基于SNA的IdeaStorm众包创新社区网络结构特征研究

陈晓君

摘要：作为企业开放式创新的重要实现平台，众包创新虚拟社区的参与用户数量众多、来源广泛，用户之间的互动行为与关系强度对众包创新绩效起着重要作用。以典型众包创新虚拟社区——戴尔公司IdeaStorm为例，运用社会网络分析方法（Social Network Analysis，SNA）研究该社区的网络结构特征，探测参与用户的互动行为模式。结果显示，IdeaStorm众包创新社区中的大部分用户为边缘用户，只有少数用户积极参与互动;小世界效应反映出再网络结构中用户之间的知识传播较为快捷，但互动强度不够。上述研究对理解众包创新虚拟社区的用户异质性行为，引导用户积极参与，进而提升众包创新绩效具有指导意义。

Abstract： As an important implementation platform for enterprise open innovation， crowdsourcing innovative virtual community has a large number of participating users and a wide range of sources. The interaction behavior and relationship intensity between users play an important role in crowdsourcing innovation performance. Taking the typical crowdsourcing innovation virtual community， Dell IdeaStorm， as an example， Social Network Analysis （SNA） is used to study the network structure characteristics of the community and detect the interactive behavior patterns of participating users. The results show that most of the users in the IdeaStorm crowdsourcing innovation community are marginal users， and only a few users actively participate in the interaction; the small world effect reflects the faster knowledge transfer between users in the re-network structure， but the interaction intensity is not enough. The above research is of guiding significance for understanding the heterogeneous behavior of users in crowdsourced innovative virtual communities， guiding users to participate actively， and thus improving crowdsourcing innovation performance.

關键词：众包创新;虚拟社区;社会网络分析

Key words： crowdsourcing innovation;virtual community;social network analysis

中图分类号：F274                                         文献标识码：A                                  文章编号：1006-4311（2019）14-0058-04

0  引言

众包创新作为一种新型商业模式，是企业将原本由内部员工完成的任务，以自由自愿的形式外包给非特定的大众网络用户，通过获取相应的知识资源以解决内部创新问题[1]。其管理理念在企业中得到广泛应用：维基百科、YouTube等非营利性知识分享社区，其核心价值来源于用户创造，而贡献创意的用户认为参与众包能实现其自身价值;国外典型平台InnoCentive和国内猪八戒网等也为众多企业实现高效低成本的开放式创新筑建优质桥梁。据InnoCentive相关数据统计，大约61%的企业正在开始和已经采用众包创新模式，17%的企业已经走向成熟应用阶段。此外，还存在如戴尔IdeaStorm社区、乐高创意平台LEGO IDEAS、小米米柚（MIUI）社区等企业自建众包创新社区，其有效扩大了组织边界，充分利用外部资源降低了创新成本。如乐高公司于2011年推出全球版乐高创意平台，吸引众多外部用户参与，任何获得超过10，000张选票的创意均会进入审核阶段，截止目前，已创作出十几个可用的套件用于商业化。

众包创新虚拟社区为社区成员的知识共享、信息交流提供便利互动条件：在虚拟社区中，所有用户构成一种知识网络，每个用户都是该网络的一个节点，用户间的互动形成知识流，从而形成一张巨大而复杂的关系网络。部分学者从社会网络视角探究了虚拟社区的网络结构特征及其影响问题：Zhang（2012）[2]通过对维基百科的研究表明用户在网络结构中的位置影响其在社区中的贡献行为;Lu（2014）[3]以大众用户支持论坛为研究背景，指出核心—边缘网路结构不利于社区的知识共享;Kratzer（2016）[4]指出在虚拟社区中，用户通过交换信息和相互协作，从而在网络上留下印记。可见，学者们对虚拟社区的网络结构相关研究，有助于深入理解虚拟社区的用户参与行为。而众包创新作为新型创新模式，其研究尚处于探索阶段，亟需从不同视角探索众包创新虚拟社区的网络结构，从而深入理解用户的众包参与行为，以完善众包创新相关理论和指导企业具体实践。基于此，本文以众包创新相关理论为基础，运用社会网络分析方法研究众包创新虚拟社区的网络结构及其特征，以期拓展众包创新的研究范围，为企业管理实践提供决策支持。

1  相关理论与方法

1.1 众包创新虚拟社区  2006年杰夫·豪于连线杂志上首次提出“众包（Crowdsourcing）”的概念[1]，并指出众包是企业或机构将曾经由雇员承担的义务外包给外部网络用户的一种行为。自此，众包模式受到企业界与学术界的广泛关注：Winsor（2009）[5]认为众包模式对企业创新的推动作用毋庸置疑，该创新模式汇聚了零散的业余兴趣爱好者知识资源，进而实现创新知识的有效转移;Afuah（2012）[6]认为众包打破了企业组织界限，为企业利用外部网络用户智力资源解决创新问题提供了新模式;王姝等（2014）[7]认为网络众包的出现形成了新的生产方式、新的劳动组织和新的要素组织，类似于企业与市场的相互渗透、相互作用的协同中介;孟韬等（2014）[8]提出企业广泛采用众包的目的就是利用企业外部的人力资源，即运用外部大众具备的群体智慧降低企业开发成本，同时能达到宣传企业的效果;Marian（2015）[9]指出大众智慧比少数精英更聪明即为众包的核心理念。可见，学者们普遍认为众包创新是开放式创新的一种重要形式[10]，是汇聚各方志趣相投的力量，由于多样化知识的累积与碰撞，产生新的可能性，从而高效完成创新任务，即众包创新的本质为企业外部用户知识的有效获取与创新运用[11]。

眾包创新虚拟社区是由企业自建、大量自由自愿的用户参与，通过相互知识分享、交流互动形成的一种虚拟环境，目的是发现创意和完成创新任务[12]。樊婷（2012）[13]指出众包社区不仅仅是一种信息系统，更是一种基于互联网的新型社会结构;Tung（2017）[14]指出源于众包平台的资源不仅是有形的，更是虚拟的，可以认为众包创新虚拟社区是利用互联网技术为社会大众参与企业内部创新提供的虚拟环境，用户通过合作、分享和竞争推进创新项目的开发和完成。

1.2 社会网络分析  社会网络是由作为节点的社会行动者及其间的关系构成的集合，强调每个行动者在网络中与其他行动者之间存在的某种直接或间接的联系[15]。国内外学者将社会网络分析方法运用到多种在线虚拟社区的相关研究中：Zhang（2012）[2]通过利用中文维基百科收集的面板数据，测量节点度、中间中心度、接近中心度以及用户的贡献量，进行回归分析，最终得出用户的网络位置强烈影响其贡献行为;Lu（2012）[3]以一个呈现核心—边缘网络结构的大众用户支持论坛为研究对象，通过建立数理模型进行验算，指出大量用户位于边缘位置，不同的节点位于不同的网络位置具有不同的关系行为;Koch（2013）[16]运用社会网络分析方法测度开放式政府平台中用户的出入度作为划分社区用户类型的指标，发现不同的用户分类的创新方案质量也存在较大的差异;Fuger（2017）[17]从社会网络视角探索众包社区中不同用户角色对团队绩效的影响，指出众包活动的背景和目的影响用户的行为模式。

2  数据收集与处理

戴尔公司于2007年推出众包创新虚拟社区IdeaStorm，向用户征求产品设计、营销以及技术支持等方面的意见，用户可以在平台发布文章、宣传文章、降级和评论文章。如今该平台已有超过28300条创意提交，超过748000投票，超过103000条评论，超过550条创意得到实施。

利用网络爬虫软件八爪鱼采集器（6.4版）获取戴尔已实施项目中75个发起人提交的创意项目，以及1195个用户提交4128条评论。当一个用户ID另一个用户ID的创意提交评论，就认为该两个ID之间建立了互动关系。去除评论用户和发起人用户ID重复项，以及孤立点。将处理后的Excel数据导入UCINET，进而生成1226*1226互动关系矩阵，如图1所示（表中的0和1用aij表示）。在矩阵中若aij=0，表明用户i没有对用户j评论，无互动关系;若aij=1，表明用户i对用户j进行了评论，在网络图中表现为i指向j的有向线段，因而构成有向社会网络。

运用UCINET可实现IdeaStorm的网络结构可视化，如图2所示，在这个有向网络图中，每个节点代表一个用户，共有1226个节点，1679条连接。运用中间中心度进行社会网络可视化分析，图中的点形状越大表明该节点的中间中心度越高，其越可能居于网络的核心位置。

3  IdeaStorm社区的网络结构特征分析

根据社会网络的基本分析方法的，主要从点度中心度、中间中心度、接近中心度和小世界特性等方面分析IdeaStorm众包创新虚拟社区的网络结构特征。

3.1 点度中心度

在社会网络中，某个行动者的度数中心度可以分为两类：绝对中心度和相对中心度。绝对中心度是与该点直接相连的点数，相对中心度是绝对中心度的标准化形式。某个行动者的度数中心度就是与其直接相连的其他点的个数。在本研究中，社会网络表现为用户间评论关系的有向网络，因而从点出度（Outdegree）与点入度（Indegree）来分析点度中心度。出度表示用户提交的评论数量，入度则表示用户获得的评论数量。本研究中，IdeaStorm的节点出入度分布如图3所示，每个节点均表现出不同的出入度。

分析结果显示，在该网络中编号“21和27”的用户出度（等于20）最高，其入度也相对较高，表明其在社区中能够积极主动参与讨论，并且已经建立相对稳定的互动关系;编号“9”的入度（147）最高，但是其出度却为0，说明该用户在社区中的想法创意能够吸引其他用户的积极互动与反馈。

出入度描述性统计结果如表1所示。该网络的点出度中心势为1.522%，其值较小，说明网络中用户的出度差异较小，评论用户群体集权的现象不明显。同时，该网络的点入度中心势为11.898%，显然远高于点出度中心势，包括其方差值均大于点出度的方差值，总体来说用户的入度差异较大，表明被“评论”的用户有着更明显的集中趋势。点出度与点入度的差异也说明了用户提交创意与获得评论数的不对称性。

3.2 中间中心度

中间中心度测量是指一个节点在一定程度上位于图中其他点的中间。中间中心度表示某个节点对网络中资源控制的程度，节点中间中心度越高，说明该节点越多地占据资源和信息流通的关键位置，对资源的控制能力越强。实证结果显示，编号为11的用户中间中心度最高，为0.916，编号为17、27、13、21、45、123、46等用戶的中间中心度分布于0.1-0.9之间，而其他用户的中间中心度均小于0.1。节点的中间中心度越接近于1，意味着该用户在社区中处于连接性位置，居于网络的核心位置，并且具有控制其他行动者的权利。IdeaStorm社区网络中用户的中间中心度描述性统计结果如表2所示，各个节点的中间中心度分布情况如图4所示，不难看出98%的用户的中间中心度为0，也就是说在该网络中大部分用户均为边缘用户。中间中心势指数为0.91%，接近于0，是比较小的，表明该网络接近于环形，且并没有向某个节点集中的趋势。

3.3 接近中心度

接近中心度是指一个行动者与集合中其他行动者的距离[15]。其测量的是行动者在多大程度上不受其他行动者的控制。如果一个点与网络中所有其他点的“距离”都很短，则该点具有较高的整体中心度，也称接近中心度。一个点的接近中心度是该点与图中其他点的捷径距离之和，其测度值越小，则接近中心度越高，表示该点在网络中越可能处于核心地位，不受其他结点控制的能力越强。

接近中心度描述性统计结果如表3所示，对于有向关系网络，分析结果给出了入接近中心度（inCloseness）与出接近中心度（outCloseness）（分别是节点进入捷径距离（inFarness）之和与发出捷径距离之和（outFarness）的标准化处理结果）。节点接近中心度分布如图5所示，从入接近中心度来看，其他节点到编号为9的用户的捷径距离之和最小，紧跟其后的有编号7、编号2等，接近中心度分别为0.16、0.156、0.155，表明其他节点到达这类节点是相对容易的，即获取信息知识不受他人控制能力较强。从出接近中心度来看，编号152的用户到达其他节点的捷径距离最短，紧跟其后的有编号139、276、323等，接近中心度均约等于0.085，表明该节点到达其他用户相对容易，即能够较快地获的信息;此外，相较于入接近中心度，该指标值小很多，表明用户较少积极提交创意或评论，这与上述的点度中心度分析结果一致。

3.4 小世界特性

对于虚拟社区网络而言，具有相对较小的平均最短路径和相对较大的聚类系数，可以认为这类网络具有小世界特性[15]。如果某个网络具有小世界特性，就说明该网络的信息传递流畅，节点间能够进行有效快捷的沟通交流;反之，则表明该社区用户之间沟通困难，信息交流不畅而不利于创新社区的发展。

一般情况下，从网络的平均聚类系数和平均路径长度来验证网络的小世界理论。如表4可见，在这个1226*1226的距离矩阵中，网络节点之间的平均距离为3.736，最小距离为1，最大距离为7;即在该虚拟社区中每两个用户平均仅需要3.736个用户来建立联系。因此，根据小世界效应理论，平均距离小于10，即可判定该社区用户间形成的网络具有小世界特性[15]。这也就意味着该社区信息知识传播速度较快，影响面更大，用户之间的交流互动得到有效支持。此外，基于距离的聚类系数（取值在0-1之间，聚类系数越大则表示更大的内聚性）为0.276。该指标值并不是很大，表明用户间的互动深度还不够，信息交流不够通畅，沟通相对困难，也能说明用户之间建立的连接不是随机的，而是根据其需求或偏好产生的。

4  管理启示

本文从社会网络分析方法中最常用的三个指标：点度中心度、中间中心度和接近中心度分析了IdeaStorm虚拟社区的网络结构，因为这个三个指标可以较为全面的刻画用户在关系网络中的位置和参与行为特征。当某用户的点出度中心度较高时，表明该用户擅于主动评论他人的创意，积极参与互动;当用户的点入度中心度较高时，说明该用户发表的创意或文章总是能够吸引他人的关注，引发大家的讨论。当节点的中间中心度越高时，表明该点能够很大程度上控制他人之间的互动，居于网络的核心位置。在IdeaStorm社区中，发现约98%的用户中心度为0，即为边缘用户。而接近中心度刻画的是一个节点不受他人控制的程度，其值越小说明该点可能居于网络的核心;反之，表明该用户在信息资源、权利等方面的影响力越弱，不是网络的核心点。同时，结合小世界理论研究该社区具有小世界特性，但用户之间的互动强度还不够。因此，本文提出管理启示：①重点关注核心用户，合理利用其在网络中的位置权利。核心用户具有很强的带动作用，他们的存在对社区的发展尤为重要。因为他们的行为能够吸引其他用户的关注，对社区的信息与知识传播起着连接性作用，能够有效增进社区用户交流频次，并通过互动，强化知识积累，逐渐提升众包创新质量。②合理引导边缘用户，激励其积极参与。从实证结果发现，IdeaStorm社区中的大部分用户为边缘用户，即较少提交创意或评论，也很少参与其他言论的互动，甚至只是纯粹的浏览用户。这样的状态持续时间越久就越容易让用户丧失兴趣，失去对社区的信任感。因而，社区管理者采取合理的引导措施（如通过游戏化计分方式），引导边缘用户积极参与互动，为企业创新献计献策。③注重众包创新社区环境建设。通过构建开放、自由、互信的社区环境，建立有效的反馈机制，强化大众用户的参与广度和参与深度，提升用户对社区的信任感、认同感和归属感，有利于高效快捷的产出创新解决方案，保持众包创新社区的健康持续发展。

5  结束语

本文以戴尔公司的IdeaStorm众包创新虚拟社区为例，运用社会网络分析方法分析了社区的网络结构特征，并给出具体管理启示，有助于深刻理解社区网络中的用户参与众包创新的行为特征，为企业有效治理众包创新社区提供决策支持。但本文的研究还存在一定的不足之处：只是客观分析了IdeaStorm众包创新社区的网络结构，未深入研究网络结构形成的主要原因，也未探索不同网络结构位置的用户之间的知识共享行为。

参考文献：

[1]Hossain M， Kauranen I. Crowdsourcing： a comprehensive literature review[J]. Strategic Outsourcing An International Journal， 2015， 8（1）.

[2]Zhang X， Wang C. Network Positions and Contributions to Online Public Goods： The Case of Chinese Wikipedia[J]. Journal of Management Information Systems， 2012， 29（2）：11-40.

[3]Lu Y， Singh P V， Sun B. Is Core-Periphery Network Good for Knowledge Sharing？ A Structural Model of Endogenous Network Formation on a Crowdsourced Customer Support Forum[J]. Social Science Electronic Publishing， 2014， 41（2）.

[4]Kratzer J， Lettl C， Franke N， et al. The Social Network Position of Lead Users[J]. Journal of Product Innovation Management， 2016， 33（2）：1111-1117.

[5]Winsorj. Crowdsourcing： what it means for innovation[J]. Business Week Online，2009，3（4）：156-158.

[6]Afuah A， Tucci C L. Crowdsourcing As a Solution to Distant Search[J]. Academy of Management Review， 2012， 37（3）：355-375.

[7]王姝，陳劲，梁靓.网络众包模式的协同自组织创新效应分析[J].科研管理，2014，35（4）：26-33.

[8]孟韬，张媛，董大海，等.基于威客模式的众包参与行为影响因素研究[J].中国软科学，2014（12）：112-123.

[9]MARIAN G M.Solver engagement in knowledge sharing in crowdsourcing communities： Exploring the link to creativity [J]. Research Policy， 2015 （ 44） ： 1419-1430.

[10]Bj？觟rn Remneland Wikhamn， Wajda Wikhamn. Structuring of the Open Innovation Field[J]. Journal of Technology Management & Innovation， 2013， 8（3）：173-185.

[11]孟庆良，蒋旋.双边视角下众包创新知识获取机制：一个概念模型[J].科技管理研究，2017，37（4）：171-175.

[12]Schr？觟der A， H？觟lzle K. Virtual Communities for Innovation： Influence Factors and Impact on Company Innovation[J]. Creativity & Innovation Management， 2010， 19（3）：257-268.

[13]樊婷.基于众包视角的社区用户忠诚度影响因素研究[D]. 河北工业大学，2012.

[14]Tung W F， Jordann G. Crowdsourcing social network service for social enterprise innovation[J]. Information Systems Frontiers， 2017， 19（6）：1-17.

[15]刘军.整体网分析讲义 ： UCINET软件实用指南 ： Lectures on whole network approach ： a practical guide to UCINET[M]. 格致出版社上海人民出版社，2009.

[16]Koch G， Hutter K， Decarli P， et al. Identifying Participants' Roles in Open Government Platforms and Its Impact on Community Growth[C]// Hawaii International Conference on System Sciences. IEEE， 2013：1900-1910.

[17]Fuger S， Schimpf R， Füller J， et al. User roles and team structures in a crowdsourcing community for international development a social network perspective[J]. Information Technology for Development， 2017， 23（1）：1-25.