制造企業需求端場景深耕對服務創新績效的影響

趙慧娟,劉 璐,楊皎平,范明霞

(青島科技大學 經濟與管理學院,山東 青島 266061)

0 引言

近年來,諸多制造企業為迎合消費者個性化需求,加速進行服務化轉型,順應產品主導邏輯向服務主導邏輯轉變趨勢,在做好產品的基礎上做好服務。隨著數字技術、平臺經濟的崛起,服務顧客的理念不斷拓展和深化。著名教授Andy Neely[1]指出,顧客需要的不僅僅是服務,更是特定應用場景中的服務,因此基于場景的服務創新成為未來制造企業服務化發展的潮流。

場景作為制造企業與用戶交互的新渠道,不僅能夠直觀展示產品功能,更能滿足用戶體驗。因此,以場景為載體開展服務創新活動,已經成為制造企業獲取競爭優勢、提升服務創新績效的新途徑,這與場景驅動創新范式相契合[2]。海爾智家作為開展場景化服務的典型企業,創立了全球首個場景品牌,“三翼鳥”依托行業領先核心技術引擎“智家大腦”及“1+N”服務體系實現數據要素價值化[3],打通“家”的空間和時間,賦予“家”成長力和生命力,為用戶提供全場景和局改方案,在技術創新與商業模式創新耦合機制下[4]實現利潤持續增長。現實中其它制造企業開展場景化營銷雖在短期內取得一定成效,但未曾持續,究其原因在于這些企業未完全把握場景化創新的本質。

在企業管理研究中,場景最早應用于營銷學領域,且通常強調顧客端需求[5-6],忽視了支撐場景模式的各利益相關主體的協同創新和價值共創行為。對場景模式的認知偏頗導致制造企業把過多資源用在營銷端,而對真正滿足用戶需求的研發端和生產端關注不足。陳旭等[7]指出,服務型制造本質上仍然是制造,忽視制造的服務型制造不可持續,而且制造也不再是獨立制造而是生態化制造。同時,場景逐漸被視為一種生態,在消費端滿足用戶生態化需求,在供給端則需要生態化資源賦能。基于鄒波等[8]的觀點,本文認為制造企業以場景為載體所進行的創新活動是一個生態系統,制造企業利益相關者的研發、制造、服務和數據等資源是輸入,制造企業所構建或依附的服務生態價值共創行為是組織過程,而服務于消費者的場景化創新則是輸出。如果缺乏充足的輸入和有效的組織,僅追求場景化輸出將是無本之木,終究不可持續。

吳聲[9]在《場景紀元》中指出:“圍繞相關應用場景,還有大量未被定義和未被滿足的顆粒度需求等待更具體的場景深耕。”所謂場景深耕,是指制造企業以服務場景為著力點,圍繞用戶體驗和感受,細化用戶需求,在特定時間和空間背景下構造與用戶生活場景相匹配的消費場景,滿足不同場景用戶需求,并根據用戶反饋不斷優化場景,在促進用戶價值與企業價值提升的同時激活并創新用戶需求,進而實現場景持續迭代。實現場景深耕,最重要的是利用數字技術將需求端獲取的數據傳遞給供給端,帶動供給端不同部門之間協同研發[10],在供給端開展價值共創行為,將用戶痛點和未被滿足的顆粒度需求快速轉化為與之相適應的產品或服務[11]。

制造企業在需求端的場景深耕對其獲取差異化競爭優勢[1]、延長產品價值鏈具有重要意義。鑒于此,本文在已有研究的基礎上,以我國制造企業為研究主體,探索場景深耕對制造企業服務創新績效的影響,重點回答如下問題:①制造企業與用戶及其他利益相關者的價值共創行為是否是場景深耕提升服務創新績效的重要內因;②場景深耕對價值共創行為的影響效果是否會由于制造企業數字化能力水平不同而具有差異。本文貢獻主要在于:將需求端場景與整個服務創新生態系統價值共創行為結合起來,有助于豐富理論界關于場景驅動服務創新的認識,指導制造企業開展有效的服務創新活動。

1 理論基礎與模型構建

1.1 服務創新生態系統價值共創

隨著生態經濟組織的涌現,Vargo等[12]指出早期價值共創主要關注企業和顧客的二元關系,忽視了其他利益相關者之間的價值主張和資源互動,并由此提出服務生態系統的概念,指出制造企業應該將利益相關者納入價值創造過程,實現服務生態系統全周期管理。Storbacka等(2016)指出,創新生態系統視角下的價值共創強調生態主體間的開放協作和資源共享,更關注生態主體間的交互行為,至此價值共創從二元關系進入多元網絡關系。隨著數字經濟的發展,價值創造網絡被重新定義,蘇濤永等(2021)將價值共創定義為多主體以數字技術為媒介通過動態網絡互動和異質資源整合實現個體及系統價值的載體。

服務生態系統的價值共創涉及宏觀、中觀和微觀3個層面,數字技術促進價值共創在上述3個層面演化和滲透。在宏觀層面,數字技術促使多方利益相關者參與,實現資源廣泛協同;在中觀層面,數字技術促進數據、技術、流量和制造等資源共享,實現生態系統融合共生;在微觀層面,數字技術有助于提高生態系統內利益相關者的互動頻率,推進價值共創進程。根據Marks(1973)提出的IPO分析框架,將服務創新生態系統價值共創劃分為3個環節:①輸入環節,主要任務是識別服務需求、挖掘潛在需求,對應價值共創驅動因素,包括顧客要素、企業要素和互動場景要素[13];②過程環節,主要任務是通過生態主體間的資源流動、技術互動開發服務方案,對應價值共創主體、互動和資源要素;③輸出環節,主要任務是交付新產品和新服務,滿足各主體價值訴求。價值共創結果包括個體層面體驗提升和價值滿足、組織層面能力提升和績效改善、系統層面和諧共生和創新演化[13]。

1.2 場景驅動創新與大數據合作資產理論

場景的概念在社會學、傳播學和管理學等學科中皆有應用。關于場景的分類有很多,如生產場景、應用場景、供應鏈場景和消費場景等,本文中的場景是指消費場景或服務場景,以場景驅動創新范式[2]為理論基礎,將研究范圍細化至場景驅動的服務創新。近年來,場景研究逐漸與生態系統理念融合[7],結合對服務創新生態系統的理解,場景深耕是一個反饋系統輸出的輸入過程,是場景驅動服務創新的前段。服務創新生態系統價值共創是場景驅動服務創新的支撐,服務創新績效提升是場景驅動服務創新的輸出或結果,因此場景驅動服務創新本質上是以場景深耕為動力的服務創新生態系統價值共創過程。

與傳統服務創新相比,場景驅動服務創新具有如下特點:首先,場景驅動服務創新認為顧客需求具有場景導向性和依賴性,對顧客需求的挖掘、理解和預測應該從場景角度出發[8];其次,場景驅動服務創新旨在為顧客提供整體化解決方案,顧客不同需求具有關聯性,滿足顧客整體化需求需要鏈接不同資源主體為顧客提供服務[14];最后,場景驅動服務創新強調場景價值,認為顧客需求不僅是使用價值和交換價值,還包括特定場景之下的情感、體驗和認知價值。在數字經濟背景下,依托場景進行的服務創新更加普遍。一方面,數字技術有利于促進場景打造和深耕,大數據、人工智能等技術為用戶需求信息的捕捉、挖掘和預測提供了有效支撐(李高勇和劉露,2021);另一方面,數字技術促進更大范圍內利益主體的生態鏈接,有利于場景價值共創[14]。

關于數字技術對場景驅動服務創新的影響,可用大數據合作資產理論予以闡釋[8],該理論將數據與價值共創、服務主導邏輯進行整合,認為數據生成是客戶對價值共創的主要貢獻,而提供一個便于收集、存儲和分析數據的數字平臺是企業對價值共創的主要貢獻。對于企業和客戶來說,基于大數據的數字資源是可以獲取和控制的寶貴資源,數據資源轉化為合作資產會產生價值[15]。根據大數據合作資產理論,制造企業掌握的數字技術或數字化能力有利于提高企業與用戶、企業與其他利益相關者之間的合作能力,進而快速、準確地捕捉用戶需求,及時、有效地整合服務創新生態系統資源,實現價值共創。

1.3 模型構建

根據上述文獻梳理,本文將場景驅動下制造企業服務創新理解為由需求端場景深耕驅動的服務創新生態系統價值共創。根據IPO分析框架,制造企業需求端場景深耕是輸入、服務生態系統價值共創是過程、服務創新績效是輸出。根據服務創新生態系統價值共創和大數據合作資產理論,制造企業場景深耕、數字化能力及其所依附的服務創新生態系統為價值共創提供需求信息和異質性資源,驅動服務創新生態系統價值共創行為,最終提高制造企業服務創新績效。基于此,本文構建如圖1所示的理論模型。

圖1 理論框架Fig.1 Theoretical framework

2 研究假設

2.1 場景深耕與服務創新績效

基于制造企業依托場景進行服務創新的認知,在需求端開展場景深耕是場景驅動服務創新、滿足用戶個性化需求、提升服務創新績效的基礎。第一,制造企業向場景賽道切換可以獲取差異化競爭優勢,提升服務創新績效(江積海和王若瑾,2020)。產品場景化展示更容易觸發用戶情感體驗,因此制造企業通過“賣場景”為用戶提供沉浸式產品體驗,進而獲取差異化競爭優勢。第二,需求端場景深耕本質上是企業與用戶持續交互的過程,交互越深入、越充分,越能夠促進企業服務創新績效提升(趙益維等,2020)。制造企業通過場景深耕深入挖掘和預測用戶需求,并據此開展服務創新活動,為用戶提供多品類、定制化產品和服務,提升服務創新品質,提高服務創新效率,降低服務創新成本。第三,通過場景深耕提供的整體化服務解決方案價值遠高于多個獨立產品或服務價值的疊加。場景式解決方案既能滿足用戶產品功能需求又能使用戶獲得基于生活細節或情感的體驗,當消費情境與用戶生活需求相契合時,用戶更容易接受場景溢價,進而促進服務創新績效提升。第四,場景方案滲透著用戶創意和反饋信息,能夠提升用戶對場景的價值感知[8],使其更愿意分享場景方案,帶動裂變銷售,提升服務創新財務績效。

此外,根據大數據合作資產理論和服務創新生態系統理論,本文認為制造企業在需求端場景深耕的主要價值在于:一方面借助場景五大新型技術力量(羅伯特·斯考伯等,2014),通過提高制造企業與利益相關者合作能力驅動創新生態系統協同創新和價值創造,為用戶提供高體驗、個性化、整體性創新服務;另一方面,借助場景應用、信息反饋、產品改進、滿足升級需求反向驅動整個創新生態主體演化和資源整合,最終促進服務創新績效提升(王玉榮和李宗潔,2017)。據此,本文提出如下假設:

H1:制造企業在需求端的場景深耕對服務創新績效具有正向影響。

2.2 服務創新生態系統價值共創行為的中介作用

從服務創新生態系統中制造企業與用戶關系視角看:第一,需求端場景深耕為制造企業與用戶價值共創提供情境,當用戶置身于某一場景時,基于用戶需求及周邊環境的多重激勵,用戶更容易對產品或服務提供有用的評價,并表達對產品或服務的改進期望[8,16]。第二,需求端場景深耕使企業對價值需求的理解更立體、價值創造顆粒度更細致、價值交付對象更精準、價值共創意愿更強烈[1],進而更愿意實現價值共創。第三,需求端場景深耕使制造企業能夠在特定場景中及時、準確地提供產品或服務,提高企業場景化營銷能力,促使用戶和企業深度交互,從而實現基于場景的價值共創[14]。總體而言,需求端場景深耕為制造企業連接用戶創造新渠道,推動用戶參與價值共創行為。

從服務創新生態系統中制造企業與其他利益相關者關系視角看:第一,場景方案的提出與落地是多方利益相關者共同努力的結果,場景深耕使制造企業考慮為用戶提供一體化解決方案,驅動用戶與其它企業進行資源匹配,進而實現價值共創。第二,為促進場景方案迭代,制造企業需要在服務創新生態系統中尋求合作伙伴實施協同創新行為以滿足用戶需求,因此場景深耕過程實際上也是價值共創參與主體識別、甄選的過程(蘇濤永等,2021)。第三,為滿足用戶場景化需求,各價值共創參與主體開展合作,其中知識跨組織流動、生產要素相互協同等多元互動行為使利益相關者構成的服務創新網絡變成價值共創行為復雜適應系統[17]。

根據江積海等(2022)的觀點,企業既可通過需求端場景互聯也可通過供給端資源協同實現價值創造,其在需求端與用戶的價值共創行為能夠為用戶提供精準化服務,提高用戶黏性和制造企業服務創新績效;制造企業在供給端與利益相關者的價值共創行為能夠獲得其他利益相關者信息和資源[18],通過信息內化和資源整合彌補自身資源劣勢,更高效地開展服務創新活動,進而促進服務創新績效提升。總體而言,制造企業在與用戶、其他利益相關者的價值共創過程中,通過顧客價值、生態互動實現整個服務創新生態系統能力重構,最終提高制造企業服務創新績效。據此,本文提出如下假設:

H2:服務創新生態系統價值共創行為對場景深耕與服務創新績效關系具有中介作用。

2.3 數字化能力的調節作用

隨著企業數字化轉型的開展,學界愈發關注數字化能力這一概念,將數字化能力定義為:利用新一代數字與智能技術,以數據為核心,調動企業內外部資源,推動企業設計、制造等環節進行數字化變革,進而提升企業績效的能力,并將其劃分為4個層次:數字化基礎能力、數字化分析能力、數字化應用能力和數字化發展能力[19]。數字化能力有助于整合來自不同渠道的信息,利用數字技術連接多元主體,構建利益相關者互動共享關系,實現資源協同,促進需求端與供給端融合,推動商業生態系統演化[20]。數字化能力和價值創造能力相輔相成,數字化能力建構不僅依靠IT能力,更依賴制造企業與利益相關者的交互,兩者相互合作、共同支撐構成“價值網絡”(王強等,2020),核心是在對用戶需求感知和響應過程中實現與客戶的價值共創[21]。同時,場景依托數字化技術體系打破時空限制,實現場景數字化重構,為企業搭建智能場景適配消費服務創造條件。總體而言,數字化能力的價值在于對場景深耕過程中獲取的數據進行處理并將其應用于企業研發、生產、銷售等環節,進而推動服務生態系統價值共創。

數字化能力對場景深耕與價值共創行為關系的調節作用表現為:第一,較高的數字化基礎能力使制造企業可以更好地借助大數據分析技術深入了解用戶生活細節,借助傳感器和視覺識別技術實時洞察并精確感知用戶需求(王強等,2020),完成用戶線下場景數據采集,形成龐大的用戶資源庫。第二,較強的數字化分析能力有利于制造企業對數據資源進行編排與重構(蘇敬勤等,2022),為價值共創內容提供參考,并根據用戶需求快速調整場景解決方案。第三,較高的數字化應用能力有利于促進生產、研發過程中數據儲存與共享,加快數據資源向合作資產轉化,加快利益相關者信息共享,促進價值共創行為的產生。第四,在較強的數字化發展能力的加持下,制造企業能夠更好地連接用戶、供應商與合作伙伴之間的關系,形成生態價值網絡[19],強化場景深耕促進價值共創行為的作用。據此,本文提出如下假設:

H3:數字化能力正向調節制造企業場景深耕與服務創新生態系統價值共創行為之間的關系。

3 研究設計

3.1 研究樣本與數據收集

本文采用問卷調研方式收集數據,主要以推行場景化的制造企業為研究樣本,以確保所獲數據的合理性。考慮到場景深耕和服務創新活動涉及部門較多,調研對象涵蓋目標企業中高層管理人員以及研發、生產、銷售等不同部門員工。為保證數據質量,在正式調研之前隨機選取3家制造企業進行預調研,刪除問卷填寫不完整、語義修改不清晰的題項后,得到最終調研問卷。正式調研數據收集時間為2020年12月至2021年5月,樣本企業涉及家裝、家電和汽車等不同類型企業,在調研之前向每位被調研者介紹調研目的,并強調數據保密性和真實填寫的重要性,所得問卷經篩選后統一對數據進行匯總、處理。正式調研通過線上、線下兩種方式進行,從而獲得制造業不同領域和企業的研究樣本,以保證研究結論外部效度。

正式調研過程如下:①線上調研主要利用本校教師、團隊成員、MBA學員的社會關系,覆蓋北京、江蘇、山東、廣東、浙江等省份制造企業,通過郵件、微信等方式向目標調研人員發放電子問卷鏈接,并請求他們幫忙轉發,擴大調研范圍;②線下調研利用本校老師、團隊成員的人際關系,調研企業主要集中于江蘇、山東等省份。團隊成員在征得企業同意后到企業進行實地調研,并現場發放、回收調研問卷。最終,通過線上回收問卷392份、線下回收問卷172份,累計回收問卷564份,剔除填寫不完整、回答完全一致、規律性回答及回答時間低于180秒的無效問卷,共回收有效問卷462份,有效問卷回收率為81.91%。樣本描述性統計結果如表1所示。

3.2 變量測量

本文采用Likert 6級量表對變量進行測度,填寫者在1～6間進行選擇,分別代表完全不符合、比較不符合、有點不符合、有點符合、比較符合、完全符合。問卷題項為結構化問題,要求被調研者根據實際情況對題項打分。本文部分量表為自主開發,另外一部分是在現有量表的基礎上,根據研究問題和調研對象作出適當調整。

表1 樣本描述性統計結果Tab.1 Sample descriptive statistical results

(1)場景深耕(EC):這一提法來源于吳聲[9]的《場景紀元》,目前尚無以此為變量的研究,江積海等[1,14]、王福等[11]基于商業模式視角對場景進行案例研究,無相關量表可以借鑒。鑒于此,采用程序化量表開發過程,設計包含“通過多種渠道充分獲取用戶反饋信息以便融入產品設計”等8個題項單維度量表。因子分析結果顯示,單維度因子擬合效果較好(χ2/df =1.993,RMSEA=0.041, SRMR=0.037, CFI=0.953, TLI=0.951)。

(2)數字化能力(DC):借鑒吉峰等[19]對數字化能力的扎根結果,包含數字化基礎能力、數字化分析能力、數字化應用能力、數字化發展能力4個維度。本文以此為參考,設計包含“貴企業具備關鍵數字技術裝備和工業應用工具開發能力”等13個題項量表。因子分析結果顯示,該4維度因子擬合效果較好(χ2/df=1.610,RMSEA=0.036,SRMR=0.029,CFI=0.970, TLI=0.967)。

FoamFatale TM研發人員指出如果采用美國消防協會標準NFPA 11—2016 National Electrical Code中限定值的2～3倍的泡沫供給強度，可以大幅縮短滅火時間。FoamFatale TM系統設計的泡沫供給強度為20～30 L/(min·m2)。泡沫預制后儲存在高壓臥式罐中，設計分布式線性噴射口CLN(continuous linear nozzle)。探測火災信號后，泡沫在管道內完成膨脹，通過噴射口向罐體中心全輻射狀射出，泡沫在極短時間內擴散，在油品表面形成覆蓋層，隔絕氧氣，同時還具有冷卻罐壁的作用。

(3)價值共創行為(VC):該測度主要分為兩大類:一類是營銷領域中企業與用戶的價值共創行為,另一類是創新管理領域中企業與合作伙伴的價值共創行為。本文借鑒Ngo等[22]、宋華等[23]的研究,對兩個量表進行整合,將價值共創行為視為二維變量,兩個維度共包含“顧客經常參與到我們的產品設計中”“主要合作伙伴會參與公司產品設計”等10個題項。因子分析結果顯示,該二維度因子擬合效果較好(χ2/df=1.052,RMSEA=0.022,SRMR=0.019, CFI=0.969, TLI=0.967)。

(4)服務創新績效(SIP):借鑒劉如月和楊蕙馨[24]的研究,結合本文研究問題對表述方式進行適當修改,涉及服務創新財務績效和服務創新非財務績效兩個維度,共包含“貴企業提出的場景解決方案盈利水平較高”等8個題項。因子分析結果顯示,該二維度因子擬合效果較好(χ2/df=1.405, RMSEA=0.030,SRMR=0.029, CFI=0.976, TLI=0.974)。

本文設置如下4個控制變量:企業年齡(EA)、企業規模(ES)、企業性質(EO)、細分行業(EI),在后續回歸分析中,由于ES數值較大,故采用取對數的方式;另外,借鑒趙慧娟等(2022)的研究,將EO和EI處理為定類數據。

4 實證結果分析

4.1 數據檢驗

對問卷樣本進行Harman單因子檢驗,結果顯示第一個因子解釋方差占總方差的34.485%,低于總解釋量(70.581%)的50%,說明本研究不存在嚴重的同源偏差問題。另外,對各變量進行方差膨脹因子(VIF)檢驗,結果顯示VIFmax=2.211(<10),說明各變量間不存在多重共線性問題。利用Cronbach's α系數對量表信度進行檢驗,結果如表2所示。從中可見,各量表的Cronbach's α系數均大于0.8,表明量表具有較高信度。同時,通過一階驗證性因子分析剔除殘差不獨立及因子載荷小于0.7的項,以確保量表具有較高的效度水平。

表2 變量信效度檢驗結果Tab.2 Variable reliability and validity test results

由表2、表3可知,各變量平方差提取值(AVE)均大于0.5,且各變量AVE的平方根大于該變量與剩余變量的相關系數,說明量表具有較高的聚合效度。另外,將多維度變量視為二階因子,采用驗證性因子分析方法檢驗量表區分效度,結果如表4所示。由表4可知,四因子模型擬合效果較好(χ2/df=1.597,RMSEA=0.035,SRMR=0.044,CFI=0.964,TLI=0.963),明顯優于其它3個模型,說明4個因子具有較高的區分效度。

表3 變量描述性統計與Person相關系數結果Tab.3 Descriptive statistics of variables and Person correlation coefficients

表4 驗證性因子分析結果Tab.4 Confirmatory factor analysis results

4.2 假設檢驗

針對所提假設,利用分層線性回歸法和Bootstrap法進行檢驗。為避免交互項與其它變量產生多重共線性問題,在分析前對相關變量進行中心化處理。

(1)總效應與直接效應檢驗。本文將調研所獲數據代入模型進行分層回歸分析,結果如表5所示。為檢驗制造企業場景深耕與服務創新績效的關系,構建僅包含企業年齡、企業規模等控制變量的模型M1作為基礎模型。模型M2在M1的基礎上增加自變量場景深耕(EC),由M2結果可知,場景深耕系數顯著為正(β=0.487,p<0.001),說明場景深耕對制造企業服務創新績效具有顯著正向影響,假設H1得到驗證。另外,采用Process V3.3程序對圖1所示模型進行檢驗,結果發現場景深耕對服務創新績效的直接效應為0.354 7,95%置信區間為[0.280,0.413],說明即使考慮價值共創行為的中介作用,場景深耕對服務創新績效仍具有直接效應。

(2)中介效應檢驗。為檢驗價值共創行為的中介效應,在模型M2的基礎上加入價值共創行為構建模型M3,結果顯示價值共創行為與服務創新績效相關系數顯著正相關(β=0.344,p<0.001),說明價值共創行為對制造企業服務創新績效提升具有正向影響。另外,以價值共創行為為因變量,構建僅包含控制變量的模型M4,加入自變量場景深耕構建模型M5。由M5結果可知,場景深耕與價值共創行為相關系數顯著正相關(β=0.587,p<0.001),說明場景深耕對價值共創行為具有正向促進作用。綜合M3和M5結果可知,價值共創行為可作為中介變量解釋場景深耕與制造企業服務創新績效間的關系,假設H2得到驗證。相比于M2,M3模型中場景深耕對服務創新績效的影響系數顯著下降(β=0.487,p<0.001;β=0.344,p<0.001),說明價值共創行為對場景深耕與服務創新績效關系具有部分中介作用。本文采用Bootstrap法進一步檢驗價值共創行為的中介效應,迭代次數選擇5 000次并構建95%無偏差校正置信區間,結果顯示“EC→VC→SIP”效應值為0.201 9,在95%置信區間為(0.146,0.260),置信區間不包含0,假設H2得到進一步驗證。

(3)調節效應檢驗。為檢驗數字化能力對場景深耕與價值共創行為是否具有調節作用,以價值共創行為為因變量,以場景深耕及場景深耕與數字化能力交互項為自變量構建模型M6,得到交互項系數顯著為正(β=0.204,p<0.001),說明數字化能力正向調節場景深耕與價值共創行為關系,假設H3得到驗證。數字化能力調節效應如圖2所示,當數字化能力較強時,場景深耕與價值共創行為呈顯著正相關關系;當數字化能力較弱時,場景深耕與價值共創行為的正相關關系依然顯著,但斜率值低于高數字化能力組,H3得到進一步驗證。

表5 多層回歸分析結果Tab.5 Results of multilevel regression analysis

圖2 數字化能力的調節作用Fig.2 Moderating role of digital capability

4.3 進一步分析

回歸分析結果顯示數字化能力調節場景深耕與價值共創關系,可能也會調節價值共創在場景深耕與服務創新績效間的中介效應。因此,本文采用Process V3.3檢驗被調節的中介效應,結果如表6所示。從中可以看出,價值共創在場景深耕與服務創新績效之間的中介作用被數字能力正向調節(inde=0.050,P<0.001)。

表6 被調節的中介效應檢驗結果Tab.6 Test results of moderated mediating effects

另外,將價值共創行為劃分為兩個維度:與用戶的價值共創行為(VC1)和與其他利益相關者的價值共創行為(VC2),對其分別進行中介效應檢驗和調節效應檢驗,結果如表7所示。從中可見,VC1和VC2均充當了場景深耕與服務創新績效之間的中介變量(β=0.148,p<0.001;β=0.109,p<0.001),且數字化能力同時正向調節兩種中介效應。這印證了H2假設,即由場景深耕驅動的制造企業與用戶的價值共創行為以及與其他利益相關者的價值共創行為均是服務創新績效提升的重要原因。

表7 不同類型價值共創行為中介效應檢驗結果Tab.7 Mediation effect test results of different types of value co-creation behavior

為確保模型穩健性,同時采用結構方程模型對上述變量關系進行檢驗,并構建兩個競爭模型。競爭模型A包括“場景深耕→服務創新績效”“場景深耕→數字化能力→服務創新績效”“場景深耕→價值共創行為→服務創新績效”3條路徑,競爭模型B包括“場景深耕→服務創新績效”“場景深耕*數字化能力→服務創新績效”“場景深耕→價值共創行為→服務創新績效”3條路徑,與本模型進行對比分析,結果如表8所示。從中可見,本模型中各路徑系數均具有顯著性,與回歸模型所得結論基本一致,且與競爭模型A、B對比明顯,進一步驗證了模型的有效性。

表8 結構方程分析結果Tab.8 Analysis results of structural equations

5 結論與討論

5.1 研究結論

本文基于服務創新生態系統價值共創和大數據合作資產理論,探討制造企業通過需求端場景深耕對服務創新績效的影響,以服務創新生態系統價值共創行為作為中介變量,以數字化能力為調節變量構建理論模型,通過實證分析得出如下結論:

(1)制造企業在需求端開展場景深耕能夠促進企業與用戶的價值共創行為,進而提升服務創新績效。首先,制造企業通過場景塑造為用戶提供更加細致化的產品體驗,將用戶代入其塑造的基于生活細節的情境中,通過滿足用戶需求實現產品價值增值,形成消費黏性,提升服務創新績效;其次,制造企業通過與用戶建立強連接互動關系,在交互過程中獲得用戶反饋,同時挖掘用戶潛在需求,精準把握用戶需求變動趨勢并將其轉變為用戶實際消費,及時改善產品或服務,降低服務創新風險,從而提升服務創新績效;再次,用戶在社群中的分享和討論不僅可為制造企業提供反饋信息,也能形成較強的消費黏性,帶動二次或多次裂變銷售,促進服務創新績效提升。

(2)制造企業在需求端開展場景深耕,驅動企業與其他利益相關者的價值共創行為,進而提升服務創新績效。首先,制造企業通過場景深耕明確用戶需求,為突破自身資源限制,會吸納設計方、資源方參與自身研發生產,沿著價值鏈上下游篩選合作伙伴,通過價值共創行為為用戶提供符合期望的產品或服務;其次,在場景方案迭代過程中,制造企業需要嵌入或搭建開放式服務創新生態系統,與利益相關者進行互動合作,通過場景深耕提高價值共創參與主體的開放性和演化性,為用戶提供精準服務;再次,為促使場景方案落地,制造企業需要整合服務創新生態系統中的各種異質性資源,參與價值共創的資源越豐富,越有可能為用戶提供期望產品或服務。

(3)數字化能力是制造企業協調服務創新生態系統中不同主體、整合不同資源創造價值的重要保障,對場景深耕促進價值共創行為具有重要作用。首先,數字技術的采用突破了價值共創主體交互時空限制,能夠使制造企業通過實施場景化商業模式深化與用戶交互、拓寬利益相關者范圍提供支持;其次,對于需求端價值共創而言,數字化能力能夠確保制造企業全程記錄用戶在場景中的動態,形成龐大的用戶數據庫,通過數據分析挖掘用戶需求,在交互過程中實現用戶—企業價值共創;再次,對于供給端價值共創而言,數字化能力是制造企業與資源方等利益相關者實現信息互通的重要保障,能夠促進各方利益相關者共同圍繞用戶需求進行價值共創,并針對需求變動及時調整場景方案,實現場景迭代。

5.2 理論貢獻

(1)明確場景深耕的含義,在現有研究基礎上開發測度量表,調研數據顯示該量表具有較高的信效度,可供后續研究采納和借鑒。與現有可測度的場景概念如網絡服務場景(李慢等,2014)、場景化創新(許華和宋琦,2021)不同,場景深耕強調以提高用戶場景化需求為基點,以不斷改善場景方案滿足用戶需求升級為目標,及時響應用戶動態需求。

(2)基于服務創新生態系統價值共創視角,剖析為何制造企業開展場景深耕有利于提升服務創新績效。本研究認為,制造企業在需求端的場景深耕一方面能夠深化制造企業與用戶的價值共創行為,另一方面能夠拓寬與制造企業開展價值共創活動的主體范圍,驅動整個服務創新生態系統協同創新,促進服務創新績效提升。

(3)利用大數據合作資產理論探討數字化能力影響場景深耕對服務創新生態系統價值共創行為的促進作用。本研究一方面將大數據合作資產理論應用到場景化商業模式研究中,另一方面也說明開展場景深耕是形成大數據合作資產的重要渠道。

5.3 管理啟示

(1)深度挖掘用戶需求,通過深耕場景在需求端提升用戶體驗和感受,在供給端整合服務創新資源。建議參考海爾三翼鳥的“平臺+店面”模式,在需求端搭建在線社群、線下實施場景體驗,建立完善的售后反饋機制,洞察用戶需求偏好,為場景設計及迭代升級提供方向。在供給端依賴工業互聯網平臺,根據用戶信息,整合協調服務創新系統資源,快速響應市場變化,實現場景方案裂變。

(2)以場景建設為基礎,提高數字化能力,促進價值共創,提升制造企業服務創新績效。一方面,借鑒海爾三翼鳥的“1+N”服務體系,打通資源壁壘,彌補自身資源劣勢,促進場景和產品多元化升級;另一方面,提高數字化能力,打通數據流通渠道,提升資源匹配速度和生產效率。

5.4 不足與展望

本文存在如下不足:一方面,目前場景研究處于起步階段,本文對場景深耕的探索存在諸多不足之處,未來需要對研究結論進行不斷檢驗和完善;另一方面,只考慮場景深耕帶來的價值共創深度和廣度問題,忽視了場景深耕驅動服務創新的成本問題,未來應將場景深耕成本納入考慮范疇,探討場景深耕程度與服務創新績效提升之間的作用關系。