基于詳盡可能性模型的用戶創新社區創意采納影響因素研究

王 楠，陳詳詳，祁運麗，王莉雅

(北京工商大學商學院，北京 100037)

1 引言

在線用戶創新社區是一個為用戶提供意見反饋、交流產品或服務想法的虛擬交互空間[1]，能夠匯聚眾多用戶創意，為實現內部創新與用戶創意的融合提供了巨大機會[2]。眾多知名企業紛紛建立了在線創新社區，并將注意力聚焦于如何激勵用戶在社區中貢獻創意[3-4]。這也引發了新的問題“海量用戶創意與企業有限認知資源間的矛盾”[5]。具體來說，隨著社區的持續運營，社區用戶快速增加，用戶提交的創意也呈現指數式的增長，并且大量創意存在質量不高、表達模糊不規范等問題，造成了嚴重的信息超載現象[6]。另外，社區對用戶創意的采納是一個復雜的過程，需要審核、評估等一系列流程，大多數企業并沒有明確的標準審核和評估用戶創意[7]。如何識別社區創意采納的影響因素，幫助社區從海量創意中快速篩選有價值的創意，成為社區存續與發展的關鍵。

已有學術界關于在線創新社區的研究主要聚焦于如何激勵用戶貢獻創意[8-9]，少量學者研究了社區創意采納問題，存在較大的局限性[6, 10]。首先，以往研究隱含地認為用戶提交的創意能夠完全被評估[6]，這與現實情景并不一致，如何解決社區審核者認知負荷這一問題應該得到重視。其次，社區中的用戶創意采納過程受到多種影響因素的影響，但以往關于用戶創意采納影響因素的研究大多僅考慮某方面的個別因素[7, 11]，缺少用戶創意采納影響因素的系統分析框架。最后，關于用戶創意采納影響因素的作用效果尚未達成一致意見，尚未對社區創意采納有一個清晰的認識[6]。為此，亟需引入新的視角系統分析用戶創意采納的影響因素，從而提高用戶創意采納的效率。

詳盡可能性模型(Elaboration Likelihood Model)認為個體對信息的采納過程也是一個說服過程，當信息接受者接收信息時會做出一系列可信度的判斷，進而影響信息采納決策[12]。該模型認為信息接受者在可信度評估時主要通過中心路徑和邊緣路徑進行綜合評估，其中邊緣路徑是基于信息來源的可信度理論，該理論認為交流主體(信息源)間的感知可信度會影響交流過程中的說服力，而中心路徑是基于論證質量理論，加強論證質量是影響信息接受者態度改變的重要方式[12]。詳盡可能性模型系統地揭示了個體信息采納的過程。在線創新社區中用戶貢獻的創意本質上也是一種信息，社區創意采納與個體信息采納類似，都需要對創意或信息進行審核、處理，最終建立采納[7]。另外，創意貢獻者的信息通過與其發布的創意綁定在一起，社區審核者可以依據創意的邊緣路徑(信息源)作為啟發式思考的線索，而后依據信息的中心路徑(論證質量)進行評估，最后做出采納決策。詳盡可能性模型為系統分析社區創意采納現象提供了理論框架。

因此，本文以詳盡可能性模型為基礎理論框架，構建了由用戶社區地位、用戶貢獻行為、社區認可度和創意內容質量構成的用戶創新社區四維度創意采納模型，系統揭示社區創意采納的影響因素。從理論層面上說，本文全面分析了創意采納的影響因素，彌補了以往研究視角和缺乏體系的局限性，也拓寬了詳盡可能性模型的應用領域。從實踐層面來說，本文的研究結果不僅能夠在一定程度上解決社區審核者認知負荷的問題，提高社區創意審核效率，而且有助于用戶更好地展現創意以提高創意采納的可能性，對用戶創新社區的高效發展具有指導意義。

2 模型構建與假設提出

本文構建了社區創意采納的詳盡可能性模型，如圖1所示。社區創意采納的詳盡可能性模型由邊緣路徑和中心路徑共同組成，邊緣路徑與源的可信度相關，是與創意具體內容無關的一些邊緣線索，包括用戶社區地位、用戶貢獻行為和社區認同度三個方面，而中心路徑與創意論證質量，通過創意內容質量進行衡量。此外，社區吸收能力與社區審核者的信息介入度緊密聯系，吸收能力越高其對相關信息的熟悉程度會越高。根據社區中存在的認知負荷，創意數量和創意內容質量是造成社區認知負荷的主要來源，社區吸收能力可能會影響創意內容質量與創意采納之間關系的影響。為此，本文這里考慮了社區吸收能力在創意內容質量與創意采納的調節效應。

圖1 研究模型

2.1 邊緣路徑對創意采納的影響

2.1.1 用戶社區地位對創意采納的影響

用戶社區地位是指用戶在創新社區中被認可的程度，被認可的程度越高，用戶在社區影響力就會越大，其社區地位就會越高[13]。用戶的社區地位分為官方社區地位和非官方社區地位兩類，這兩方面的社區地位均會影響社區創意采納。官方社區地位是指社區平臺給予用戶身份地位的肯定程度，通過用戶個人檔案中社區給予用戶的積分獎勵進行判斷[14]。社區會根據用戶對社區的貢獻給予其積分獎勵[9]，積分大小可以在一定程度上表示用戶在社區地位的大小。由于社區創意采納的決策者是社區運營者，社區對用戶的社區地位認同度越高，可能越會重視該用戶[13-14]，在評估大量的用戶創意時可能會分配較多認知資源，更有可能采納該用戶的創意。因此，本文認為：

H1：用戶的積分會對創意采納產生積極的影響。

非官方社區地位是指社區中的其他用戶對用戶的認可度。當其他用戶對該用戶的認可度較高時會在社區產生較大的影響力[14]。初步研究表明，在網絡社區中，好友數量較多、社交廣泛的用戶群體在社區中受到高度尊重。例如，Fuller和Steve[15]研究發現擁有不同數量好友的用戶具有不同的影響力，會影響社區對其創意采納的可能性。此外，社區好友可以為社區成員帶來較好的社區感覺，進而產生較高的歸屬感、信任及滿意度，促進用戶在社區的貢獻行為，進而對創意的采納產生正向的影響。因此，本文認為：

H2：用戶的好友數量對創意采納會產生積極的影響。

2.1.2 用戶貢獻行為對創意采納的影響

用戶貢獻行為可以分為主動貢獻和反應貢獻兩類[16]。主動貢獻行為是指用戶主動、自愿的貢獻行為[17]，在社區主要體現為用戶的發帖行為。反應貢獻行為是指用戶積極回應其他用戶信息的行為[18]，在社區主要表現為用戶對其他用戶創意的評論行為。對于用戶貢獻有效性的評價可以通過之前的創意采納率進行判斷[6]。

用戶主動發表的創意通常與難以模仿的、與比較新穎的知識相聯系，可能具有較大的經濟價值。通過不斷地提供、分享關于產品或服務的使用經驗，提出有價值的產品或服務改進意見、解決方案，有益于用戶進行批判式思考，提高自身的創新能力，進而提供更有價值的創意。此外，用戶提交的創意越多，獲得的反饋越多，與社區其他成員的互動和思想交流有利于促進用戶相關知識的多元化[1]。多元化知識體系的形成，有利于用戶對產品以及市場有更清晰的了解，進一步提高其創新能力。隨著用戶對產品以及市場的了解，該用戶提交的創意越可能具有操作性及經濟價值，越可能被社區采納。因此，本文認為：

H3：用戶以前提交創意對創意采納會產生積極的影響。

用戶回應社區其他用戶創意的過程也是學習產品知識的過程，這一過程能夠加深用戶對產品知識的了解[19]。然而，由于認知資源的有限性，如果用戶把過多的認知資源集中在對社區用戶創意的評論上，其分配在提交創意活動上的認知資源就會相應減少。相關研究表明，相較于反應貢獻行為，主動貢獻行為更能夠提高用戶思維的活躍度，更利于用戶提出高價值的創意[20]。因此，如果用戶在對其他用戶的評論上分配過多的認知資源會不利于用戶創新思考能力的提升，不利于其提出高價值的創意，也不利于社區對其創意的采納。因此，本文認為：

H4：用戶提交評論數量對創意采納會產生消極的影響。

創意采納率是指用戶之前提交創意被采納的比率，能夠在一定程度上揭示用戶的創新能力。之前創意采納率較高的用戶可能會對產品有更多的了解[17]，更可能提出具有較高經濟價值的創意，其提出的創意更具吸引力。當社區審查者面對海量的創意，無法詳細評估每條創意時，社區傾向于分配更多的認知資源去審核以前創意采納率較高用戶提交的創意，對其創意的采納產生積極的影響[6]。因此，本文認為：

H5：用戶的創意采納率對創意采納會產生積極的影響。

2.1.3 社區認同度對創意采納的影響

社區認同度是指創意得到其他社區用戶關注和認同的程度，可以通過創意收到的評論數量和評分來進行判斷。根據資源基礎觀，當用戶需要從其他用戶那里獲得資源或他們具有其他用戶所需要資源時，會進行評論互動。評論互動過程中匯集的異質性知識資源會促進用戶對產品的了解，幫助用戶完善自己的創意[16]。同時，用戶創意獲得的評論或評分可以在一定程度上說明該創意在社區被關注和認可的程度。相關研究表明，與低認可度的創意相比，被高度認可和關注的創意更容易引起社區審核者的注意[21]，促進社區審核者分配相對較多的認知資源評估其創意，提高創意被采納的可能性[1]。因此，本文認為：

H6：創意收到評論對創意采納有正向影響。

創意收到的評分是指社區用戶對創意評分的總和。社區中的用戶會根據自己的興趣、目標或偏好判斷其對創意內容的贊同程度，進而對創意內容進行評分[6]。創意收到的評分在某種程度上體現了用戶創意受到社區成員認同的程度[3]。高分值的創意被認為在社區中很受歡迎，也在一定程度上代表著其在市場上被顧客接受的程度[4]。當社區審核者存在認知上的負荷時，很有可能把創意收到的評分作為該創意價值的體現[6]。相對于低評分的創意，社區審查者更愿意把認知資源分配在獲得相對高評分創意的評估上，進而促進高評分創意的采納。因此，本文認為：

H7：創意收到評分對創意采納會產生正向的影響。

2.2 中心路徑對創意采納的影響

創意內容質量是指用戶提交創意的創新性及易理解性，與創意長度及創意的論證質量高度相關，是影響社區審核者認知負荷的重要因素[6]。創意內容質量可以通過創意長度以及創意包含論據數量進行衡量。

當用戶在社區發布創意時，創意長度可能會影響創意被理解的程度[22]。社區創意與用戶經驗或需求緊密相關，屬于較抽象、難以傳遞的隱性知識。使用簡短、抽象的語言進行創意表述，不僅會缺乏足夠的細節或遺漏一些信息，還可能會因為表達過于抽象而難以被理解，這兩種情況都會影響創意的質量，對創意采納產生消極影響[10]。因此，加長創意長度，可以提高創意清晰度及易理解性，對創意采納產生正向的影響。然而，語言學和認知負荷的相關文獻都表明，過長的信息可能會降低信息清晰度和論證質量，具有較低說服力[23]。由于社區審核者認知資源的有限性，過長的創意不利于社區審查者對創意的理解，從而對創意采納產生消極的影響[5-6]。因此，本文認為：

H8：創意長度與創意采納呈倒U型的曲線關系。

當用戶在社區中發布創意時，可以通過在創意表述中插入超鏈接、圖片等論據來支持創意[6]。通過在創意中添加創意的來源或提供圖片證據可以提高創意的可信度。首先，在創意中添加支持性的證據可提高創意的解釋力度。其次，在創意中添加支持性的證據可提高創意的說服力[6]。最后，在創意中添加支持性的證據更易引起社區其他用戶的關注[24]。因此，在創意中使用論據可以提高創意質量，促進社區對創意的采納。與創意長度相類似，當創意中包含過量的支持性證據時，可能會掩蓋創意的核心內容，增加社區審核者的認知負荷，不利于社區審核者對創意的采納[22]。因此，本文認為：

H9：創意論據數量與創意采納呈倒U型的曲線關系。

2.3 社區吸收能力的調節作用

社區吸收能力是指社區審核者對創意的理解、評估以及采納的能力。在進行創意采納時，社區吸收能力能夠影響社區審核者對中心路徑和邊緣路徑的選擇[21]。社區吸收能力與對相關知識的掌握和理解程度相關，社區在對應板塊已采納的創意可以在一定程度上表示其對該領域知識的熟悉程度。社區在對應板塊已采納的創意越多，代表企業對該模塊產品或服務知識的了解和掌握越透徹，吸收能力越強。信息長度是信息復雜性的指標，當創意過長時會造成一定程度的認知負荷[25]。然而，當社區吸收能力較高時，社區審核者對創意長度增加的敏感度會降低，能夠緩解由于創意長度增加而帶來的認知負荷。同樣的道理，在社區吸收能力較高的情況下，在創意中引用論據能夠促進社區對創意的加理解，更有利于社區對創意的采納。此外，社區吸收能力的提升也能夠緩解因過多的創意論據對社區審核者造成的認知負荷。基于此，本文提出了假設H10和H11。

H10：社區吸收能力能夠正向調節創意長度與創意采納間的倒U型曲線關系，即隨著社區吸收能力的增加，創意長度與創意采納間的倒U型曲線的正向斜率會更加陡峭，負向效率會更加平坦。

H11：社區吸收能力能夠正向調節創意論據數量與創意采納間的倒U型曲線關系，即隨著社區吸收能力的增加，創意論據數量與創意采納間的倒U型曲線的正向斜率會更加陡峭，負向效率會更加平坦。

3 研究設計

3.1 樣本選擇與數據收集

小米MIUI社區運行成熟、用戶活躍度高，自社區2010年10月建立以來，用戶已經在MIUI社區提交了850萬多條帖子。MIUI社區的功能建議板塊主要用于收集用戶對MIUI ROM的建議與功能需求。用戶在該板塊發布的帖子與企業MIUI系統的產品創新高度相關，是用戶參與MIUI系統更新迭代的重要途徑。因此，本文以用戶在MIUI社區新功能建議板塊提交的帖子為研究對象。本文通過Python語言編程抓取了MIUI社區新功能討論板塊2011年6月至2018年2月期間99000個用戶發布的17.8萬余條創意。數據的收集過程主要分為兩輪。第一輪主要獲取用戶的個人信息，第二輪主要獲取用戶在新功能建議板塊提交帖子的相關信息。而后，通過用戶ID實現兩輪數據的整合。為了保證數據的質量，本文通過以下三條標準對數據進行剔除整理：(1)剔除提交時間不在所研究時間范圍內的帖子；(2)剔除信息不完整的帖子條目；(3)剔除完全重復的帖子條目。最終，本文獲得了67893個用戶發布的16.3萬個有效創意。

3.2 變量測量

本文的研究變量包括因變量、自變量和控制變量三類，各變量的測量如表1所示。其中，對于因變量創意采納(Adopt)的測量主要依據社區創意的官方章子類型來進行判斷。在MIUI社區中，用戶發布的創意在經社區審核(審核時間通常超過一天)后變更為不同狀態，社區審核人員會根據創意的質量及其創新價值等給予創意不同的官方章子，包括：處理中、已解決、已收錄、請補充、待討論等，其中處理中、已解決和已收錄表示該用戶的創意已被采納，取值為1，其他狀態表示用戶的該條創意未被采納，取值為0。本文選取了當月創意提交量、用戶社齡、社區社齡作為模型的控制變量。通過控制與創意相關的特征減少干擾變量對模型結果的估計。

表1 各變量描述及定義

3.3 Logit模型的建立

在本研究情景下，測量用戶創意是否被采納屬于二元選擇的結果。對于二元選擇模型的度量包括兩種方法：Logit模型和Probit模型。Logit模型假設事件發生的概率服從Logistic分布，而Probit模型假設事件發生的概率服從正態分布。在創意采納的過程中，社區審核者會依據創意來源、創意社區認可度、創意內容質量等相關因素進行理性思考，從而做出對企業最有利的選擇。社區創意采納的概率更符合于Logistic分布。因此，本文選擇Logit模型來檢驗本文的假設。創意采納的概率密度可寫為：

Pr(adopti=1|Xi)=

其中，Λ=ex/(1+ex)，其中α是常量，εi是誤差項，βj描述自變量貢獻的大小，其被定義為事件發生的概率與事件將不會發生的概率的比率。

4 結果與討論

4.1 描述性統計和相關系數檢驗

本文首先對數據進行了1%的縮尾處理。表2各變量的描述統計特征顯示：當月創提交量有最小值661到最大值12582不等，這說明了社區每個月都可能面臨一定的認知負荷。社區用戶年齡的最小值0到最大值68個月，均值為17.69個月，這說明了樣本中包含一定比例的新老用戶，數據分布具有一定的合理性。

此外，表2中各變量的相關系數的結果顯示，各自變量均與創意采納顯著正相關。此外，僅有好友數量與積分之間的相關系數為0.536，其余變量間相關系數的絕對值均小于0.5，這說明變量間的多重共線性不顯著，不會影響后續的分析結果。

表2 變量間相關系數(N=16,3298)

注：***表示p<0.001，**表示p<0.01，*表示p<0.05，+表示p<0.1

4.2 假設檢驗

本文使用Stata14.0，通過Logit模型對假設進行檢驗，結果如表3所示。列(1)表示控制變量對創意采納的影響；列(2)加上了主要自變量對創意采納的影響。列(3)檢驗了創意長度以及創意論據數量的二次效應估計值；列(4)檢驗了社區吸收能力的調節效應。

表3 假設檢驗結果

注：***表示p<0.001，**表示p<0.01，*表示p<0.05，+表示p<0.1

本文主要依據列(3)結果進行假設的分析。用戶社區地位中的用戶積分(β= 0.061，p< 0.001)、好友數量(β= 0.021，p< 0.1)對社區創意的采納具有積極的影響，假設1和假設2得到驗證。相對于非官方社區地位(β=0.025)，官方社區地位(β=0.061)對創意采納的積極影響更為顯著。用戶貢獻行為中的以前發布創意(β= 0.051，p< 0.001)和創意采納率(β= 0.126，p< 0.001)均能夠顯著正向影響社區對創意的采納，然而用戶之前提交的評論數(β= 0.035)對創意采納沒有顯著的影響，假設H3和假設H5成立，假設H4未得到驗證。這可能是因為反應貢獻行為不需要用戶進行過多的思考，對其他用戶創意的零散評論不利于其形成完整的知識框架體系，而主動提出創意的用戶通過學習與吸收其他用戶對其發布創意的反饋，有利于完善其相關知識體系。隨著其專業知識和創新能力的提升，用戶更易提出高價值創意，更易被采納。此外，社區認同度中的創意收到評論(β= 0.031，p< 0.01)和創意收到評分(β= 0.060，p< 0.001)均與創意采納顯著正相關，這說明創意社區認同度越高該創意被采納的可能性越高，假設H6和H7成立。

圖2 創意長度與創意采納關系圖

圖3 創意論據數量與創意采納關系圖

由(2)和列(3)對比可知，列(3)加上創意長度二次項和創意論據平方項之后，模型的AIC和BIC指標都有明顯的減小，模型(3)具有更好的擬合優度，這說明了二此項很重要，去掉二次項可能會造成估計結果的偏差。創意長度平方、創意論據數量平方與創意采納間的回歸系數分別是β=-0.229(p< 0.001)、β=-0.090 (p< 0.01)，這說明創意長度和創意論據數量均與創意采納之間存在倒U型的關系，假設H8和假設H9得到驗證，結果如圖2和圖3所示。由列(4)可知，創意長度與社區吸收能力的交互項(β= 0.051，p< 0.05)與創意采納顯著正相關，社區吸收能力能夠正向調節創意長度與創意采納之間的曲線關系，假設H10成立，結果如圖4所示。而創意論據數量與社區吸收能力的交互項與創意采納的回歸系數不顯著，假設H11未得到驗證。這可能是因為創意包含的論據數量沒有影響社區審查者對創意文字的理解，在進行創意評估的過程中創意論據僅有一定的輔助作用，不能夠從本質上影響社區審查者對創意的理解，社區吸收能力不會顯著影響創意論據的輔助性作用，即社區吸收能力不能調節創意論據數量與創意采納之間的關系。

圖4 社區吸收能力的調節效應

4.3 穩健性檢驗

為確保結果的穩健性，本文對數據進行了兩項額外的檢驗。首先，由于社區審核者需要花費一定的時間和精力對創意進行評估，特別是某一時間段提交創意較多時，社區審核者對創意的評估可能會出現延遲現象。因此，本文剔除了距離數據收集時間小于6個月的創意條目對模型進行重新驗證。此外，用戶提交創意時可能會出現失誤提交的狀況，如創意未編輯結束就進行了提交，這種失誤提交的創意可能會導致估計結果的偏差。因此，本文剔除了創意長度小于15的創意題目對模型進行重新檢驗。結果如表4所示，新數據集的兩次驗證結果與完整數據的估計結果具有良好的一致性，本文具有較好的穩健性。

表4 穩健型檢驗結果

注：***表示p<0.001，**表示p<0.01，*表示p<0.05，+表示p<0.1

5 結語

本文基于詳盡可能性模型，構建了在線創新社區中社區創意采納的詳盡可能性模型，系統考察了社區采納用戶創意過程中的影響因素，主要得出了如下結論：(1)社區創意采納受邊緣路徑的影響。用戶社區地位、用戶貢獻行為及創意社區認同度都對創意采納有一定的影響。相對于非官方社區地位，官方社區地位對創意采納的積極影響更為顯著。相對于用戶貢獻行為，用戶的主動貢獻行為及其貢獻效率對創意采納產生積極的影響，而反應貢獻行為與創意采納之間的關系并不顯著。在創意社區認同度方面，創意收到評論數量及評分對創意采納均產生積極的影響。(2)社區創意采納受中心路徑的影響。創意長度及創意論據數量均與創意采納成倒U型的曲線關系，即在一定范圍內，創意長度及論據數量對創意采納產生正向的影響，超出一定范圍后，創意長度及論據數量對創意采納產生消極的影響；(3)社區吸收能力能夠正向調節創意長度與創意采納之間的倒U型關系，即創意長度較短時，社區吸收能力促進創意長度對創意采納的積極影響，當創意長度較長時，社區吸收能力抑制創意長度對創意采納的消極影響。

我們的研究結果對企業或社區審核者具有一定的啟發意義。首先，我們的研究結果為社區審核者從大量創意中篩選出有潛在價值的思想提供了指導原則。首先，研究表明社區創意過程實際上也是一個說服過程，社區審核者在采納用戶創意時會受到邊緣路徑和中心路徑影響。鑒于此，企業可以先依據創意貢獻者的社區地位、以往貢獻行為等邊緣信息先初步篩選出可能提供具有潛在創意價值的用戶群體。此后，依據創意社區認同度這一邊緣線索對上述已篩選出的高潛力用戶群體的創意進行初步篩選。社區認同是同行評估的結果，能夠在一定程度上預測創意實施后市場的接受度及受歡迎程度。較高社區認同度的創意在實施后可能更易獲得成功，企業在分析創意時可以將同行評論的結果作為創意價值的補充證據，依據同行評論的結果在創意層面對創意進行初步篩選。最后，分配主要精力，依據中心路徑對上述已篩選出的創意進行詳細分析與評估，并結合企業的運營狀況采納最有價值的創意。

其次，我們的研究結果為社區審核者指導用戶更好地描述創意具有借鑒意義。研究發現適當長度或包含適當論據的創意更易被采納。這說明僅僅依靠信息的輸入來獲取社區審核者的關注并不是最佳的方法，用戶準確規范地編碼創意才是提高其創意被采納可能性的正確方式。為了幫助用戶更好地編碼創意，社區審核者可以制定一個創意描述規范原則來指導用戶更清晰地描述其創意。例如，鼓勵用戶在表述創意時添加必要的圖片或鏈接證據。

最后，社區管理人員應該認識到社區自身的吸收能力對緩解創意采納過程中的認知負荷具有重要意義。研究結果發現社區吸收能力能夠積極影響創意長度與創意采納之間曲線關系，企業準確快速理解用戶創意能夠提升創意采納的效率。為提升社區自身的審核能力，社區審核者應該為社區各主題板塊安排專門的審核小組，對各板塊的審核小組進行專門化的專業知識培訓，增加其對相應板塊知識的掌握程度。通過對專業知識的逐漸掌握，社區審核者會提高對用戶創意的理解能力，這在一定程度上會減輕其因為難以理解用戶創意而造成的認知負荷，有利于提高創意審核效率。