来源：小米社区首页
摘要：企业自建在线创新社区是企业与用户协同进行产品开发和价值创造的网络平台，是典型的信息技术驱动的企业开放式创新模式。本文基于社会认知理论、耶鲁态度改变理论与情境调节定向理论，考虑新产品开发阶段的情境因素，构建企业自建在线创新社区中反馈对用户持续创新贡献影响的理论模型。获取小米MIUI社区中的用户创新发帖和反馈评论的非结构化数据，通过机器学习算法进行数据结构化处理，进而构建面板数据模型进行实证分析。研究表明，在线创新社区中的积极反馈对用户持续创新贡献具有显著正向影响，消极反馈对用户持续创新贡献也具有显著影响，但是关系的方向与反馈来源和情境有关。考虑反馈来源的不同，反馈对用户持续创新贡献的影响会存在显著差异，相比同伴反馈，专家反馈对用户的持续创新贡献的影响更强。考察新产品开发阶段的调节效应发现，相比创意产生阶段，测试发行阶段中专家负反馈对用户的持续创新贡献产生正向影响。本文研究丰富了企业自建在线创新社区情境下的用户创新、新产品开发和开放式创新的理论，并为平台经济背景下企业利用外部知识进行产品和服务创新的实践提供管理启示。
关键词：在线创新社区；反馈；用户创新；新产品开发
一、研究背景和意义
新产品开发是企业创新的一种重要形式。经验数据表明，企业的新产品开发约一半来源于市场因素的驱动，因此准确理解用户需求成为新产品开发成功的关键。Web2.0、大数据等新兴信息技术的快速发展，使企业连接用户并获取用户的在线生成内容更加方便，有效支撑需求导向的产品开发策略，实现产品快速迭代[1-2]。企业自建在线创新社区（Firm-sponsored Online Innovation Community, FOIC）是企业应用Web2.0技术创建的用于获取用户观点和产品创意，实现与用户价值共创，进行产品创新的网络平台。
FOIC中用户创新贡献通常随着时间的推移而减少，因此如何激励用户的持续创新贡献尤为重要。FOIC中用户创新贡献取决于两个关键因素：创新意愿和创新能力，而反馈是影响用户创新意愿和创新能力的重要机制。线下管理情境下反馈对个体行为产生影响，适当的反馈可以激发工作动机和提高工作绩效，社会化网络环境下的反馈亦是如此。在线创新社区领域，有关反馈对用户创新贡献行为的研究仍待深入。现有研究大都没有考虑反馈的方向，部分研究对反馈方向进行了区分，但并没有考虑特定情境下反馈对用户创新贡献的影响差异，反馈与用户创新贡献之间关系的方向和大小没有形成一致的研究结论。因此，本研究结合社会认知理论、耶鲁态度改变理论与情境调节定向理论，考虑不同新产品开发阶段用户创新角色差异的情境因素，构建反馈对用户持续创新贡献影响的研究模型，采用小米MIUI社区中用户创意与反馈的非结构化大数据进行实证分析，探究FOIC情境下反馈对用户持续创新贡献的作用机理。
二、主要内容
（1）研究假设
FOIC中反馈是指用户发布创意后，企业员工或其他用户对创意帖子进行的带有评价性质的回复。反馈可以传达两个信号：一是用户创意是有价值的或者需要改进的，并且企业需要其持续参与产品创新任务；二是社区其他用户关注并理解其创意，促使用户之间沟通与交互[3]。根据耶鲁态度改变理论（Yale Attitude Change Approach）[25]，反馈者身份、反馈内容、情境要素（新产品开发不同阶段的任务特征）构成了用户创新意愿和创新能力改变的外部要素，基于此构建FOIC中反馈对用户持续创新贡献影响机理的研究框架。参考Chen等的研究[7]，本文根据反馈者身份将反馈分为同伴反馈与专家反馈。这里的同伴是指社区中的普通用户；专家是指社区的圈主、解答组和入驻员工等高级用户，他们具备更强的专业和技术知识、更了解产品设计原理。参考刘倩和孙宝文[8]和Liu等[9]的研究，进一步根据反馈内容情感倾向将反馈分为专家正反馈、同伴正反馈、专家负反馈和同伴负反馈，探讨四种不同类型的反馈对用户持续创新贡献的影响，进而提出研究假设。提出如下研究假设：
H1A：专家正反馈对用户的持续创新贡献具有正向影响
H1B：同伴正反馈对用户的持续创新贡献具有正向影响
H2A：专家负反馈对用户的持续创新贡献具有负（正）向影响
H2B：同伴负反馈对用户的持续创新贡献具有负（正）向影响
H3A：相比同伴正反馈，专家正反馈对用户的持续创新贡献的影响更强
H3B：相比同伴负反馈，专家负反馈对用户的持续创新贡献的影响更强
H4A：相比测试发行阶段，创意产生阶段中专家/同伴正反馈对用户的持续创新贡献的正向影响更强
H4B：相比创意产生阶段，测试发行阶段中同伴负反馈对用户的持续创新贡献的负向影响更弱
H4C：相比创意产生阶段，测试发行阶段中专家负反馈对用户的持续创新贡献的产生正向影响
（2）数据来源
本文编写python爬虫程序获取2020年6月~2020年12月期间 “MIUI系统”圈子中用户发帖和评论的数据，以周作为时间窗口，最终得到2020年6月17日~2020年12月1日共24周的数据，其中包含174297个创意以及反馈帖子和175778条评论（一级评论）。
（3）实证检验结果
本研究构建负二项分布面板数据模型（Negative Binomial Panel Model），检验不同反馈类型对用户持续创新贡献的影响。根据实证结果，四种类型反馈对用户的持续创新贡献具有显著的影响。专家正反馈和同伴正反馈对用户持续创新贡献具有显著的正向影响，假设H1A与假设H1B得到验证。专家负反馈对用户的持续贡献具有显著的正向影响，这说明负反馈在一定情况下对用户的持续创新贡献具有激励作用，假设H2A得到验证，同伴负反馈与用户的持续创新贡献显著负相关，假设H2B得到验证。本文借鉴Li等的方法，验证专家反馈和同伴反馈对用户持续创新贡献的影响差异。专家正反馈和专家负反馈的系数大于同伴正反馈及同伴负反馈，且差异显著，因此假设H3A和H3B得到验证。这说明专家反馈比同伴反馈对用户持续创新贡献的影响更强。专家的官方身份是可能的重要影响因素，企业专家具备更强的技术和产品专业知识，对产品功能和原理细节了解更深入，因此FOIC中专家反馈更具有说服力。本文使用分样本回归和邹检验方法来检验新产品开发阶段的调节作用，比较创意产生阶段和测试发行阶段中反馈对用户持续创新贡献的影响差异。检验结果显示，两组间同伴正反馈系数大小比较符合预期，但同伴正反馈交乘项的路径系数显著性未得到验证。专家正反馈交乘项的路径系数显著性得到验证，然而创意产生阶段的专家正反馈对用户创新贡献影响不显著，因此假设H4A未得到验证。两组间同伴负反馈系数大小比较也符合预期，但同伴负反馈交乘项的路径系数显著性未得到验证，假设H4B未得到验证。相比创意产生阶段，测试发行阶段中专家负反馈对用户创新贡献行为产生正向影响，与理论假设相一致，因此假设H4C得到验证。本研究发现一些有趣结果，在创意产生阶段，专家正/负反馈对用户持续创新贡献的影响不显著。在测试发行阶段，专家正/负反馈对用户持续创新贡献产生显著的影响。
三、主要结论与政策建议
主要结论：本研究发现FOIC中的积极反馈与用户的持续创新贡献存在显著的正相关关系，而消极反馈与用户的持续创新贡献也具有显著影响，但是关系的方向与反馈来源和情境有关。考虑反馈来源的不同，反馈对用户的持续创新贡献的影响会存在显著差异，研究表明相比同伴反馈，专家反馈对用户的持续创新贡献的影响更强。进一步考察新产品开发阶段对反馈对用户持续创新贡献的作用关系的调节效应发现，相比创意产生阶段，测试发行阶段中专家负反馈对用户创新贡献行为产生正向影响。
政策建议：第一，针对创意产生阶段，专家反馈对用户创新贡献作用不显著的问题，建议FOIC中对用户创意帖子的反馈要尽可能地附带一些产品和技术知识信息，避免过多的格式化回复；同时适当优化产品开发流程，缩短被采纳创意实施周期，提升用户的知识自我效能感。第二，适当增加FOIC中专家用户组的人数，同时专家要尽量积极地与用户进行互动，在评论中表达自己的想法，突出专家技术知识的专业性、权威性和指导性，建立专家与用户的强社会网络关系。第三，优化FOIC平台反馈机制设计，如设置敏感词屏蔽系统，对言辞不当的评论可以屏蔽其敏感词或删除，对于负反馈的帖子，提醒注意回复的方式，并充分说明理由和依据，激励用户创新的积极性。
四、边际贡献与未来拓展
本文的主要贡献为：与以往研究主要聚焦在反馈行为本身或反馈的客观属性（字数、时间等）不同，本文将反馈者身份、新产品开发情境等相关因素纳入研究框架，构建反馈对用户的持续创新贡献影响的研究模型，研究证实了在新产品开发不同阶段中不同类型反馈对用户持续创新贡献影响的差异。研究从一个新的视角探讨了FOIC中反馈对用户持续创新贡献的影响机理，丰富了企业自建在线创新社区情境下的用户创新、新产品开发和开放式创新的理论，为在线创新社区中用户创新的研究者提供参考；并为平台经济背景下企业完善FOIC的反馈机制，利用外部知识进行产品和服务创新的实践提供管理策略。
未来研究拓展：尝试采用文本挖掘的方法进一步识别用户发帖中的创新质量，关注用户发帖的新颖性、商业价值和可行性等要素，更加准确的刻画用户的创新贡献。第三，本研究考虑不同词语的分数和权重，基于二手数据的情感分析方法计算反馈类型变量，但不同反馈信息内容的差异并没有考虑。未来可以尝试采用文本挖掘、内容分析等方法，进一步分析反馈信息内容对用户创新贡献的影响。
本文摘编自《系统工程理论与实践》第42卷第10期论文《企业自建在线创新社区中反馈对用户持续创新贡献的影响研究——新产品开发阶段的调节效应》（点击题目链接全文）；
作者：刘伟、张波椋，东北财经大学管理科学与工程学院教授, 博士生导师、硕士研究生