眾包競賽用戶網絡演化特征及驅動因素：以豬八戒網站為例

李亞鑫，楊中華，2，李般若，衛 武

（1.武漢科技大學恒大管理學院，湖北武漢 430065；2.湖北省產業政策與管理研究中心，湖北武漢 430065；3.武漢大學經濟與管理學院，湖北武漢 430072）

1 研究背景

2017 年國務院頒布了《關于強化實施創新驅動發展戰略進一步推進大眾創業萬眾創新深入發展的意見》，強調要深入推進大眾創業、萬眾創新，建設眾創、眾包、眾扶、眾籌支撐平臺，大大激發了社會大眾參與眾包競賽的熱情。作為一種創新模式，眾包競賽因其低成本、高效率的優勢在企業生產和社會實踐中得到了廣泛應用［1］。外部用戶可通過參加眾包競賽任務直接參與企業的生產創造，實現價值共創與自我展示［2］。盡管眾包競賽模式受到多方青睞，但是仍出現一些難以忽視的問題，如用戶參與意愿不強烈、接受任務積極性不高、創新努力投入不足等現象，致使競賽任務的發布者無法得到最優或滿意的解決方案［3］。在眾包競賽模式下，用戶因參與眾包創新項目產生競爭關系，形成競爭網絡［4］。通過分析用戶參與眾包創新項目的競爭網絡演化規律及其驅動機制，有助于厘清用戶之間的相互關系、了解用戶的組織和創新生產方式，提升用戶創新效率，同時給企業建立和維持眾包社區提供合理的建議［5］。

當前，眾包相關領域的學者主要圍繞個體間的合作關系展開一系列研究，如高江麗等［6］從眾包論壇中挖掘用戶交互數據，基于社會網絡分析方法從密度、社群圖、中心性等方面探討用戶創新虛擬社區的社會網絡結構；類似地，基于社會網絡分析分析方法，孫妮妮等［7］研究了戴爾公司IdeaStorm 社區中用戶互動的網絡結構特征，進一步分析了用戶間互動關系對其創新績效的影響；Newman［8］通過科研網絡的連通性以及學者之間合作關系的分析，對科研合著網絡中的核心節點進行了識別。在合作網絡結構特征研究之外，學者開始關注合作網絡的演化及其影響因素，如Cantner 等［9］在研究制藥領域國際合作網絡時發現，制藥領域在國際方面的連通性隨著時間的推移在不斷增加，而網絡核心則保持了相對穩定；褚建勛等［10］通過分析科研獲獎合作網絡的結構特征及演變規律發現，科研合作網絡整體趨于聚合，且網絡核心結構較為突出；王海花等［11-12］通過構建長三角城市群協同創新網絡，探究網絡結構演化特征以及網絡形成機制的驅動因素。

相對于合作網絡的研究，目前有關競爭關系、競爭網絡演化及其影響因素的研究頗少。與合作關系相比，競爭關系是一種更為廣泛、對科技創新活動更具有影響力、更容易引起相互模仿和學習、共同推進科技創新進步的強相關關系［13］。已有研究如學者張古鵬等［14］通過建立高校間競爭網絡，分別從網絡自我規模、網絡中心性等角度探討競爭關系對高校科研績效的影響作用；蔡猷花等［15］研究認為在創新網絡嵌入下，網絡中心性正向影響同質企業的競爭性研發投入。在眾包競賽領域，為數不多的學者對用戶間的競爭關系展開了研究，如張軍等［5］研究了豬八戒網站（以下簡稱“ZBJ”）上大眾參與者的加權競爭關系網絡結構，但未對競爭網絡的演化特征及影響因素展開進一步分析。厘清眾包競賽中用戶之間的競爭關系，有利于了解用戶的組織和創新方式，從而提高眾包競賽的創新效率。基于此，本研究分析ZBJ 用戶競爭網絡特征及其在時間序列上的演化規律，同時探究用戶競爭網絡演化的驅動因素，為眾包競賽相關管理者以及參與者提供理論與決策參考。

2 研究方法

2.1 數據來源及處理

ZBJ 是國內著名的開放式眾包創新平臺之一，其網站的交易大廳有招標大廳、比稿大廳、計件大廳以及八戒大賽4 種模式，由于比稿大廳內比賽項目數量大、種類多、涉及內容豐富，故選擇比稿大廳中競賽項目為本研究數據來源。首先，利用爬蟲軟件自動獲取了2018—2020 年ZBJ 比稿大廳中所有比賽項目及用戶信息，共抓取到14 180 個比賽項目和19 197 條用戶信息（以下簡稱“樣本”）；其次，將數據轉換輸出為txt 格式，并導入書目共現分析系統（BICOMB）軟件中，統計用戶競爭的頻次并得到頻次圖（見圖1）；最后，運用UCINET 和NetDraw對Python 生成的用戶共現矩陣進行可視化分析，獲取用戶網絡屬性特征。

圖1 2018—2020 年ZBJ 眾包競賽用戶參與項目頻次分布

從樣本情況分析可知，在眾包競賽中，參與項目次數少于10 次的用戶數為15 307 個，處于10～＜90 次的用戶數有2 635 個，90 次及以上的用戶數為1 255 個；前兩類用戶數累計占參與項目用戶總數的9.753%，參與項目次數在90 次及以上的用戶參與項目數占比達到90.247%。由此可見，絕大部分用戶參與項目次數較少，僅有少數用戶是網絡中的活躍分子。顯然，在以用戶間連線所構成的競爭網絡中，邊緣用戶較多、核心用戶相對較少，網絡呈現“核心-邊緣”的分布特征。

2.2 研究方法

通過對網絡演化特征及影響因素的分析，可以有效把握網絡中個體間關系及網絡的現狀和發展態勢，促進實現網絡結構的優化、資源的合理配置。目前分析網絡演化驅動機制的主要方法有3 種：一是運用多元線性回歸模型探索影響因素與分析網絡演化的關系，如徐瑩等［16］的研究；二是通過二次指派過程（QAP）方法對網絡數據進行多次隨機采樣，以分析兩個網絡間關聯關系，如曾文霞［17］的研究；三是通過建立指數隨機圖（ERGM）模型分析網絡結構特征，找出影響網絡形成與演化的關鍵因素，如劉華軍等［18］的研究。相較而言，指數隨機圖模型可有效整合網絡的外生性因素與內生性因素，全面地揭示網絡形成的影響因素，可幫助研究人員從更加全面的視角理解網絡演化的驅動因素［19］。參考劉林青等［20］的研究成果，綜合選取網絡結構屬性、網絡節點屬性和網絡關系屬性3 類變量來刻畫參與眾包競賽用戶競爭網絡演化的驅動因素，研究的理論框架如圖2 所示。

圖2 研究理論框架

3 用戶競爭網絡演化特征分析

3.1 網絡整體結構特征

使用ZBJ 平臺中的交易大廳項目數據構建競爭網絡。由于眾包競賽平臺會發布比賽項目，中標用戶會獲得項目比賽獎金，因此，用戶會為獲得獎金而展開激烈競爭，用戶之間的競爭關系顯而易見。以用戶為節點，以用戶在參與比賽項目中的直接競爭次數作為用戶間競爭關系的權重，并以此作為連線構建競爭網絡。由于參與比賽的用戶競爭網絡規模大、圖中線條多、聯系密集，為了更加透徹地分析網絡結構，選取競爭次數在90 次及以上的節點繪制眾包競賽用戶競爭網絡（見圖3），其中每個節點代表一個眾包競賽用戶，共有1 255 個節點、188 796 條連接。該網絡基本情況描述如表1 所示。

圖3 2018—2020 年參與ZBJ 眾包競賽的用戶競爭網絡

表1 2018—2020 年ZBJ 用戶競爭網絡基本情況

網絡密度指標表示網絡中節點間的聚集程度，一般來說，處于高密度網絡的節點交互較多、信息流通性好、工作效率高，因此進行競爭網絡的網絡密度分析有利于揭示眾包競賽網絡中各用戶間競爭關系的激烈程度；由表1 可知，該網絡密度較大、結構緊密、連通性較強，說明網絡中各個節點的連接較多，用戶之間的競爭較為激烈。此外，平均路徑長度也是刻畫網絡中各個用戶之間競爭激烈程度的重要指標，指網絡中任意兩個節點間距離的平均值，值越大表明兩個節點之間進行競爭的可能性就越小；如表1 所示，該網絡中某一個節點與另一個節點聯系起來需要經過1.627 個步長，路徑較短，表明網絡中競爭關系比較容易建立。綜上所述，ZBJ平臺上用戶間形成的競爭網絡呈現高密度、短路徑的特點，網絡的小世界特性顯著。

3.2 網絡演化規律

將樣本數據按照季度進行分類，選取競爭次數為15 次及以上的用戶數據繪制出各時間段參與眾包競賽用戶競爭網絡的演化圖（見圖4），圖中的圓框圖形越大說明該節點與其他節點的連線次數越多，即其具備一定的競爭優勢。可知2018—2020 年間各時間段的用戶聯系較為緊密、網絡結構的整體連通性較好，網絡中形成了兩個較大的團體，且網絡結構并未隨著時間的推移發生較大的改變，表明競爭網絡結構保持了較強的穩定性。

圖4 ZBJ 眾包競賽用戶競爭網絡的時間演化

注：2018Q1 表示2018 年第一季度，2018Q2 表示2018 年第二季度，依此類推。下同。

為了更加清晰地分析和比較用戶競爭網絡的演化特征，利用UCINET 軟件計算出各個時間段子網絡的規模、密度、凝聚系數、平均路徑長度等指標，具體如表2 所示。

表2 ZBJ 眾包競賽各時段用戶競爭網絡結構特征

表2 （續）

4 眾包競賽用戶競爭網絡演化的驅動因素分析

4.1 變量選擇與說明

（1）指數隨機圖模型基于隨機統計理論，以多元線性回歸為思想，以依賴性假設為條件，可有效整合網絡的內生結構和外生變量，并全面地揭示網絡生成演化的驅動機制［21］。本研究通過建立指數隨機圖模型，同時考慮內生性因素和外生性因素，分別從網絡結構屬性、網絡節點屬性變量和網絡關系屬性3 個維度對參與眾包競賽的用戶競爭網絡演化的驅動因素展開分析并提出假設，具體如表3 所示。

表3 指數隨機圖模型統計量含義

表3 （續）

（2）參考曹薇等［22］的研究，選取Edges、Gwesp、Gwdegree 等3 種網絡結構變量分別測量網絡形成和演化的基礎效應、傳遞效應和聚合效應。

（3）選取創新貢獻度、競爭強度與結構洞測量網絡節點屬性變量。

其一，創新貢獻度。考慮測量指標綜合性，選擇從貢獻數量與質量兩個方面測量用戶的創新貢獻度，以用戶在平臺上的成交額直觀反映其貢獻數量，以用戶在平臺的綜合評分衡量其貢獻質量。

其二，競爭強度：刻畫眾包用戶競爭關系的激烈程度。Tzabbar［23］通過考察不同時期申請的專利參考文獻中被引專利所屬技術領域的變化構建特征向量，使用反余弦公式來衡量企業技術選擇的差異程度。本研究在參考McPherson［24］把競爭強度定義為利基重疊的基礎上，測量節點在網絡中的競爭強度，同時考慮到每個用戶的競爭力是隨著時間積累不斷增強的，因此對競爭強度取2018—2020 年的移動平均值，并且根據ZBJ 交易大廳對項目的二級分類，結合1 255 個樣本用戶涉及的項目種類，最終確定了39 個項目類別，包括Logo、Logo 更新升級、圖標icon 設計等。競爭強度計算公式如下：

其三，結構洞。Burt［25］提出節點的結構洞指標可以用限制度指數加以衡量，利用UCINET 軟件測度各節點限制度指數。計算公式如下：

式（2）中：Bij為節點i受到節點j的限制度指數；mij為節點i在聯系節點j上花費的時間、精力所占比例。

限制度指數刻畫對一個節點結構洞的約束程度，一個節點的限制度越高表示該節點結構洞的值越小。本研究采用（2-Bij）的方法測度節點的結構洞屬性。

（3）網絡關系屬性變量。鄰近性是分析網絡演化的重要視角，有研究表明，網絡的形成與演化具有多尺度性、復雜性，多維鄰近效應匯成的復合力是驅動網絡形成與演化的重要力量。本研究從節點間的技術鄰近、經濟鄰近以及組織鄰近3 個方面研究用戶之間的鄰近性特征如何驅動競爭網絡演化。

其一，技術鄰近（Tec）。競爭關系需考慮節點之間在知識、能力、經驗、擅長領域等方面的相似程度。有研究指出，用戶技術水平相近或技術結構相距較大都會對用戶間競爭關系的建立產生重要影響［26］。借鑒于永達等［26］的劃分方式，本研究從技術積累鄰近（TecC）與技術結構鄰近（TecS）兩個維度詮釋技術鄰近指標。技術積累鄰近表示兩用戶在某一特定領域縱向深度的鄰近性；技術結構鄰近則表示兩用戶在不同領域橫向創新廣度的鄰近性［26］。針對技術積累鄰近指標，參考Guan 等［27］考慮信息資源時效性和創新研究的普遍做法，本研究將技術積累鄰近定義為用戶i的技術積累等于其過去近半年的成交額，且通過差值構建技術積累鄰近矩陣。針對技術結構鄰近指標，參考許培源等［28］的做法，可以借助聯合國工業發展組織國際工業研究中心（UNIDO）所提出的相似系數法進行技術結構鄰近指標的測量。以39 個樣本項目類型為分類標準，以項目類型結構為基礎，計算兩用戶間涉及創新領域的相似系數。計算公式如下：

式（3）中：Xik、Xjk分別為項目類別k 的成交額在用戶i和用戶j項目類型結構中所占比重；TecSij為用戶i和用戶j項目類型結構的相似系數，取值范圍是0～1，越接近于0 表示兩用戶間所涉及的項目類型差異越大。

其二，經濟距離（Eco）。用戶間的經濟水平越接近則意味著二者具有更加相似的知識需求與創新瓶頸，其所掌握的知識結構、人力資本及信息整合吸收能力更加接近，更易于形成競爭關系。以用戶在平臺上總成交額的差距表征經濟距離。值得說明的是，為去除量綱不同造成的影響，本研究中建立的技術積累鄰近矩陣、經濟距離矩陣均采用極差標準化法進行處理，兩者皆為屬性變量的差異矩陣。

其三，組織鄰近（OP）。參照Balland等［29］的研究，根據兩個用戶是否屬于同一組織類型（企業或個人）進行劃分，若屬于同一組織類型則記OPij＝1；否則，OPij＝0。

4.2 實證結果分析

基于R 語言中的Statenet 程序包展開分析，樣本數據的指數隨機圖模型結果如表4 所示。其中，模型1 為基準模型，主要考察變量Edge 在競爭網絡演化中的作用，反映網絡節點形成競爭關系的基本傾向；模型2～模型4 在基準模型基礎上依次驗證網絡結構變量、網絡節點屬性變量和網絡關系屬性變量對競爭網絡形成的影響；模型5 為包含所有外生變量與內生變量的綜合模型。可以通過AIC、BIC指標檢驗模型的擬合度水平，值越小則表示該模型擬合程度越高。

表4 樣本用戶競爭網絡的指數隨機圖模型分析結果

在網絡結構屬性變量中，變量Edges 類似于模型中的常數項，可認為該變量反映了網絡節點形成關系的基本傾向。如表4 所示，在模型1～模型5的結果中，變量Edges 均通過1%的顯著性檢驗，表明眾包競賽中用戶競爭網絡的形成并非隨機性的，由此也說明探究影響網絡中用戶競爭關系演化的驅動因素具有重要意義。觀察模型2 的結果發現，結構變量Gwesp 對競爭網絡形成具有顯著的正向促進作用，說明用戶競爭網絡在演化過程中容易形成閉合三角形結構，網絡傳遞性顯著，這也意味著兩個用戶（節點）在直接競爭的同時也可能存在間接的競爭關系，反映了競爭網絡具有傳遞性，H1a得到驗證；此外同樣，在模型2 的結果中，變量Gwdegree的系數較大且影響顯著，表明網絡聚合效應顯著，在網絡形成和演化過程中發揮著重要的促進作用，用戶競爭網絡在演化過程中傾向于形成“核心-邊緣”式的星形結構，由此驗證了H1b。模型5 的結果中，變量Gwesp 和Gwdegree 的系數皆顯著為正，進一步驗證了H1a和H1b。

在網絡節點屬性變量中，模型3 和模型5 的結果均顯示用戶綜合評分與用戶競爭網絡的形成演化之間并沒有顯著的關系，即用戶評分越高并不一定意味著更易促進競爭網絡的形成，原因可能是在ZBJ 眾包競賽平臺中，用戶的綜合評分是與用戶的服務態度、工作速度與完成質量的總分數息息相關，多數用戶最終獲得的綜合評分主觀性較強，而且綜合評分高的用戶并不意味著該用戶參與項目競賽頻次較高，更不代表該用戶更容易與其他用戶間建立競爭關系，因此該變量系數并不顯著；成交額的系數為正顯著，表明較高的成交額有利于競爭網絡的形成與演化，成交額越高在某種程度上意味著用戶參與競賽的頻次較高、獲獎次數較多，代表用戶參與競賽的積極性較高，即更易促進網絡的形成與演化。綜上所述，H2a部分成立。模型3 和模型5 的結果顯示，競爭強度對競爭網絡的演化呈現顯著正向影響且影響系數較高，用戶競爭強度越高表明用戶在不同項目類別成交額分布的重合程度越高，即該用戶在網絡中具有一定的競爭優勢、更容易與其他用戶建立聯系形成競爭關系，因此H2b成立。結構洞屬性的系數顯著為正，且在模型3 和模型5 的結果中均達到5%的顯著性水平，表明占據結構洞的節點有助于競爭網絡的形成與演化，H2c成立。結構洞的存在可以幫助占據結構洞位置的節點大大降低信息搜尋的不確定和風險，幫助用戶及時識別與處理信息、減少知識冗余，提升競爭關系的建立效率，促進競爭網絡形成與演化。

在網絡關系屬性變量中，模型4 結果顯示：（1）技術積累鄰近系數為負但不顯著，表明技術積累鄰近對競爭網絡的形成與演化無影響作用。原因可能在于技術積累鄰近表示網絡中任意兩個用戶在ZBJ近半年成交額的差距，而參與創新項目頻次高的用戶可能未在近半年參與項目、沒有獲得成交額，相反可能存在新用戶在近半年多次參與項目比賽、獲得較多成交額，因此用戶間形成的近半年成交額差異矩陣具有較大的隨機性與偶然性，所得結果無法驗證研究假設。（2）技術結構鄰近系數為正且顯著，表明技術結構鄰近性有利于眾包競賽中競爭網絡的演化。技術結構鄰近系數越接近1，意味著用戶間在多個相同的項目類型中皆有競爭、擅長的研究領域相似，更容易形成競爭關系。對于技術鄰近而言，技術結構橫向匹配比縱向積累更為重要，更易推動競爭網絡的形成與演化，故H3a部分成立。（3）經濟距離系數為負顯著，表明經濟距離越大則用戶間越不容易建立競爭關系；反之，經濟距離越小（經濟鄰近性越大）越有助于競爭網絡的形成與演化。通過對網絡結構及演化規律進行分析發現，眾包競賽中形成的競爭網絡結構趨于穩定，用戶間積累的成交額差距隨時間的推移逐漸拉開，兩用戶間的經濟距離愈來愈大，更不易促進競爭網絡形成，因此H3b成立。（4）組織鄰近性系數顯著，表明組織鄰近性是促使競爭網絡形成的因素之一。楊博旭等［30］的研究也認為，合適的組織鄰近使得競爭主體間對所需的知識與信息相似度較高，更易產生競爭關系。

4.3 擬合優度檢驗

為了更直觀反映模型的擬合效果，參考van der Pol［21］的研究，采用最優擬合優度（GOF）檢驗模型擬合程度。選取典型指標邊共享伙伴（edge-wise shared partners）對模型5 進行擬合優度檢驗，其中橫軸為網絡節點、縱軸為節點屬性，擬合效果如圖5 所示。從整體上看，雖然部分節點擬合效果不佳，但該模型構建的虛擬網絡可以較好地反映真實網絡，模型擬合效果可以接受。

圖5 虛擬網絡的邊共享伙伴指標擬合結果

5 結論與建議

5.1 研究結論

眾包競賽中用戶間形成的競爭網絡是一個高密度網絡，其結構緊密、連通性較強、信息流通阻礙較小，各節點間連線較多，且網絡中呈現高聚集、短路徑的特征，網絡的小世界特性顯著，表明眾包競賽社區中用戶間信息知識傳播速度較快、影響面較大，用戶間聯系得到有效支持；此外，各子網絡整體結構并未隨著時間的推移而產生較大的變化，表明競爭網絡結構保持了一定的穩定性。

眾包競賽中用戶競爭網絡傾向于形成閉合三角結構與星形結構。競爭網絡存在傳遞性，當網絡中兩個節點間沒有直接聯系但共享同一個節點時，兩者也更易于建立聯系；而競爭網絡中的路徑冗余性可提高網絡中信息資源的傳遞效率，而結構的閉合性可使得用戶間的競爭關系具有一定的穩定性。由此表明，閉合三角形結構具有效率和穩定性的雙重優勢，可有效促進網絡的形成與演化。星形結構反映網絡的聚合效應，對競爭網絡形成與演化的正向影響作用極為重要。星形結構具體體現為一個節點在網絡中與多個節點間皆有連線，且該節點處于網絡中心位置，擁有網絡中大部分權利，可在網絡中實現優先布局、控制資源流向［31］；同時，處于邊緣的用戶會不斷與核心節點建立聯系，增加向網絡中心遷移的可能性，進而提升用戶的創新貢獻行為。隨著網絡規模不斷擴張，網絡中邊緣用戶會更傾向于與核心用戶建立聯系，形成“核心-邊緣”型網絡。

用戶的競爭強度和結構洞屬性有利于網絡形成與演化。在創新貢獻度方面，僅有用戶成交額可促進網絡形成，而用戶的綜合評分對網絡形成無明顯作用。在節點屬性中，用戶競爭強度變量對網絡形成的作用最大，競爭強度高的用戶在網絡中具有絕對的競爭優勢，在諸多項目類型中皆發揮巨大的競爭實力，更容易與其他節點間建立聯系，推動競爭網絡的形成與演化。處于結構洞位置的用戶可控制網絡中信息資源的流動，有效促進自身創新資源儲備，這無疑吸引其他用戶與該節點間建立新的競爭關系。成交額高的用戶意味著眾包競賽獎勵更容易激發其參與創新項目的欲望，用戶參與意愿強烈、創新努力投入較多有助于網絡的形成與演化。

多維鄰近性是競爭網絡演化的強大驅動力。這與王海花等［12］的研究結論相呼應。技術結構鄰近性和組織鄰近性有助于競爭網絡形成與演化，而經濟距離負向影響網絡的形成，技術積累鄰近對網絡的形成無顯著作用。技術結構鄰近表示用戶間競爭領域形似、知識儲備與創新思路差異性較小，更易掌握相似競爭對手發展趨勢，從而更易建立穩固持久的競爭關系；組織鄰近的創新主體意味著兩者具有相似的社會背景、知識儲備與組織結構，所需的創新資源相近，可為競爭雙方營造充分的競爭環境，加速對網絡中信息與資源的占有與爭奪，降低用戶間競爭成本，提高競爭效率［30］。此外，競爭網絡結構趨于穩定。因為隨著時間推移，用戶間積累的成交額差距逐漸拉開、用戶間的經濟距離愈來愈大，網絡中資源信息占有程度差異過大則不易促進競爭網絡形成。

5.2 管理建議

（1）采取鼓勵措施，充分調動用戶參與積極性。眾包競賽管理者應設立激勵機制，鼓勵邊緣用戶積極參與眾包競賽項目，在完成任務的同時提高信譽和技術水平，增加向網絡中心遷移的可能性，打破逐漸趨于穩定的競爭網絡結構、注入新的創新思維，實現創新的多層次、多維度發展；同時，建設公平公開的競爭環境，提升對高知識人才的吸引力，縮小用戶信息資源差距，實現人才與信息的多元化發展與碰撞。

（2）發揮核心用戶帶頭作用，推動競爭網絡創新發展。競爭網絡的聚集和網絡核心結構的出現可視為基于偏好選擇原理和資源交換理論的自組織演化結果［32］。眾包競賽管理者應該發揮核心用戶的帶動作用及其資源優勢、信息優勢，激發邊緣用戶參與眾包競爭欲望，共同推動創新資源與信息流動，進而驅動整個網絡創新發展；同時，要避免馬太效應帶來的負面影響，尤其要警惕可能出現的排外小圈子對用戶創新力的破壞。

（3）搭建完善的眾包創新平臺，完善創新資源布局。優化用戶獲取信息資源路徑，設置學習與培訓欄目，降低用戶參與眾包競賽的創新成本，推動人才、知識、信息、資金和技術等創新資源的順暢交互，幫助眾包競賽用戶更容易地獲得更多的異質性資源；同時，還要積極優化平臺的項目類型結構，降低用戶發展同質化的趨勢，推動用戶不斷拓展新領域、擺脫舒適區。此外，管理者要注意保持平臺發展和用戶創新之間的平衡，避免知識冗余與路徑依賴，提高創新續航能力。

5.3 不足與展望

本研究實證所收集的數據僅來源于豬八戒網眾包平臺，沒有采用多平臺的數據相互驗證和對比，后續可進一步研究以上所得結論是否適用于國內外其他眾包平臺。此外，本研究中未將用戶度中心性等影響競爭網絡形成與演化因素設置為網絡的內外生變量，后續可就此進一步探討。