后疫情时代直播电商中隐性知识传播

徐耀群 郑艺 姜永常

内容提要：新型冠状病毒疫情在全国范围内的暴发和蔓延，对实体经济尤其零售行业发展产生了巨大的冲击和影响。然而，在此背景下电商直播这一新兴产业得到了快速发展，并且在疫情发生后拉动消费增长中起到至关重要的作用，其中隐性知识传播对培育高质量直播电商人才乃至整个电商直播行业发展息息相关。本文通过建立微分动力学模型，分析直播电商中隐性知识传播的主要影响因素。实验结果表明：直播电商过程中存在隐性知识传播，并且隐性知识的传播与从业人员的加入率、离开率、接触率和遗弃率相关;提高从业人员加入比例，增加学习者与隐性知识拥有者接触机会，并降低已经拥有隐性知识的从业人员遗弃获得的知识的比例可以促进直播电商中隐性知识传播，以提高直播电商从业者的素质进而促进直播电商行业高质量发展。本文的研究对提高直播电商中隐性知识的管理水平具有重要启示意义，同时也为直播电商行业发展提出了相应策略建议。

关键词：隐性知识;电商;直播;微分动力学模型;传播

中图分类号：F7246  文献标识码：A  文章编号：1001-148X（2021）03-0001-08

收稿日期：2020-10-12

作者简介：徐耀群（1972-），男，浙江兰溪人，哈尔滨商业大学计算机与信息工程学院教授，博士生导师，研究方向：物流与供应链管理、电子商务;郑艺（1996-），女，哈尔滨人，哈尔滨商业大学计算机与信息工程学院硕士研究生，研究方向：物流与供应链管理、电子商务;姜永常（1965-），男，哈尔滨人，哈尔滨商业大学商业经济研究院研究员，研究方向： 知识管理与服务创新。

基金项目：国家社会科学基金项目“基于技术综合集成的协同知识构建机理与方法研究”，项目编号：20BTQ091;黑龙江省社会科学基金项目“基于区块链技术的生鲜农产品质量安全研究”，项目编号：20GLE390。

一、引言

2020年初始，突如其来的新冠肺炎疫情开始在全球范围内蔓延，对世界经济发展和人民生活带来了不可忽视的冲击和影响。疫情之下，在中国也促使新兴直播电商的行业蓬勃發展，2016年才开始出现的直播电商，自2019年至今仍处于爆发式增长阶段，CNNIC第45次中国互联网络发展状况统计显示，到2020年3月电商直播用户规模已达到265亿，占网民总数的293%。直播电商以其独特的网络直播形式和拥有大量粉丝的网络主播带货相结合的“直播+电商”新型营销模式，在疫情期间不仅没有受到影响反而展现了强劲的发展潜力。由于新冠疫情影响，大部分人被迫在家办公、上网课，无法在线下得到满足的需求通过互联网得到了释放。同时，直播电商以其独特的网络直播形式和拥有大量粉丝的网络主播带货相结合的“直播+电商”新型营销模式，在疫情期间不仅没有受到影响反而展现了强劲的发展潜力。此外，直播电商在疫情暴发后在助力企业复工复产和促进经济复苏方面起到了重要作用，其中颇具代表性的是2020年4月以人民日报新媒体等为代表的主流媒体平台与淘宝直播联合开展的“为鄂下单”公益活动，此次活动旨在帮助湖北地区的商家和农户解决受疫情影响而滞销的生鲜农产品问题，而开展的以网络直播为形式的电商活动。直播累计观看人次近5000万，单场成交额最高达226亿元人民币，这次直播活动充分展现了直播电商在减轻农民和商家疫情期间的损失和疫后经济重启方面起到至关重要的作用。此后，国家发改委、人力资源和社会保障部等十三部门发布了《关于支持新业态新模式健康发展激活消费市场带动扩大就业的意见》（以下简称《意见》）。《意见》提出，支持微商电商、网络直播等多样化的自主就业、分时就业。着力激发各类主体的创新动力和创造活力，打造兼职就业、副业创业等多种形式蓬勃发展格局。

但随着直播电商爆发式的发展，行业早期发展红利也开始逐渐消失，一些行业发展过程中的问题也开始逐渐暴露出来。当前，直播电商中的不同主播带货能力相差巨大，一些知名的头部主播在很早前就抓住了直播电商发展的机遇，因此享受到了行业发展的早期流量红利[1]。然而随着进入行业中的人员增加这种红利开始消失，导致很多后加入行业的主播无法与那些头部主播争夺一席之地最终只能选择退出行业，进一步造成了直播电商中主播的马太效应明显。除此，直播电商中产品质量难以得到保证，有时甚至会出现直播中所看到的产品与实际购买收到货后的规格和数量都相差甚远，这种现象的产生也从侧面说明了直播电商行业监管不力，还没有建立规范的行业标准保证直播电商行业稳定健康发展。直播电商之所以能够带动消费，是由于主播对产品性能和质量的讲解使消费者在很短的时间内了解产品并产生消费欲望，并且直播电商具有互动性强的特点，在观看直播的过程中观众可以和主播以及其他人互动，在互动的过程中也会产生社交活动分享购物经验加强对产品全方面的了解并决定是否购买。而目前行业内对专业化、高质量的电商主播需求远得不到满足，为培养更多高质量的直播电商行业人才，应当促进直播电商行业中“人货场”三个维度间的知识传播。而隐性知识又是知识传播的重要组成部分，所以通过研究电商直播过程中隐性知识的传播，可以更深刻地了解直播电商的运营规律，同时提高从业者的素质改善目前直播电商从业人员质量参差不齐的现状。

二、直播电商背景下的隐性知识传播：相关文献研究

在疫情发生后国家层面开始重视并鼓励直播电商发展的同时，也有部分学者开始研究直播电商的经济发展模式。包圆圆[2]分析了在新冠肺炎疫情期间网络直播的特性和优势，并进一步探讨了其在提升社会责任治理能力中起到的作用。王志和[3]认为“直播+电商”走进乡村不但可以帮助农民宣传销售农产品增加农民受益，还在一定程度上能够吸引青年人回乡创业推动乡村振兴。夏令蓝和宋姣[4]认识到尽管疫情期间网络直播带货成为新的经济增长点，但仍然需要重视在后疫情时代直播带货行业规范的制定，提升监管效率和可持续发展性。

知识管理被视为实现竞争优势所必需的关键管理过程[5]。知识管理中一个重要的概念——隐性知识，由Michael Polanyi首次提出，他将世界上的知识分为可以用语言清楚描述并记录在手稿或公开发表在学术著作中的显性知识（Explicit knowledge）以及与之相对的难以用语言描述和传递并依赖于知识其持有者，依附在人的思想上，深深扎根于个人的行为和经验的隐性知识（Tacit knowledge）两类[6]。在此基础上Nonaka和Takeuchi[7]将显性知识和隐性知识之间的相互作用表示为四种转化模式：社会化（Socialisation）、外显化（Externalisation）、内隐化（Internalisation）和组合化（Combination）四个阶段。其中：（1）社会化以“经验分享”的方式将隐性知识转化为隐性知识，然而由于隐性知识的本质是不能通过口头语言的方式被表述，因此社会化只能通过观察、模仿和实践等直接接触的方式实现[8]。（2）外显化过程通过隐喻、类比、假设和建立模型的方式，将隐性知识的表达并将其转化为其他人可以理解的形式[9]。（3）组织中共享的显性知识被个人转换为隐性知识的过程则被称为内隐化，所以内隐化的本质就是从实践中学习[10]。（4）组合化涉及将显性知识转换为更复杂的显性知识集，此过程依赖于对公开数据的收集，再以演讲或会议的形式直接传播，最后将这些显性知识编辑整理成计划、报告方便使用。上述转化模式中，社会化、外显化和内隐化是隐性知识传播的主要过程[11]。在SECI模型的螺旋上升式的显性知识与隐性知识间的相互转换过程中，知识总量也会产生微量的增量也就是知识创造过程。李柏洲等[12]将组织学习—知识创造的过程用量子能级跃迁隐喻，在SECI模型基础之上，对组织学习中的顿悟式学习加以补充并阐明转化机理。此外Li等[13]在传统显性知识和隐性知识之间引入了灰色知识概念，它也可以表示为知识接受者对显性知识的理解程度，将经典SECI模型中知识创造螺旋转化再次细化为六个阶段从而提出了修改后的Grey-SECI模型并揭示了复杂的产品系统创新过程。实际上，知识理论已对信息技术和系统、战略管理、创新管理和组织研究越来越重要。De Wit-de Vries等[14]通过对现有知识转移用文献的梳理与总结发现知识差异以及不同制度文化导致的目标不一致是知识转移过程中的阻碍因素，而在合作过程中采用直接、双向沟通的方式传递隐性知识可以克服这些障碍，并认为这一发现应用于产学研合作中的知识转移中，会对学术参与领域做出理论贡献。Rahman等[15]经研究又发现产学研中隐性知识传播行为受到个人特质以及相互信任的影响。Bergendahl和Magnusson [16]则站在组织距离对知识组织创造的影响角度，通过回归模型分析得出组织距离变量对解释创新输出和知识创造行为有效的结论。

在隐性知识共享方面，学术界关于信息技术（IT）是否在个体和组织间的隐性知识传播起到作用存在争论。一些学者认为隐性知识作为一种十分个人化的知识存在于人脑中，“我們所知道的远多于我们能说出的”，因此不仅无法通过语言实现共享，而且也无法通过信息技术来共享。 换句话说，隐性知识是用普通语言无法表达和表述的知识，甚至是知识持有人并不总是能够取得的隐性知识[17]。这一学派认为隐性知识只能通过在工作中的个人经验来获得，并且不能转化为显性知识，它只能通过直接的交流、观察、指导、相互参与等机制实现共享[18]。而另一个思想流派认为IT技术可以促进隐性知识共享，尽管它可能不像面对面的隐性知识共享那样丰富[19]。随着“互联网+”时代的到来，网络虚拟社区也已经成为知识分享的重要途径[20]。张才明[21]就分析了隐性知识在虚拟社区中共享过程中的影响因素，并认为隐性知识共享中的最关键因素是知识源，也就是知识拥有者是否情愿将知识分享给别人，并认为管理者应采取精神激励措施激发社区成员主动共享的行为。而隐性知识的传播依赖于知识源与知识接受者间的社会关系，这也决定隐性知识的传播过程存在于社会网络之中。系统论的观点认为社会系统就是一个开放的特殊复杂巨系统，故隐性知识的传播过程就必定存在于特殊的复杂网络之中。因此，开始有更多的学者从复杂网络的角度出发并结合知识传播过程的网络拓部结构，分析网络结构对知识传播过程的影响。例如，杨湘浩等[22]认为隐性知识传播过程与传染病从传播很相似，基于复杂网络理论构建了考虑遗忘率的隐性知识传播的传染病模型，研究结果表明在网络结构不变的情况下遗忘率越低隐性知识传播得越快。朱宏淼等[23]针对以上研究大多局限于单层网络空间的不足，提出了微信群与线下交流的耦合网络知识传播模型经过验证发现在论网络结构如何变化，只要将组织中的知识拥有者维持在某个临界值之上，该知识就会在网络中传播开。

目前关于直播电商行业的文献十分有限，至今没有文献研究直播电商中的隐性知识传播。然而，现实情况下直播电商中的网络主播、培训机构、经纪公司以及直播平台之间存在着大量的基于个人实践经验以及社交过程且难以通过简单口头交流或用文字记录下来传递给别人的隐性知识[24]。因此，将更多的隐性知识转化为显性知识可以帮助新的从业者打破行业壁垒，让他们快速融入直播电商行业，同时促进直播电商从业者提高自身素质，也有助于直播电商行业标准建立从而能够提升直播带货的效果，促进直播电商行业发展。本文创新性地将隐性知识理论应用于直播电商行业，构建了直播电商从业者之间的隐性知识传播微分动力学模型。模型主要考虑直播电商从业人员加入的比例、行业内隐性知识拥有者与其他从业人员的接触率等条件对整个直播电商行业中隐性知识传播的影响机制。最后根据对模型结果的分析并结合实际，提供给直播电商中企业、机构和个人相应发展对策和建议。

三、系统描述与模型构建

（一）基本假设

本文中我们考虑的是单个人的某一隐性知识向组织中其他人传播的情况，多个隐性知识的传播过程可以视为单一隐性知识传播的叠加。要研究直播电商从业者间隐性知识传播规律我们有如下基本假设：

（1）假设直播电商从业人员总数为N，且N足够大。为了研究某一隐性知识在组织内从业者间的传播规律，将t时刻直播电商从业者划分为三类：A类，没有取得过这一隐性知识的人，他们可以通过实践等方式获得隐性知识，因此称这类人为学习者;B类，表示直播电商从业人员中掌握某个隐性知识的人，他们可以通过面对面交流等方式将隐性知识传递给其他人，故称他们为拥有者或传播者;C类，曾取得过某个隐性知识，而之后认为该隐性知识没有价值从而遗弃的人，称之为遗弃者。A（t）、B（t）、C（t）则分别表示t时刻三类人占从业人员总数的比例。显然，A（t）+B（t）+C（t）=1。

（2）考虑到直播电商行业中从业者存在動态的调入、调出和流失状况发生，假设加入率为α，表示加入直播电商行业并且此前未获得过该隐性知识的从业人员，显然加入的人员均是学习者;同理假设退出率为β。

（3）隐性知识的分享主要通过工作实践中面对面接触的方式，所以我们可以设单位时间内直播电商隐性知识拥有者与其他人的接触率为λ，所以单位时间t内A类人与B类人接触总数为λAN，也就t时间内知识拥有者B类从业人员增加的数量。

（4）人往往有选择学习的特性，当某个获得隐性知识的人发现这个知识对其已经没有价值后，就会选择遗弃并且以后也不再学习。假设遗弃者与拥有者的比例为γ，那么单位时间内就会有γBN个隐性知识拥有者转化为遗弃者，也就是C类从业者增加γBN。

（5）在直播电商隐性知识传播模型中，默认遗忘率μ=0，即不考虑知识拥有者的遗忘因素。这是由于当学习者成为隐性知识拥有者后，不可能完全遗忘这一隐性知识。

（二）模型的建立

直播电商内部隐性知识传播过程如图1所示。

图1 直播电商内部隐性知识传播过程

根据图1可得：

NdA（t）dt=αN-βA（t）N-λA（t）NNdB（t）dt=λA（t）N-βB（t）N-γB（t）NNdC（t）dt=γB（t）N-βC（t）NA（t）N+B（t）N+C（t）N=NA0=A（0），B0=B（0），C0=C（0）（1）

简化，可以得到微分动力学模型：

dA（t）dt=α-βA（t）-λA（t）dB（t）dt=λA（t）-βB（t）-γB（t）dC（t）dt=γB（t）-βC（t）A（t）+B（t）+C（t）=1A0=A（0），B0=B（0），C0=C（0）（2）

上面方程组就是直播电商中隐性知识传播的微分动力学模型。

求解上面的微分方程，可以得到：

B（t）=

λ（β+γ）A0+（β+γ）（λ-γ）B0-λα（β+γ）（λ-γ）e-t（β+γ）+λα-λ（β+λ）A0（β+λ）（λ-γ）e-t（β+λ）+λα（β+γ）（β+λ）（3）

（3）式为直播电商从业人员中拥有某个隐性知识的人数占从业人员总数的比例随时间变化的函数。当时间趋于无穷大时，有：

B（t）=λα（β+γ）（β+λ） （4）

若直播电商行业中隐性知识拥有者比例不断演化最终会达到一个稳定状态，即稳态值B（

SymboleB@

=λα（β+γ）（β+λ），取决于加入率为α、退出率为β以及接触率λ和遗弃率γ。

四、直播电商从业人员隐性知识传播参数控制分析

通过对模型的求解分析可以得到如下命题：

命题1：B

是变量α的单调递增函数。

是变量α的单调递增函数。

由命题1可以看出，当直播电商从业人员接触率、从业者退出率和取得隐性知识后的遗弃率为常数时，直播电商行业内隐性知识传播与行业中从业人员加入比例有关。当加入者比例大于退出者比例与知识遗弃率之和时，隐性知识能够在行业内部传播。增加直播电商从业人员加入比例有助于隐性知识在行业内部传递，即

近年来，直播行业由于电商直播的兴起再度成为互联网行业的新风向。2020年初的新冠疫情暴发导致实体经济下滑，从而促使互联网线上消费激增。在此背景下，电商直播带货也迅速成为新的消费趋势，众多网红主播和明星纷纷开启直播带货的新模式。不仅如此，农民、企业家、甚至政府官员也都参与其中，极大地丰富了主播群体。他们将成为直播电商行业中的学习者，并通过实践和面对面交流获取行业中的隐性知识并成为隐性知识的拥有者。因此，随着电商直播从业者加入率的增大，直播电商从业人员中隐性知识的拥有者也会增多。此外要增加直播电商从业人员加入率，可以通过在高职院校增设直播电商相关的新兴专业，让更多年轻人可以深刻了解和学习有关直播电商的知识，在这个过程中培养提高从业能力可以在毕业后让更多人选择加入直播电商行业中去。

由命题2可以看出，当直播电商从业人员加入率、退出率和隐性知识传播接触率为常数时，隐性知识的传播与隐性知识遗弃率有关。当隐性知识遗弃率大于加入率与接触率之和减离开率时，隐性知识不能再直播电商行业内部传播开。当直播电商行业中一些已经取得隐性知识的从业人员发现这个知识对他不再具有价值时，他则会主动选择遗弃这个隐性知识。选择主动遗弃已获得的隐性知识的从业人员比例增高，会使现有直播电商行业中隐性知识拥有者比例降低。

若已经获得隐性知识的人发现他所拥有的知识已经没有了价值时就会主动遗弃这个知识，而在直播电商行业中同样存在这个现象。一些粉丝量很少的主播尽管各方面能力都比较强，一场直播的带货效果可能远不如那些能力相差无几但拥有巨大粉丝量的主播。就如跨界直播的罗永浩首次直播就创下11亿的带货额，这也是大多数普通主播无法达到的。当一些普通主播始终无法在行业内取得一定成绩即使他们已经掌握直播电商中的隐性知识，那么这些知识对这部分主播来说是没有价值的所以会选择遗弃这些知识。

由命题3可以看出，当直播电商从业人员加入率、隐性知识传播接触率和遗弃率为常数时，隐性知识传播与从业人员退出率有关。且当退出比例高于接触率和加入率与遗弃率之差时，隐性知识不能在行业内传播开。由于直播电商行业准入门槛很低，网红、明星、主持人和普通主播间出现“马太效应”，与一些知名主播一场直播就销售亿元形成鲜明对比多数普通主播不仅赚不到钱甚至还要为了人气亏本直播。这也导致很多直播电商从业人员抵抗不住压力因而中途退出。亦或是当电商直播产业从业人员开始饱和行业内竞争压力很大，这时再继续留在这个行业中也看不到发展前景时从业人员就会退出这个行业。

五、数值分析

通过以上命题可以知道，直播电商行业中拥有隐性知识的从业者比例与加入直播电商行业的人员比例起到正向促进作用，同时离开率和隐性知识遗弃率起到逆向抑制作用。为了更直观地描述不同参数对隐性知识传播的影响，下面给出具体算例并使用MATLAB软件绘制不同参数取值随时间变化下对电商直播从业者中隐性知识拥有者占比B（t）的影响。为了使最终呈现的图像便于比较分析不妨假设系统初始状态下，直播电商中隐性知识学习者与已经掌握隐性知识的从业者占总从业人员的比例分别为：A0=03，B0=05，显然此时选择遗弃直播电商隐性知识的从业者比例C0=02。下面进行四组对照实验分别比较参数进入率α、接触率λ、离开率β和遗弃率γ取不同值时B（t）的变化特征。

图2可以看出，當α取较大值时，B（t）随时间t的增加会出现极大值;当α取较小时，B（t）随时间增加而单调减小;并且相同条件下α越大对应B（t）也越大。当α一定时，γ越大，对应B（t）的值反而越小。这表明，当进入直播电商行业的从业者比例增高，并且隐性知识拥有者不选择遗弃所拥有的隐性知识时，就会使直播电商从业者拥有隐性知识的比例会增高。当进入率α较大并且遗弃率也比较高时，直播电商从业者中隐性知识拥有者的比例会在一段时间内达到极小值，但随着刚进入的从业者与隐性知识拥有者的接触而获得隐性知识，隐性知识拥有者会持续增加并趋于一个稳态值下同。

图3可以看出，当β比较大时，B（t）会随时间t推移而单调减小;当β较小而γ较大时，B（t）会在很短一段时间内减少然后随时间t增加而单调增大;当β较小且γ也较小时，B（t）会随时间t增加而增大并会出现极值;当β相同时，γ越大，对应B（t）的值同图2相同也就越小。这表明，若要扩大直播电商从业者中隐性知识拥有者所占比例，需要降低直播电商从业者的离开率，并且保证已经拥有隐性知识点的人不会主动遗弃这个知识。当离开率很小时，随着数量巨大的人员踊跃加入直播电商行业，此时，从业人员中隐性知识拥有者的比例B（t）会在开始一段时间呈现减小趋势，但随着隐性知识拥有者与新加入成员不断接触、交流，会使更多的新成员获得隐性知识，因此，隐性知识拥有者比例会持续增加并达到新的稳态。

在图4中，对直播电商从业人员选择相同的加入率α和退出率β，表明直播电商从业人员规模相对稳定，这符合当前直播电商从业人员发展规律。

图4可以看出，当接触率λ比较大时，B（t）会随时间t增加成单调增或单调减的趋势（与其他变量有关）;当接触率λ比较小时，B（t）会随时间增加出现极值，并且相同条件下λ越大B（t）也越大。这表明，增加接触机会可以促进直播电商从业人员间隐性知识传播，若想使直播电商从业者中隐性知识拥有者比例增高，需要增加人员接触率并且让隐性知识拥有者不会遗弃获得的隐性知识。当人员接触率很小时，直播电商从业者拥有隐性知识的比例有可能在很短时间内呈现下降趋势，但随着时间增加隐性知识拥有者占比又会开始增加并达到新的稳态。

从图5可以看出，当α>β时，直播电商中隐性知识拥有者所占比例随时间增加而增高并最终都各自达到稳态这表明直播电商从业人员队伍在增大。同理，当 α<β时，隐性知识拥有者所占比例随时间而减小，最终到达各自的稳态

这表明直播电商从业人员队伍在缩小;而当α=β时，经过一段时间的演化直播电商行业中隐性知识拥有者占比会受到接触率的影响，当人员接触率很小时，直播电商从业者拥有隐性知识的比例有可能在很短时间内呈现下降趋势，但随着时间增加隐性知识拥有者占比又会开始增加并达到新的稳态。

六、结论与对策建议

通过对以上直播电商隐性知识传播模型的仿真结果分析，可以得到以下结论：（1）当直播电商行业的从业人员的进入率、离开率、接触率和遗弃率相对稳定的情况下，经过相当长一段时间演化后直播电商行业中隐性知识拥有者的比例都会趋于一个稳态值，同（4）式。（2）当从业人员接触率很高或遗弃率很低的时候，直播电商从业者中隐性知识拥有者的比例可能会在很短时间段内呈现减小趋势。但经过一段时间接触和学习后，有相对更多的学习者会转化为隐性知识拥有者，因此隐性知识拥有者的比例会再次随时间推移而增加，并最终达到稳态值。（3）提高直播电商从业者的加入率和接触率，并最大限度降低隐性知识拥有者的遗弃率，能够提高直播电商中隐性知识用于者的所占比例，使更多的人掌握直播电商行业的核心经营战略资源。（4）若想让直播电商中的核心资源只被少数人所拥有的，那么就要提高直播电商行业准入门槛、降低进入率、限制不符合条件的直播电商培训机构减少接触率并鼓励电商直播从业者从事其他行业提高遗弃率。

直播电商从业者隐性知识拥有者的比例是一个长期演变过程，尽管在某个阶段中进入率、离开率、接触率和遗弃率可能发生改变影响隐性知识拥有者的比例，但随着时间增加其比例会最终趋于稳定。目前，直播电商行业正处于爆发式发展时期，这个阶段大量人员选择加入直播电商行业而拥有隐性知识的人还很少，因此大量涌入的从业者没有机会接触到隐性知识拥有者。所以在短时间内直播电商行业中隐性知识拥有者占比会随时间增加而减少，但随着直播电商行业不断发展会有更多人掌握隐性知识。本文只考虑了加入率、离开率、接触率和遗弃率对直播电商行业隐性知识传播的影响，然而现实中隐性知识分享效果还与学习者的理解能力有关，理解能力越高越有利于知识的转移;此外，互联网技术的发展、相关政策法规、从业人员的素质等因素会对直播电商隐性知识传播产生影响，因此在未来的研究中应充分考虑这些因素的作用。

上述研究结论表明，增加直播电商中隐性知识拥有者比例的关键是要提高加入行业的从业者比例，并且还需要促进隐性知识拥有者与其他从业人员间的相互接触，同时也要避免隐性知识被遗弃的比例。因此隐性知识下电商直播创新型人才培养也应该以主动获取、讨论学习、实践性学习以及个性化学习为主，结合现实可以对直播电商中隐性知识传播和创新型人才培养给出以下对策建议：

（1）政府可以对电商直播杰出人才给予一定从业补贴，并通过对那些创业初期的电商直播小型企业实行减税措施以鼓励其发展增加就业机会。（2）政府或行业组织定期举办交流会，加强行业内经验交流。（3）科技部门可以加大直播电商底层技术的研发力度，扩大相关技术领域的研究资助范围。（4）在高职院校中增加直播电商专业，以提高直播电商从业者加入比例。（5）在高校和有关研究机构内创建直播电商人才培训基地，通过培训活动逐渐提升电商直播有关专业学生对行业内存在的隐性知识的理解能力。

参考文献：

[1] 郭全中.中国直播电商的发展动因、现状与趋势 [J].新闻与写作， 2020（8）： 84-91.

[2] 包圓圆.新冠疫情下网络直播行业社会责任治理研究 [J].中国广播电视学刊， 2020（7）： 92-95.

[3] 王志和.“直播+电商”如何助力乡村振兴 [J].人民论坛， 2020（15）： 98-99.

[4] 夏令蓝， 宋姣.后疫情时代“直播带货”规范化研究 [J].传媒， 2020（13）： 94-96.

[5] Szulanski G， Ringov D， Jensen R J.Overcoming stickiness： How the timing of knowledge transfer methods affects transfer difficulty [J].Organization Science， 2016，27（2）： 304-322.

[6] Polanyi  M.The tacit dimension [M].University of Chicago press， 2009.

[7] Nonaka I， Takeuchi H.The knowledge-creating company： How Japanese companies create the dynamics of innovation [M].Oxford university press， 1995.

[8] Nonakai，Konno N.The concept of “Ba”： Building a foundation for knowledge creation [J].California management review， 1998，40（3）：40-54.

[9] Hussi T.Reconfiguring knowledge management-combining intellectual capital， intangible assets and knowledge creation [J].Journal of knowledge Management， 2004，8（2）： 36-52.

[10]Nonakai I， Toyama R， Konno N. SECI， Ba and leadership： a unified model of dynamic knowledge creation [J].Long range planning， 2000，33（1）： 5-34.

[11]Sarkiunaite I， Kriksciuniene D.Impacts of information technologies to tacit knowledge sharing： Empirical approach [J].Informacijos mokslai， 2005，35： 69-79.

[12]李柏洲， 趙健宇， 苏屹.基于能级跃迁的组织学习—知识创造过程动态模型研究 [J].科学学研究， 2013，31（6）： 913-922.

[13]Li M， Liu H， Zhou J.G-SECI model-based knowledge creation for CoPS innovation： the role of grey knowledge [J].Journal of Knowledge Management， 2018， 22（4）： 887-911.

[14]De Wit-de Vries E， Dolfsma W A， Van Der Windt H J， et al.Knowledge transfer in university-industry research partnerships： a review [J].The Journal of Technology Transfer， 2019， 44（4）： 1236-1255.

[15]Rahman M S， Mannan M， Hossain M A， et al.Tacit knowledge-sharing behavior among the academic staff [J].International Journal of Educational Management， 2018，32（5）： 761-782.

[16]Bergendahl M， Magnusson M.Creating ideas for innovation： Effects of organizational distance on knowledge creation processes [J].Creativity and Innovation Management， 2015， 24（1）： 87-101.

[17]Mohamed M， Stankosky M， Murray A.Knowledge management and information technology： can they work in perfect harmony？ [J].Journal of knowledge management， 2006，10（3）： 103-116.

[18]Johannessen J-A， Olaisen J， Olsen B.Mismanagement of tacit knowledge： the importance of tacit knowledge， the danger of information technology， and what to do about it [J].International journal of information management， 2001，21（1）： 3-20.

[19]Jasimuddin S M， Klein J H， Connell C.The paradox of using tacit and explicit knowledge： Strategies to face dilemmas [J].Management decision， 2005，43（1）： 102-112.

[20]李爱国， 王亚萍， 邓召惠.虚拟社区知识共享影响消费者品牌态度内在机制研究 [J].商业研究， 2016（12）： 1-8.

[21]张才明.虚拟社区隐性知识共享研究 [J].情报科学， 2020， 38（9）： 36-41.

[22]杨湘浩， 段哲哲， 王筱莉.考虑遗忘机制的企业隐性知识传播SIR模型研究 [J].中国管理科学， 2019， 27（7）：195-202.

[23]朱宏淼， 张生太， 靳祯， 等.微信群与线下交流耦合网络知识传播模型研究 [J].系统工程理论与实践， 2019，39（7）：1796-1806.

[24]Sveiby K-.Transfer of knowledge and the information processing professions [J].European Management Journal， 1996，14（4）： 379-388.