创意众包社区的用户角色分类研究——基于RFM 模型

游齐俊，马永斌

（宁波大学 商学院，浙江 宁波 315211）

一、引言

Web2.0 和信息技术的快速发展使得行业间的企业技术差距逐渐缩小，源源不断的新创意是企业保持竞争力的基础。一些国内领先行业在探寻新创意的同时建立了虚拟网络社区以方便企业倾听用户建议，如华为、小米、蔚来等。在虚拟网络社区中贡献了大量的产品改进建议和解决方案的社区参与用户使得“创意众包”模式得到了大力发展[1]。该模式可以为企业提供远距离知识，以消费者视角帮助企业发现消费者需求，进而开展有效的产品创新，为企业产品开发提供了很大的帮助[2]。

作为这些建议与创意来源的用户主体推动着社区的发展。但鉴于创意众包社区的开放性与流动型，用户的去留极为自由，是否愿意继续贡献自己的创意是企业是否还能获取消费者需求信息的根本前提之一。因此，管理与引导社区的用户主体以增加其对社区的黏性显得犹为重要。在创意众包社区中，庞大的用户基数和广泛的用户来源渠道导致创意活动的参与用户之间存在着很大的异质性，而理解参与用户之间的异质性是企业进行有效虚拟社区治理的基础[3]。等（2014）[4]指出，社区组织者对用户异质性的调动、适应和管理能力决定了一个社区的稳定性和持久性。此外，国外有学者在研究中发现社区的核心用户的贡献占社区内所有用户的75%～87%左右[5]，这也间接表明了了解用户异质性进而识别领先用户的重要性。本文借鉴市场营销领域的客户价值评估与分类模型（近度-频度-价值模型，简称RFM 模型），对创意众包社区中的用户进行角色识别与分类，分析不同类型用户的参与特征差异，构建特定社区用户分类体系，以帮助企业针对性地引导用户间角色的转化以及维持社区的稳定，以更少的精力实现最有效的激励，进而实现社区用户价值最大化与管理精细化。

二、文献综述

从创意众包社区的长远发展角度出发，理解社区活动的参与用户的异质性是有效进行社区治理的基础。此外，为了成功管理社区，需要了解个人在这些群体中扮演的不同角色，并找到动员、适应和管理个体异质性的方法，这影响着社区的稳定性和持久性[5]。从创意众包社区的目标导向角度出发，企业深刻洞悉用户在社区中的参与行为特征，考虑与选择合适的引导和激励策略是有效实现创新目标的前提。

过去的相关研究为虚拟社区中不同用户角色的识别和概念化提供了重要的见解和理论基础。学者们主要从社会网络结构与用户参与行为特征两个角度对虚拟社区的用户进行识别与分类[4-12]，相关的文献梳理如表1 与表2 所示。

表1 社会网络结构角度的虚拟社区用户分类研究汇总

表2 用户行为特征角度的虚拟社区用户分类研究汇总

三、模型构建

（一）模型概念

美国数据库营销研究所的Arthur Hughes 首先提出了RFM 模型。该模型发现客户的数据库中存在着三个神奇的要素：最近的一次消费（recency）、消费频率（frequency）、消费金额（monetary）。这三个要素有效度量了用户的行为能力和价值，企业依此可对客户群进行细分，进而开展差异化的营销[13]。在市场营销领域，RFM 模型是衡量客户价值和客户创利能力的重要工具和标准。

（二）分类指标

在RFM 模型中，R 代表最后一次的消费时间，也称为近度。最后一次消费距今越近，顾客越有可能产生新的消费[13]。在研究用户行为特征时，最后一次发帖时间与最近一次消费含义相似，且发帖行为一定程度上代表了发帖者与其他用户和企业的交流意愿。例如鼓励一个几个月内发帖的用户继续发帖远比鼓励一个一年多以前的用户容易的多。R 越大的用户越有可能发布新的帖子，与他人的交流意愿也越高。

F 代表顾客的消费频率，也称为频度。RFM 模型提出，顾客的消费频度越高，往往代表着顾客的满意度越高[13]。在创意众包社区中，用户的发帖频率具备着与消费频率相似的统计意义，相关学者也多次运用发帖频率来衡量用户在社区中的活跃程度[10-12]。本文在过去研究方法的基础上有所改变，提取各用户在社区的在线时间，以F（时均发帖量）=（发表帖子数/ 在线时间（小时））作为用户的发帖频率以衡量用户在社区中的活跃程度和对社区的忠诚度。其中F 越高，用户越活跃且对社区的忠诚度越高。

M 代表顾客的消费金额，用以衡量顾客的价值[13]。对于用户的综合价值，本文首先考虑的是企业为社区用户设置的积分系统。创意众包社区的创办目的与存在价值之一便是不断为企业输送新颖、可实施的高潜力创意，当用户发布了越多被企业采纳的创意帖子，他对于企业就具有更高的价值；此外，用户还通过发表社交型帖子，完成企业发布的任务和参与社区其他活动以获得额外的积分奖励，如签到、投票、回帖等等。综上所述，本文认为积分是一个优秀的综合价值衡量指标，即用户积分与M 正相关。

基于上述假设建立的创意众包社区用户分类指标体系如表3 所示：

表3 创意众包社区用户分类指标

四、数据处理与分析

（一）数据来源

本文数据的来源是国内一家著名科技公司的创意众包社区。该公司是国内主要的智能手机和家电制造商，自2010 年成立以来就一直坚持根据用户的意见对产品持续改进。在其主办的创意众包社区中设有新功能讨论等多个板块，在这里可以看到自公司成立以来的几十万个用户贡献的创意，以及企业对这些创意的反馈情况。该社区拥有所有用户的基本信息，包括用户的积分、经验、威望、帖子数、帖子查看数以及帖子回复数等用户基本信息。该创意众包社区的用户具有高参与度和高活跃度的特点，且用户贡献的创意信息具有公开性和真实性，研究结果对于其他的虚拟社区具有很好的借鉴意义。

本文抓取自该社区2011—2015 年期间用户发表的59 995 条帖子作为元数据，对其进行编码和分析。根据研究需要，本文对数据进行了如下的筛选与处理：第一，由于本研究的目的是对创意众包社区中的用户进行角色分类，因此只保留了相同ID用户发表的最新一条帖子，对同一用户发表的其他帖子做删除处理。第二，对用户最近一次发表帖子的日期时间进行量化处理，计算出均值，最后以各用户的最后一次发帖时间与均值的差值作为近度。筛选处理后的有效样本为15 197 位用户发表的15 197条帖子，如表4 所示。出于避免表现优异的用户被剔除的考虑，本文不对用户数据进行异常值识别处理。

表4 创意众包社区用户样本数据

（二）数据分析

本文采用k-means 聚类分析方法，根据创意众包社区用户的近度、频度和积分三项指标对样本进行分类。由于三项指标单位以及跨度差异较大，因此有必要在聚类分析前对三项数据进行标准化处理。其次，对于聚类集群数的确定，本文参考经典的RFM 模型，依据三项指标与均值的比较（大于等于均值或小于均值）的情况将用户分成了8 类，即K值为8。聚类结果如表5 所示，K-means 聚类经过37次迭代最终趋于稳定，各变量均显示显著。

综合RFM 模型与K-means 均值聚类算法，本文提出了基于RFM 模型的创意众包社区用户成员识别算法，如图1 所示。

图1 基于RFM 模型的创意众包社区用户角色识别算法示意图

根据表5，来自该创意众包社区的样本数据可以归纳出五类具有差异的用户角色，其中集群1 的近度、频度以及价值指标均明显高于均值，是该社区的重要组成成员；集群2 的近度和价值指标高于均值，频度指标略低于均值，具备较大的贡献潜力；集群3、4、6、8 的三项指标均远低于均值，贡献相对较少且不活跃；集群5 的频度与积分指标低于均值，但值得注意的是，这类用户的近度指标最高，初步判断是新加入社区的用户群体；集群7 的近度与频度指标最高，但其价值指标仅略高于均值，虽然根据RFM 模型的分类指标应与集群1 归纳为同一类，但鉴于其特殊性且有一定水平的用户基数，本文将对这类用户群体进行进一步的观察。

表5 最终聚类中心

五、结果与讨论

为了更好地理解这五类用户在创意众包社区中的角色定位，本文将分别对其在社区中的扮演角色进行进一步的探讨，这五类用户的行为特征如表6 所示。

表6 创意众包社区用户角色及行为特征

（1）明星型用户，对应集群1，是创意众包社区的核心用户群体，也是社区发展的重要驱动力。明星型用户的发帖积极性以及与其他用户的互动意愿均较高，且在社区的社会网络结构中通常处于中心地位，充当信息传递的桥梁，维持着创意众包社区的稳定与活跃[5-6]。值得一提的是，由于来自社区和其他用户的认可，此类成员对社区会产生一种归属感[2]，并对社区有较高的忠诚度。从企业的角度来看，明星型用户对创意众包社区的发展付出许多，社区管理者应对其做出的贡献给予肯定，可以适当采用“公告表扬”、“聘用为版主”等激励措施以保持与他们的良好关系。

（2）天才型用户，对应集群2，人数占比较低，其频度仅略高于均值，但价值却处于一个很高的水平（仅低于明星型）。通过对这类用户的历史发帖记录进行观察与分析，本文发现此类用户提出的帖子通常为创意类帖子，即对产品功能的改进与创新类帖子，并且有一大部分的帖子被选为精华帖子，引发来自其他用户的热议与支持，进而积累了大量的威望值。然而，由于这类用户的频度较低，对于社区的依赖性不高，在社区的其他活动中并不活跃，通常只在自身收到困扰或需要某项功能时才会发帖。鉴于其带来的直接创意价值，企业应该想办法增加他们的社区黏性，认真倾听这类用户的声音，及时给予反馈，必要时可以提供一些替代方案以满足其需求.如果在随后的产品使用中不能得到重视与满足，他们也可能会迅速选择其他竞争对手的产品。

（3）沉没型用户，对应集群3、4、6、8，这类用户在社区中占比高达42.5%，他们的三项指标均位于社区用户的最低水平。如过去大部分对于虚拟社区用户角色分类研究的结果显示[9-12]，这类用户对于社区活动的参与通常带有较强的目的性和偶然性的特点，例如用户C 为了解决某个临时的问题而找到社区进行发言；用户D 在网络冲浪过程中随意点入了社区，并在一条自己感兴趣的帖子下留言。在这类行为完成后，无论是否得到答复，这类用户很可能便不会再使用社区。鉴于创意众包社区用户的流动性，即使企业分配一定的管理资源在这类用户上往往也不能引导这类用户角色类型的转变，因此没有必要为这类用户分配过多注意力。

（4）新兴型用户，对应集群5，这类用户占比（42.8%）与第三类用户接近，是创意众包社区的重要组成部分。值得注意的是，这类用户的近度指标显著高于其他用户，其中有一部分用户特征为在线时间短，发表帖子的数量和频率都不高，但第一条帖子近度均较高。本文推测这部分用户是近期才加入社区的新用户群体，在大部分时间处于观望状态，不确定社区能否满足自己的需求，因此发帖较少。这类用户对社区的知识共享活动和社区交际具有一定的兴趣，鉴于他们的贡献潜力不明，具有一定的考察和挖掘价值，因此本文建议企业应在管理资源允许的情况下对新兴型用户分配一定的注意力，增加其对于社区的依赖性，避免其向沉没型用户转变进而营造良好的知识共享氛围。

（5）忠诚型用户，对应集群7，这类用户在创意众包社区中的比例最低。与天才型用户相反，这类用户的发帖频率极高，热衷于参与社区的活动，但积分却不高，这不是一个正常的现象。为此本文对这类成员的历史发帖记录进行抽样和观察，发现这类用户发表的帖子中几乎没有创意类型的帖子，且其中一部分内容与产品毫无关系。同时这类用户会积极评论他人的帖子，即使自己发表的内容不会收到点赞和评论，他们仍然乐此不疲地活跃在社区中。对于这类用户，社区更像是一个寻求归属感的场所，即使他们不能给企业带来直接的产品与服务改进创意，但其对维持社区的人气具有一定的价值，因此本文认为企业应当也给予其一定的关注，在社区定期组织一些签到打卡活动，维系他们在社区中的活跃程度以带动其他用户群体。

六、结语

基于已有的虚拟社区用户角色识别研究，本文选择关注相对较少的非竞争性创意众包社区，参考经典的RFM 模型，调整和优化其二级指标，对该社区用户进行角色聚类分析，最终识别出明星型、天才型、忠诚型、新兴型和沉没型五类用户角色。其中天才型用户和忠诚型用户相对特殊，企业应当给予一定的关注并进行针对性的引导，挖掘其潜在价值。此外本文丰富了虚拟社区用户异质性主题的相关研究，也为后续用户参与创新研究提供了一些理论基础，同时为企业管理社区不同用户角色提供了一些建议，具有一定的理论意义和现实意义。

本文的局限主要在于社区特征相对具体，用户识别体系的普适性仍需要在其他类型的虚拟社区中进行检验。此外，在虚拟社区中用户所扮演的角色并不是一成不变的，当用户受到来自网站互动性、技术性以及激励机制的影响时，用户角色会发生转换[14-15]。如何从动态视角对用户角色变化过程进行研究以预测用户角色变化趋势将是今后的研究重点。