眾包創新平臺用戶間互動對其創新貢獻的影響：以IdeaStorm為例

孫妮妮 ，孟慶良 ，杭 益 ，陳曉君

（1.江蘇科技大學服務制造模式與信息化研究中心，江蘇鎮江212003；2.江蘇科技大學經濟管理學院，江蘇鎮江212003）

眾包創新作為一種新型創新模式，是企業把傳統由內部員工執行的創新任務，以自由自愿的形式交給外部網絡用戶來完成的商業模式［1］。該模式已被實踐證明是獲取網絡群體知識資源、提升創新績效的有效模式：InnoCentive自2001年創立以來，匯聚了200多個國家和地區、超過36萬的用戶參與，破解了2000多項創新難題；寶潔公司借助NineSigma向70萬用戶發放創新需求，高質量完成了100多個創新項目；戴爾公司的眾包創新平臺IdeaStorm，截至目前已有超過28800條想法被提交，超過550條得到實現。在國內近年來也出現了一些眾包平臺，如豬八戒網、任務中國、海爾HOPE、美的美創等，取得了顯著成績［2］，但其應用上還處于信息處理和簡單工作眾包等初級范圍，且主流企業參與不足，與國外創新領先企業傾力打造眾包創新模型形成強烈反差。其主要原因之一就是企業對眾包創新模式的先進理念缺乏系統認識，應用上缺乏信心，亟需理論引領。

一、問題的提出

雖然越來越多的企業建立不同的眾包創新模型以解決創新難題，但隨著眾包創新模式的實踐應用，出現了用戶持續參與意愿不強、知識持續貢獻不足、眾包創新績效不高等問題［3-5］。為此，一些學者從參與動機［6-7］、獎勵機制設計［8-9］、平臺運作模式管控［10-11］等方面研究了眾包創新績效的提升路徑與策略問題。眾包創新是通過以聯網為載體而創建的一種發包企業與接包用戶互動協作的開放式創新社區，因此，用戶之間的互動對眾包創新貢獻產生重要影響。

Wu等［12］提出社會大眾的有效互動增強了個體用戶的知識共享與信任水平；Chang和Chuang［13］通過實證研究發現用戶間互動可以有效提高其創意質量，要鼓勵用戶利用互聯網開展交流溝通，提升其知識財富貢獻；雷靜［14］的研究發現，眾包創新任務發布后，存在興趣相同的接包用戶會針對該任務發表個人見解或評論，一方面可以將自身知識與他人分享；另一方面也可以從他們的見解中獲取知識，有助于提升眾包創新績效；吳煜山［15］以網絡問答社區——知乎為研究對象，發現社區成員之間的聯系越多，越有可能引發群體智慧的涌現；郭偉等［16］結合Local Motors眾包平臺，探索了平臺用戶間的交互反饋對個體創新貢獻的影響，發現反饋數量和質量均對個體創新貢獻有顯著影響，其中反饋次數對個體創新貢獻有顯著正向影響，反饋率和反饋人員多樣性對個體創新貢獻有顯著負向影響。

可見，在眾包創新模式下，用戶間互動對眾包創新貢獻產生重要影響，而促進參與用戶間的互動交流是打造良好知識分享環境、激發用戶參與活力并維持眾包創新平臺持續健康發展的關鍵。上述研究做出了大量成果，對提升用戶的眾包創新貢獻度具有重要指導價值。但相關研究主要聚焦于探索接包用戶的互動反饋對創新貢獻的影響，并且過于強調知識分享在用戶互動對眾包創新績效影響過程中的中介作用，缺乏從關系網絡視角探索用戶間互動對其創新貢獻的直接作用機理。為此，本文以IdeaStorm為研究對象，運用社會網絡分析方法（social network analysis，SNA）深入分析用戶的互動網絡結構，選取用戶的互動網絡中心性指標（出度中心度、入度中心度、中間中心度、入接近中心度和出接近中心度）作為關鍵變量，探究用戶互動行為對其創新貢獻的影響，以期為眾包平臺引導用戶高質量互動、提高眾包創新績效提供理論支持。

二、眾包創新平臺中用戶間互動的網絡結構分析

（一）社會網絡分析方法

社會網絡分析方法（SNA）能夠滿足對于復雜社會關系的量化探討，有力拓展了社會關系結構的相關研究，在知識傳播、關系治理和角色識別等領域應用廣泛［17-18］。SNA范式下的相關研究認為任何個體行為都是嵌入在一個具體的、實時的社會系統中，而社會網絡是社會行動者以及關系的集合。SNA可以從個體和整體兩個層面出發理解研究對象的社會網絡特性，實現對研究對象的關系互動量化分析。SNA的主要參數及其含義匯總見表 1［17］。

表1 SNA的主要參數及其含義

（二）數據獲取與處理

眾包創新平臺是企業為有效獲取用戶創意或解決創新任務而創建的一種使企業與用戶以及用戶個體之間進行互動協作的虛擬開放式創新環境［19］。具有用戶參與自由自愿、組織形式十分松散、創新目的性較強等特征。用戶可以自由提交創意，或者參與他人創意的討論、投票和評價等，從而形成了一個復雜的社會網絡，為創意的涌現和創新任務解決方案的獲取提供良好契機?；诘湫捅姲鼊撔缕脚_——戴爾IdeaStorm的相關數據，探究眾包創新模式下用戶間互動的網絡結構特征。

利用爬蟲軟件八爪魚采集器（6.4版）獲取IdeaStorm平臺中已實施項目中75個發起人提交的創意項目，以及1195個用戶提交的4128條評論。運用UCINET6.212繪制社會網絡圖，如圖1所示。在這個有向網絡圖中，每個節點代表一個參與用戶，共有1226個節點，1679條連接。圖中的形狀越大表明該節點的中間中心度越高，其越可能居于網絡的核心位置。網絡的整體屬性指標值見表2，可見整體網絡的互惠性（0.66%）較低，網絡密度（0.11%）也很低，表明該眾包創新平臺的用戶聯系不夠緊密。

（三）網絡中心性分析

根據SNA的主要分析參數，從點度中心度、中間中心度和接近中心度3個方面進行分析。

1.點度中心度

本研究中，社會網絡是眾包創新用戶間評論關系的有向網絡，可從出度中心度（out-degree centrality，OutDeg）與入度中心度（In-Degree centrality，InDeg）來分析節點的中心度，統計結果見表3。入度中心度的指標值分布范圍較廣，即用戶間的入度中心度差異較大，而出度中心度的指標值分布范圍相比小很多。出度中心度的中心勢為1.522%，其值較小，說明網絡用戶的出度差異較小，擅于主動評論的用戶群體集權現象不明顯；入度中心度的中心勢為11.898%，遠高于出度中心度的中心勢，說明網絡用戶的入度中心度差異較大，被“評論”的用戶有著更為明顯的集中趨勢。這些差異也說明了用戶提交與獲得的評論數存在較大的不對稱性，反映出該網絡存在較低的互惠性。

2.中間中心度

中間中心度表示某個節點對網絡資源的控制程度，節點的中間中心度越高，說明該節點越多地占據資源和信息流通的關鍵位置，對資源的控制能力越強。該網絡的中間中心度描述性統計結果見表4，各節點的中間中心度分布情況如圖2所示，其中CRB為節點相對中間中心度。不難看出98%的用戶中間中心度為0，也就是說在該網絡中大部分用戶為邊緣型用戶。中間中心勢指數（network centralization index）為 0.91%，也相對較小，認為該網絡趨近于環形網，即大部分節點在網絡的邊緣，難以控制其他節點之間的互動。

3.接近中心度

對于有向關系網絡，接近中心度包括入接近中心度（In-closeness centrality）與出接近中心度（out-closeness centrality）。該網絡各節點的接近中心度分析結果見表5。可以發現無論是出接近中心度還是入接近中心度，一個節點與其他網絡節點的捷徑距離之和均很大，即節點之間較難到達，這一結果反映了該網絡的聯系較為稀疏、不夠緊密。

圖1 中間中心度測度網絡的可視化

表2 網絡的整體屬性指標值

表3 出度與入度的描述性統計結果

表4 節點的中間中心度描述性統計

圖2 中間中心度的分布圖

（四）結構洞分析

結構洞指的是兩個節點間的非冗余聯系，通常用有效規模（Effective size）、效率（Efficiency）、限 制 度（Constraint）和 等 級 度（Hierarchy）4個指標進行描述。運用UCINET6.212對樣本數據進行結構洞分析，結果見表6?？梢园l現該網絡中存在較多用戶的限制度與等級度為1，表明網絡中這些用戶的信息資源獲取受到了很大的限制，而且較大水平的集中在個體網中的某一行動者身上。需要指出的是，一般情況下，網絡限制度小的節點，其網絡的有效規模值就會大，但是當與該節點相連的節點之間存在彼此聯結時，產生了重復聯結，會減少結構洞的存在，而網絡有效規模與網絡限制度之間的關系規律就會被打破［17］。結構洞的存在客觀上來說既有優勢，也有劣勢：優勢在于針對行動者而言，處于結構洞位置的參與用戶可以高效獲取信息，占據資源優勢并獲取所帶來的控制利益；劣勢在于結構洞的存在對于平臺中的信息資源流動具有負向影響。

（五）小世界特性分析

表5 接近中心度分析結果

表6 個體網結構洞分析結果

表7 距離矩陣描述統計

由表7可見，在這個1226×1226的距離矩陣中，網絡節點之間的平均距離為3.736，最小距離為1，最大距離為7。說明在該眾包創新平臺中，每兩個參與用戶之間平均僅需要3.736個用戶就可建立聯系。根據小世界效應理論，平均距離小于10，即可判定用戶間形成的社會網絡具有小世界特性，也意味著該平臺的信息傳播速度較快，用戶間的交流互動得到有效支持。此外，基于距離的聚類系數（取值在0～1之間，聚類系數越大則表示更大的內聚性）為0.276，指標值并不是很大，表明用戶間的互動深度不夠。

三、用戶間互動對其眾包創新貢獻的影響

通過分析眾包創新模式下用戶間互動的整體網絡結構，可知每個用戶在互動網絡中處于不同的網絡位置，對關系網絡資源的控制能力存在巨大差異，從而表現出不同的創新貢獻行為。為進一步探索眾包創新模式下用戶間互動對其創新貢獻的影響機理，將繼續基于IdeaStorm眾包創新平臺相關數據，以用戶的出度中心度、入度中心度、中間中心度、入接近中心度和出接近中心度作為用戶間互動行為的測度指標，以用戶在眾包創新平臺中提交的創意數、平臺得分和獲得的投票數來表征用戶的創新貢獻，構建假設模型，運用多元回歸分析法開展實證研究。

（一）基準模型構建與假設

1.眾包創新模式下用戶創新貢獻的度量

眾包創新的目的就是為了挖掘集體智慧，通過多樣化的知識共享與碰撞產生新的創意或創新解決方案，其本質就在于外部網絡知識的獲取與利用。因此，眾包創新模式成功的關鍵在于維持用戶持續參與眾包創新活動，不斷分享相關知識與創意，提升其眾包創新貢獻，激發眾包創新平臺活力。在眾包創新相關研究文獻中，較多學者研究了用戶創新貢獻的測量問題：Lüthje［20］提出用戶對產品或服務使用經歷中的問題描述，即為用戶的創新貢獻內容，因為這些是企業急需獲取的相關信息；Magnusson［21］則認為用戶的貢獻應表現為針對產品或服務所存在問題的創新解決方案；黃令賀和朱慶華［22］在分析網絡百科的用戶貢獻時指出，應從詞條層面、內容層面和價值層面3個方面進行測量：詞條層面主要以一段時間內用戶創建或者編輯詞條的總次數來衡量，內容層面主要是將用戶所貢獻的文本數量來測量，而在價值層面則主要指用戶貢獻內容的價值；王麗偉［23］提出用任務解答者人數、有效的解決方案數量和競賽任務完成率作為眾包創新競賽績效的測量指標；王婷婷等［24］則以用戶在社區持續發表的創意個數衡量該用戶的創新貢獻。

基于上述文獻，結合IdeaStorm眾包創新平臺的運作特點，在有利于獲取用戶創新貢獻客觀數據的基礎上，從用戶的創新貢獻數量和質量兩個方面確定眾包創新模式下用戶創新貢獻的測量維度：以用戶提交的創意數直觀反映其創新貢獻數量；以用戶的平臺得分和獲得的投票數來衡量用戶的創新貢獻質量。

2.眾包創新模式下用戶間互動的測量變量及相關假設

個體用戶在參與眾包創新的過程中，基于相似愛好、志趣相投或共同價值觀等，在眾包平臺進行互動交流而形成社會關系網絡。參與用戶在眾包創新平臺中處于不同的網絡位置，也承擔不同角色。Ibarra等［25］指出從關系網絡視角理解個體和群體的行為結果至關重要，因為只要共同從事某項工作，就會被嵌入到社會網絡環境當中。孫永磊和黨興華［26］以社會化創新的合作環境為例，剖析了知識權力對網絡慣例的形成，指出網絡位置是行動者之間建立關系的結果，并認為網絡位置相對穩定時協作意愿較高。陳遠等［27］指出在社會網絡中，部分節點甚至可以影響或者控制其他節點（可稱之為權力），而權力的大小會影響信息與知識的傳遞與擴散。

中心性指標是測量網絡中個體互動關系的主要指標，它們從不同角度刻畫了眾包創新社區中用戶間的互動行為：點度中心度（出度中心度、入度中心度）表征了節點用戶之間的互動廣度；中間中心度衡量了節點用戶在用戶間互動中對資源信息控制的程度；接近中心度（入接近中心度、出接近中心度）反映了一個節點用戶在用戶間互動中對互動信息的發布和接收難易程度。

（1）點度中心度與用戶的創新貢獻。在社會網絡中，點度中心度主要包括入度中心度和出度中心度。入度中心度表示指向這個節點的邊的數量，也就是說關系網絡中有多少用戶“關注”了這個用戶；出度中心度表示這個節點出發指向其他節點的邊的數量，也指這個用戶“關注”了多少其他用戶。因此，在眾包創新虛擬社區中，一般采用點度中心度（出度中心度、入度中心度）來測量節點用戶的互動廣度。出度中心度的高低表示用戶主動搜尋信息源并與之交流意愿的強烈與否，而入度中心度的高低反映了用戶的信息傳播號召力的高低。吳煜山［15］對知乎問答社區的實證研究發現，用戶之間的互動和聯系越多，涌現出的群體智慧也越多。因此，正如前面的文獻梳理發現，大部分學者認為當一個節點建立的連接越多，則越可能產生顯著的知識分享行為，從而產生較多的創新貢獻。所以，針對眾包創新模式下的用戶行為表現，結合前面對用戶間互動網絡結構的相關分析，提出以下假設：

出度中心度對眾包創新參與用戶的提交創意數有正向影響（H1a）；

出度中心度對眾包創新參與用戶的平臺得分有正向影響（H1b）；

出度中心度對眾包創新參與用戶的獲得投票數有正向影響（H1c）；

入度中心度對眾包創新參與用戶的提交創意數有正向影響（H2a）；

入度中心度對眾包創新參與用戶的平臺得分有正向影響（H2b）；

本研究將對TF boys這一偶像團體的粉絲進行個案分析和研究，針對發生在TF boys粉絲社群中的部分典型事件進行具體語境的具體分析。此次資料的采集選取了參與式觀察等研究方法，通過深入TF boys粉絲社群內部以及各類微博賬號的評論現場進行跟蹤，進而對收集到的案例和資料進行整理，對具有代表性的引發粉絲爭端的事件進行針對性分析。

入度中心度對眾包創新參與用戶的獲得投票數有正向影響（H2c）。

（2）中間中心度與用戶的創新貢獻。中間中心度反映了一個節點在整個網絡中對信息的擴散和傳播所起到橋梁作用的大小。中間中心度高的節點能控制用戶間信息的流動，而中間中心度低的節點需要依賴高中間中心度的節點才能獲取信息。因此，中間中心度刻畫了節點用戶在互動網絡中的網絡位置及其對平臺信息資源的控制能力。Zaheer和Bell［28］指出網絡位置會影響行動者從網絡中識別、獲取和利用知識資源的能力，占據優勢位置時進行的創新活動也往往呈現出更優的結果。因此，提出以下假設：

中間中心度對眾包創新參與用戶的提交創意數有正向影響（H3a）；

中間中心度對眾包創新參與用戶的平臺得分有正向影響（H3b）；

中間中心度對眾包創新參與用戶的獲得投票數有正向影響（H3c）。

（3）接近中心度與用戶的創新貢獻。接近中心度是指該節點與關系網絡中所有其他節點的最短路徑距離之和，衡量了該節點在互動網絡中的獨立程度。在有向網絡中，接近中心度包括入接近中心度與出接近中心度，前者刻畫的是到達該節點的容易程度，后者則表示該節點到達其他節點的容易程度。一般而言，接近中心度越大，表明節點離信息與知識源越近，越容易獲取信息而不依賴于他人［29］，所以也越會呈現出較強的創新貢獻。因此，提出以下假設：

入接近中心度對眾包創新參與用戶的提交創意數有正向影響（H4a）；

入接近中心度對眾包創新參與用戶的平臺得分有正向影響（H4b）；

入接近中心度對眾包創新參與用戶的獲得投票數有正向影響（H4c）；

出接近中心度對眾包創新參與用戶的提交創意數有正向影響（H5a）；

出接近中心度對眾包創新參與用戶的平臺得分有正向影響（H5b）；

出接近中心度對眾包創新參與用戶的獲得投票數有正向影響（H5c）。

基于以上假設，構建以下理論假設模型，如圖3所示。

圖3 研究模型

（二）數據分析

采用最小二乘多元回歸分析方法來檢驗上述假設，模型如式（1）～式（3）。為了提高回歸模型的擬合優度，并消除回歸方程中異方差的影響，在保證各變量的多重貢獻水平不升高的前提下，以殘差序列絕對值的倒數為權重，對回歸模型進行了加權處理［30］。

其中：Y1代表用戶的提交創意數；Y2表示用戶的平臺得分；Y3表示用戶的獲得投票數；χ1表示出度中心度；χ2表示入度中心度；χ3表示中間中心度；χ4表示入接近中心度；χ5表示出接近中心度；βi表示系數；εi代表誤差。

1.描述性統計分析與模型檢驗

各變量的描述統計分析結果見表8。同時對變量之間的相關關系進行檢驗。通過表8可以看出，所有自變量都與因變量在p<0.01的水平上存在著顯著的相關關系?；貧w方程的顯著性檢驗結果見表9，回歸模型1～模型3的F值都高度顯著（p<0.001），表明自變量整體上對因變量有高度顯著線性影響。根據模型回歸結果中的DW值檢驗序列相關性，根據表9可知，回歸模型的DW值均在2附近，因此不存在序列相關。

對于多重共線性的檢驗，主要通過方差膨脹因子指數（VIF）來判斷。VIF越大，表示共線性越嚴重。統計學一般認為，VIF>10時，提示有嚴重的多重共線性存在。各模型回歸檢驗結果（表10）顯示，各變量的VIF均小于10，即不存在多重共線性。

表8 變量的均值、標準差與相關系數

表9 回歸分析結果

2.結果分析與模型修正

（1）點度中心度對用戶的眾包創新貢獻影響結果分析。根據表9的回歸分析結果可知，出度中心度對用戶的提交創意數、平臺得分以及獲得的投票數均有顯著正向影響，回歸系數分別為0.956***、0.802***和0.484***，H1a、H1b、H1c得到支持。此外，不難發現，出度中心度在3個模型中的影響系數均是最大，也就是說，出度中心度對用戶的創新貢獻影響程度最大。而入度中心度對用戶的提交創意數有顯著負向影響，回歸系數為-0.094***，H2a未得到支持；同時，它對用戶的平臺得分以及獲得的投票數表現出顯著正向影響，回歸系數分別為 0.181***和 0.380***，H2b、H2c得到支持。

（2）中間中心度對用戶的創新貢獻影響結果分析。由表9可知，中間中心度對用戶的提交創意數以及平臺得分有顯著負向影響，回歸系數分別為-0.039***和-0.037***，H3a、H3b未得到支持。而其對于用戶的獲得投票數有顯著正向影響，回歸系數為0.087***，H3c得到支持。此外，在3個模型中，中間中心度的回歸系數絕對值低于其他變量的回歸系數絕對值，這表明中間中心度對用戶的創新貢獻影響程度最小。

（3）接近中心度對用戶的創新貢獻影響結果分析。由表9的回歸分析結果可知，入接近中心度對用戶的提交創意數、平臺得分和獲得投票數均有顯著正向影響，回歸系數分別 為 0.236***、0.156***和 0.236***，H4a、H4b、H4c得到支持。而出接近中心度對用戶的提交創意數、平臺得分和獲得投票數均有顯著負向影響，回歸系數分別為-0.033***、-0.079***、-0.122***，H5a、H5b、H5c未得到支持。

綜上分析，得到最終的假設檢驗結果見表11?？梢?，存在一些假設需要修正，修正后的理論模型如圖4所示。

表10 多重共線性分析結果

表11 假設檢驗結果

（三）結果討論與管理啟示

（1）眾包創新平臺中用戶間互動對其創新貢獻有顯著影響，但并非所有用戶間互動的關鍵變量對其創新貢獻都有顯著正向影響。出度中心度對創新貢獻的正向影響程度最高。表明在眾包創新過程中，如果一個用戶的輸出關系越多，其創新貢獻越突出。對眾包創新平臺而言，需要激發用戶的主動參與活力，引導其產生較多的創意提交、評論和評價行為。同時，實證結果顯示入度中心度負向影響用戶的提交創意數、正向影響用戶的平臺得分與獲得的投票數，可以發現當一個用戶能夠吸引其他用戶專注于討論他所提交的創意時，則可能會花費較少的精力去重新提交創意，而更注重創意質量本身。與此同時，他會獲得較高的平臺得分和其他用戶的投票。因此，需要激發其主動參與互動交流，引導其積極學習來自他人的知識，提升自身技能，以提高整體眾包創新貢獻度。

圖4 模型結果

（2）加強對邊緣型用戶的關注，提高其積極參與意愿。中間中心度刻畫的是一個節點在網絡中對資源的控制程度，中間中心度越高，就代表越多的用戶需要通過它才能建立連接，實現知識的分享與傳遞?；貧w結果顯示，中間中心度對用戶的提交創意數與平臺得分有顯著負向影響，而對用戶的獲得投票數具有正向影響；但同時也發現，中間中心度在3個模型中表現出最低的回歸系數，說明中間中心度對用戶的創新貢獻影響程度最小。結合前文對用戶互動網絡結構的研究，發現網絡中絕大部分用戶的中間中心度為0，說明了眾包平臺的知識分享與傳遞只掌握在了少部分核心用戶手中，同時回歸結果也呈現負向影響。這表明較高的中間中心度并不利于參與用戶的知識共享，從而不利于眾包創新績效的提升。這與學者Lu等［31］的研究結果相一致，即核心-邊緣結構并不利于眾包創新社區的知識共享，因為資源掌握在了少數用戶手中。

（3）引導和激勵核心用戶整合資源，開展協作式創新。前文指出一個節點的入接近中心度越大，在網絡中其他節點到達這個點就越容易，反映的是眾包創新參與用戶的整合力；出接近中心度代表一個節點到達其他節點的容易程度，反映的是眾包創新參與用戶的輻射力。回歸結果顯示，入接近中心度對用戶的創新貢獻有顯著正向影響，而出接近中心度對用戶的創新貢獻具有顯著負向影響。也就是說具有整合能力較強的用戶會產生較強的創新貢獻，而較大的輻射能力并不利于其創新貢獻。也有相關學者的研究支持該觀點［29］，并認為具有較強整合能力的用戶擁有較強的自我展示度，這對用戶的創新貢獻產生正向影響；同時也發現其他參與方對自己的認可也會激發其創新貢獻。Zhang和Wang［32］以維基百科作為實證對象，發現維基百科作為用戶高度協作的眾包社區，那些具有高接近中心度的用戶會將自身的時間與精力分配在協同他人的創新上，進而花費較少的精力進行原始創新。換句話說，這些用戶花費主要精力用于整合相關資源，提出高質量的創意，而不愿意持續分享自身相關知識，盡管自身具有較強的輻射能力。但值得注意的是，出接近中心度雖是負向影響用戶的創新貢獻，但是其影響系數相對較低。因此，對于眾包創新平臺來說，需要建立有效的用戶評分機制，引導和激勵用戶進行自我展示，基于所控資源整合研究團隊，開展協作式創新，以提升眾包創新貢獻。

四、結束語

用戶間良好的互動交流有助于打造眾包創新知識共享環境和激發用戶參與活力。分析眾包創新模式下的用戶間互動網絡結構，明確參與用戶的網絡位置及其承擔的角色，對探索用戶的眾包創新參與行為至關重要。本文的貢獻在于結合戴爾公司的IdeaStorm眾包創新平臺相關數據，利用社會網絡分析法，分析了眾包創新參與用戶間的互動網絡結構，實證研究了用戶間互動對其創新貢獻的影響機理，并給出提升用戶創新貢獻的管理啟示。這對于推動和完善現有眾包創新理論、提供眾包創新管理績效和引導眾包平臺企業（尤其是國內企業）的良好發展具有一定的學術和應用價值。但研究還存在以下不足：實證研究的樣本數據僅來源于戴爾公司的IdeaStorm眾包平臺，該研究結論是否適合國內其他眾包創新平臺，如海爾HOPE、美的美創平臺等，還需要進一步驗證。