李 雷，杨怀珍，简兆权

（1.桂林理工大学 商学院，桂林 541004；2.桂林电子科技大学 商学院，桂林 541004；3.浙江大学 管理学院，杭州 310058；4.华南理工大学 工商管理学院，广州 510640）

“互联网+”是万众创新的新工具，二者的深度融合、协同增效是当今社会深入实施创新驱动发展战略的关键所在［1］。平台企业（platform enterprise）是“互联网+万众创新”的主要推动者，它所搭建的开放式网络平台（如腾讯的微信开放平台、百度的开发者平台等）吸引了海量的行动者，主要包括：内容提供商（致力于开发社交类、办公类、生活类、娱乐类软件，本文将其统称为新服务项目）、能力提供商（致力于供给技术或运营能力）和新服务体验者（享受高水平的新服务体验）［2-3］。海量行动者的聚集为“互联网+万众创新”的开展创造了条件［4］，更为重要的是，每个行动者都拥有丰富的知识资源，各个知识节点间的相互关联以及与之伴随的海量知识的流通，使得这些行动者之间俨然存在着一个庞大的知识网络。基于此，形成一个相对独立的、能够自我调节的平台生态圈（platform ecosystem）［5］。

知识基础观指出：知识是企业资源中最重要的、最有价值的、最有能力保持企业持续差异性的资源［6］，对于知识的有效管理，尤其是对于那些镶嵌于知识网络中异质的、稀缺的、有价值的知识有效的获取和应用，对于企业开展创新活动至关重要。服务主导逻辑（service-dominant logic）提出：平台生态圈中“所有社会性和经济性的行动者都是资源整合者”，他们必须共享资源，特别是以知识为代表的操作性资源，才能达成各自目标，从而推动整个平台生态圈的同生共赢和可持续发展［5］。

内容提供商是“互联网+万众创新”的重要主体，其新服务开发（new service development，NSD）绩效如何直接关乎“互联网+万众创新”的实施效果乃至成败。就内容提供商而言，如何精准地分析和利用从平台生态圈中其他3类行动者处获取的知识，不断提升NSD绩效，以万众之“智”谋自身之“惠”，是他们在平台生态圈这一同生共赢的系统中生存和发展的关键所在，也是当今社会深入推进“互联网+万众创新”这一开放型、共享型创新模式必须解决的重要问题，这正是本文的核心关注点。

1 研究述评

企业通常能够同时接触到多个知识源［7］，从不同知识源获取的知识在内容上存在显著差异［8］。绝大多数学者仅仅关注企业从某一个知识源获取的知识对创新绩效的影响，鲜有学者将多个知识源纳入同一研究框架。此外，学者们通常将知识获取作为一个泛化的整体，或者仅探讨某一特定类别的知识（如隐性知识）获取对于创新绩效的影响［9-11］，仅见DHANARAJ等［12］在一项研究中同时关注了显性知识和隐性知识获取对绩效的作用机理。事实上，DHANARAJ等［12］、INKPEN［13］早已明确指出，显性知识和隐性知识的不同特征会导致它们对创新绩效的影响存在差异，因此，有必要区分显性知识获取和隐性知识获取，进而探讨它们对创新绩效的影响。然而，这一呼吁至今尚未得到充分响应。

已有研究探讨过知识获取对服务创新绩效［14-15］或NSD绩效［11，16］的影响，将服务创新绩效或NSD绩效视为一维变量，通过调研对象的主观感知进行评价。ORDANINI和PARASURAMAN［17］则尝试将NSD绩效划分为“新服务数量”和“新服务突破性”2个维度，分别代表NSD的广度和深度，并依据客观数据进行评价。受此启发，本研究将NSD绩效划分为“新服务数量”（某年在某个平台中内容提供商所开发新服务的数量）和“新服务评分”（某年在某个平台中内容提供商所开发新服务取得的平均评分）2个维度，收集开放平台中NSD绩效的客观数据进行评价，其他变量的数据则通过调研对象的主观感知获得，这种处理方法有利于控制共同方法偏差（commonmethod biases，CMB）。

“知识获取对于创新绩效具有促进作用”这一结论在现有研究中已被广泛证实，事实上，这一结论是“显见”的，对于现实问题的解释力相对有限，之所以出现这一问题，主要是由于现有研究通常将知识获取和创新绩效操作化为2个泛化的概念，在此基础上检验二者的关系，而未深入考虑各变量的不同维度及其特征以及这些维度之间的关联性。在后续研究中需要解决这一问题。

任何组织都处于特定的情境之中，情境这一要素被不同管理研究领域的众多学者所关注［18］。然而，创新管理领域的学者基于知识基础观探讨企业知识获取与创新绩效的关系时，却忽视了企业所处情境的影响。服务主导逻辑指出，平台生态圈中各行动者创造的价值都是情境价值，情境价值不仅取决于参与者资源整合的情况，还与他们所处的情境相关［5］。SCHERER等［19］认为，在网络平台中，一项任务对应一个特定的情境，因此，可以用复杂性等任务特征来描述情境特征。本研究在知识基础观的基础上，整合服务主导逻辑的观点，将任务复杂性作为调节变量引入内容提供商知识获取（相当于服务主导逻辑中的“资源整合”）与内容提供商NSD绩效（相当于服务主导逻辑中“情境价值”的最终水平）的关系之中，由此揭示情境要素对二者关系的影响，给出二者关系的边界条件。

现有文献通常立足跨国公司［12，20］、产业联盟［21-25］等研究背景，选取传统制造型或服务型企业为观测单元，探讨知识获取对创新绩效的影响，少有文献注意到在致力于推动“互联网+万众创新”的平台生态圈中，内容提供商同样面临着如何利用外部知识提升NSD绩效的问题，更鲜有学者利用严格的实证方法揭示这一问题的本质，打开其中存在的“黑箱”。

图1 概念模型Fig.1 Conceptualmodel

基于文献梳理，本文构建如图1所示的概念模型，立足于整体视角（holistic perspective），将内容提供商的3个外部知识源纳入其中，将知识获取分为显性知识获取和隐性知识获取，用新服务的数量和新服务的评分表征内容提供商NSD绩效，并将内容提供商任务复杂性作为调节变量引入其中。

2 理论与假设

2.1 内容提供商知识获取

知识获取指“企业理解、吸收、使用外部知识的过程，这些知识已经存在并被合作伙伴所掌握着”［26］。在前期的案例研究［2-3］中发现，内容提供商能同时从能力提供商、新服务体验者、平台企业3个知识源获取知识，这些知识分别与进行NSD需要的技术能力和运营能力、使用新服务后的体验、平台生态圈的总体运营形势和未来发展趋势相关，这些知识在内容上存在一定的差异。此外，根据能否用正式和系统的语言对知识进行编码和传输，可以将知识分为显性和隐性两类［27］，其中，显性知识能够通过数据、科学公式、文字等进行明确表述，独立于组织及其成员［28］，而隐性知识则具有情境嵌入和路径依赖的特征，深深地根植于组织成员的个人经验和私人背景中［29］。由此可见，内容提供商可以从3个知识源分别获取显性知识和隐性知识，因此，本文将内容提供商知识获取划分为6个维度（见图1）。

2.2 内容提供商知识获取对NSD绩效的影响

知识基础观指出：知识是企业资源中最为重要的、最有价值的、最有能力保持企业持续差异性的资源［6］。基于该理论，KOGUT和ZANDER［30］指出组织“产生知识新组合”的能力与其创新绩效息息相关，GRILICHES［31］也认为组织不断提升知识的存量或者对现有知识进行重新组合对于其创新绩效具有促进作用。由此可见，知识是组织创新活动中一项重要的贡献因子，如何高效地获取外部知识并合理使用已经成为影响组织创新绩效的关键所在。从服务主导逻辑的角度来看，组织为了开发新服务并不断提升NSD绩效，就需要持续地修正和完善自身的知识和技能储备［32］。服务主导逻辑进一步提出：在平台生态圈中“所有社会性和经济性的行动者都是资源整合者”“以服务为中心的观点必然是关系性的”，由此可见，获取平台生态圈中其他行动者的资源，尤其是那些以知识为代表的操作性资源，成为行动者修正和完善自身知识和技能储备、提升NSD绩效的主要方式［5］。所以，本研究认为，内容提供商从平台生态圈中的其他行动者处获取知识，有助于提升其NSD绩效。在上述分析的基础上，以不同的知识源或知识类型为着眼点，进一步阐述内容提供商知识获取与NSD绩效的关系。

2.2.1 以不同的知识源为着眼点 内容提供商从3个知识源获取的知识在内容上存在差异，具体地讲：内容提供商从能力提供商处获取的知识与开展NSD需要的技术能力和运营能力相关，这些知识源自能力提供商对于底层复杂技术和应用逻辑的抽象，具体体现为一系列已经被封装的、可供内容提供商直接使用的标准化模块，此外，这些知识也可能来源于能力提供商在签约、考核、客服、结算、对账等方面向内容提供商提供的一系列外包服务［2-3］，即这些知识与NSD的直接关联性很强，便于内容提供商直接吸收和利用，能够在短期内对NSD绩效产生明显的促进作用。但是，内容提供商从新服务体验者处获取的知识通常与新服务体验者对某种新服务的评价相关，由于新服务体验者并不具备专门的NSD知识，所以，他们的评价往往难以直接用于指导NSD活动。而内容提供商从平台企业那里获取的知识往往与整个平台生态圈的总体形势和未来趋势相关，这些知识更加宏观［2-3］，对于NSD活动的适用性更差，内容提供商必须对这些知识进行过滤、分类和提取，才能用于指导NSD实践。综上所述，内容提供商从3个知识源获取的知识在内容上存在差异，对NSD最具直接适用性的知识为内容提供商从能力提供商处获取的知识，其对NSD绩效的促进效果最为明显，而源自新服务体验者的知识和源自平台企业的知识对NSD绩效的促进作用则依次减弱。考虑到内容提供商获取的知识分为显性和隐性2种类型，提出如下2个假设。

H1a 内容提供商从能力提供商、新服务体验者和平台企业处获取的显性知识，对NSD绩效的促进作用依次减弱。

H1b 内容提供商从能力提供商、新服务体验者和平台企业处获取的隐性知识，对NSD绩效的促进作用依次减弱。

2.2.2 以不同的知识类型为着眼点 内容提供商从外部获取的显性知识易于通过正规的文本和符号进行表达，这就为内容提供商理解、消化、吸收这些知识提供了便利，从而提高了内容提供商推进NSD活动的效率，对于其开发的新服务数量具有较大的提升作用。然而，显性知识便于表达和理解的同时，也意味着它们容易传播，这就导致各竞争对手之间都能比较容易获取此类知识，因此，显性知识对于构筑内容提供商核心竞争力所起的推动作用相对有限，难以从根本上提升内容提供商所开发的新服务在市场中的声望和地位，即显性知识对新服务评分的提升作用较弱。

隐性知识的特征与显性知识恰好相反，此类知识具有高度的情境嵌入性和路径依赖性，它与知识持有者的经验、背景、发展历程、表达方式等息息相关，对于任何组织而言，都很难在市场直接获得或者购买到隐性知识，所以，隐性知识对于组织构建持续竞争力具有重要的推动作用［33］。因此，本文认为与显性知识获取相比，内容提供商获得的隐性知识对于提升新服务在市场中的声望和地位更具推动作用。

考虑到内容提供商可以从3个知识源获取知识，提出如下3个假设。

H2a 内容提供商从能力提供商处获取的显性知识对新服务数量的促进作用更强，获取的隐性知识对新服务评分的促进作用更强。

H2b 内容提供商从新服务体验者处获取的显性知识对新服务数量的促进作用更强，获取的隐性知识对新服务评分的促进作用更强。

H2c 内容提供商从平台企业处获取的显性知识对新服务数量的促进作用更强，获取的隐性知识对新服务评分的促进作用更强。

2.3 内容提供商任务复杂性的调节作用

学术界通常认为任务复杂性是独立于任务执行者而客观存在的［34］，学者们从任务的内在结构出发对任务复杂性进行了解释，指出任务复杂性是任务所含元素及其关系的函数，元素越多、各元素之间的关联性越强，任务复杂性就越高［35-37］。具体到本研究，不同的NSD任务复杂程度存在差异，例如，在与娱乐类软件开发相关的NSD任务中，开发在线游戏就比开发音乐相册、电子杂志、动漫图集复杂得多［2-3］。充分考虑现实情况，并参照CAMPBELL［35］提出的观点，本研究将内容提供商任务复杂性界定为“在执行NSD任务过程中，内容提供商所面对的多种路径、结果以及它们之间存在的各种冲突”。

服务主导逻辑指出，平台生态圈中各行动者创造的价值都是情境价值，情境价值的最终水平不仅取决于参与者资源整合的情况，还与他们所处的情境相关［5］。SCHERER等［19］提出，在网络平台中，一项任务对应一个特定的情境，可以用任务特征来描述情境特征。整合这些观点，本文认为任务复杂性在内容提供商知识获取（相当于服务主导逻辑中的“资源整合”）与内容提供商NSD绩效（相当于服务主导逻辑中“情境价值”的最终水平）的关系中发挥了调节作用，但是调节作用的方向如何，还要综合考虑任务复杂性所体现出的特征与所获取知识的特征，具体分析如下。

高水平的任务复杂性体现出如下3方面特征。①从任务路径上讲，高水平的任务复杂性意味着内容提供商可以遵循多条潜在的路径执行NSD任务，但是不同路径的效率存在差别，只有一条路径的效率是最高的；此外，这些潜在的路径之间还可能存在冲突，内容提供商通过一种路径执行NSD任务要以牺牲其他路径中存在的资源和机遇为代价［38］。②从任务结果上讲，高水平的任务复杂性体现为内容提供商任务结果的多样性，即通过不同的执行路径可以实现不同的任务结果［39］。③从任务路径和任务结果的关联性上讲，高水平的任务复杂性还可能体现为任务执行路径与任务结果之间关系的不确定性，即不存在明确的规律可以表明哪一条任务路径究竟指向哪一个任务结果，这就使得任务路径与任务结果相互交织，可能产生大量的组合；此外，内容提供商还可能遇到一项NSD任务的不同子任务共享了某条任务执行路径，但是却产生了彼此矛盾的结果，从而使得这些子任务之间存在非独立的共线特征［40］。

显性知识易于通过编码的方式被清晰地表述，它独立于组织及其成员，一般通过阅读、视听、检索等手段来获取。显性知识的特征使得它适用于解决那些能够被清晰表述的、常规的问题［27］。然而，高复杂性的NSD任务却意味着任务路径、任务结果以及二者的关联性等方面存在重重冲突［40］，由于“互联网+万众创新”这一模式的新颖性以及其中存在的海量内容提供商在NSD偏好、NSD行为、NSD习惯等方面千差万别，导致那些源自内容提供商任务复杂性的冲突大多是难以清晰表述的、非常规的“疑难杂症”［2-3］。因此，内容提供商从平台生态圈中获取的显性知识往往难以恰当地匹配高复杂性NSD任务提出的要求，在执行高复杂性NSD任务的过程中，这些显性知识可能会出现“减效”甚至“失效”等负面现象，此时任务复杂性在一定程度上抑制了内容提供商显性知识获取对NSD绩效的正向作用。

与显性知识不同，隐性知识则具有情境嵌入和路径依赖的特征，它深深地植根于组织成员的个人经验和私人背景之中，通常被称为“诀窍（know-how）”。隐性知识不能被完全模仿，只能通过密切的沟通和交流，采用探索式学习（explorative learning）、干中学（learning by doing）等手段获取［29］。以上这些特征使得隐性知识对于解决那些难以被清晰表述的、非常规性的问题具有较好的适用性。基于此，本文认为，内容提供商从平台生态圈中获取的隐性知识，恰好能够恰当地匹配那些充满冲突和“疑难杂症”的高复杂性NSD任务提出的要求，在重重冲突和“疑难杂症”的刺激下，内容提供商获取的隐性知识被“激活”了，在执行高复杂性NSD任务的过程中，这些隐性知识能够找到真正的“用武之地”，从而出现资源“增效”这一正面现象，也就是说，处于高任务复杂性这一情境之中，内容提供商隐性知识获取对NSD绩效的正向作用进一步增强了。

综合考虑显性知识、隐性知识与任务复杂性的匹配程度，提出如下假设。

H3a 在内容提供商显性知识获取与NSD绩效的关系中，任务复杂性发挥负向调节作用。

H3b 在内容提供商隐性知识获取与NSD绩效的关系中，任务复杂性发挥正向调节作用。

3 研究方法

3.1 问卷设计

采用“回译（back translation）”的方法，依据DHANARAJ等［12］、LI等［41］的观点以及笔者在前期案例研究中的发现［2-3］，开发了内容提供商知识获取的量表。参照CAMPBELL［35］的观点，开发了内容提供商任务复杂性的量表。这些量表均采用7级李克特量表的形式。内容提供商NSD绩效包含“新服务数量”（某年在某个平台中内容提供商所开发新服务的数量）和“新服务评分”（某年在某个平台中内容提供商所开发新服务取得的平均评分）2个维度，本研究通过对它们取自然对数进行测量。此外，还调查了问卷填写者的人口统计学信息（性别、年龄、受教育程度）及其使用开放平台的基本信息（所用开放平台的名称、使用年限、使用频率），用于后续的描述性统计或作为控制变量。

本文通过2个步骤完善量表。首先，征求了4名内容提供商以及服务管理领域3位教授的意见，据此修正了内容提供商知识获取的一个题项、内容提供商任务复杂性的一个题项，并充分考虑问卷的布局和引导语，由此生成初始问卷。第2步，进行预测试，收回有效问卷71份，依据分析结果修正了内容提供商知识获取的2个题项、问卷的布局和引导语，最终生成正式问卷。

关于正式问卷，有如下3点需要说明。①一名内容提供商可能同时在多个平台上开展NSD活动，为了使获得的信息更加聚焦，研究团队在问卷引导语指出“请仔细回忆，您在2016年使用的、令您印象最深刻的一个平台，据此填写问卷”。②为降低CMB发生的概率，研究团队在问卷引导语中要求调研对象通过主观感知来评价问卷中的测量题项，由此收集内容提供商知识获取、内容提供商任务复杂性的数据。关于内容提供商NSD绩效的2个维度：“新服务数量”是指内容提供商2016年基于某个开放平台所开发新服务的数量，在开放平台中有客观的记录；“新服务评分”是指内容提供商2016年基于某个开放平台所开发的某个新服务的评分，在开放平台中也有客观的记录，这种评分是五星级的，源自新服务体验者，所有新服务评分的平均值即能反映“新服务评分”这一维度所处的水平。针对这些已经客观存在的NSD绩效数据，笔者在问卷引导语中明确要求调研对象从开放平台的页面中直接抓取客观数据，然后填写在问卷上。③内容提供商往往是一个组织，该组织中开发人员所从事的工作与本文所关注的研究问题关联性最高，开发人员会利用从能力提供商处获取的知识解决开发流程中的技术难题，而源自于新服务体验者的知识则主要帮助开发人员对新服务项目的设计进行完善，使其更加贴近市场。综合考虑开发人员的工作背景以及本文所关注的研究问题，研究团队选取开发人员为问卷填答者，并在问卷引导语中加以明确要求。

3.2 数据收集

2016年10月—2017年2月，通过以下3种渠道收集数据：①通过与笔者所在团队具有合作关系的平台企业收集数据，包括中国移动、腾讯、百度等；②通过与笔者所在团队具有合作关系的内容提供商收集数据，主要分布在广州、上海、杭州、深圳、北京等城市；③通过线上讨论区、线上开发者俱乐部、线下开发者沙龙收集数据。共收回问卷462份，各渠道分别收回196份、177份、89份；共收回有效问卷386份，有效率为83.55%，各渠道分别收回179份、143份、64份，有效率分别为91.32%、80.79%、71.91%。

对各变量进行方差分析，所得p值均大于0.1，由此可见，数据采集渠道对各变量没有显著影响，不同渠道采集到的数据可以合为一个整体加以使用。以问卷发出后30天为界，将有效问卷分成早期样本（233份）和后期样本（153份），通过t检验可以发现，两组样本在人口统计学信息、使用平台情况等方面没有显著差异，p值均大于0.1，所以，无应答偏差（non-responsebias）不显著。

应用Harman单因子检验，对内容提供商知识获取、内容提供商任务复杂性进行未旋转的主成分分析，提取出7个特征值大于1的因子，未出现能够解释所有题项大部分方差的个别因子，CMB不显著。笔者还对Harman单因子模型进行验证性因子分析（confirmatory factor analysis，CFA），拟合度指标为6.407，GFI=0.567，AGFI=0.538，NFI=0.484，CFI=0.511，RMSEA=0.096，这一结果表明模型与数据的匹配性很差。随后，对内容提供商知识获取和内容提供商任务复杂性组成的测量模型（measurementmodel）进行CFA，拟合度指标为，此结果优于上一模型，这就进一步证明了CMB不显著。

4 分析和结果

4.1 样本概况

在386名有效调研对象中，男性为223名，女性为163名。21～25岁的为149人，占38.30%，26～30岁的为86人，占22.28%。有本科学历的为243人，占62.95%。220名调研对象使用了腾讯、百度、微信等国内主流平台，占56.99%。173名调研对象使用开放平台3年及以下，占44.82%。145名调研对象“经常”使用开放平台，占37.56%，132名调研对象“频繁”使用开放平台，占34.20%。

4.2 信度和效度检验

内容提供商NSD绩效的2个维度都是依据单一题项从网络平台中收集已经存在的客观数据，所以，不进行信度检验和效度检验。

依据NARASIMHAN和JAYARAM［42］的思路，通过2个步骤完成信度检验。①基于总样本［43］，进行探索性因子分析（exploratory factor analysis，EFA）。如表1所示，对内容提供商知识获取和内容提供商任务复杂性同时进行EFA，抽取出了7个特征值大于1的因子，累积解释总方差为81.863%，题项在所属因子上的载荷均不低于0.568，不存在题项跨因子的现象。②Cronbach’α系数不低于0.738，校正的项总相关系数（corrected-item total correlation，CITC）不低于0.430。综上所述，可以通过信度检验。

本文通过已有文献、深度访谈和预测试以保证内容效度。参照JAP和GANESAN［44］的思路，基于总样本［43］，对7个变量（包括内容提供商任务复杂性以及与内容提供商知识获取相关的6个变量）同时进行一阶CFA，CFA模型的拟合指标为0.932，潜变量平均方差抽取（average varianceextracted，AVE）不低于0.520，因子载荷不低于0.589，可以通过聚合效度检验。如表2所示，变量的AVE平方根均大于该变量与其他变量之间的Pearson相关系数，因此，可以通过区分效度检验。表2还报告了各变量的均值、标准差、偏度、峰度和Pearson相关系数。各变量之间均正相关，绝大部分Pearson相关系数在0.010水平上显著，偏度和峰度的绝对值未超过0.862和1.487，表明数据服从正态分布，可以进行回归分析。

表1 对内容提供商知识获取和内容提供商任务复杂性进行EFA的结果Tab.1 EFA resultsof contentprovider’sknowledgeacquisition and task complexity

表2 变量的描述性统计和相关系数分析Tab.2 Descriptive statisticsand correlation efficientanalysisof the variables

4.3 假设检验

本文通过三阶段层级回归（three-stage hierarchical regression）进行假设检验。第1步，分别以内容提供商新服务的数量和新服务的评分为因变量，对4个控制变量进行回归（结果见表3中的模型1和模型4）。第2步，分别在模型1和模型4的基础上加入6个自变量进行回归（结果见表3中的模型2和模型5）。第3步，将1个调节变量和6个经过中心化处理的交互项加入回归模型，进行回归（结果见表3中的模型3和模型6）。所有回归模型的F值都在0.001水平上显著；在相同的因变量下，后一个模型Adj.R2有所增加。变量的方差膨胀因子（variance inflation factors，VIFs）落在了1.021～1.634，均低于边界值10.000，可以认为不存在多重共线性。

表3 以内容提供商新服务的数量或新服务的评分为因变量的回归分析模型Tab.3 Regression analysismodelswith thenumberorevaluation ofnew serviceofcontentprovideras the dependentvariables

对表3中模型3与模型6各路径系数分别两两进行卡方检验，具体结果如下。模型3中内容提供商获取能力提供商、新服务体验者、平台企业的显性知识对新服务数量的正向作用依次减弱，且3个路径各系数间存在显著差异（p＜0.05）；在模型6中，内容提供商获取能力提供商、新服务体验者、平台企业的显性知识对新服务评分的正向作用依次减弱，各系数间存在显著差异（p＜0.05），综合以上检验结果，H1a获得支持。在模型3中，内容提供商获取能力提供商、新服务体验者、平台企业的隐性知识对新服务数量的正向作用依次减弱，且各系数间存在显著差异（p＜0.05）；在模型6中，内容提供商获取能力提供商、新服务体验者、平台企业的隐性知识对新服务评分的正向作用依次减弱，且各系数间存在显著差异，综合以上检验结果，H1b获得支持。

在模型3中，内容提供商获取能力提供商显性知识和隐性知识对新服务数量的正向作用依次递减，卡方检验结果表明两者存在显著差异（p＜0.05）；在模型6中，内容提供商获取能力提供商显性知识和隐性知识对新服务评分的正向作用递增，且两者存在显著差异（p＜0.05），所以，H2a获得支持。在模型3中，内容提供商获取新服务体验者显性知识和隐性知识对新服务数量的正向作用依次递减，且两者存在显著差异（p＜0.05）；在模型6中，内容提供商获取新服务体验者显性知识和隐性知识对新服务评分的正向作用递增，且两者存在显著差异（p＜0.05），则H2b获得支持。在模型3中，内容提供商获取平台企业显性知识和隐性知识对新服务数量的正向作用依次递减，且两者存在显著差异（p＜0.05）；在模型6中，内容提供商获取平台企业显性知识和隐性知识对新服务评分的正向作用递增，且两者存在显著差异（p＜ 0.05），所以，H2c获得支持。

在模型3中，“NX×RF”“XX×RF”和“PX×RF”对新服务的数量均有负向作用；在模型6中，“NX×RF”和“XX×RF”对新服务评分有负向影响，但是“PX×RF”对新服务评分的影响不显著，所以，H3a部分获得支持。在模型3中，“NY×RF”和“XY×RF”对新服务数量有正向影响，但是“PY×RF”对新服务数量的影响不显著；在模型6中，“NY×RF”和“XY×RF”对新服务评分有正向影响，但是“PY×RF”对新服务评分的影响不显著，所以，H3b部分获得支持。

4.4 对假设检验结果的分析与解释

4.4.1 对直接效应的分析与解释 本文提出的关于内容提供商知识获取与NSD绩效直接效应的假设全部获得了支持，内容提供商显性知识获取或隐性知识获取的3个维度对于任意一个结果变量的3条影响路径，都能体现出如下规律：源自能力提供商的知识对于结果变量影响最强，源自新服务体验者的知识影响强度居中，源自平台企业的知识影响强度最弱，这与H1a和H1b的推导一致，从这个角度讲，能力提供商是万众之“智”最重要的源头，内容提供商从这一源头获取的知识是其谋求自身之“惠”的关键。

此外，内容提供商从某一知识源获取显性知识和隐性知识指向某一结果变量的2条路径均存在差异，若结果变量为新服务的数量，则源自显性知识获取的路径系数大，若结果变量为新服务的评分，则源自隐性知识获取的路径系数大，这一结果呼应了本研究提出的H2a、H2b和H2c，从这个角度讲，万众之“智”中的显性知识更倾向于提升NSD的广度，而隐性知识则更倾向于提升NSD的深度。

如果整合以上2个视角来考虑，那么，新服务数量或者新服务评分不仅仅取决内容提供商获取知识的源头，也不仅仅取决于所获知识的类型，而是取决于二者的相互交叉与补充，这一结果使得“新服务数量”的影响因素可以被划分为3个等级，其中，内容提供商获取能力提供商显性知识作用最强，获取新服务体验者显性知识和能力提供商隐性知识作用居中，获取平台企业显性知识和新服务体验者隐性知识作用最弱，但仍然显著。“新服务评分”的影响因素同样可以被划分为3个等级，其中，内容提供商获取能力提供商隐性知识作用最强，获取新服务体验者隐性知识和能力提供商显性知识作用居中，获取平台企业隐性知识和新服务体验者显性知识作用最弱，但仍然显著。

4.4.2 对调节效应的分析与解释 假设检验结果表明：内容提供商显性知识获取对新服务数量或新服务评分的促进作用基本上被任务复杂性所抑制，与之相反，内容提供商隐性知识获取对新服务数量或新服务评分的促进作用也基本上被任务复杂性所激发，任务复杂性尤其激发了内容提供商获取能力提供商隐性知识对新服务评分的促进作用。但是本文也发现，任务复杂性不断升高，内容提供商从平台企业处获取的显性知识对新服务评分的促进作用并未明显减弱，内容提供商从平台企业处获取的隐性知识对新服务数量和新服务评分的正向作用也未明显增强，所以，H3a、H3b仅部分获得支持。依据心理学领域的激活理论（activation theory）［45］，对此结果进行如下解释。

在激活理论中，个人的“激活水平”被界定为“脑干网状结构的兴奋程度”，它随着外部刺激的增强而升高，在此过程中，个人对于那些与外部刺激相关的事物的注意力也会不断增强［45］。本研究将任务复杂性界定为“在执行NSD任务过程中，内容提供商所面对的多种路径、结果以及它们之间存在的各种冲突”，实质上，对内容提供商而言，复杂的任务就是一系列刺激性因素，它们将内容提供商的激活水平唤醒，使得内容提供商对于“那些与NSD任务相关的事物”选择性注意力会不断增强，其中，内容提供商从外部获取的知识即为“那些与NSD任务相关的事物”的重要组成部分。如上文所述，内容提供商从能力提供商处获取的知识与开展NSD需要的技术能力和运营能力相关，这些知识趋于微观、面向当下，对于NSD能否高效地开展具有直接的指导意义。平台企业所能共享的知识往往与平台生态圈的运营形势、发展趋势相关，此类知识趋于宏观、面向未来，它们需要经历一定时间的过滤、分类和提取，才能被用于NSD的具体实施，在短时间内对于NSD的直接指导意义比较有限。因此，在高复杂性任务的刺激下，理性的内容提供商通常会将选择性注意力聚焦于直接可用的知识，即他们从能力提供商处获取的知识，这就导致这些知识对NSD绩效的作用效果发生显著变化；与之相反，内容提供商从平台企业处获取的知识，尤其是隐性知识，在短期内是难以直接应用的，因此，通常不会受到内容提供商的特别关注，它们对NSD绩效的作用效果也不会发生显著变化。

5 结论与讨论

5.1 研究结论

本研究得出了如下结论：①能力提供商、新服务体验者、平台企业是内容提供商的3个知识源，三者的重要性依次递减，能力提供商是万众之“智”最重要的源头；②内容提供商从这些知识源获取的显性知识对新服务数量的促进作用更强，获取的隐性知识对新服务评分的促进作用更强；③在以上关系中，任务复杂性是一个关键的调节变量，高复杂性任务使内容提供商获取的显性知识“减效”，抑制了此类知识对新服务数量或评分的促进作用，与之相反，高复杂性任务使内容提供商获取的隐性知识“增效”，激发了此类知识对新服务数量或评分的促进作用。

5.2 理论贡献

本研究解决了创新管理领域中一个重要的问题——内容提供商知识获取对NSD绩效的作用机理及其边界条件，因此，理论贡献也集中于创新管理领域，具体阐述如下。

在使用知识基础观探讨创新问题时，知识获取被视为提升企业创新绩效的核心要素，但是学者们在一项研究中往往仅关注企业从某一个知识源获取的某一类知识或者这些知识的集合，由此将知识获取界定为一个泛化的整体。对于创新绩效的界定通常也未考虑其各个维度的差异，同样将其作为一个整体加以对待。这就导致现有研究仅得出企业知识获取与企业创新绩效正相关这一“显见”的结论，无法在一个完整的框架内系统把握企业从各知识源获取的各类知识对NSD绩效的不同方面会生产怎样的影响。本研究充分考虑平台生态圈中来自不同源头的知识在内容上的差异以及显性知识和隐性知识的特征，同时从深度和广度2个方面对NSD绩效进行了界定，在此基础上，系统分析了内容提供商知识获取的不同维度与NSD绩效不同维度之间的关系，并基于不同视角对这些变量之间的作用路径进行了比较，从而系统地把握了3个知识源、2种知识类型及其交叉而成的6类知识获取在NSD绩效提升过程中所体现出的相对重要性，在一个完整的框架内厘清了内容提供商知识获取对NSD绩效的作用机理，弥补了现有文献在探讨同类问题时仅关注单一知识源或单一知识类型而较少深入变量维度层面的不足。

企业通过外部知识获取来提升自身绩效必然发生在一定的情境之中，但是现有文献在基于知识基础观探讨企业知识获取与企业创新绩效的关系时，却易忽视情境这一要素。本研究在知识基础观的基础上进一步整合服务主导逻辑的观点，将任务复杂性作为一个调节变量引入内容提供商知识获取与NSD绩效的关系之中，并发现任务复杂性在显性知识获取或隐性知识获取对NSD绩效的影响中所发挥的调节作用截然相反。从理论基础来讲，服务主导逻辑的引入为学者们在知识基础观的框架下进一步深化创新管理领域的相关研究提供了一个良好的视角，服务主导逻辑强调知识等操作性资源的共享与交换，因此，与知识基础观有着恰当的契合点，同时，该理论还强调情境、制度安排等因素对于价值共创的影响，这是对知识基础观一个很好的补充。从研究内容来讲，任务复杂性的调节效应揭示了内容提供商知识获取对NSD绩效作用机理的边界条件，从权变的角度把握了二者之间的关系。

从研究背景和观测单元来看，本研究拓展了“企业知识获取—企业创新绩效”这一理论体系，由跨国公司、产业联盟等研究背景和传统制造型企业或服务型企业等观测单元，向致力于推动“互联网+万众创新”的平台生态圈背景和内容提供商这一观测单元发展和深化，提升了创新管理领域的理论积累对于“互联网+万众创新”这一新兴创新模式的解释力。

5.3 管理启示

本文绘制了万众之“智”与内容提供商自身之“惠”的关联矩阵（见表4），该矩阵通过知识源（知识内容）和知识类型2个维度，对内容提供商在平台生态圈中能够获取的6种知识（即万众之“智”）进行了界定，基于此，展示了每种知识对内容提供商新服务数量或新服务评分（即自身之“惠”）的作用强度，以及任务复杂性在其中发挥的调节作用。以此关联矩阵为基础，给出了内容提供商以万众之“智”谋自身之“惠”的解决方案，具体如表4所示。

表4 万众之“智”与自身之“惠”的关联矩阵Tab.4 Incidencematrix ofmass knowledge and contentprovider’sbenefit

由于知识获取、吸收、转化、应用都需要付出成本，因此，内容提供商面对万众之“智”时必须做到有的放矢，不能贪多求全。内容提供商要明确自身目标，确定自己究竟是期望谋求新服务数量还是新服务评分，这是精准利用万众之“智”的首要前提。若以谋求新服务数量为目标，内容提供商应首先考虑获取能力提供商显性知识，其次考虑获取新服务体验者显性知识和能力提供商隐性知识，最后再考虑获取平台企业显性知识和新服务体验者隐性知识。若以谋求新服务评分为目标，内容提供商应首先考虑获取能力提供商隐性知识，然后考虑获取新服务体验者隐性知识和能力提供商显性知识，最后考虑获取平台企业隐性知识和新服务体验者显性知识。

在第1步的基础上，内容提供商应进一步对自身现有知识进行审视，从知识内容的角度审视自身究竟缺少什么知识，由此更加精准地确定知识获取范围。例如，内容提供商以提升新服务数量为目标，通过自我审视，发现自身缺少客户体验方面的知识，那么，根据表4中的关联矩阵，内容提供商应该优先考虑获取新服务体验者的显性知识，其次考虑获取新服务体验者的隐性知识，而获取其他类型的知识对于内容提供商目标的实现是没有作用的，反而会增加其知识管理成本。

若内容提供商期望同时提升新服务数量和新服务评分，那么，内容提供商选择知识源的优先级依次是能力提供商、新服务体验者、平台企业，若期望提升新服务数量的程度偏高，则应获取显性知识，若提升新服务评分的程度偏高，则应获取隐性知识，若二者程度相当，则需要同时获取两类知识。在此背景下，内容提供商亦须进一步对自身现有知识进行审视，从知识内容的角度进一步聚焦知识获取范围，例如，内容提供商缺少与平台生态圈总体运营形势和未来发展趋势相关的知识，虽然此类知识的优先级最低，但是从匹配的角度来看它仍然是内容提供商获取知识的首选。

面对高复杂性任务，内容提供商获取的显性知识“减效”，而他们获取的隐性知识则被“激活”，在此情况下，内容提供商仍然可以依据前3步给出的思路，获取隐性知识，提升NSD绩效，此处不再赘述。

在处理复杂NSD任务时，内容提供商应关注隐性知识获取，为了处理简单的NSD任务，显性知识获取和隐性知识获取的优先级相当，从这个角度讲，隐性知识获取的适用情境更广、对于内容提供商谋自身之“惠”也更加重要。因此，内容提供商应该充分借助开放平台中的各种机制，通过沟通、交流、共同制定目标、协同作业等手段，获取各知识源的隐性知识。此外，为了尽量避显性知识“减效”这一负面现象的出现，内容提供商需要考虑如何降低NSD任务的复杂性，他们需要制定完善的策划方案、详细的任务说明书，清晰地阐述NSD任务的目标、实施路径以及它们之间的关联性。内容提供商也可以采用服务模块化的思想，打包部分常用的研发组件，形成可以直接采用的标准化数字模块。此外，内容提供商还可以考虑采用服务外包的手段，将某一部分自己不擅长的任务模块直接外包给他人，自己仅仅面对模块间的接口，而不去面对模块中复杂的“黑箱”，这就降低了NSD任务的复杂性。

5.4 局限性和未来研究展望

在后续研究中，可以探讨哪些机制有助于内容提供商从哪个知识源获取哪种类型的知识，还可以探讨内容提供商知识获取是否中介了平台机制对NSD绩效的作用，由此得出的结论再与本文的结论相整合，从而构建出“平台机制—内容提供商知识获取—内容提供商NSD绩效”这一完整的理论框架。

本文认为内容提供商从各知识源获取的知识在内容上存在差异，导致这些知识对于内容提供商的直接可用性有所不同，由此使得这些知识在短时间内对内容提供商NSD绩效的作用强度也是不同的，本研究通过截面数据证明了这一推测。在后续研究中，可以采用时间序列数据探讨随着时间的推移，来自不同源头的知识对内容提供商NSD绩效作用强度的差异是否仍存在。

通常情况下，内容提供商并不需要过于专业的知识，外部知识获取对其NSD绩效具有显著的提升作用，事实上，这正是本文默认的情况。但是对于专业领域的内容提供商而言，他们需要专业知识才能完成NSD过程中的各项任务，外部知识获取对NSD绩效的提升作用可能会不显著。后续研究可以考虑探讨新服务类型对知识获取与NSD绩效之间关系的调节作用。

在现实中，绝大多数内容提供商都是以组织的形式呈现，本文选取这类组织中与开放平台交互最为密切且经常通过开放平台获取知识来提升工作绩效的开发人员作为问卷填写者，但是不能否认的是设计师、测试人员等角色也会面临本文所关注的问题，以这些角色为问卷填写者时，本文的概念模型、量表等是否适用，在后续研究中有待进一步探索。

在“互联网+万众创新”生态圈中，平台企业通过搭建开放式网络平台吸引了内容提供商、能力提供商和新服务体验者加入其中，本文仅立足内容提供商的视角探讨了内容提供商如何以万众之“智”谋求自身之“惠”，后续研究可以分别探讨能力提供商、新服务体验者和平台企业如何通过获取外部知识来推进自身目标的实现，从而为以万众之“智”谋万众之“惠”这一同生共赢局面的形成以及“互联网+万众创新”的实施提供更加系统全面的指导。