众包竞赛用户网络演化特征及驱动因素：以猪八戒网站为例

2022-09-30李亚鑫杨中华李般若

科技管理研究 2022年16期

李亚鑫，杨中华，2，李般若，卫武

（1.武汉科技大学恒大管理学院，湖北武汉 430065；2.湖北省产业政策与管理研究中心，湖北武汉 430065；3.武汉大学经济与管理学院，湖北武汉 430072）

1 研究背景

2017 年国务院颁布了《关于强化实施创新驱动发展战略进一步推进大众创业万众创新深入发展的意见》，强调要深入推进大众创业、万众创新，建设众创、众包、众扶、众筹支撑平台，大大激发了社会大众参与众包竞赛的热情。作为一种创新模式，众包竞赛因其低成本、高效率的优势在企业生产和社会实践中得到了广泛应用［1］。外部用户可通过参加众包竞赛任务直接参与企业的生产创造，实现价值共创与自我展示［2］。尽管众包竞赛模式受到多方青睐，但是仍出现一些难以忽视的问题，如用户参与意愿不强烈、接受任务积极性不高、创新努力投入不足等现象，致使竞赛任务的发布者无法得到最优或满意的解决方案［3］。在众包竞赛模式下，用户因参与众包创新项目产生竞争关系，形成竞争网络［4］。通过分析用户参与众包创新项目的竞争网络演化规律及其驱动机制，有助于厘清用户之间的相互关系、了解用户的组织和创新生产方式，提升用户创新效率，同时给企业建立和维持众包社区提供合理的建议［5］。

当前，众包相关领域的学者主要围绕个体间的合作关系展开一系列研究，如高江丽等［6］从众包论坛中挖掘用户交互数据，基于社会网络分析方法从密度、社群图、中心性等方面探讨用户创新虚拟社区的社会网络结构；类似地，基于社会网络分析分析方法，孙妮妮等［7］研究了戴尔公司IdeaStorm 社区中用户互动的网络结构特征，进一步分析了用户间互动关系对其创新绩效的影响；Newman［8］通过科研网络的连通性以及学者之间合作关系的分析，对科研合著网络中的核心节点进行了识别。在合作网络结构特征研究之外，学者开始关注合作网络的演化及其影响因素，如Cantner 等［9］在研究制药领域国际合作网络时发现，制药领域在国际方面的连通性随着时间的推移在不断增加，而网络核心则保持了相对稳定；褚建勋等［10］通过分析科研获奖合作网络的结构特征及演变规律发现，科研合作网络整体趋于聚合，且网络核心结构较为突出；王海花等［11-12］通过构建长三角城市群协同创新网络，探究网络结构演化特征以及网络形成机制的驱动因素。

相对于合作网络的研究，目前有关竞争关系、竞争网络演化及其影响因素的研究颇少。与合作关系相比，竞争关系是一种更为广泛、对科技创新活动更具有影响力、更容易引起相互模仿和学习、共同推进科技创新进步的强相关关系［13］。已有研究如学者张古鹏等［14］通过建立高校间竞争网络，分别从网络自我规模、网络中心性等角度探讨竞争关系对高校科研绩效的影响作用；蔡猷花等［15］研究认为在创新网络嵌入下，网络中心性正向影响同质企业的竞争性研发投入。在众包竞赛领域，为数不多的学者对用户间的竞争关系展开了研究，如张军等［5］研究了猪八戒网站（以下简称“ZBJ”）上大众参与者的加权竞争关系网络结构，但未对竞争网络的演化特征及影响因素展开进一步分析。厘清众包竞赛中用户之间的竞争关系，有利于了解用户的组织和创新方式，从而提高众包竞赛的创新效率。基于此，本研究分析ZBJ 用户竞争网络特征及其在时间序列上的演化规律，同时探究用户竞争网络演化的驱动因素，为众包竞赛相关管理者以及参与者提供理论与决策参考。

2 研究方法

2.1 数据来源及处理

ZBJ 是国内著名的开放式众包创新平台之一，其网站的交易大厅有招标大厅、比稿大厅、计件大厅以及八戒大赛4 种模式，由于比稿大厅内比赛项目数量大、种类多、涉及内容丰富，故选择比稿大厅中竞赛项目为本研究数据来源。首先，利用爬虫软件自动获取了2018—2020 年ZBJ 比稿大厅中所有比赛项目及用户信息，共抓取到14 180 个比赛项目和19 197 条用户信息（以下简称“样本”）；其次，将数据转换输出为txt 格式，并导入书目共现分析系统（BICOMB）软件中，统计用户竞争的频次并得到频次图（见图1）；最后，运用UCINET 和NetDraw对Python 生成的用户共现矩阵进行可视化分析，获取用户网络属性特征。

图1 2018—2020 年ZBJ 众包竞赛用户参与项目频次分布

从样本情况分析可知，在众包竞赛中，参与项目次数少于10 次的用户数为15 307 个，处于10～＜90 次的用户数有2 635 个，90 次及以上的用户数为1 255 个；前两类用户数累计占参与项目用户总数的9.753%，参与项目次数在90 次及以上的用户参与项目数占比达到90.247%。由此可见，绝大部分用户参与项目次数较少，仅有少数用户是网络中的活跃分子。显然，在以用户间连线所构成的竞争网络中，边缘用户较多、核心用户相对较少，网络呈现“核心-边缘”的分布特征。

2.2 研究方法

通过对网络演化特征及影响因素的分析，可以有效把握网络中个体间关系及网络的现状和发展态势，促进实现网络结构的优化、资源的合理配置。目前分析网络演化驱动机制的主要方法有3 种：一是运用多元线性回归模型探索影响因素与分析网络演化的关系，如徐莹等［16］的研究；二是通过二次指派过程（QAP）方法对网络数据进行多次随机采样，以分析两个网络间关联关系，如曾文霞［17］的研究；三是通过建立指数随机图（ERGM）模型分析网络结构特征，找出影响网络形成与演化的关键因素，如刘华军等［18］的研究。相较而言，指数随机图模型可有效整合网络的外生性因素与内生性因素，全面地揭示网络形成的影响因素，可帮助研究人员从更加全面的视角理解网络演化的驱动因素［19］。参考刘林青等［20］的研究成果，综合选取网络结构属性、网络节点属性和网络关系属性3 类变量来刻画参与众包竞赛用户竞争网络演化的驱动因素，研究的理论框架如图2 所示。

图2 研究理论框架

3 用户竞争网络演化特征分析

3.1 网络整体结构特征

使用ZBJ 平台中的交易大厅项目数据构建竞争网络。由于众包竞赛平台会发布比赛项目，中标用户会获得项目比赛奖金，因此，用户会为获得奖金而展开激烈竞争，用户之间的竞争关系显而易见。以用户为节点，以用户在参与比赛项目中的直接竞争次数作为用户间竞争关系的权重，并以此作为连线构建竞争网络。由于参与比赛的用户竞争网络规模大、图中线条多、联系密集，为了更加透彻地分析网络结构，选取竞争次数在90 次及以上的节点绘制众包竞赛用户竞争网络（见图3），其中每个节点代表一个众包竞赛用户，共有1 255 个节点、188 796 条连接。该网络基本情况描述如表1 所示。

图3 2018—2020 年参与ZBJ 众包竞赛的用户竞争网络

表1 2018—2020 年ZBJ 用户竞争网络基本情况

网络密度指标表示网络中节点间的聚集程度，一般来说，处于高密度网络的节点交互较多、信息流通性好、工作效率高，因此进行竞争网络的网络密度分析有利于揭示众包竞赛网络中各用户间竞争关系的激烈程度；由表1 可知，该网络密度较大、结构紧密、连通性较强，说明网络中各个节点的连接较多，用户之间的竞争较为激烈。此外，平均路径长度也是刻画网络中各个用户之间竞争激烈程度的重要指标，指网络中任意两个节点间距离的平均值，值越大表明两个节点之间进行竞争的可能性就越小；如表1 所示，该网络中某一个节点与另一个节点联系起来需要经过1.627 个步长，路径较短，表明网络中竞争关系比较容易建立。综上所述，ZBJ平台上用户间形成的竞争网络呈现高密度、短路径的特点，网络的小世界特性显著。

3.2 网络演化规律

将样本数据按照季度进行分类，选取竞争次数为15 次及以上的用户数据绘制出各时间段参与众包竞赛用户竞争网络的演化图（见图4），图中的圆框图形越大说明该节点与其他节点的连线次数越多，即其具备一定的竞争优势。可知2018—2020 年间各时间段的用户联系较为紧密、网络结构的整体连通性较好，网络中形成了两个较大的团体，且网络结构并未随着时间的推移发生较大的改变，表明竞争网络结构保持了较强的稳定性。

图4 ZBJ 众包竞赛用户竞争网络的时间演化

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

为了更加清晰地分析和比较用户竞争网络的演化特征，利用UCINET 软件计算出各个时间段子网络的规模、密度、凝聚系数、平均路径长度等指标，具体如表2 所示。

表2 ZBJ 众包竞赛各时段用户竞争网络结构特征

表2 （续）

4 众包竞赛用户竞争网络演化的驱动因素分析

4.1 变量选择与说明

（1）指数随机图模型基于随机统计理论，以多元线性回归为思想，以依赖性假设为条件，可有效整合网络的内生结构和外生变量，并全面地揭示网络生成演化的驱动机制［21］。本研究通过建立指数随机图模型，同时考虑内生性因素和外生性因素，分别从网络结构属性、网络节点属性变量和网络关系属性3 个维度对参与众包竞赛的用户竞争网络演化的驱动因素展开分析并提出假设，具体如表3 所示。

表3 指数随机图模型统计量含义

表3 （续）

（2）参考曹薇等［22］的研究，选取Edges、Gwesp、Gwdegree 等3 种网络结构变量分别测量网络形成和演化的基础效应、传递效应和聚合效应。

（3）选取创新贡献度、竞争强度与结构洞测量网络节点属性变量。

其一，创新贡献度。考虑测量指标综合性，选择从贡献数量与质量两个方面测量用户的创新贡献度，以用户在平台上的成交额直观反映其贡献数量，以用户在平台的综合评分衡量其贡献质量。

其二，竞争强度：刻画众包用户竞争关系的激烈程度。Tzabbar［23］通过考察不同时期申请的专利参考文献中被引专利所属技术领域的变化构建特征向量，使用反余弦公式来衡量企业技术选择的差异程度。本研究在参考McPherson［24］把竞争强度定义为利基重叠的基础上，测量节点在网络中的竞争强度，同时考虑到每个用户的竞争力是随着时间积累不断增强的，因此对竞争强度取2018—2020 年的移动平均值，并且根据ZBJ 交易大厅对项目的二级分类，结合1 255 个样本用户涉及的项目种类，最终确定了39 个项目类别，包括Logo、Logo 更新升级、图标icon 设计等。竞争强度计算公式如下：

其三，结构洞。Burt［25］提出节点的结构洞指标可以用限制度指数加以衡量，利用UCINET 软件测度各节点限制度指数。计算公式如下：

式（2）中：Bij为节点i受到节点j的限制度指数；mij为节点i在联系节点j上花费的时间、精力所占比例。

限制度指数刻画对一个节点结构洞的约束程度，一个节点的限制度越高表示该节点结构洞的值越小。本研究采用（2-Bij）的方法测度节点的结构洞属性。

（3）网络关系属性变量。邻近性是分析网络演化的重要视角，有研究表明，网络的形成与演化具有多尺度性、复杂性，多维邻近效应汇成的复合力是驱动网络形成与演化的重要力量。本研究从节点间的技术邻近、经济邻近以及组织邻近3 个方面研究用户之间的邻近性特征如何驱动竞争网络演化。

其一，技术邻近（Tec）。竞争关系需考虑节点之间在知识、能力、经验、擅长领域等方面的相似程度。有研究指出，用户技术水平相近或技术结构相距较大都会对用户间竞争关系的建立产生重要影响［26］。借鉴于永达等［26］的划分方式，本研究从技术积累邻近（TecC）与技术结构邻近（TecS）两个维度诠释技术邻近指标。技术积累邻近表示两用户在某一特定领域纵向深度的邻近性；技术结构邻近则表示两用户在不同领域横向创新广度的邻近性［26］。针对技术积累邻近指标，参考Guan 等［27］考虑信息资源时效性和创新研究的普遍做法，本研究将技术积累邻近定义为用户i的技术积累等于其过去近半年的成交额，且通过差值构建技术积累邻近矩阵。针对技术结构邻近指标，参考许培源等［28］的做法，可以借助联合国工业发展组织国际工业研究中心（UNIDO）所提出的相似系数法进行技术结构邻近指标的测量。以39 个样本项目类型为分类标准，以项目类型结构为基础，计算两用户间涉及创新领域的相似系数。计算公式如下：

式（3）中：Xik、Xjk分别为项目类别k 的成交额在用户i和用户j项目类型结构中所占比重；TecSij为用户i和用户j项目类型结构的相似系数，取值范围是0～1，越接近于0 表示两用户间所涉及的项目类型差异越大。

其二，经济距离（Eco）。用户间的经济水平越接近则意味着二者具有更加相似的知识需求与创新瓶颈，其所掌握的知识结构、人力资本及信息整合吸收能力更加接近，更易于形成竞争关系。以用户在平台上总成交额的差距表征经济距离。值得说明的是，为去除量纲不同造成的影响，本研究中建立的技术积累邻近矩阵、经济距离矩阵均采用极差标准化法进行处理，两者皆为属性变量的差异矩阵。

其三，组织邻近（OP）。参照Balland等［29］的研究，根据两个用户是否属于同一组织类型（企业或个人）进行划分，若属于同一组织类型则记OPij＝1；否则，OPij＝0。

4.2 实证结果分析

基于R 语言中的Statenet 程序包展开分析，样本数据的指数随机图模型结果如表4 所示。其中，模型1 为基准模型，主要考察变量Edge 在竞争网络演化中的作用，反映网络节点形成竞争关系的基本倾向；模型2～模型4 在基准模型基础上依次验证网络结构变量、网络节点属性变量和网络关系属性变量对竞争网络形成的影响；模型5 为包含所有外生变量与内生变量的综合模型。可以通过AIC、BIC指标检验模型的拟合度水平，值越小则表示该模型拟合程度越高。

表4 样本用户竞争网络的指数随机图模型分析结果

在网络结构属性变量中，变量Edges 类似于模型中的常数项，可认为该变量反映了网络节点形成关系的基本倾向。如表4 所示，在模型1～模型5的结果中，变量Edges 均通过1%的显著性检验，表明众包竞赛中用户竞争网络的形成并非随机性的，由此也说明探究影响网络中用户竞争关系演化的驱动因素具有重要意义。观察模型2 的结果发现，结构变量Gwesp 对竞争网络形成具有显著的正向促进作用，说明用户竞争网络在演化过程中容易形成闭合三角形结构，网络传递性显著，这也意味着两个用户（节点）在直接竞争的同时也可能存在间接的竞争关系，反映了竞争网络具有传递性，H1a得到验证；此外同样，在模型2 的结果中，变量Gwdegree的系数较大且影响显著，表明网络聚合效应显著，在网络形成和演化过程中发挥着重要的促进作用，用户竞争网络在演化过程中倾向于形成“核心-边缘”式的星形结构，由此验证了H1b。模型5 的结果中，变量Gwesp 和Gwdegree 的系数皆显著为正，进一步验证了H1a和H1b。

在网络节点属性变量中，模型3 和模型5 的结果均显示用户综合评分与用户竞争网络的形成演化之间并没有显著的关系，即用户评分越高并不一定意味着更易促进竞争网络的形成，原因可能是在ZBJ 众包竞赛平台中，用户的综合评分是与用户的服务态度、工作速度与完成质量的总分数息息相关，多数用户最终获得的综合评分主观性较强，而且综合评分高的用户并不意味着该用户参与项目竞赛频次较高，更不代表该用户更容易与其他用户间建立竞争关系，因此该变量系数并不显著；成交额的系数为正显著，表明较高的成交额有利于竞争网络的形成与演化，成交额越高在某种程度上意味着用户参与竞赛的频次较高、获奖次数较多，代表用户参与竞赛的积极性较高，即更易促进网络的形成与演化。综上所述，H2a部分成立。模型3 和模型5 的结果显示，竞争强度对竞争网络的演化呈现显著正向影响且影响系数较高，用户竞争强度越高表明用户在不同项目类别成交额分布的重合程度越高，即该用户在网络中具有一定的竞争优势、更容易与其他用户建立联系形成竞争关系，因此H2b成立。结构洞属性的系数显著为正，且在模型3 和模型5 的结果中均达到5%的显著性水平，表明占据结构洞的节点有助于竞争网络的形成与演化，H2c成立。结构洞的存在可以帮助占据结构洞位置的节点大大降低信息搜寻的不确定和风险，帮助用户及时识别与处理信息、减少知识冗余，提升竞争关系的建立效率，促进竞争网络形成与演化。

在网络关系属性变量中，模型4 结果显示：（1）技术积累邻近系数为负但不显著，表明技术积累邻近对竞争网络的形成与演化无影响作用。原因可能在于技术积累邻近表示网络中任意两个用户在ZBJ近半年成交额的差距，而参与创新项目频次高的用户可能未在近半年参与项目、没有获得成交额，相反可能存在新用户在近半年多次参与项目比赛、获得较多成交额，因此用户间形成的近半年成交额差异矩阵具有较大的随机性与偶然性，所得结果无法验证研究假设。（2）技术结构邻近系数为正且显著，表明技术结构邻近性有利于众包竞赛中竞争网络的演化。技术结构邻近系数越接近1，意味着用户间在多个相同的项目类型中皆有竞争、擅长的研究领域相似，更容易形成竞争关系。对于技术邻近而言，技术结构横向匹配比纵向积累更为重要，更易推动竞争网络的形成与演化，故H3a部分成立。（3）经济距离系数为负显著，表明经济距离越大则用户间越不容易建立竞争关系；反之，经济距离越小（经济邻近性越大）越有助于竞争网络的形成与演化。通过对网络结构及演化规律进行分析发现，众包竞赛中形成的竞争网络结构趋于稳定，用户间积累的成交额差距随时间的推移逐渐拉开，两用户间的经济距离愈来愈大，更不易促进竞争网络形成，因此H3b成立。（4）组织邻近性系数显著，表明组织邻近性是促使竞争网络形成的因素之一。杨博旭等［30］的研究也认为，合适的组织邻近使得竞争主体间对所需的知识与信息相似度较高，更易产生竞争关系。

4.3 拟合优度检验

为了更直观反映模型的拟合效果，参考van der Pol［21］的研究，采用最优拟合优度（GOF）检验模型拟合程度。选取典型指标边共享伙伴（edge-wise shared partners）对模型5 进行拟合优度检验，其中横轴为网络节点、纵轴为节点属性，拟合效果如图5 所示。从整体上看，虽然部分节点拟合效果不佳，但该模型构建的虚拟网络可以较好地反映真实网络，模型拟合效果可以接受。

图5 虚拟网络的边共享伙伴指标拟合结果

5 结论与建议

5.1 研究结论

众包竞赛中用户间形成的竞争网络是一个高密度网络，其结构紧密、连通性较强、信息流通阻碍较小，各节点间连线较多，且网络中呈现高聚集、短路径的特征，网络的小世界特性显著，表明众包竞赛社区中用户间信息知识传播速度较快、影响面较大，用户间联系得到有效支持；此外，各子网络整体结构并未随着时间的推移而产生较大的变化，表明竞争网络结构保持了一定的稳定性。

众包竞赛中用户竞争网络倾向于形成闭合三角结构与星形结构。竞争网络存在传递性，当网络中两个节点间没有直接联系但共享同一个节点时，两者也更易于建立联系；而竞争网络中的路径冗余性可提高网络中信息资源的传递效率，而结构的闭合性可使得用户间的竞争关系具有一定的稳定性。由此表明，闭合三角形结构具有效率和稳定性的双重优势，可有效促进网络的形成与演化。星形结构反映网络的聚合效应，对竞争网络形成与演化的正向影响作用极为重要。星形结构具体体现为一个节点在网络中与多个节点间皆有连线，且该节点处于网络中心位置，拥有网络中大部分权利，可在网络中实现优先布局、控制资源流向［31］；同时，处于边缘的用户会不断与核心节点建立联系，增加向网络中心迁移的可能性，进而提升用户的创新贡献行为。随着网络规模不断扩张，网络中边缘用户会更倾向于与核心用户建立联系，形成“核心-边缘”型网络。

用户的竞争强度和结构洞属性有利于网络形成与演化。在创新贡献度方面，仅有用户成交额可促进网络形成，而用户的综合评分对网络形成无明显作用。在节点属性中，用户竞争强度变量对网络形成的作用最大，竞争强度高的用户在网络中具有绝对的竞争优势，在诸多项目类型中皆发挥巨大的竞争实力，更容易与其他节点间建立联系，推动竞争网络的形成与演化。处于结构洞位置的用户可控制网络中信息资源的流动，有效促进自身创新资源储备，这无疑吸引其他用户与该节点间建立新的竞争关系。成交额高的用户意味着众包竞赛奖励更容易激发其参与创新项目的欲望，用户参与意愿强烈、创新努力投入较多有助于网络的形成与演化。

多维邻近性是竞争网络演化的强大驱动力。这与王海花等［12］的研究结论相呼应。技术结构邻近性和组织邻近性有助于竞争网络形成与演化，而经济距离负向影响网络的形成，技术积累邻近对网络的形成无显著作用。技术结构邻近表示用户间竞争领域形似、知识储备与创新思路差异性较小，更易掌握相似竞争对手发展趋势，从而更易建立稳固持久的竞争关系；组织邻近的创新主体意味着两者具有相似的社会背景、知识储备与组织结构，所需的创新资源相近，可为竞争双方营造充分的竞争环境，加速对网络中信息与资源的占有与争夺，降低用户间竞争成本，提高竞争效率［30］。此外，竞争网络结构趋于稳定。因为随着时间推移，用户间积累的成交额差距逐渐拉开、用户间的经济距离愈来愈大，网络中资源信息占有程度差异过大则不易促进竞争网络形成。

5.2 管理建议

（1）采取鼓励措施，充分调动用户参与积极性。众包竞赛管理者应设立激励机制，鼓励边缘用户积极参与众包竞赛项目，在完成任务的同时提高信誉和技术水平，增加向网络中心迁移的可能性，打破逐渐趋于稳定的竞争网络结构、注入新的创新思维，实现创新的多层次、多维度发展；同时，建设公平公开的竞争环境，提升对高知识人才的吸引力，缩小用户信息资源差距，实现人才与信息的多元化发展与碰撞。

（2）发挥核心用户带头作用，推动竞争网络创新发展。竞争网络的聚集和网络核心结构的出现可视为基于偏好选择原理和资源交换理论的自组织演化结果［32］。众包竞赛管理者应该发挥核心用户的带动作用及其资源优势、信息优势，激发边缘用户参与众包竞争欲望，共同推动创新资源与信息流动，进而驱动整个网络创新发展；同时，要避免马太效应带来的负面影响，尤其要警惕可能出现的排外小圈子对用户创新力的破坏。

（3）搭建完善的众包创新平台，完善创新资源布局。优化用户获取信息资源路径，设置学习与培训栏目，降低用户参与众包竞赛的创新成本，推动人才、知识、信息、资金和技术等创新资源的顺畅交互，帮助众包竞赛用户更容易地获得更多的异质性资源；同时，还要积极优化平台的项目类型结构，降低用户发展同质化的趋势，推动用户不断拓展新领域、摆脱舒适区。此外，管理者要注意保持平台发展和用户创新之间的平衡，避免知识冗余与路径依赖，提高创新续航能力。