價值共創視角下在線醫療社區醫生群組劃分與特征分析

夏蘇迪 鄧勝利 錢倩文 張志劍

關鍵詞：在線醫療社區；醫生；知識服務：價值共創；信息用戶；好大夫在線

當前，在線醫療社區已成為人們獲取醫療知識和服務的重要場所。社區醫生是知識服務的主要提供者，其參與知識服務的動機、類型、頻次和效果存在顯著差異。2021年發布的《中國醫生洞察報告》顯示，經濟收入是醫生參與在線問診的重要因素，而獲取知識、提升個人影響力也能驅動醫生提供面向大眾的科普服務。然而，醫生參與在線問診的時間頗為有限。2022年、2023年發布的后續報告中，仍有接近一半的受訪醫生未開展線上問診，僅腫瘤科室線上問診滲透率超過了60%。同時，近一半以上醫生未曾開展大眾科普服務，僅慢性病相關科室醫生參與比例較高。此外，針對春雨醫生的服務效果調查顯示，不少患者反映醫生問診回復速度慢、科普內容質量欠佳。互聯網醫療大數據顯示47.44%的受訪者因對在線醫療知識服務的滿意度不佳而放棄使用平臺，這會降低醫生的感知價值和參與意愿，導致醫患雙方均無法獲得預期價值，最終造成用戶流失和社區運營困難。

以上調查表明，醫生參與知識服務的范圍、動機和行為呈現多元特征，而具有相似特征的醫生會分化為不同群體。對醫生群體進行細分管理，揭示不同群組的服務能力及效果，有利于社區管理者掌握醫生知識服務的供給現狀，提高資源分配效率。同時，群組劃分能夠有效整合社區中碎片化的醫生信息，挖掘不同群組的服務偏好，為精準化、個性化的在線醫療知識服務提供有力支撐。可見，對醫生群體細分管理不僅能夠提升醫生的知識服務水平，創造顯著的經濟和社會收益，也為滿足患者個性化健康需求提供了便利。因此，如何對在線醫療社區中的醫生進行群組劃分，發掘不同醫生群組的知識服務特性亟待探討。

立足價值共創視角對醫生進行群組細分，不僅貼合在線醫療知識服務的本質，也有效契合了社區可持續發展目標。在線醫療知識服務本質上是價值共創的過程，醫生借助知識服務傳遞差異化價值主張，而患者則利用醫生貢獻的知識滿足多樣化需求。根據醫生傳遞的差異化價值主張，可依照知識服務類型和數量層面將其劃分為不同群組。同時，為使醫生群組管理服務于醫患價值共創和患者需求滿足，在分類中也應考慮價值主張的預期效果，即患者價值需求的滿足程度。患者作為受益人，其需求的滿足賦予了知識服務的價值，有助于在知識服務的效果層面實現醫生群組劃分。因此，結合醫生價值主張和患者價值需求對醫生進行群組劃分，能夠兼顧數量與質量雙重維度刻畫不同醫生群組知識服務的價值共創水平，為社區可持續發展和管理決策提供依據。

本文致力于構建基于價值共創的醫生群組特征體系，在此基礎上利用聚類算法將醫生劃分為不同價值共創類型的群組，結合數理統計分析不同醫生群組的知識服務價值共創表現、特征及差異，從而幫助社區掌握不同醫生群組的知識服務狀況，以制定合理決策引導醫生提供高水平的在線醫療知識服務，為滿足患者多元化健康需求、推進“健康中國2030戰略”提供平臺與資源支撐。

1相關研究與理論基礎

1.1在線醫療社區用戶群組分類研究

在線醫療社區中的用戶主要包括知識服務提供者和接收者兩類群體。知識服務提供者包括具備專業資質的醫生、醫療專業人士等，在社區中通過知識共享提供知識服務，而知識服務接收者主要是患者，他們因各自需求差異在社區中尋求健康知識和服務。盡管二者在服務角色和定位上存在顯著差異，但其用戶特征均包含了背景信息、交互網絡角色、交互行為和文本4個基本維度，現有研究也多從這些維度分類社區知識服務提供者和接收者。

醫生或患者的背景信息反映了其自然人屬性，如年齡、區位、身份等級等，常作為群組分類的基本維度。同時，用戶在交互網絡中的位置也是用于群組分類的重要依據。例如，根據用戶在交互網絡中的中心性指標（影響力、活躍度）和聲譽，可以有效識別高影響力用戶、強互動型用戶和頭部流量用戶。用戶因特定目標和需求表現出的各類交互行為也是分類的重要依據，例如，知識服務提供者的知識貢獻行為、知識服務接收者的信息搜尋行為等。根據參與頻次、回復行為、知識貢獻行為的數量、知識貢獻行為的質量以及信息搜尋、瀏覽、偶遇等交互行為，研究者劃分了在線醫療社區中的頭部用戶、流失用戶、高產用戶、專家型用戶、信息搜尋者等。此外，文本也是識別和劃分用戶群組的重要基礎，知識服務提供者或接收者生成的文本披露了二者差異化動機和需求，進而分化為不同子群。在線上醫療情境中，用戶生成文本圍繞任務需求主要呈現為兩個主題：信息支持和情感支持，相關研究將社區用戶劃分為信息尋求者、情感尋求者、情感提供者、信息分享者和社區陪伴者等。

在分類方法上，部分研究基于行為特征，通過統計行為頻次和類型劃分社區用戶群組。然而單一行為維度無法完整地描述用戶群組全貌，統計均值、總值等數理指標在用戶分類的準確性上有待提升。因此，許多研究構建了融合用戶屬性、行為和文本等多個維度的聚類特征體系，通過無監督學習劃分用戶角色，使分類結果更加細化和精確。

1.2在線醫療社區中的價值共創

價值共創理論認為，一切經濟都是服務經濟，人們在市場進行商品交易的本質是在交換服務，服務是一切經濟交換的基礎。而在服務經濟中，企業只能提出價值主張而不能傳遞價值，并通過與顧客互動參與價值共創。所謂價值主張就是供應商通過產品或服務能夠向顧客提供何種價值的利益陳述。服務提供者依據受益人需求提出價值主張，并依托特定產品和服務向受益人進行傳遞。商品作為服務的有形載體，將服務傳遞給顧客。而顧客角色也發生了轉變，顧客不再是價值的毀滅者，而是價值的最終決定者和價值共創者。在價值創造過程中，企業和顧客均是價值創造者，共同參與價值共創。

根據價值共創理論，在線醫療社區的醫生提供的在線問診、公眾科普等知識服務的價值是由醫生和患者共同創造的。首先，醫生提出價值主張并借助知識服務傳遞，例如，提供在線問診服務、發布科普知識等。隨后，患者接收醫生傳遞的在線醫療知識服務．根據自身知識、經驗、技能和其他資源，使用醫生提供的知識服務。當患者的健康改善、健康素養得以提升，獲得了公共衛生知識后，患者價值需求得到滿足，醫生知識服務傳遞的價值主張得以實現。至此，在線醫療知識服務的價值共創過程完成，共創過程如圖1所示。

可見，在線醫療知識服務的價值包含了兩個維度：醫生傳遞的價值主張和患者價值需求的滿足程度。在知識服務中，醫生只能傳遞特定的價值主張，這種價值主張具體表現在知識服務的類型和數量上。而價值主張能否達到預期效果取決于患者價值需求的滿足程度。當患者的價值需求在較大程度上得到滿足，則表明醫生傳遞的價值主張能夠履行承諾，進而說明知識服務的效果好、質量高。因此，作為知識服務提供者的醫生，其知識服務的價值不僅以傳遞的價值主張為基礎，更取決于患者在服務中的體驗、認可和滿意程度。

現有研究較少基于價值共創視角對在線醫療社區的醫生這一特定群體進行群組劃分。醫生出于特定目的和需求提出不同價值主張，這些價值主張在患者需求的滿足上也存在較大差異。根據醫生傳遞的價值主張，可以從數量維度劃分其知識服務角色。同時，結合患者價值需求的滿足程度、考慮知識服務效果，進一步從知識服務的質量層面細化醫生的知識服務角色，全面、完整地揭示在線醫療社區不同醫生群組的知識服務價值共創表現，為社區用戶管理和可持續發展提供決策支持。綜上所述，本文將基于價值共創視角構建在線醫療社區醫生群組特征體系，據此劃分醫生群組，最后分析不同群組的醫生特征及差異。

2基于價值共創的在線醫療社區醫生聚類特征體系

2.1在線醫療社區中的醫生價值主張

Anderson J C等提出的價值主張識別框架依據“全部優勢點識別”“差異化優勢點識別”“價值組合共鳴點”3個階段對企業價值主張進行分類。立足企業與顧客關系視角，識別企業產品和服務的全部優勢點，即明確顧客從產品和服務中得到的全部好處。從獨特性價值視角識別企業產品或服務的差異化優勢點，即相較于其他可替代競爭產品而言，顧客能夠獲得的差異化價值。

在本文情境中，在線醫療社區醫生傳遞的價值主張即為患者提供的特定服務類型，例如一些醫生能夠通過在線問診幫助患者改善健康狀況，另一些醫生在此基礎上還能提供科普知識服務，幫助患者提升健康素養。同時，不同醫生傳遞的價值主張也在價格、服務體驗上存在差異，構成了獨特的競爭優勢。這些不同的價值主張類型和競爭優勢通過組合便構成了醫生知識服務價值組合的共鳴點。因本研究旨在揭示醫生價值主張的類型和包含維度，故后續3.1.1節識別醫生價值主張優勢點，3.1.2節識別醫生價值主張差異化優勢點，不涉及醫生知識服務價值組合共鳴點的識別。

2.1.1知識服務傳遞的價值主張優勢點

1）在線問診服務

在線問診服務是在線醫療社區醫生提出的價值主張類型之一。當社區患者因個人健康狀況和實際需要產生了特定健康需求時，患者可在社區向醫生提出在線診療請求，通過圖文、語音、團隊問診等形式向醫生闡述自身問題與需求。醫生在收到患者的個性化請求后，利用個人掌握的專業知識、技能和各類資源，為患者提供專業化的診療方案，幫助患者解決自身實際問題。

2）科普知識服務

醫生發布的健康科普知識也是其提出的價值主張類型之一。醫生可在社區中發布與健康醫療相關的文章、視頻和音頻。同時，患者除在線診療需求外，也會獲取各類科普性質的健康知識，以提升自身健康素養和科學常識，幫助自身在日常工作生活中的疾病預防和健康改善。因此，醫生根據患者的各類健康科普需求，利用專業知識、技能和各類資源，創作各類健康科普作品，向患者分享健康科普知識。

2.1.2知識服務傳遞的價值主張差異化優勢點

1）差異化經濟價值——在線診療的服務價格

價格因素作為一種重要的差異化價值主張，能為醫生帶來顯著的競爭優勢。在線醫療服務本質上屬于市場經濟中的特殊形式商品，圍繞市場中的供需關系進行交易。一般而言，當醫生知識服務的價格較低時，患者付出較少經濟成本即可獲取服務，這為患者節約較多經濟成本，促使更多患者選擇價格較低的在線知識服務，從而為醫生帶來更多經濟收益。有研究顯示，較高的價格也傳遞出產品或服務具有較高質量的信號．這對一些具有高質量醫療服務需求的患者而言更具吸引力。

2）差異化情感價值——知識服務體驗

醫生在線知識服務的態度和行為舉止能為自身價值主張帶來差異化的情感價值，成為影響其競爭優勢的重要因素。在線醫療社區中醫生的服務態度對患者擇醫行為具有積極影響。醫生服務態度好，患者往往更愿意表述個人需求，且對醫生的知識服務更加滿意。在疾病風險較低時，患者更加在意醫生的服務態度。此外，醫生在線問診的響應速度也將影響患者對在線醫療服務的滿意度和有效性感知，患者期望醫生能夠更加迅速地處理問診請求，及時、快捷的回復能對患者滿意度帶來積極影響。

2.2在線醫療社區中的患者價值需求

價值共創理論認為價值總是由受益人以獨特的現象學方式決定的，具有受益人導向特征。醫生知識服務傳遞的價值主張能否實現價值預期，是根據患者價值需求的滿足狀況決定的。通過文獻調研并根據在線醫療情境下的患者需求特點，本文歸納得到3類患者價值需求：功能價值、情感價值和體驗價值。

2.2.1患者功能價值

醫生知識服務提供的功能價值是患者在社區中的主要需求。患者采納社區功能的重要目的即獲取在線健康知識和專業化診療方案，幫助解決改善自身健康狀況，提高個人健康素養。因此，在線健康知識服務具有滿足患者健康需求、提升患者健康素養的功能。研究表明，患者對諸如在線醫療知識服務的感知有用性、感知有效性以及對醫生發布健康科普知識的感知有用性等頗為關注。

2.2.2患者情感價值

醫生知識服務提供的情感價值也是社區患者的重要價值需求。患者不僅限于獲得在線知識服務帶來的功能價值，也會在知識服務和互動中表達情感需求。諸如老年人群體的患者通過與醫生進行交流等方式，獲取醫生帶來的情感支持，與他人建立更為密切的聯系。同時，因健康問題感到焦慮和緊張，一些患者也傾向于從他人獲取關心、安慰和鼓勵等情感關懷。疾病癥狀較輕的患者更加在意醫生問診時的交流態度和對自身的關心程度，注重醫生提供的情感價值。

2.2.3患者體驗價值

醫生知識服務傳遞的體驗價值也是社區患者關注的重要方面。相較于其他情境下的信息類型，在線健康信息對信息的準確性、及時性和呈現形式具有較高要求。信息更新速度對患者的知識服務體驗具有重要影響。研究表明，醫生回復速度的時效性是影響患者擇醫行為的重要因素，醫生回復速度快、登錄及時能夠增強患者對知識服務的滿意度。對于醫生發布的健康科普知識，患者也對呈現形式具有多元化需求，通俗性強、易理解、圖文并茂的健康科普知識更易被患者接受和理解。

綜上所述，本文構建了如圖2所示的醫生聚類特征體系。該體系涵蓋了在線醫療社區醫生的兩種知識服務：在線問診服務和科普知識服務，以全面、客觀地反映在線醫療社區醫生知識服務的全貌。同時，該體系基于價值共創理論，包含了醫生知識服務傳遞價值主張及滿足的各類患者價值需求，從共創雙方兩個層面揭示醫生知識服務的價值共創水平。

3研究設計與方法

本文首先選取好大夫在線平臺獲取并清洗醫生樣本數據；其次，結合數據類型和特征選擇對應觀測指標，從而量化醫生特征體系中的聚類特征，在此基礎上，利用熵權法計算聚類特征體系中二級維度的特征值，以對聚類特征進行降維處理；第三，利用不同聚類算法分別基于醫生價值主張維度和患者價值需求維度劃分兩類醫生群體，以聚類效果最佳的算法聚簇作為最終分類結果；最后，對兩類醫生群組進行交叉聯列，得到不同價值共創類型的醫生群組。

3.1數據收集與預處理

本文選取好大夫在線平臺作為數據樣本來源。該平臺樣本數量龐大，能為本文提供堅實的數據基礎。同時，相較于其他平臺，好大夫在線中的醫生主頁展示了眾多可觀測的醫生個人信息和交互數據，為選取醫生聚類特征提供了操作依據。好大夫在線將所有醫生歸屬為26個具體科室和1個其他科室類型。綜合考慮醫生的數據更新頻率、質量、公開呈現信息數量以及科室之間的重疊，本文選擇18個科室獲取研究所需的醫生數據。

每個科室涵蓋了多種疾病，例如外科中包括了神經外科、心血管外科、胸外科、泌尿外科、肛腸外科、乳腺外科等多個疾病類別。對于大部分科室，本文以科室中含有“綜合推薦”標簽的類別為基礎，獲取該類別下的醫生數據。綜合推薦類別下聚集了該科室下多種疾病類別的醫生，這使醫生群體涉及的疾病領域更加廣泛，增強了醫生群體的代表性，同時在一定程度上實現了對該科室醫生的隨機抽樣，增強了后續數據分析結果的泛化能力。對于剩余科室，本文選擇該科室中常見的疾病類型收集該疾病下的醫生數據。這些疾病通常覆蓋較多患者群體和醫生資源，其醫患交互數據較為豐富。

本文使用Python程序語言自編爬蟲程序，爬取好大夫在線中選定的18個科室下特定類別的醫生主頁數據。根據后續研究需要，爬取了醫生個人信息、醫患交互數據和患者評論文本3部分數據，如圖3所示。其中，患者評論文本包含了患者對醫生的評論以及患者賦予的結構化標簽文本。數據獲取完畢后，對樣本進行清洗和整理，包括去重、異常值和空缺值處理、關鍵字段數值計算和類別編碼，最終共獲得21946個醫生的數據供后續研究分析。

3.3研究方法與實驗流程

3.3.1基于熵權的醫生聚類特征計算

因醫生聚類特征指標繁多，本文擬根據特征體系的二級維度對醫生群組進行劃分。為計算各二級維度的特征值，本文借鑒前人研究步驟，首先使用熵權法計算二級維度下各觀測指標的權重，再利用指標權重乘以對應指標數據，累加求和得到各二級維度的特征值。以維度AP為例，AP的特征值AP_value的計算方式如式（1）所示：

3.3.2聚類方法與實驗步驟

因聚類樣本數據量較大，數據分布雜亂且未呈現明顯的統計分布形態，因此，本文嘗試使用基于層次劃分（K-means聚類、MeanShift算法）和密度計算（DNSCAN算法）等不同原理的聚類算法，利用醫生聚類特征樣本數據對其進行群組劃分。同時，為評價不同聚類算法的聚類效果，本文選擇輪廓系數（Silhouette Coefficient Index）指標對不同聚類算法的結果進行比較。該指標不借助外部信息，僅依靠聚類結果或聚類使用的樣本數據特征即可評估聚類結果，將聚類效果最優的算法生成的聚簇作為最終醫生群組。最后，對兩類醫生群組進行交叉聯列，得到不同價值共創類型的醫生群組，整體實驗流程如圖4所示。

4結果分析

4.1基于醫生價值主張的群組劃分

對DBSCAN而言，其樣本點的分類的噪聲點越低，所得的各個聚簇效果越好。通過比較表3中各個算法所得聚類結果的聚簇系數，可以看出DB-SCAN算法的分類效果要好于其余3類算法，其輪廓系數的最低值也達到了0.769。同時，根據聚類分析的可解釋性原則，聚類結果要盡可能提高聚簇之間的區分度，并為聚類結果提供盡可能多的信息。因此，本文最終選擇聚簇個數為3的DBSCAN聚類算法結果作為基于醫生價值主張特征的群組劃分結果。3個聚簇分別包含了377、4762和16807個醫生，如表3所示。分析發現，包含377個醫生的聚簇在2個價值主張維度上的均值得分均大于另外兩個聚簇，其次是包含4762個醫生的聚簇，最后是包含16807個醫生的聚簇，據此可以將3個聚簇分別命名為：高價值主張醫生、一般價值主張醫生和低價值主張醫生。

4.2基于患者價值需求的群組劃分

對于DBSCAN而言，其樣本點的分類的噪聲點越低，所得的各個聚簇效果越好。通過比較表4中各個算法所得聚類結果的聚簇系數，可以看出DBSCAN算法的分類效果要好于其余3類算法，其輪廓系數的最低值也達到了0.829。同時，根據聚類分析的可解釋性原則，聚類結果要盡可能提高聚簇之間的區分度，并為聚類結果提供盡可能多的信息。因此，本研究最終選擇聚簇個數為3的DB-SCAN聚類算法結果作為基于患者價值需求特征的群組劃分結果。3個聚簇分別包含了67、1020和20859個醫生，如表4所示。分析發現，包含67個醫生的聚簇在3個價值需求維度上的均值得分均大于另外兩個聚簇，其次是包含1020個醫生的聚簇，最后是包含20859個醫生的聚簇，據此可以將3個聚簇分別命名為：高價值需求滿足型醫生、一般價值需求滿足型醫生和低價值需求滿足型醫生。

4.3不同價值共創類型的醫生群組劃分

以4.1節劃分的3類價值主張類型醫生聚簇為橫軸，4.2節3類價值需求滿足型醫生為縱軸，對兩組聚類結果進行交叉聯列，構建包含3*3共9個區域的分類矩陣，包含A、B、C、D、E、F、G、H、19個區域，如表5所示。每個區域代表了特定類型的醫生，這些醫生的知識服務傳遞了特定層次的價值主張，并在不同程度上滿足了患者的各類價值需求。根據該矩陣，21946個醫生被重新歸類至9個區域中，每個區域反映了醫生的知識服務達到了何種價值共創水平。

通過深入分析、歸納和挖掘表5中各區域醫生知識服務傳遞的價值主張層次特點及其對患者價值需求的滿足程度，可以根據不同區域在兩個維度上的共性特征，將9類區域進行合并、重組，從中提煉出5種不同價值共創類型的醫生，分別為高價值共創型醫生、一般價值共創型醫生、低價值共創型醫生、高價值共創潛力型醫生和價值共毀型醫生，如圖5所示。

區域A代表高價值共創型醫生，對應表5中的區域A。區域A中的醫生不僅通過知識服務傳遞了較高層次的價值主張，其知識服務也在很大程度上滿足了患者的價值需求。這說明該區域醫生通過知識服務傳遞的高層次價值主張實現了較高水平的價值共創。因此，該區域醫生可命名為高價值共創型醫生。按照相同邏輯，區域E的醫生（對應表5中的區域E）可命名為一般價值共創型醫生，區域I的醫生（對應表5中的區域I）可命名為低價值共創型醫生。

區域B、C、F代表高價值共創潛力型醫生。雖然這些醫生的知識服務未能傳遞較高層次價值主張，但其知識服務達成的患者價值需求水平普遍超越其價值主張層次。例如，在區域C中，雖然醫生知識服務傳遞的價值主張層次不高，但卻達到了相對較高的價值共創水平。這說明該區域中的醫生通過知識服務取得的價值共創實際效果遠超價值主張預期，其知識服務具有獲得較高價值共創水平的潛力。

區域D、G、H中代表價值共毀型醫生。與高價值共創潛力型醫生相反，這些醫生雖然通過知識服務傳遞了相對較高的價值主張，但取得的價值共創效果卻低于價值主張預期，患者價值需求的達成情況未能與價值主張層次相匹配。這些醫生在社區中投入了大量資源、時間和精力，卻未能很好地滿足患者的需求，患者的認可度不高，從而導致醫生和患者雙方均未實現預期的價值目標和愿景，最終引發價值共毀。

4.4不同價值共創類型醫生的價值共創表現

5類價值共創型醫生提供的知識服務表現出不同價值共創水平。高價值共創型醫生的表現遠優于其余類別的醫生，不僅通過知識服務傳遞了較高層次的價值主張，其產生的患者功能價值、患者體驗價值和患者情感價值也均處于較高水平，如圖6所示。這類醫生提供的知識服務不僅促使醫生價值主張達到預期水平，也滿足了患者的各類價值需求，真正實現了共創價值的雙贏局面。

對于高價值共創潛力型醫生，其知識服務傳遞的價值主張層次雖略高于一般價值共創型醫生，但取得的價值共創效果卻僅次于高價值共創型醫生，高于一般價值共創型醫生。這說明該類型醫生以相對較低的資源投入，達到了超過價值主張預期的價值共創水平，表現出較高的價值共創潛力。對于價值共毀型醫生，其知識服務傳遞的醫生價值主張層次雖接近一般價值共創型醫生和高價值共創潛力型醫生，但取得的價值共創效果卻不及后者，僅高于低價值共創型醫生。這說明該類型醫生取得的價值共創效果未能達到與其價值主張層次相匹配的水平。

4.5不同價值共創類型醫生的知識服務表現

5種價值共創類型醫生的在線醫療知識服務存在顯著差異。對于在線問診服務，高價值共創型醫生在各項維度上的表現最佳。高價值共創潛力型醫生的在線問診數量雖少于一般價值共創型醫生，但在多數患者評價指標上的表現都優于一般價值共創型的醫生，如表6所示。價值共毀型醫生和低價值共創型醫生在各項維度上的表現均不及其余3類醫生。同樣的，在健康科普服務上，高價值共創型醫生在各項維度上的表現仍位居首位，如表7所示。高價值共創潛力型醫生發布的科普知識數量、時長和類別雖少于一般價值共創型醫生，但在多數患者評價指標上的表現都優于一般價值共創型的醫生。特別地，價值共毀型醫生發布的科普知識數量和知識類別數量雖略高于高價值共創潛力型醫生，但在多數質量評價指標上未能得到患者好評。因此，這類醫生需進一步優化健康科普知識的內容和呈現形式，提高健康科普知識的質量。

4.6不同價值共創類型醫生的個體特征差異

不同價值共創類型醫生的個體特征存在顯著差異。Kruskal Wallis檢驗結果顯示，5類價值共創型醫生在圖7中的各項個體特征均存在顯著差異（P<0．001）。高價值共創型醫生不僅具有較高的線下職稱（專業職稱和學術職稱），其各類線上聲譽（如年度之星、診后服務星和綜合推薦熱度）也均處于較高水平。價值共毀型醫生具有相對較高的學術職稱，但其獲得的各類線上聲譽卻低于高價值共創型醫生、高價值共創潛力型醫生和一般價值共創型醫生。這種差異可能暗示學術職務占據了該類型醫生較多的精力。表7顯示，價值共毀型醫生健康科普知識發布的數量和類型較多，可能會占用在線問診服務的時間與資源，使其無法兼顧在線問診服務和健康科普服務，導致知識服務的價值共創水平低于高價值共創型和潛在價值共創型的醫生。

4.7不同價值共創類型醫生所屬疾病分布

在不同疾病科室中，5類價值共創型醫生的分布也存在顯著差異。在艾滋病科、男科、婦科、兒科、普通外科、精神科等科室中，高價值共創型醫生、高價值共創潛力型醫生和一般價值共創型醫生的占比相對其余兩類醫生較多，如圖8所示。這些疾病科室中的醫生能為患者提供數量較多的在線診療服務，或為患者提供優質的健康科普知識服務。而在高壓氧科、頜面外科、血液科、眼科、整形科、心血管內科、營養科、中醫、免疫科等科室中，低價值共創型醫生和價值共毀型醫生占比相對較多，這些科室的醫生不僅參與在線診療服務的頻次較少，知識服務的質量也未能得到患者的認可。

不同疾病科室中醫生的價值共創表現差異可能是由不同疾病性質導致的。諸如高壓氧科、頜面外科、血液科、眼科、整形科等科室，其疾病診斷與治療需依賴更多的實體設備和專業化醫療器械，因而診療服務更多依賴線下情境而非線上情境。而對于艾滋病等傳染性疾病，線上診療脫離實體情境且速度快，有利于個人健康防護；精神科、性病、男科和婦科等科室中，相關疾病更多涉及患者隱私，一些患者出于隱私保護、社交壓力等因素，更愿意采用私密性高的在線診療服務，對在線診療服務具有更大的需求。因此，這些科室疾病的醫生能夠向在線診療服務投入更多的精力和資源，且能獲得患者的青睞。

5研究結論與展望

5.1主要結論

本研究立足價值共創視角，根據好大夫在線醫生知識服務傳遞的價值主張及患者價值需求的滿足程度，將醫生按知識服務的價值共創表現劃分為5個類別：高價值共創型醫生、高價值共創潛力型醫生、一般價值共創型醫生、低價值共創型醫生和價值共毀型醫生。總體而言，在線醫療社區中高價值共創型的醫生數量很少，其次是高價值共創潛力型醫生和一般價值共創型醫生，而低價值共創和價值共毀型醫生數量眾多，反映出當前在線醫療社區醫生在線知識服務價值共創水平偏低的現狀。

醫生的線上榮譽和線下職稱等級與其價值共創表現整體呈現正相關關系，高價值共創、一般價值共創和高價值共創潛力型醫生往往具有較高的職稱等級和線上榮譽等級，而低價值共創和價值共毀型醫生的職稱等級和線上榮譽等級也較低。價值共毀型醫生一般具有相對較高的學術職稱，這可能會使其將更多精力和資源投入健康科普知識服務中，但其健康科普知識服務的質量有待提升。

此外，因疾病類型的不同，醫生在線知識服務的價值共創表現也存在差異。對于傳染性疾病及牽涉較多患者個人隱私的疾病類型，在線診療的需求較大，故醫生向在線知識服務中投入更多的精力和資源獲得患者的青睞，其知識服務達到的價值共創水平相對較高：對于依賴更多的專業化醫療設備和線下診療場景的疾病，其診療服務更多依賴線下情境，因為醫生向在線知識服務中投入的精力和資源相對較少，其知識服務達到的價值共創水平相對較低。

5.2研究意義與展望

本研究具有一定的理論創新與實踐意義。在理論上，區別于以往在線健康社區用戶群組的劃分，本文立足價值共創視角劃分了5種在線醫療社區的醫生群體。5種醫生類型豐富了在線醫療社區用戶角色的類型，是對在線知識社區用戶角色與群組的補充和細化，拓展了在線醫療社區知識服務和信息用戶研究的理論體系，延伸了價值共創理論的應用場景。

在實踐上，本文結果可以幫助社區醫生增強知識服務能力，輔助社區管理者采取針對性措施提升醫生價值共創水平，促進醫患雙方價值共創和社區可持續發展。社區醫生應不斷夯實自身的專業資質和業務能力，為知識服務創造高水平價值打下堅實基礎。社區應重點關注低價值共創型和價值共毀型醫生，制定相應激勵機制，借助專題培訓活動，針對在線問診、科普制作、患者互動等對醫生進行專業化培訓，提高其知識服務的參與水平。針對需要依賴線下診療情境的醫生，鼓勵其在兼顧線下診療的同時，將更多線上精力投入到健康科普知識的分享中；而對諸如傳染性強、隱私性強的疾病科室醫生，鼓勵其提供更多的在線診療服務。通過對醫生群體的分門別類管理，充分發揮各類醫生的價值主張優勢，對接患者的各類價值需求，促進醫患雙方的價值共創，最終提升社區整體知識服務能力。

本文也存在一定的局限。首先，樣本數據整體規模和種類有待進一步擴充。部分研究對象如高價值共創型醫生的樣本數量較少，使對應結果的分析存在一定的偏差。未來可通過擴大整體樣本數據基數或通過數據增強等方式，增加不平衡樣本類別的數量。同日寸，未來研究還可嘗試對在線醫療社區醫生的價值共創類型進行預測，以求事前掌握醫生知識服務的價值共創表現，制定合理規劃引導醫生的知識服務。