进行的关键过渡阶段。它不会增加组织的价值，但是它提高了创新过程中的效率。

破坏性二阶效应是参与者无法完全适应创新的结果。当创新被实施时，一些参与者可能会由于系统中原始模式的力量而表现出抵抗，并采取破坏甚至阻碍创新的行动[30]。与创生性二阶效应相似，破坏性二阶效应也是不可预测的。无论创新的设计者是否提前预料到这种效果，破坏性二阶效应都有可能作为阻力而引发问题。

建立在大数据合作资产基础上的影响者营销就是将新兴的数字化技术应用于营销领域，从技术实践论的视角，借助大数据合作资产促进客户参与的预期目标，进而带来影响者、企业、消费者三者之间价值共创与互利共赢；但是另一方面，从技术实践论的视角，需要深入研究大数据合作资产有可能对各方带来的未曾预期的效果，进而为企业更为全面地评估影响者营销提供决策依据。

(四)研究框架

本文从技术实践论的视角，为探讨大数据合作资产的创新效应，以影响者营销作为研究对象，选用网络直播带货这一具体形式，考虑创新的两阶效应，提出大数据合作资产多元创新的理论框架(如图1所示)。网络直播的一阶效应主要体现为顾客参与的效果，二阶效应体现在创新的创生性效应、适应性效应以及破坏性效应上。综合评价一阶效应和二阶效应，有利于企业对大数据合作资产的长期价值与短期价值、收益回报与可能风险、演化中的合作与竞争等方面做出科学评判。

图1 大数据合作资产多元创新的研究框架

三、研究设计

(一)扎根理论与网络志的整合方法

扎根理论是一种能自下而上地梳理某一现象并将其构建成理论的通用方法论，主要过程为收集和分析数据，从而产生中程理论，并得出最终的理论[31]。它通常被用于发展那些有基础的或有系统收集和分析数据的理论，产生与理论参与者相关的概念化[32]，主要步骤有：开放性编码、主轴编码和选择性编码。网络志(Netnography)是“以文化人类学的方法为依据，对在线网络文化进行的定性描述”[33]。

本文采用扎根理论与网络志相结合的研究方法。在数据采集阶段，主要通过网络志在互联网中采集研究数据。在数据分析阶段，主要通过扎根理论对研究数据进行编码，并得出研究结论。本文之所以选择扎根理论作为主要的方法论进行分析，是因为它具有看重原始数据、反复总结提炼的特点。在与观测现象的相互作用中，不断进行编码完善自身，提炼出新的概念范畴，使最终提取的研究结论逐渐饱满。扎根理论最重要的优点之一就是其强烈的客观性。扎根过程中使用的数据是基于使用网络志收集的第一手真实数据，这些数据可以从各个角度进行客观的分析和总结，有利于透过现象看本质。此外，在数据分析时，为了弥补网络志诸如误解、不实陈述、无意义评论等内外部障碍，本文通过多次数据采集以及严格的扎根过程弥补这一规范性问题。

(二)研究对象的选择

起源于2016年的直播带货是影响者营销的一种。随着电子支付、网络购物等行业的发展，直播带货在2019年获得了井喷式发展[34]，接踵而至的新冠疫情更是加速了其发展。成为主播很容易，但要成为销量好、名气高、影响力广的主播却不是一件易事。能带来良好经济效益的头部主播主要分为两种。一种是凭借知识贡献或个人魅力[35-36]，从普通消费者逐步掌握巨大营销影响力的意见领袖；另一种是在其他细分领域已经拥有稳定的影响力，被网络直播行业吸引而来扩展业务的“明星”。

本文将选择头部主播中顶尖的意见领袖——李佳琦为研究对象，分别在他的淘宝直播间与知乎“直播带货”相关话题中采集研究数据来分析网络直播中的一阶效应及二阶效应。

(三)数据采集与分析

1.数据采集。在一阶效应分析中，本文使用的两组数据分别来自2020年6月5日和10月20日(双十一购物节预售活动开启当晚)的李佳琦淘宝直播间。由于一场直播通常会展示十多种产品，因此,选择了李佳琦直播间最受欢迎的产品类别——美容类和零食类中的4款产品。它们分别是6月5日的福佳玫瑰白啤酒和资生堂红妍肌活精华露，以及10月20日的娇兰御廷兰花卓能焕活系列面霜和花西子花露凝萃卸妆湿巾。在每个产品短短几分钟的推广时间内，通过网络志共在6月收集了921条评论，10月2 279条评论。

在二阶效应分析中，本文采用了与一阶效应分析相同的方法论，即扎根理论与网络志的结合。二阶效应分析中所使用的数据来自知乎，中国最受欢迎的在线问答社区之一。它主要被一二线城市受过良好教育的年轻人使用，他们往往对当前社会热门有着独特成熟的看法。数据收集自知乎社区中与直播带货高度相关的三个话题，即“淘宝直播”、“直播营销”和“直播带货”，选择其中点赞数超过100的文章或回答，共采集到225条有效数据。

2.一级效应数据分析。数据分析过程如下：一是开放性编码。由于进入直播间的门槛很低，且发送评论的操作也很便捷，因此，容易出现一些无意义的评论。在去除这些无意义信息后，本文对直播间收集到的3 200条第一手评论所要表达的内容进行了抽象，并将其提炼为11个基本概念(1)对数据分析有兴趣的读者可向作者索取。下同。；二是主轴编码。在主轴编码的过程中，首先要对开放性编码所归纳出的概念之间的语义关系进行分析，找出相关关系，并建立基本概念之间的相关性。每一两个基本概念将被提炼成一个更抽象的概念，最终形成7个中程概念。三是选择性编码。在选择性编码的过程中，需要对主轴编码提出的中程概念进行再次分类和抽象，重复探索归纳概念之间的关系。通过进一步抽象化，将主轴编码得出的7个中程概念归纳为3个最终概念，分别为利益获取、情感交互和行为参与。结合以上三个编码过程，梳理出一阶效应(如图2所示)。

图2 一阶效应的扎根过程

根据选择性编码得出的三个最终概念，引入针对影响者和产品的不同视角，与顾客参与理论中的三方面进行对比分析。此外，分别统计了三个最终概念类别下的评论数量及两个视角下的占比，以便进行后续分析。

3.二级效应数据分析。扎根理论包括开放性编码、主轴编码和选择性编码三个步骤。本文分别就营销影响者视角与企业视角进行两次扎根理论的应用。在营销影响者视角，通过开放性编码，将225篇原文章提炼出了14个观点语句，即原始概念。通过主轴编码，找出原始概念间的相关性并抽象成8个中程概念。最终，通过选择性编码进一步挖掘类别之间的逻辑关系，形成针对营销影响者的三个更深层次的最终概念——新价值、新转变、新危机，并将其与二阶效应理论的三个方面进行对比分析。结合以上编码过程，梳理出针对营销影响者的二阶效应(如图3所示)。

图3 营销影响者二阶效应的扎根过程

在企业视角，通过开放性编码，同样对225篇原文章进行提炼，得到12个观点语句，即原始概念。通过主轴编码，找出原始概念间的相关性并抽象成7个中程概念。最终，通过选择性编码进一步挖掘类别之间的逻辑关系，形成针对企业的三个最终概念——新价值、新转变、新危机，并将其与二阶效应理论进行对比分析。结合以上编码过程，梳理出针对企业的二阶效应(如图4所示)。

图4 企业二阶效应的扎根过程

四、案例发现

(一)一阶效应

1.认知参与：营销影响者与企业的数字化资源交换中的双向价值。直播间的评论大多是出于自我利益获取的目的而发送的，包括对产品细节的询问、对产品优惠活动的询问等等。此外，当产品的购买流程中出现问题时(产品链接失效、优惠券无法领取、产品播出时间后调……)，一些急切的观众会重复发送评论以寻求主播解决问题，而这些刷屏的内容会启发其他具有类似需求的观众也加入刷屏的行列中，最终在短时间内形成大量相同信息。这些观众想要通过主播寻求相关资源(产品知识、优惠券等)，这体现了直播带货中消费者的功用性。与顾客参与理论相对比，虽然他们只是单方面地向主播传达自己的需求，但他们与主播互动过程中的持续关注与沉浸实际上培养了他们与主播之间的认知联系。认知联系建立得越深，观众对主播的参与意愿越高，同时，他们对企业产品活动的参与度也越高。而对于一些追求某些特定产品而进入直播间的消费者来说，他们也更容易停留在当前页面，与主播建立更多认知联系。通过直播，企业和影响者的数字化资源产生了交换，且这种交换不会伤害原有的资源归属，而是一种扩展。

2.情感参与：营销影响者非交易行为为双方带来的潜在价值。情感参与是直播带货带给企业或主播最重要也是最宝贵的无形利益。它的建立能加强与消费者之间的信任关系和情感纽带，在未来为企业或主播带来无可比拟的价值。在这一阶段，主播往往会通过一些引人注意的话语或夸张的动作来吸引消费者注意力。例如，李佳琦的经典语录“OMG”、“所有女生，听好了，买它！”消费者一旦被引入这一阶段，也往往会主动在直播间内表达自己的情感意见，包括自己目前的情绪、个人近期状况、对产品的主观看法、对主播刚刚所说的话的回应等。在这个过程中，他们不再是单方面地表达自己的需求，而是对主播本人或他所推广的产品知识进行思考并产生交互，建立情感联系。在这个阶段，需要考虑的目标不是交易的促成，而是与消费者建立满意、信任的情感互动。

事实上，在长期的情感交互下，一些观众有时会对主播表现出特别强烈的情感粘性。在采集到的数据中，有一位观众表示:“佳琦直播间买的物品放心”，对主播的信任感延续到了对产品的信任感。这种自然而然的转变在普通的营销活动中是少见的。卖方的目标是盈利，而买方的目标是省钱，这终究是相互矛盾的，会在消费者与企业间带来无法避免的博弈。况且，在正常的商业模式中，获得像直播带货中如此高的客户信任度和满意度往往需要花费大量的精准营销手段和推广活动。直播带货中的主播给消费者与企业间铺就了一块缓冲地带，将矛盾弱化，在成为消费者意见领袖的同时，与企业互利互惠。

3.行为参与：营销影响者与企业资源有效整合创造的现实价值。在认知和情感都已经铺垫到位后，行为参与便自然而然地产生了。在这个阶段，消费者会对直播间表现出一种参与感和责任感，而这种参与感和责任感很大程度上是由网络评论模式带来的C2C互动产生的。一些助人为乐的评论很特别，诸如主动维护工作室的气氛、回答其他观众的问题、分享自己对产品的建议等。虽然这类评论的数量很少，但它们的作用却很大。一般来说，熟人间的推广介绍是一种稳定且容易成功的营销手段，这是由于人与人已建立的信任感。而在互联网时代，人们也往往会对同一群体中的其他网民产生一种自然的信任感，并且很容易接受他们的建议。因此，这些愿意助人为乐的观众所发表的有关产品或主播的相关言论对交易的促成起着重要的作用。

在10月的观察中，某一款产品的购买链接出现了问题，推广时间被迫向后调整。虽然主播就此解释了很多遍，但新进入的观众并不清楚。他们看到评论区关于该产品的刷屏，也跟着继续发送重复信息。有一些想要阻止这一趋势的消费者评论道:“说了逐本要等一下”,“逐本等会”，“逐本要等链接,别着急”，以此安慰其他焦虑的观众。他们做出这类评论的行为，显示了他们对直播间的责任感。像这样的评论提供了一种C2C的互动，而不仅是只有主播和消费者间的互动。一方面，在主播没有空闲回答时，提问者也可以得到解答；另一方面，也能让提问者感受到来自群体中其他消费者的认同感；最重要的是，他们在直播间里创造了一种互助的氛围，为资源交互创造了良好的环境。

在网络直播中，企业和营销影响者通过直播带货进行大数据合作资产交互时，通过三个阶段实现了预期的一阶效应，即带来双边价值增值(如图5所示)。

图5 大数据合作资产创新中的一阶效应机理

在消费者认知参与进程中，企业和影响者进行了数字化基础资源的互换，带来了双边性的价值收益。影响者的粉丝会因为影响者的推广而对产品及品牌产生兴趣，而企业的潜在消费者也会因为影响者的低价货源而选择通过直播购买。在认知参与的进程中，双方互换的资源或许并不是最宝贵的资源，但具有很好的延展性，可以在后续阶段进一步加深其收益。在情感参与的进程中，影响者主导的直播体验与产品主导的产品体验发生交互，相辅相成。稀缺、性价比高的产品能带来直播氛围的上涨以及对主播能力的肯定，而优秀的主播能转化出更多对产品感兴趣的消费者。在这一阶段，双方交互的理想结果是激发消费者的正面情感萌发，如愉悦、兴趣、信任。在行为参与的进程中，企业和影响者能够整合积累至今的资源，最终作用于对用户转粉及购买达成的现实价值中。无论是认知参与中扩展出的资源，还是情感参与中产生的正面情感，在产品画像的逐渐丰富、直播氛围的逐渐热烈、消费者兴奋值的一再提升中，转化为对购买的激活，在短时间内爆发出惊人的购买力。

(二)二阶效应

1.创生性二阶效应为营销影响者和企业的大数据合作资产带来突变性增值。创生性二阶效应为营销影响者和企业的大数据合作资产带来巨大增值机会，但是，这一巨大增值性伴随着高度的不确定性，营销影响者与企业的协同演化将由于这种不确定性而使机遇与挑战共存，大数据合作资产的增值性因而高度不确定。

在网络直播中，作为营销主体的主播在这种协同演化中受益良多。头部主播的个人影响力一飞冲天，使得他们有机会进一步向电视节目、慈善等不同方向发展，产生新价值。李佳琦逐渐将其个人品牌化，加入《吐槽大会》、《快乐大本营》的录制、参与肯德基圣诞广告的拍摄，甚至在高德地图录制其个人导航语音包，以打造个人IP。然而，公众曝光的增加也会带来更大的责任与风险。直播要求主播能长时间保持在一个兴奋的状态并持续对消费者输出观点，偶尔会出现未经大脑思考而冒出的语句。对于头部主播而言，他们已经不是普通公众或消费者了，其强大的个人影响力使其成为公众人物，其一言一行需要受到公众的监督。这种身份的转换使其无法快速找准自己的定位，一些在他们看来随性、开玩笑的语句会在公众的误解下对其拥有的数字化资产造成伤害。

根据二阶效应理论，创生性二阶效应通过创新使大数据合作资产再次创新，产生新的价值，其方向是不可预测的。企业与营销影响者是否能再次发生创新，带给营销影响者和企业更多令人惊讶的新价值，这是一个值得观察的重要实践发展动态。

2.适应性二阶效应为营销影响者和企业的大数据合作资产带来演化性增值。适应性二阶效应使得营销影响者和企业能够面向双方共同预期目标来探索各种可能合作途径，激活大数据合作资产的价值潜力，通过协同演化使得合作双方不断更新、交换数字化资源，在双赢的价值互动中将大数据合作资产提升到一个新的高度。适应性二阶效应使创新活动的参与者能够使用一种非预期的方式来实现最初预期的目标，是前往给定终点的流程中的一个新转变。吴瑶等[2](2017)从协同演化的视角，提出的企业与消费者的价值共创实现机制，可以应用于营销影响者与企业的大数据合作资产适应性创新中。针对意见领袖这类的营销影响者，企业可以与其合作构建交易媒介，强化普通消费者的能力信任来影响普通消费者的购买决策。

实践中，对于头部主播而言，他们已经建立了稳定的粉丝基础，如今需要考虑的是如何更有效地实现他们的预期目标。从输入端来说，产业结构、推广流程的标准化可以更好地整合资源，减少成本投入，但也可能会带来模式单一的问题。在输出端，需要产出能直击消费者痛点的内容。然而，有时他们过于关注这些新转变，而忽略了其他影响。例如，数据中采集到的一个评论是:“这帮网红，她们当然知道这种段子视频非常弱智。但是，有些文化程度不高的人，就爱吃这一套。”的确，在直播中使用俗套的情节可以立马吸引消费者的眼球，达到强调认知的作用。但是，在刺激这部分消费者的同时，也牺牲了其他具有较高审美和教育程度的消费者这部分资产。长此以往，也会导致直播带货行业的过度娱乐化和庸俗化，对行业带来不良影响。此外，自2019年以来，“明星”“网红”纷纷入驻直播行业。他们的到来，给行业带来了新的活力与消费者基础，但其专业程度是否合格仍是个问题。对于企业而言，输入端的产业流程经验化与输出端的内容创新同样是决定其能否在持续的营销者营销模式中实现持续大数据合作资产增值的重要问题。

3.破坏性二阶效应是营销影响者与企业大数据合作资产创新的重要风险。破坏性二阶效应侵蚀营销影响者与企业的前期大数据合作资产，甚至对大数据合作资产带来毁灭性的打击。企业要高度警惕破坏性二阶效应，防范有可能带来此类效应的灰犀牛事件与黑天鹅事件，谨慎选择营销影响者，并持续监测营销影响者的社会声誉和影响者营销的消费者动态反馈。

采集到的大部分数据中，都在讨论直播带货已经出现或未来可能出现的破坏性结果。根据二阶效应理论，破坏性二阶效应的原因被定义为在系统中原始模式的力量作用下，产生的过大阻力[24]。然而，根据扎根理论得出的结论，直播带货领域出现的新危机更多的是由于行业发展过快，各种配套法律政策无法跟上导致的漏洞。而系统中的原始模式——线下购物并未给其带来过大的破坏性影响。在这些因责任缺失和监管不当而造成的二阶效应中，需要付出代价的往往是消费者和企业。一条评论表示:“有大量虚假的刷单，刷单已经是个体系，养活了大量的供应商。”由于商业模式中的漏洞，一些主播会与外部机构合作刷单，制造虚假销量，以此来吸引更多企业的委托订单。一些能力不足的主播甚至会出现销售额不及“坑位费”的情况，常见于“明星”主播中，出现大量企业被“割韭菜”的情况。另外，一旦企业合作的营销影响者被曝出“丑闻”，那么企业与营销影响者之间的大数据合作资产将迅速从正到负，并对企业声誉和业绩带来极大负面冲击。

在营销影响者与企业数字化资源的交换，大数据合作资产的建立过程中，两者共同作用形成了三种二阶效应：创生性二阶效应、适应性二阶效应、破坏性二阶效应。三种二阶效应也会相互作用，形成促进(+)或抑制(-)的关系。综合以上两点，提炼出网络直播中企业和营销影响者的大数据合作资产创新中的二阶效应相互作用图(如图6所示)。

图6 大数据合作资产创新的三类二阶效应作用关系

创生性二阶效应会为大数据合作资产带来高度不确定的增值机会，这种高度不确定性会激发适应性二阶效应的生成，同时也会带来破坏性二阶效应的风险。适应性二阶效应对创生性二阶效应和破坏性二阶效应都有抑制的作用。对破坏性二阶效应的抑制是有利的，保护了演化过程中的大数据合作资产不被破坏；对创生性二阶效应的抑制是不利的，对风险的规避同时也减少了变革式创新的机会，减少了大数据合作资产获得巨大增值的可能。破坏性二阶效应同样会对系统中的其他两种二阶效应产生抑制作用，有可能对大数据合作资产带来毁灭性的打击，需要尽可能地规避。

综合以上分析，创生性二阶效应是同时具有高风险和高收益的性质，既能给营销影响者和企业共同演化出的大数据合作资产以巨大增值，也能给其带来巨大损失。对于那些勇于打破常规的企业而言，创生性创新无疑具有极大的吸引力。对于那些寻求渐进创新的企业而言，适应性创新是一个稳妥的选择。无论什么类型的企业，都需要警惕和规避破坏性创新。

五、讨 论

(一)大数据合作资产的企业多元创新模式

回到本研究的问题：大数据合作资产创新有哪些形态？这些不同形态的创新将带来什么样的效应？以影响者营销为研究对象，本研究发现，大数据合作资产创新能够带来两种效应：一阶效应和二阶效应。一阶效应和二阶效应之间相互影响，形成了复杂的企业多元创新模式生态。

一阶效应是双方预期的直接业绩效应，二阶效应是未预期的间接潜在效应。一阶效应会对二阶效应产生积极或消极的影响。良好的一阶效应有利于二阶效应中的创生性效应和适应性效应；不佳的一阶效应将诱发二阶效应中的破坏性效应。二阶效应不仅包括了潜在的积极影响，也包括潜在的消极影响。创生性效应能够推动大数据合作资产的双方建立探索性(Explorative)创新能力[37-38],并在探索性创新能力的基础上带来可能的突变性创新。适应性效应有助于大数据合作资产的双方建立利用性(Exploitative)创新能力[39-40]。利用性创新又包括重复式利用和渐进式利用[41]。重复式利用是指企业通过复制机制，在大数据合作资产模式都未发生改变的情况下，将已有模式复制到新的创新环境中，以激发准确、快速的学习。重复式利用能力可以带来复制性创新，为大数据合作双方带来直接的一阶效应。渐进式利用是指通过重组机制，对未知模式进行探索，以激发不精准的学习。渐进式利用可以带来大数据合作双方的适应性创新，造就大数据合作资产适应性创新中最为典型的协同演化，并增强创新的一阶效应。破坏性创新将带来阻碍性的反作用力，这些阻碍性的反作用力可能导致大数据合作资产中的一方单方面价值受损而另外一方单方面价值受益[42]，或者带来双方的价值共同破环[43]，从而带来合作双方的共生风险。

突变性创新、适应性创新与复制性创新是企业大数据合作资产创新的三种典型形态。这三种形态可以同时共存，构成企业大数据合作资产创新的复杂多元模式。对于企业而言，应合理配置三种创新形态的比例，科学合理的多元创新模式体系将激发出最佳的大数据合作资产一阶效应；科学合理的多元创新模式体系也能最大可能地消除可能带来破坏性效应的共生风险。企业大数据合作资产创新中的多元生态体系如图7所示。

图7 大数据合作资产的多元创新组合模式

(二)获取大数据合作资产商业价值的管理策略

大数据合作资产中的多元创新系统探讨，可以关联到近期国际诸多学者对于数字化创新反思的浪潮[44-47]。在一系列的反思中令人印象深刻的是由Hofacker等[47](2020)提出的六方面反思：长期与短期、公平与不公平、人类与机器、回报与风险、合作与竞争及慢与快，指出科技与营销的组合将继续产生碰撞，带来更多值得研究的方向。结合大数据合作资产商业价值，以影响者营销为例，更应侧重在管理实践中关注长期与短期、回报与风险以及协作与竞争的权衡。

1.长期与短期。一阶效应是创新的预期效应。从短期来看，营销者营销实现了大数据合作资产创新的一阶效应。意见领袖被引入直播行业，并成为主播。通过他们对顾客参与的注重，尤其是情感参与，为消费者带来了更直观、更生动的购物体验，同时也收获了高转化率和显著的营销效果。消费者降低了获取信息的成本，企业通过高转化率扩大销售，直播订单的增加也增加了主播的收入。从长远来看，直播带货的发展带来的影响有利有弊。从好的方面看，它可以促使创生性二阶效应的产生，二次创新，产生新的价值。在中国所有主播中仅占2.16%[48]，却能获取大部分流量和销售额的头部主播们，也逐渐开始利用起自己的巨大影响力，吸引一些肩部主播或腰部主播，从而跳出带货主播的个人标签，带领主播团队，实现利益最大化。其次，一些积极的适应性二阶效应也逐渐出现。产业流程逐渐标准化，与此同时，更多企业与主播开始总结行业经验与模式，为新入者提供便利。

随着影响者营销被越来越普遍地使用，消费者的兴奋阈值提升，这导致了对主播内容创新的强烈需求，主播获取流量的成本越来越高。对于部分大品牌，直播中的低价在短期内可以刺激消费，但一旦成为常态可能会损害品牌形象和线下渠道的销售；对于小品牌，每场直播的费用和佣金越来越高，通过直播带货，主播似乎帮助企业进行了一波宣传，然而，最终企业可能是赔本赚吆喝。可见，企业大数据合作资产的商业应用中，近期虽然可以采用复制性创新来继续获得营销者营销的红利，但也需要同时启动适应性创新来增强业绩效果的可持续性，更要对动态环境中的变革性机会保持警觉，在可控范围内尝试突变性创新。

2.回报与风险。由于直播带货效率高，企业可以避免中间商和线下店铺带来的高成本，将产品快速推广到大众市场，从而使消费者受益。然而，任何事物都有两面性。直播带货的高效率也给消费者带来了一些破坏性二阶效应。在直播中，每个产品分配到的时长约为三分钟左右。这种快节奏的确可以增加每场直播中包含的产品数量，却也减少了消费者思考购买必要性的时间。从短期来看，消费者可能会因非理性消费而产生后悔。从长期来看，直播带货的内容输出将逐渐影响消费者的想法和观念。消费主义文化将在社会上逐步发展，尽管刺激了经济，但也给消费者的财务带来巨大风险。

此外，由于顾客参与在主播的影响力构建过程中的重要地位，消费者往往对自己喜爱的主播有较高的信任度和满意度。这种强烈的情感联系降低了消费者对主播的信任门槛，无法准确判断主播的一些负面行为，如欺骗消费者、销售假货等。欺诈也会存在于主播和企业的交易过程中。部分主播可能利用其他代理机构恶意下假订单，伪造销售业绩，在收到企业报酬后退货退款。由于行业政策和法律没有及时得到充分的规范，这类行为屡禁不止，给消费者和企业都带来了巨大的风险。鉴于此，企业在实践大数据合作资产的商业应用中也要积极推动和参与国家相关机构对大数据合作资产创新的监管体系建立，为各类风险提供法律防范屏障。

3.合作与竞争。直播带货是企业与主播数字化资源的交换与整合，并形成大数据合作资产。然而，在这种伙伴关系中，由于直播平台和消费者的支持，主播处于主动地位。企业作为委托方，在直播过程中也无法直接和消费者产生交互，处于被动地位。实际上，这是一种博弈权的转变。在传统的商业模式中，企业可以通过线下商店、线上渠道和分销商与消费者进行交互。在这个过程中，无论采取什么价格策略或促销策略，企业都牢牢地控制了这些渠道，从而主导了消费者。而在直播带货模式中，主要是利用主播的影响力进行营销。主播影响着消费者，而他们却基本不受企业的控制。

这种两者力量的失衡会带来大数据合作资产减值的风险。屡屡爆出的“主播收取巨额坑位费却销量惨淡”、“虚假刷单让企业看到虚假繁荣”等事件，不仅会给处于劣势地位的企业带来财务损失，更是给行业整体带来不信任感，使得行业合作意愿进一步下降。消费者主导型大数据合作资产中，营销影响者与企业在对消费者的影响力上将长期既是合作者又是竞争者，这种特殊关系是企业在实践大数据合作资产创新过程中必须始终保持清醒认识，并权衡处理的。

六、结论与展望

本文从技术实践论视角，提炼出大数据合作资产创新的三种形态：突变性创新、适应性创新和复制性创新，指出企业大数据合作资产创新应该是这三种创新的科学组合，任何单一的创新形态都将无法实现最佳的价值共创。这是本研究的第一个理论创新点。本研究的第二个理论创新点体现在对于二阶效应的分析上。尽管本研究是在谢康教授团队研究工作的基础上开展，但是本研究不仅仅研究了适应性二阶效应，同时研究了创生性二阶效应和破坏性二阶效应，三类二阶效应之间的关系以及一阶效应和二阶效应之间的关系。本研究有助于企业全面认识大数据合作资产创新。在预期的一阶效应上，大数据合作资产能给各方都带来好处。但是，在创新过程中，还存在一些不可预测的破坏性二阶效应，可能会损害各方的利益。企业需要从长期与短期、回报与风险、合作与竞争的平衡中来动态调整突变性创新、适应性创新和复制性创新的组合。本文仅针对消费者主导型大数据合作资产展开研究，后续的研究还可以针对其他类型的大数据合作资产开展研究。进而言之，智能技术带来了物理空间、网络空间与生物空间三个空间中广泛的大数据合作资产，未来这一领域还有大量有待研究的问题。