基于大数据合作资产的数字经济场景化创新

邹 波 ，杨晓龙，董彩婷

(1.中山大学 a.管理学院;b.岭南学院,广东 广州 510275；2.北京化工大学 经济管理学院,北京100029)

一、引 言

近年来，随着大数据、云计算、人工智能等新一代信息技术的发展及在各行业的深入渗透，基于数字技术的场景化创新现象越来越普遍。比如，近几年来兴起的程序化创意广告，能够针对不同用户的不同需求，或者同一用户在不同时期和不同场景的需求，利用程序自动生成个性化的精准创意，实现了广告营销的“千人千面”和“一人千变”[1]。目前，场景化创新不仅停留在企业产品层面，而且已经上升到国家战略层面，在国家《“十四五”规划和2035年远景目标纲要》中，明确提出了智慧交通、智慧能源、智慧农业及水利、智能制造、智慧教育、智慧医疗等十大数字化应用场景，积极鼓励企业基于这些具体应用场景开展各种创新活动，推进数字经济的健康发展。

尽管在实践上场景化创新越来越普遍，然而在理论上尚缺乏对其深入的揭示。“场景”的概念最初来源于影视学，之后在传播学、社会学、建筑学等领域广泛应用。在管理学领域，Kenny and Marshall[2](2000)率先提出了“场景”的定义，是指顾客生活中的特定情境，以及在这种情境下产生的需求或情感因素。近年来，市场营销和商业模式两个研究领域将场景作为一个重要的分析变量纳入到具体的研究中[3-6]，取得了丰富的研究的成果。然而，在产品创新领域，现有的一些研究还停留在现象层面上，尚未建立起数字经济场景化创新的理论解释框架，主要体现在：(1)缺少解释数字经济场景化创新的基本理论视角，导致没有从底层逻辑上揭示场景化创新为什么可能和如何可能的基本问题；(2)没有建立起数字经济场景化创新的理论框架，导致对于从哪些维度分析场景化创新的类型、特征等基本问题尚不清晰。

针对现有的理论缺口，本文以Xie等[7](2016)提出的大数据合作资产原创理论作为解释数字经济场景化创新的基本理论视角，形成了以下两个方面的理论贡献：一是基于大数据合作资产理论的内涵，揭示了数字经济场景化创新的数据支撑性、价值共创性和快速适应性的理论根据，并从“有限理性”边界拓展的视角阐明了数字经济场景化创新的底层逻辑；二是基于大数据合作资产丰裕度与场景复杂程度两个维度，将数字经济的场景化创新划分为四种类型：迭代型、适应型、扩充型和多元型，建立起了数字经济场景化创新的理论框架。这些理论上的探索一方面促进了数字经济场景化创新从现象层面向理论层面的延伸，同时也作为新的起点，能够引导数字经济场景化创新的理论研究走向深入。

二、数字经济场景化创新的内涵与特征

(一)数字经济场景化创新的内涵

场景的概念最初来源于影视学，之后在传播学、社会学、建筑学等领域广泛应用。在管理学领域，Kenny and Marshall[2](2000)率先提出了场景的定义，是指顾客生活中的特定情境，以及在这种情境下产生的需求或情感因素。一些研究将场景的概念进一步细化，强调场景包括时间、地点、场合、情感等特定元素[8-10]。还有研究认为场景是以“用户体验”为中心，基于时间、空间和内容三要素构建的一个或一组特定组合及其相应的潜在功能设施、情感连接方式、价值观属性和亚文化特征等[11]。“场景化”是将场景元素嵌入某个载体的过程，比如，商业模式场景化是将场景元素嵌入商业模式形成场景型商业模式的创新过程[12]。本研究提出的场景化创新特指场景化产品创新。结合场景、场景化的内涵及“job-to-be-done”理论[13]，我们将其定义为：企业通过对特定时间、地点、情感、关系等元素所构成的场景进行研究，并与用户进行持续互动，深入洞察用户需求，帮助用户完成在特定场景下想要完成任务的价值创造活动。

场景化创新与非场景化创新具有显著的区别：首先，二者对需求的理解不同。非场景化创新往往从产品的角度理解需求，而场景化创新则从场景的角度理解需求，强调需求是在具体场景之中用户想要完成的特定任务，需求蕴含在场景之中；其次，二者所关注的核心不同。由于对需求的理解不同，非场景化创新关注的核心是产品功能的完善，而场景化创新关注的是如何为用户完成某个特定场景下的任务提供一套有效的解决方案；第三，二者创造的价值不同。以“电钻”为例，如果强调用户需要的是一个电钻，这时创造的是产品的交换价值；如果强调用户需要的不是电钻工具而是墙上的一个洞，这时创造的是产品的使用价值，这两种价值都不是场景化创新所要创造的价值。如果强调用户需要的是在特定时间和地点某一面墙上的一个洞，此时强调的是场景价值，这是场景化创新所要创造的价值。换言之，场景化创新所创造的场景价值不仅包括使用价值和交换价值，还包括用户在特定场景之下的情感、体验和认知等方面的价值。

本研究所提出的数字经济场景化创新，强调数字技术对场景化创新的驱动作用和数据作为一种生产要素对场景化创新的支撑作用。在数字经济背景下，场景化创新更为普遍，这主要是由于：首先，5G、大数据、人工智能等数字技术为快速、全面捕捉和刻画用户场景提供了技术支撑。比如，大数据分析技术能够挖掘消费者更多的瞬间兴趣内容，建立更加接近消费者处于“当时”场景中实时状态的画像；人工智能技术则可以更加细致地划分场景，增加场景的粒度，呈现场景的动态变化[14]。不仅如此，数字技术的“可供性”(affordance)使数字技术更容易与用户的需求和社会认知背景，以及企业的价值主张和组织文化相结合，从而创造出更多新的场景意义和场景价值[15]。其次，数字技术创造出来的新的场景反过来倒逼企业要进行场景化创新。在数字经济背景下，基于数字技术的驱动，数字化办公、数字化医疗、数字化营销等新的数字化场景层出不穷。每一种数字化场景都不是静态不变的，而是不断动态变化的，一旦应用场景发生了变化，产品属性、结果和目的之间的联系也会发生变化[16]，场景需求与产品功能之间的匹配关系也会发生变化，这就需要企业动态地对场景变化做出积极响应，根据变化的场景进行适应性创新。数字经济场景化创新与非数字经济场景化创新相比具有一些新的特征，比如，数字经济场景化创新在时间上更加碎片化，在空间上更具延展性，在情感、体验等方面更具创造性，在价值创造上更加多边化等。

(二)数字经济场景化创新的特征

相比于传统的场景化创新，在数字经济背景下，由于数字技术的赋能，场景化创新具有以下三个方面的显著特征：

第一，数据支撑性。获取有关用户时间、空间、关系、偏好、动机、情感等方面的多维度信息，对用户场景进行全方位刻画，是场景化创新的前提，没有数据作为基本支撑，场景化创新就是无源之水、无本之木。大数据、人工智能、5G、边缘计算等新一代数字技术的兴起和向各行业的深度渗透，为企业低成本、高效率地获取用户信息，进行全样本自然实验，持续改进产品提供了前所未有的技术条件[17-18]。这些数字技术不仅可以获得用户的结构化数据，还能获取如语音、人脸、移动轨迹等非结构化数据，并能够对这些数据进行实时、细粒度的分析，为场景化创新提供决策依据。简言之，在数字经济背景下，数据的可获得性和易分析性为场景化创新提供了基本的支撑。

第二，价值共创性。在传统的产品创新模式中，强调企业是价值创造的主体，而顾客仅仅作为价值终端的消费者。Vargo和Lusch[19](2008)基于经济发展和演化宏观视角，提出基于“服务主导逻辑”的价值共创理论，强调消费者是价值的共同创造者。数字经济背景下的场景化创新，具有明显的企业和用户价值共创的特点。这一方面是由于数字技术的发展为价值共创提供了可能性，肖静华等[20](2018)的研究表明，在数字经济时代，以数据为连接纽带，企业与普通消费者结成了紧密的合作关系，普通消费者参与研发成为可能。另一方面，当用户置于具体的场景之中时，他们往往更容易对企业对所提供的产品或服务提出有用性的主观评价，并在与企业的互动中积极表达对产品和服务的改进期望[21]，换言之，场景提供了企业与用户进行价值共创的情境。

第三，快速适应性。在数字经济背景下，场景的构成不再只是简单地局限于时间、空间维度，更多地涉及到用户的行为情境、心理氛围和体验感知，以及参与者之间的互动关系、情感连接方式、价值观属性和亚文化特征等[8，22]。较之传统的场景，这种多维度构成的数字化场景更加复杂多变，一旦场景发生了变化，产品属性、结果和目的之间的联系也会发生变化[16],这就需要企业借助大数据和人工智能等数据获取和分析手段，针对变化的场景做出即时反应，即时调整，精准匹配。在数字经济时代，场景化创新的核心是要解决场景需求与解决方案的动态匹配问题，快速适应成为数字经济背景下场景化创新的核心原则。同时需要注意的是，在数字经济背景下，场景化创新的适应性不仅需要考虑速度，还需要考虑结构适应性、系统适应性等问题。

数字经济场景化创新的数据支撑性、价值共创性和快速适应性三者之间存在内在关联。数据支撑性强调数据作为一种重要资源为场景化创新提供了输入，没有这一输入作为基础，场景化创新很难实现。价值共创性强调数字经济场景化创新是一个企业与用户以数据为纽带的价值交互过程，企业和用户双边而不是企业单边进行价值创造，可见，价值共创是场景化创新的过程组织形式。快速适应性强调数字经济场景化创新的结果能够与动态变化的场景实现实时匹配，这一特征凸显了数字经济背景下产品创新最终形态的鲜明特征。简言之，我们可以从输入-过程-输出的逻辑来理解数字经济场景化创新三个特征之间的关系。

三、数字经济场景化创新的理论基础

(一)大数据合作资产为场景化创新提供了理论视角

场景化创新是近年来随着数字技术的蓬勃发展而涌现出的一种实践现象，对于这一现象目前还缺乏理论上的深入研究。我们认为，大数据合作资产理论为揭示这一现象背后的规律提供了很好的理论视角。Xie等[7](2016)提出了大数据合作资产的原创性概念及理论框架：大数据合作资产是指企业和消费者在数字化服务交互中成为能够被另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。数字化技术、 服务交换和可转移的使用权三个要素共同构成了大数据合作资产的概念内涵。首先，数字化技术构成大数据合作资产的技术内涵；其次，基于数字化技术形成的企业与消费者服务交换,反映了大数据合作资产的互动特征；最后，数字化资源使用权的可转移性构成大数据合作资产的互动条件, 使企业和消费者间的数字化服务交互成为可能[23]。大数据合作资产理论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[7，24]。由于大数据合作资产理论对数字经济的底层逻辑进行了深刻的揭示，因此，它能够很好地解释数字经济中的许多现象。比如，基于大数据合作资产理论，现有研究对数字经济时代的适应性创新[23]、多元创新模式[24]、开源数字经济的创新逻辑[25]等问题进行深入的研究。

我们认为，大数据合作资产理论为数字经济场景化创新这一现象提供了重要的理论解释视角。前文已经论述，数字经济场景化创新具有三个显著特征：数据支撑性、价值共创性和快速适应性。从数据支撑角度来讲，大数据合作资产强调数字化技术提升了消费者参与行为的可数据化程度, 使生成数据具有高易获得性, 成为能够被便利、 低成本、 突破时空限制地转化为可被企业获取和利用的数据资源[23]。进一步地，大数据合作资产理论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，将大数据合作资产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[23]。这四种不同类型的大数据合作资产为进一步深入研究场景化创新的数据支撑问题提供了分析视角。从价值共创角度来讲，大数据合作资产理论认为价值是通过一系列的互动体验由企业和消费者共同实现的，强调企业与消费者之间双向的价值交互，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，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， 因此，大数据合作资产理论为数字经济场景化创新的价值共创性提供了重要的理论支撑。对于场景化创新的“快速适应”这一核心原则，大数据合作资产理论同样具有很强的解释力，我们在下文对这一问题进行专门探讨。

(二)大数据合作资产揭示了场景化创新的底层逻辑

前文已经论述，在数字经济时代，场景化创新的核心是要解决场景需求与解决方案的动态匹配问题，快速适应是数字经济背景下场景化创新的核心原则。在数字经济时代，快速适应这一场景化创新的核心原则是如何实现的，大数据合作资产理论能够从底层逻辑上给予很好的解释。

赫伯特·西蒙认为，由于人类无法获取所需决策的全部信息，同时处理信息的能力有限，人类的决策行为受到“有限理性”的支配[26]。有限理性决策理论提出后，积极探索帮助企业克服决策偏见的方法成为学术界关注的重要议题[27]。大数据合作资产理论很好地回答了在数字经济背景下如何放宽“有限理性”边界的问题。大数据合作资产理论认为，数字化技术构成了大数据合作资产的技术内涵[23]。 数字化技术提升了消费者参与行为的可数据化程度, 使生成数据具有高易获得性, 成为能够被便利、低成本、突破时空限制地转化为可被企业获取和利用的数据资源[23，28]。这些可获得的海量、动态的数据资源，成为数字经济时代企业决策的重要信息来源，能够有效地降低企业决策时的“有限理性”。对场景化创新而言，企业可以利用这些数据资源对用户的场景进行动态、全面的刻画，从而对用户变化的场景需求进行快速适应，从这一意义上讲，大数据合作资产理论从“有限理性”边界拓展这一底层逻辑上解释了场景化创新快速适应的核心原则。

继赫伯特·西蒙提出的“有限理性决策”理论之后，卡尼曼和特沃斯基将心理学研究引入到不确定性条件下的决策中来，提出了前景理论。前景理论将风险决策过程分为编辑和评价两个阶段。在编辑阶段, 决策者主要对信息进行编码、组合、分解、删减等加工处理；在评价阶段，决策者根据价值函数、权重函数赋予选项不同的效用值, 最终选取最大期望效用值作出决策[29]。前景理论认为，行为者的决策过程受到参考点和框架效应的影响。参考点是一种主观评价的标准，是表征信息、形成获益或损失框架、作出决策的重要依据。框架是指对问题的表征形式，不同的框架导致决策产生不同的结果，框架的形成会受到个人经验、生活环境、价值观等因素的影响，框架一旦形成，就倾向于稳定和固化，产生“框架效应”。大数据资产合作理论对数字经济时代参考点和框架的形成与调整做出了很好的解释。大数据合作资产理论认为，数字化技术使用户的行为变得透明化、可数据化，企业能够突破时空的限制以低的成本快速获取和利用数据资源[30]，同时，使用权的可转移构成大数据合作资产的互动条件，而在互动关系上强调企业与消费者间双向的价值交换[23]。基于以上观点，在数字经济时代，一方面，海量的大数据资源为企业选择参考点和形成框架提供了参考依据，企业的决策行为会更加理性；另一方面，在企业与用户基于数据的频繁互动中，企业在参考点的选择及框架的动态调整上，会更多地考虑用户的需求，从而对用户需求的变化做出积极响应。对场景化创新而言，企业能够基于大数据分析，灵活地调整参考点和框架，对场景的变化做出及时适应，从这一意义上讲，大数据合作资产理论从有效干预企业行为的“非理性”这一底层逻辑上解释了场景化创新快速适应的核心原则。

(三)大数据合作资产提升了场景化创新的效率与效能

在数字经济背景下，场景化创新强调把数字资源与由时间、空间、心理、体验、情感等多种元素所构成的用户场景结合起来进行价值创造。大数据合作资产理论能够很好地解释数字经济背景下场景化创新的效率与效能问题。从效率角度，大数据合作资产能够提升场景化创新的投入产出比，主要体现在两个方面：一是大数据合作资产使得场景化创新更“快”。大数据合作资产强调企业与用户之间的数字化服务交互，通过频繁的交互活动，企业能够快速获取与用户的交互数据，包括交易型大数据、交流型大数据、参与型大数据和跨界型大数据[7],企业通过对这些数据的分析和利用，可以快速且准确地刻画出不同场景下的用户画像，进而快速地开发出不同场景下的产品。二是大数据合作资产使得场景化创新更“准”，大数据的来源是基于用户的消费行为及与企业的持续互动，并通过AI深度学习模型实现与用户需求的精准匹配。比如，对于产品推荐，企业方根据用户的历史浏览及消费信息，以及当前的浏览及点击行为，利用大数据智能算法，实时更新相关商品推荐，做到同一个人在不同时间、地点等场景下打开App，其页面均不一样，体现为根据对用户需求精准推测的个性化定制信息[31]。从效能角度，企业与用户的交互所产生的各种类型的数据，不仅能够支持企业快速地开发出场景化产品，而且这些数据能够精准地反映用户场景的实时变化，企业通过大数据和人工智能算法，针对不同用户或同一用户在不同场景下的差异需求提供“即时”性产品，实现对用户需求的即时反应、即时调整和精准匹配，从而提高产品与场景的“适应性”，提升场景化创新的效能。

四、数字经济场景化创新的理论框架

建立数字经济场景化创新的理论框架，其目的是为进一步揭示这一现象提供一个思考结构。本文从三个方面考虑这一理论框架的建立：首先，场景复杂性。任何具体的管理活动与过程都是一个有人、有物、有事、有关联、有因果、有变化并依时空顺序展开的相对独立又有连贯性与整体性的情景及情景流，越是复杂的问题，它的情景与情景流越复杂，并且越和情景与情景流有着紧密的关联[32]。由此可以推论，在场景化创新过程中，由于场景的复杂程度不一样，所涉及的因素和运用的管理方式也会有差异。因此，建立数字经济场景化创新的理论框架，需要考虑场景的复杂程度。其次，大数据合作资产丰裕度。大数据合作资产强调企业与用户之间的互动[7]，互动的持续时间、互动的频率以及互动的范围都会对大数据合作资产的丰裕度产生影响。前文已经论述，大数据合作资产是数字经济场景化创新的基本保障，因此，构建理论框架时，需要考虑大数据合作资产丰裕度的差异对场景化创新的影响。再次，场景复杂程度与大数据合作资产丰裕度之间的关系。大数据合作资产刺激了企业和用户之间的数字连接，进而促进彼此可以根据对方变化进行实时调整[23]。在复杂性程度不同的场景下，企业在进行创新决策时，所需要的大数据合作资产的丰裕度以及具体的运用方式都会有所不同。因此，场景复杂程度与大数据合作资产的丰裕度之间关系也是建立理论框架时需要考虑的一个重要维度。

基于上述分析，本文基于场景复杂程度和大数据合作资产程度两个维度建立数字经济背景下场景化创新的理论框架，籍此对场景化创新进行分类。其中，场景复杂程度从场景构成维度的多少和场景动态变化的程度进行衡量；大数据合作资产丰裕度用企业与用户基于数据的交互广度和交互深度进行衡量。本文提供一个如图1所示的2×2数字经济场景化创新分类框架，将数字经济场景化创新划分为四种类型：迭代型、适应型、扩充型和多元型。以下，据此探讨每一种类型的特征及相应实例。

图1 基于大数据合作资产的场景化创新的四种类型

(一)迭代型场景化创新

这一类型对应的是图1中场景简单而大数据合作资产丰裕程度高的情况。在该类型中，场景简单主要表现为场景的结构化程度较高且相对稳定，用户对产品的需求通常不会随时间、地点、场合等场景因素的变化而发生太大变化。大数据合作资产丰裕程度高意味着企业与用户会围绕产品或服务进行高频率、深层次的服务交互，从而不断地形成交互性的大数据资源，并能够对这些交互性的大数据资源进行整合。在该类型中，简单的场景使得用户的行为相对稳定，产品具有一定的结构化特征，当企业掌握高丰裕度的大数据合作资产时，就能够很好地降低“有限理性”的程度，实现产品阶段性的升级迭代。本文将这一类型定义为迭代型场景化创新。

《王者荣耀》手游是迭代型场景化创新的典型代表实例。该游戏自2015年首测到目前为止用户数已突破6个亿，日活跃度达到一个亿，并且现在仍保持每日增长的状态。从场景角度来看，《王者荣耀》游戏的操作方法一般不会随用户玩游戏的时间、地点、场合等发生改变，某个英雄的技能属性也不会因为用户玩游戏的场景而发生改变，因此，用户场景结构化程度较高且相对稳定。从大数据合作资产角度来看，《王者荣耀》开通了专门微博、王者荣耀百度贴吧等沟通平台，用户可以直接反馈问题或建议，比如在英雄技能、形象、社交系统、战队、装备、比赛机制甚至某个英雄皮肤袖口的颜色等方面都可以发表改进意见。目前，在百度贴吧上，关注的粉丝量已过千万，互动性帖子达到3亿余条，这些通过交互而产生的的大数据合作资产为《王者荣耀》的升级换代提供了重要数据支撑，腾讯天美游戏后端会根据这些大数据合作资产分析用户的体验感知和行为偏好，不断推动游戏的优化升级。可以看到，在这个例子中，相对简单的场景和高丰裕度的大数据合作资产的结合，产生了迭代型的场景化创新。

(二)适应型场景化创新

这一类型对应的是图1中同时具备场景复杂和大数据合作资产丰裕程度高的情况。在这种情况下，一方面，用户场景的非结构化程度很高，动态性很强，用户对产品的需求会受到时间、空间、情感等多重要素的影响；另一方面，企业与用户之间的服务交互程度高，资源整合能力强，从而形成丰裕程度很高的大数据合作资产。场景的动态变化导致用户行为非常复杂，产品的非结构化程度很高，企业需要根据用户的场景变化即时进行产品创新，实现产品场景化。因此，需要高丰裕度的大数据合作资产才能够满足创新的决策需要。换言之，企业“有限理性”边界的拓展，需要以大量的高丰裕度大数据合作资产作为依据。这一类型的场景化创新体现出更强的“适应性”，本文将其定义为适应型场景化创新。

程序化创意广告产品是适应型场景化创新的典型实例代表。传统的广告需要企业通过实地考察或问卷调查等形式获取用户的信息，利用人口统计学方法将用户的静态需求进行分类，从而发现不同的用户群的需求差异。与传统广告不同，程序化创意广告能够实现产品与场景的即时性匹配，克服了传统广告的不足。从场景角度看，程序化创意广告具有明显的非结构性特征，动态变化性很强，用户的需求随场景的变化而不断变化。从大数据合作资产角度来看，企业与用户的服务交互程度和资源整合程度很高。例如，企业利用GPS定位系统、用户的搜索、浏览记录等大数据技术给用户提供全面清晰的画像，从而更准确和立体地捕捉用户的复杂场景，进而依据捕捉的实时场景及时调整广告投放内容，以精准匹配用户所处的实时场景。可以看到，在这个例子中，复杂场景和高丰裕度的大数据合作资产的结合能够产生适应型的场景化创新。

(三)扩充型场景化创新

这一类型对应的是图1中场景简单且大数据合作资产丰裕程度低的情况。在这种情况下，用户场景结构化程度高且稳定，如有明确的规则、清晰的流程等。用户与企业之间的交互主要依据确定的规则，服务交互程度和资产整合程度相对较低，使得产品具有很强的结构化特征，用户的非理性行为会受到限制。对企业而言，一定量的结构化信息就可以满足创新决策的需要。换言之，在这种情况下，低丰裕度的大数据合作资产即可以扩展“有限理性”。本文将这一类型定义为扩充型场景化创新。

典型的代表实例是维基百科。维基百科成立于2001年，目前是规模和影响力最大的知识协作平台。维基百科平台采用Wiki技术和Copyright开发式许可协议，允许用户在访问网站时进行自由浏览和内容修改，其总编辑次数已经超过了10亿次。至2020年维基百科文章数量突破600万篇，全部的词条数量超过100万。从场景角度来看，在维基百科上，用户根据自己所掌握的知识参与到维基百科词条的编辑中，用户使用维基百科编辑内容的体验不会随时间、空间、情境等场景要素的变化产生较大差异性，因此，场景相对简单和稳定。从大数据合作资产角度来看，维基百科主要是设立了一些中立性、非原创和可供查证的原则，来保证用户在平台上客观传播知识，而没有其他更深入的互动方式。从产品创新的结果来看，主要表现知识的不断扩充，呈现出相对静态的特征。由此可见，在这个例子中，相对简单的场景和低丰裕度的大数据合作资产的结合，产生了扩充型的场景化创新。

(四)多元型场景化创新

这一类型对应的是图1中场景复杂而大数据合作资产丰裕度较低的情况。在这种情况下，用户场景的动态变化性很强，非结构化程度高。用户与企业之间的交互程度比较低，企业主要通过设定相应的规则来规范用户产品的内容和质量。因此，在场景复杂和大数据合作资产丰裕度较低的情况下，企业不必对用户进行精细化管理，而是让用户拥有了更多的独立性和自创性，从而实现多样化的产品创新。本文将这一类型定义为多元型场景化创新。

视频日志vlog是这种类型的典型代表实例。从场景角度看，vlog创作者创作的产品内容随场景的变化而快速变化，呈现出很强的动态性和非结构性。特别地，用户需要根据所处的时间段、所在的具体位置、所参加的特定场合、所产生的情感诉求和所见的人文景观等即时创作出新的产品。从大数据合作资产角度看，平台企业与vlog用户的交互程度比较低，企业并不干涉用户产品的生产和传播过程，更多地是对产品的内容和质量进行监测和管理，并根据内容的播放量、点赞数和评论数进行相应的推荐流量，使用户的产品触达粉丝团体或其他“路人过客”。在这个例子中，用户是产品的生产者，自主决定产品的创作，为了提升视频的原创性与新颖性，用户需要选择多样化的主题，不同的空间、时间、表达方式等，从而创造出多样化的产品内容。在这个例子中，相对复杂的场景和低丰裕度的大数据合作资产的结合，产生了多元型的场景化创新。

(五)四种类型场景化创新的共性与关系

上文基于场景复杂程度和大数据合作资产丰裕度两个维度，把数字经济场景化创新划分为四种类型。尽管这四种类型的场景化创新具有不同的适用情境，但它们具有共同的底层逻辑。前文已经论述，大数据合作资产为场景化创新提供了数据支撑，大数据是场景化创新的基本生产要素，它能够替代经验成为新动能，企业利用大数据分析提供的方法和工具，形成消费者画像，促进有价值的商业洞察[33]。可见，通过对大数据合作资产的应用，企业能够对用户场景进行全面、动态的刻画，从而拓展“有限理性”的边界。不仅如此，大数据的快速性属性能够让企业快速地获取企业生产过程中的相关数据，使企业不再局限于原先较为单一的假设，而是能够根据实时的数据对产品的生产过程进行动态调整[34]。可见，大数据合作资产能够干预企业的“框架效应”等“非理性”行为。总之，尽管四种不同类型的场景化创新在适用情境、创新过程、创新结果等方面存在差异，但共同的底层逻辑是通过大数据合作资产的使用，降低和干预了企业创新决策过程中的“有限理性”和“非理性”，使场景化创新成为可能。

对于四种类型场景化创新的关系，可以从两个方面考虑：首先，从创新类型上看，由于用户场景客观上存在简单与复杂之分，大数据合作资产的丰裕度也客观上存在高低之分，因此，从理论上来讲，上述四种场景化创新均会客观地存在，它们各自适应于某一种具体的情境，相互之间是一种互补、共存关系。从具体的产品来看，由于某一种产品的场景复杂程度会在产品演进的过程中发生变化，与之相关的大数据合作资产丰裕度也会发生变化。因此，某一种具体的产品可能会从一种创新类型向其他类型发生动态转化。需要注意的是，在大数据、云计算、人工智能等新一代信息技术深入发展和应用的背景下，用户场景有越来越趋于复杂、大数据合作资产丰裕度有不断提高的趋势。因此，“适应型”的场景化产品创新类型会越来越多。

五、结论与展望

近年来，随着数字技术的深入发展和广泛应用，在实践中涌现出越来越多的基于数字驱动的场景化创新现象。然而，对于这一不断涌现的新的现象，在理论上尚未进行深入解释。本文在分析数字经济场景化创新特征的基础上，基于大数据合作资产的理论视角，探讨了数字经济场景化创新的理论基础，建立了数字经济场景化创新的理论框架，对这一问题进行了初步的理论探索。本文的分析表明：

首先，在数字经济背景下，场景化创新具有三个显著特征：数据驱动性、价值共创性和快速适应性。大数据合作资产理论所强调的数字技术是大数据合作资产的技术内涵、大数据合作资产具有交互特性，以及数据资源的可转移性等理论内涵为深入揭示场景化创新的上述特性提供了有力的理论视角。

其次，大数据合作资产理论从“有限理性”边界拓展的角度为数字经济场景化创新提供了底层逻辑。

再次，基于大数据合作资产丰裕度与场景复杂程度两个维度，可将数字经济场景化创新划分为四种类型：迭代型、适应型、扩充型和多元型，这四种类型的场景化创新在适应情境、主要特征和创新结果等方面都存在区别。

本文在理论上对场景化创新这一实践现象进行了推动，主要体现在：

首先，从大数据合作资产理论视角揭示了在数字经济背景下，场景化创新之所以可能和如何可能的理论根据和底层逻辑。

其次，建立了数字经济场景化创新的理论框架，揭示了不同类型的场景化创新的特征和后果。

在实践上，本研究的结论能够帮助企业进一步理解数字经济场景化创新与大数据合作资产之间的关系，进而有助于指导企业如何更好地利用大数据合作资产开展不同类型的场景化创新。

在未来的研究中，从支撑性理论上，可以把有限理性决策理论与前景理论结合起来探讨场景化创新的底层逻辑，可以把建构主义作为一个理论视角来解释场景创新过程中的场景建构问题；在场景化创新的机制上，可以进一步区分企业基于用户需求进行场景化创新与企业构建场景引导用户需求之间的区别；在场景化创新与大数据合作资产之间的关系上，可以进一步探讨大数据合作资产推进四类场景化创新的具体机制。