招聘类平台企业价值创造的前因条件研究——一项基于fsQCA的定性比较分析

宣杨易

(安徽大学 商学院，安徽 合肥 230000)

平台型组织将是未来企业的主要形式之一，而如何构建成功的平台型企业已经成为业内关注的重点[1]. 企业经营活动的目的与出发点始终围绕“价值创造”进行，同时也代表着企业生存发展的根本[2]. 纵观中国本土发展良好的平台企业，都很重视价值创造. 如阿里巴巴，目前中国最大的电子商务在线平台，得以快速发展因为创办之初就是为大众提供方便快捷的在线网购服务，也就是致力于创造价值；中国最大的生活服务团购类交易网站——美团点评，也是通过连接用户和商家创造价值而得以发展壮大. 可见，价值创造已经成为平台型企业获得成功的重要影响因素. 近年来，平台企业的价值创造也已经引起了国内外学者的广泛关注[3]. 本文将主要讨论平台企业价值创造的影响因素有哪些，其中哪些又是必要条件.

1 文献回顾

在学术界，价值创造和价值获取对于构建成功平台企业的重要性已经达成广泛共识：价值创造和价值获取是平台商业模式[4]和维持平台可持续性[5]不可或缺的一部分，但两者存在明显区别[3]. 价值创造的过程被视为一种在平台构建的生态系统内进行协作和活动为客户和用户创造价值的机制[6]，而价值获取是公司级战略计划，这些计划应适当地利用其在生态系统创造的总价值中所占的份额[6]，无论是有意还是偶然地获取[7-8].

基于资源视角，学者们提出了资源在价值创造中促进和巩固商业模式的重要性[9]. Amit等[10]认为资源配置是数字世界中价值创造的源泉，并探讨了在数字化世界中企业如何合理配置资源以创造价值；Hitt等[11-12]提出的资源调配框架为中心企业如何通过其资源配置获得竞争优势和获取价值的提供指导. 从动态视角来看，Ritala等[8]描述了创新平台中的价值创造过程；高素英等[13]从结构洞、社会网络的角度来讲平台企业如何获取价值，即通过建立需求方和供给方之间的联系；徐芳兰等[14]从经济学角度讲互联网时代下平台经济价值创造的路径以及优化建议；王水莲等[15]提出了平台价值创造的三个环节：资源整合、供需匹配和共创驱动. 可以看出，目前国内外学者对平台企业价值创造的研究多关注企业内部资源和企业本身，很少站在用户角度.

近几年，学者们逐渐采用案例分析方法对平台企业进行研究. 王水莲等[15]通过对滴滴等平台企业的研究，确定平台企业价值创造的关键环节. Amit等[10，16]结合现实案例与理论推演，归纳出平台企业不同商业模式下的价值创造模型，并研究得出电子商务平台的价值创造潜力取决于四个相互依存的维度. 周德良[17]以电子商务行业为对象，通过理论总结和现实观察归纳了电商平台企业价值货币化的主要类型，并进一步论述了相应的价值获取机制. 可以看出，目前学者对于价值创造的研究主要采用案例分析法和理论推演，很少从定性和定量相结合的角度进行分析.

因此，本文拟采用整合视角，将平台新颖性、平台效率、平台互补型、平台锁定纳入一个共同的框架，探索这四个因素间的复杂交互作用对平台企业价值创造的影响. 以往研究大多从单个因素出发，探索对价值创造的影响，而采用整合视角有助于厘清各因素对价值创造的影响及其互动关系，更符合企业是异质性的这一现实情景. 而选择招聘类平台企业作为本文的研究对象，是因为以往文献较少关注招聘类平台企业，而此类企业也是不可忽视的平台类企业之一. 本文将首先通过对文献进行梳理，确定影响平台企业价值创造的前因条件；然后，选择10家招聘类平台企业为研究对象，通过问卷调查法收集数据，采用定性比较分析方法对其价值创造的前因条件结构进行分析，得出适合中国情景的平台企业价值创造体系.

2 研究设计

2.1 方法选择

由于本文的研究问题是招聘类平台企业价值创造的前因结构研究，试图发现为平台企业带来价值的不同路径，所以适宜使用模糊集定性比较分析方法(QCA). QCA解决了传统统计技术中无法解释自变量相互依赖等复杂的问题，采取整体分析视角，把研究对象视作条件变量不同组合方式的组态，整合了案例研究与变量研究的优势[18]，并通过集合分析发现要素组态与结果的集合关系[19]. 且与传统基于相关性的定量分析方法的不同之处在于，分析和解释的是各个前因条件的综合效应而非净效应[18]. 本文选取fsQCA作为研究方法的理由是：首先，本研究样本量较小，只有10家企业，传统统计分析难以得出稳健的结果，而QCA方法对样本的数量要求一般为10～60个[20]，更适合于中小数量的案例分析[21]. 其次，定性比较分析将要素的“是与非”都纳入到分析之中，跳出了传统“负负为正”的分析逻辑. 与仅能处理完全对称关系(若A→Y，则～A→～Y成立)的统计分析方法相比，定性比较分析允许并且能很好地处理前因变量的不对称性[22]. 将前因变量的“正面”与“反面”同时纳入分析，能够使统计结果及其理论解释更加丰满[23]. 最后，此方法对于组织采取整体视角，更加符合组织现象的相互依赖性和因果复杂性[19]. 本文研究招聘类平台企业价值获取的前因，由于不同企业获取价值的路径必然是多样的，使用QCA方法可以很好地发现总结带来同一结果的不同原因路径.

2.2 变量选取与测量

2.2.1 变量选取在平台企业中，价值由企业独创规则已经不再适用，取而代之的是新的商业模式和新的价值创造思路——平台与供需双方共同创造价值[24]. 也就是说，用户认知价值是反映平台企业价值创造的表现形式. 从价值共创角度去分析，不是单纯基于产品的功能和作用判断，而是主要依靠用户使用和体验[25].

图1 招聘类平台企业价值创造理论模型

Khademi和Behrooz[3]认为影响平台价值创造的四个主要驱动因素为生态系统吸引力，高效的架构和平台设计，适当的知识产权管理(IP)以及政府干预. 而Amit R和Zott C[16]则通过案例研究得出，电子商务的价值创造潜力取决于四个相互依存的维度，即效率、互补性、锁定和新颖性. 本文借鉴后者的研究，探讨效率、互补性、锁定和新颖性四个维度对价值创造的影响. 理由是：首先Amit和Zott的研究受到了广泛地讨论和应用，并证明了其合理性、可靠性；其次，本文研究的主体为招聘类平台企业，这一企业形式与电子商务企业在商业模式上较为接近，使用在电子商务模式中成立的框架来验证平台企业价值创造的动因是合理的.

综上所述，本文的研究模型如图1.

2.2.2 变量测量

为保证测量量表具有较好的信度和效度，本文采用在国内外文献中已经使用成熟的测量量表，并结合本研究平台情境及相关专家讨论意见，进行了修改和完善. 题项选用李克特5级量表设置规范，从1-5分别表示完全不同意到完全同意. 具体测量题项如表1所示.

平台效率 根据Amit R和Hagiu等[26]的研究进行测量，包括“用户可以在平台上短时间内获得相对满意的信息”“平台给用户推送的产品、服务等是用户喜欢或急切需要的信息”.

平台互补性 参照Amit和Jacobides等[27]的研究进行测量，包括“消费者在平台上愿意为相关产品和服务点赞或评分”“平台上商家提供了种类齐全的产品或服务”等3个题项.

平台锁定 通过对文献[28，29]的研究进行测量，包括“用户会持续关注平台的发展动态”“用户愿意按照熟悉的方式继续使用平台”等3个题项.

平台新颖性 根据Amit和Benlian等[30]的研究进行测度，包括“用户进入平台不需要严格的资格审查和基础条件”等3个题项.

用户认知价值 根据Khademi[3]， haile和altmann[31]等的研究结论，选择系统评价和支付意愿来测定. 其中系统评价测量题项包括“平台为用户提供了高效的服务系统”与“平台系统很容易学习和使用”支付意愿包括“用户愿意花时间投入平台和为平台服务付费”.

另外，本文的研究对象为招聘类平台企业，故将企业类型设定为招聘类平台企业作为控制变量.

2.3 数据收集

2.3.1 样本确定与数据收集由于本文研究的重点是探究招聘类平台企业价值创造的前因结构，所以在数据收集时主要遵循以下原则：1)数据来源应该是基于招聘类平台企业；2)样本尽量选取使用人数较多的招聘类平台企业，以便获得足够数据；3)尽可能考虑企业的异质性，将全职招聘平台(如新安人才网)和兼职招聘平台(如斗米兼职)都纳入样本. 最终筛选出十家招聘类平台企业作为研究样本，具体是斗米兼职、九一人才网、前程无忧、全职招聘、五八同城、新安人才网、应届生就业网、智联招聘、中国国家人才网、中华英才网.

数据收集工作流程是首先在线上平台问卷星制作《招聘类平台企业价值创造结构分析调查问卷》，然后通过qq、微信等平台向特定用户发送问卷链接以便用户填写. 累计发放问卷130份，回收并处理最终得到有效问卷117份.

2.3.2 样本有效性检验本研究采用SPSS22.0和AMOS26.0对样本数据进行信度和收敛效度进行检验(见表1). 可以看出，平台新颖性、平台效率、平台互补性、平台锁定、系统评价、支付意愿的Cronbach’s α 值分别为0.888、0.862、0.921、0.894、0.870、0.830，均大于0.7，各变量的组合信度CR均超过了阈值0.6，表明各变量的测量量表具有较好信度. 通过AMOS对模型进行验证性因子分析，各变量的因子载荷值均大于0.5，依据因子载荷计算平均提取方差(AVE)，各变量的AVE值均超过了0.5，组合信度CR值均超过了0.8，表明各测量量表具有较好的收敛效度.

表1 变量测量的信效度检验

3 变量赋值与真值表构建

通过fsQCA3.0对真值表进行布尔最小化运算，得出复杂解、简约解和中间解[32]. 中间解一般被认为最能说明问题[32]，所以本文通过对比中间解和简约解，识别核心条件和边缘条件. 参考已有QCA研究方式[23]对收集来的问卷信息进行整理：1)同一题项，对同一家平台企业所有有效问卷的评分取平均值，构成原始得分值；2)同一变量，对反映不同维度的题项评分取均值，构成每个变量原始得分. 原始数据如表2所示.

表2 各变量原始得分

由表3可以发现，变量取值大部分处于3～5. 又根据Fiss[23]的研究，在进行真值表分析之前，对变量进行赋值，即对题项得分小于3的变量赋值为0；得分大于等于3又小于3.7的赋值为0.33；得分大于等于3.7又小于4.4的赋值为0.67；得分大于等于4.4的赋值为1. 最后得到fsQCA分析的变量数据模糊集矩阵.

表3 各变量校准后得分

4 结果分析

4.1 单变量前因条件必要性分析

在定性比较分析之前，首先对单个前因条件是否为结果变量的必要条件进行分析，以验证是否存在某个前因变量是导致被解释变量出现的必然选择[22，33]. 通常用来衡量必要条件的指标是一致性(Consistency). 在必要条件检验中，有部分学者将0.8作为阈值，也有一部分学者选择0.9[34]. 本文采用更为严格的设定标准，将一致性阈值设定为0.9，即当大于0.9，可以认为该项条件构成结果变量的必要条件，并在结果分析中予以保留. 通过QCA软件运算，必要性分析结果如表4所示.

表4 单项前因条件必要性分析

由表4可以看出，单项条件的存在与否对结果变量的一致性分数均未达到0.9. 因此，各个单项前因条件均未构成结果变量的必要条件. 但是，C、～L对结果变量Y1、Y2的一致性分数均较为接近0.9，可视为近似必要条件.

4.2 条件组态充分性分析

条件组态的充分性分析是QCA方法的核心，主要分析不同前因条件形成的组态对结果的充分性[36]. 本研究采用fsQCA 3.0的清晰真值表算法(crisp truth table algorithm)进行定性比较分析. 在进行分析前，需要构建真值表. 由于本文案例数量较少，故将案例频数阈值设定为1，原始一致性(raw consist)阈值设定为0.8，同时将PRI的临界值设定为0.75[35]. 最终得出条件组态对结果的前因条件结构如表5所示.

表5 价值创造前因条件结构

与否对结果影响不大.

由表5可以看出，当结果变量为系统评价时，总体一致性为1，大于0.8的阈值，覆盖率为0.94，存在3条不同的达到高系统评价的路径，即X1、X2a、X3b. 当结果变量为支付意愿时，总体一致性为1，大于0.8的阈值，覆盖率为0.95，存在4条不同的达到高支付意愿的路径，即Z1、Z2、Z3a、Z3b.

平台新颖性、效率、互补性、锁定共同带来高系统评价的路径有3条：nEcl、NeCl、neCL；促进支付意愿的路径有4条：NEl、NCl、nEcL、neCL.

4.3 稳健性检验

为了确保研究结果的可信性，本文进一步提高各项阈值. 主要是将原始一致性(raw consist)阈值提高至0.85(原先为0.8)，PRI值提高为0.8(原先为0.75). 结果发现，各变量对结果的解释并没有发生本质变化. 因此，可以认为通过fsQCA3.0得到的构型是值得信赖的.

5 结语

本文基于用户认知价值，通过定性比较分析方法，探讨了影响招聘类平台企业价值创造的相关因素，发现：其一，对于招聘类平台企业而言，为供需提供匹配的效率越高，用户对平台的认知价值越高，主要体现在用户对平台的高系统评价以及支付意愿上，也就是说，平台效率是促进平台价值创造的重要因素；其二，招聘类平台对用户的锁定是平台创造价值的关键；其三，任何一个因素单独存在都不足以促进平台创造价值，只有当这些因素以某种方式组合时，才会为招聘类平台企业带来价值创造.

本研究也存在许多不足之处. 首先，本研究的样本为招聘类平台企业，且只关注了目前市场上存在的部分企业，对于已经在市场上消失的招聘类平台企业并未纳入研究，因此对抑制价值创造的构型并未进行分析. 其次，由于受样本量的限制，本文仅研究4个前因变量对于结果的影响，未来可以纳入更多因素对招聘类平台企业价值创造构型进行研究.