虚拟社区顾客参与服务创新影响机制

崔立新，陈雪丽，李依玲，栾子涵

（1.北京理工大学 管理与经济学院，北京 100081；2.中国社会科学院 新闻与传播研究所，北京 100021）

互联网技术催生了商业模式及业态创新潮。面对越来越挑剔的消费者、井喷式发展的模式和业态创新以及超强的资本角逐，只有不断进行服务创新，企业才能在市场上立足[1]。业界和学界越来越意识到企业外部资源—顾客参与的重要性，认为顾客和企业能一起实现价值共创[2-3]，充分利用顾客资源进行服务创新是企业核心竞争力的来源。同时，信息技术的发展也为企业与顾客交流提供了便捷的平台。越来越多的企业搭建官方论坛、官方微博、品牌社区、微信群等在线虚拟社区，顾客可通过这些虚拟社区全程即时参与到企业服务创新的过程中，企业则可以充分利用顾客的相关知识。虽然企业已经意识到了顾客知识的重要性，但是对知识管理内容的重视程度仍然不够[3]。交互记忆系统（Transactive Memory System，TMS）是团队知识管理领域中提出的一个新视角，作为一种高效的知识共享机制[4-5]，能够实现其成员的知识价值最大化[6]。目前，交互记忆系统的应用研究主要集中在实体团队和组织内部情境中，而对虚拟社区、组织内外部新型交互环境的研究则相对缺乏。因此，本文的创新点在于，基于交互记忆系统视角，构建了虚拟社区中顾客参与服务创新—交互记忆系统—服务创新绩效的中介效应模型，并进行实证分析。

一、文献综述

（一）虚拟社区

1993年，Rheingold[7]最早提出了虚拟社区（Virtual Community）的概念，将其定义为“一群通过计算机网络彼此沟通的人们，分享各种知识和信息，形成个人关系网的团体”。Preece[8]和Plant[9]认为虚拟社区是建立在共同兴趣、目标等基础上的，通过网络“社员”可不受时空限制地“聚集”进行交流，并存在于以电子工具为媒介的网络环境中，供人们围绕某种兴趣与需求进行在线交流的“社会”共同体。Jones和Rafaeli[10]将虚拟社区定义为以网络技术和软件技术为基础，通过人与人之间的密切联系，在互联网上形成的虚拟共同体。毕雨和王延清[11]认为虚拟社区是基于兴趣、情感、精神等在网上互相交流而聚集成的网络共同体。基于上述已有概念，本文基于服务创新场景，结合顾客参与服务创新的特点，将虚拟社区定义为人们基于某种共同的需求或兴趣，通过网络环境建立的多方参与、持续性的、双向沟通的信息交流共享平台。

（二）顾客参与服务创新

服务创新理论起源于熊彼特从技术创新的视角对制造业创新的研究，其后在大量学者的推动下，经历了技术创新到服务创新再到技术与服务整合、开放创新的视角演变[2]。卢俊义和王永贵[12]认为顾客参与服务创新是企业在不同阶段立足于顾客自身资源与顾客进行互动以完成新服务开发的目标。唐承鲲[2]将其理解为网络顾客利用自身具备的人力资本、社会资本和心理资本参与到服务供应商的服务创新活动中，甚至可以率先测试和使用新服务。本文结合网络化、数字化、智能化背景下，顾客参与服务创新的便利性和社交需求，将顾客参与服务创新定义为顾客通过特定的媒体介质，以分享交流、学习社交等目的主动与其他顾客或企业方进行互动，从而完成新服务开发。

顾客参与创新的构成维度或要素，目前尚未形成共识。Fang等[13]基于新产品开发，认为顾客参与服务创新应从参与广度和深度两方面进行衡量。广度指顾客参与创新过程的范围，深度指顾客参与各阶段的投入程度。彭艳君[14]根据顾客参与的内容，从事情准备、责任行为、信息共享和人际互动四个维度开展了研究。本文基于新技术应用的广泛性，在Fang等[13]研究结论的基础上增加了参与强度维度，将虚拟社区中的顾客参与划分为三个维度：参与强度、参与深度和参与广度。参与强度指顾客参与服务创新的频率、持续时间、参与讨论数；参与广度指顾客参与的活动范围；参与深度指顾客深入参与甚至控制创新活动的程度。

（三）交互式记忆系统

交互记忆系统（Transactive Memory System，TMS）是Wegner[15]于1987年提出的，他将其定义为每个成员所拥有知识总和，及成员间差异化专长的群体认知。交互记忆系统的研究之前多在团队知识管理领域，本文拓展到包括企业外部顾客在内的、以服务创新为目的的虚拟社区的研究，将交互记忆系统定义为群体成员间通过任务合作和信息沟通形成的专长分布认知和信息处理规则的高效知识共享系统。Lewis[16]开发了由专业性、可信度和协调性三重维度构成的15题项量表。其中，专业性用于衡量成员专长的差异化、处理知识的区别化以及对于彼此专长分布的认知情况；可信度用于衡量成员对彼此之间提供知识的信任程度；协调性用来衡量成员整合和利用彼此的知识和专长的顺利度与充分性。本文采用Lewis开发的专业性、可信度、协调性三重维度对交互记忆系统进行测量。

（四）服务创新绩效

本文从交互记忆系统的视角衡量服务创新绩效，综合顾客参与服务创新的绩效和交互记忆系统的团队绩效进行划分。通过梳理有关顾客参与服务创新的既有文献发现，学界既关注企业内部的财务指标和运营绩效，也关注企业外部的市场效应和顾客绩效。交互记忆系统产生的服务创新绩效主要是针对群体或者团队而言，分为三种类型：行为绩效、结果绩效和情感结果。本文在前人的研究基础上进一步细化，将虚拟社区的顾客参与服务创新绩效产出划分为顾客绩效和运营绩效。顾客绩效由顾客的满意度、忠诚度和体验感等衡量；运营绩效即对应着创新社区的运营绩效，可由创新效率、创新质量、内部协作能力、开发成本、时间成本、产品质量、成员间协作程度等衡量。

（五）研究述评

顾客参与创新研究始于顾客参与产品创新的研究。对于顾客参与服务创新的研究一直是缺乏的，且顾客参与服务创新的研究一直是延续着顾客参与产品创新的思路，即主要是在新产品（服务）设计、研发的前期阶段展开，缺乏服务全过程中顾客参与服务创新的研究。网络化、数字化、智能化技术的发展支撑了服务全过程顾客参与服务创新的实现，人们基于某种需求或兴趣，通过网络环境建立的多方参与、持续性的、双向沟通的信息交流共享平台，即虚拟社区进行服务创新参与。但是，如何有效地管理顾客在虚拟社区参与服务创新的过程，特别是结合心理学理论，如本文运用的交互式记忆系统进行研究，提高顾客参与服务创新的效率，是重要而紧迫的。

二、研究模型与假设

（一）研究模型

本文探索性地提出具有调节效应的顾客参与服务创新绩效的中介效应模型，如图1所示。从交互记忆系统的角度探究虚拟社区顾客参与服务创新的过程，认为顾客间、顾客与企业间通过交互可以形成高效的合作分工和知识共享系统，能够减少知识势差、降低信息搜寻时间、提高协作能力，进而提升虚拟社区服务创新绩效。

图1 研究模型

模型中的自变量是顾客参与服务创新，中介变量是交互记忆系统，因变量是服务创新绩效，这些变量同时又是复合变量，由多个维度构成。具体而言，顾客参与服务创新由参与强度、参与深度、参与广度三个一阶变量构成；交互记忆系统由专业性、可信度和协调性三个一阶变量构成；服务创新绩效划分为顾客绩效和运营绩效。选取顾客社交关系质量和社区网络交互能力为调节变量，以进一步探究社区成员的社会资本和社区本身的网络化环境对该机制的影响。依次探索各变量间的影响关系，并结合问卷数据进行验证分析。

（二）模型假设

1.顾客参与服务创新和服务创新绩效

高忠义和王永贵[17]、Fang[18]强调顾客参与创新是企业实现高水平创新绩效的重要战略选择。吴艳芬[19]和陈璟菁[20]认为顾客参与到企业的服务创新中进行合作研发，既能满足顾客复杂而又微妙的动态需求，又能缩短服务和产品的研发周期、降低研发成本、提升服务体验。对于服务密集型企业而言，顾客与企业间的关系是一种价值交换，当顾客感知到从企业那里获得既得利益时，就愿意主动做出一些有利于企业的顾客公民行为，比如宣传推荐、反馈问题、发布评论、对企业忠诚等[21]。由此，提出以下假设：

H1.顾客参与服务创新对服务创新绩效存在显著正向影响。

2.顾客参与服务创新和交互记忆系统

在虚拟社区顾客参与到服务创新的过程中，发生了信息互动、人际之间的社会互动和经验知识的共享等活动[22]。Akgün 等[23]以62个新产品开发团队为样本开展研究，结果表明，团队的稳定性、团队沟通程度、团队成员熟悉度和人际信任均积极影响着交互记忆系统。

1）顾客参与服务创新和专业性

交互记忆系统的专业性主要在于顾客参与前期对成员彼此信息的获取，获取到的信息和资源越多，则对彼此的专长定位越准确。在虚拟创新社区中，为了满足社交需求和利益需求，大多数顾客能够积极主动或受企业引导增强社区参与度，通过浏览其他顾客的专长标签和发布内容，促进虚拟社区成员间的专长认知一致度。

2）顾客参与服务创新和可信度

Lewis[16]研究发现团队成员之间的信任是建立交互记忆系统的重要因素。Pearsall和Ellis[24]发现团队中关键成员的自信不仅积极促进了交互记忆系统的形成，而且还能促进团队绩效与满意度的提高。越是自信的顾客越倾向于展示自己的才能和智力，其参与程度越高，其他顾客感知到该顾客具有更强的可靠性，进而提高交互记忆系统的可信度。

3）顾客参与服务创新和协调性

协调性代表着创新虚拟社区吸收、整合和利用知识进行协调合作的能力。Burt[25]提出结构洞理论，认为不同源的信息和知识具有互补性，促进企业提高获得、转化利用外部知识的能力。也就是说，顾客参与到服务创新中，可以帮助企业获取更多外部知识，良好的交流和沟通形成信任、规范和共同价值观，从而增强知识整合和吸收的能力。罗瑾琏等[26]综合个体层次、团队层次、组织层次调研了88个知识团队，实证结果表明团队成员的关系强度会正向影响交互式记忆系统的形成。

综上分析，提出如下假设：

H2.顾客参与服务创新对交互记忆系统的形成存在显著正向影响；

H2a.顾客参与服务创新对专业性存在显著正向影响；

H2b.顾客参与服务创新对可信度存在显著正向影响；

H2c.顾客参与服务创新对协调性存在显著正向影响。

3.交互记忆系统与创新绩效

交互记忆系统可以帮助成员对不同领域的专业知识进行编码、存储和检索，当个体需要其他专业领域的知识时，可以向其他成员寻求帮助，而不必花费时间和精力进行搜索与学习，使成员的认知负荷和团队的信息冗余得以降低，有利于整体资源和效用的充分发挥[27]。

1）专业性和服务创新绩效

专业性代表顾客在参与服务创新过程中对自己和他人的专长定位以及顾客间的专长相异性。当顾客参与到虚拟社区的服务创新活动时，社区会根据顾客的行为产生系列标签，通常以积分、用户等级、技能标签等形式展现，使顾客通过浏览或互动快速了解其他顾客的专业领域。Zhong等[28]指出，通过使团队成员各自负责不同领域的专业知识，每个成员的认知负担可得到有效减轻，整个团队信息的冗余可以得到减小，从而使团队成员的工作效率得到提升。

2）可信度和服务创新绩效

可信度是指顾客在参与服务创新过程中对彼此拥有知识和提供信息的信任程度。虚拟社区中，顾客可以通过评论、评分、点赞、点灭、分享、收藏等行为来表达自己对其他顾客提供知识和信息的信任与认可程度。根据Chio等[29]的研究，团队成员之间相互信任时，每个团队成员不需要对自己所提供的知识进行解释和说明，从而节省时间提高效率，有效加快彼此知识和技能的交换。张爽等[30]基于物联网研发团队得出交互记忆系统的信任维正向促进团队创新绩效。

3）协调性和服务创新绩效

协调性是顾客在参与服务创新过程中对彼此掌握的专长的整合和利用程度。虚拟社区中，顾客可通过社区的信息检索系统实时检索特定信息，或者通过浏览特定版块里的信息完成专长目录和个人知识库的更新，也可直接私信好友或相关领域的专家完成信息检索。詹一虹等[31]、Kanawattanachai和Yoo[32]证明了在任务完成过程中，团队成员间协调专长并合理 分工和配合可以有效提高团队绩效。

综上所述，提出如下假设：

H3.交互记忆系统对服务创新绩效存在显著正向影响；

H3a.专业性对服务创新绩效存在显著正向影响；

H3b.信任度对服务创新绩效存在显著正向影响；

H3c.协调性对服务创新绩效存在显著正向影响。

4.交互记忆系统的中介作用

由于顾客来自企业外部，具有专业多元性，有利于专业互补，促进服务创新绩效；互相信任会增进沟通交流，促进服务创新绩效；顾客之间由于消费相同的服务，有共同目标和共同语言，容易形成协调关系，促进服务创新绩效。综合以上关于服务创新绩效和交互记忆系统与服务创新绩效关系的分析，可以得知，顾客参与服务创新以影响交互记忆系统的不同维度，进而作用于服务创新绩效，基于此，提出如下假设：

H4.交互记忆系统显著中介顾客参与服务创新和服务创新绩效的关系；

H4a.专业性显著中介顾客参与服务创新和服务创新绩效的关系；

H4b.信任度显著中介顾客参与服务创新和服务创新绩效的关系；

H4c.协调性显著中介顾客参与服务创新和服务创新绩效的关系。

5.顾客社交关系质量的调节作用

顾客社交关系质量指的是顾客与顾客本身以外社会资源联系的频繁程度、密切程度以及数量和质量[33]。在虚拟社区中，顾客在参与服务创新活动过程中会形成某种社会关系，诸如好友关系、粉丝或关注关系、转发和评论关系等，由此形成具有某种结构的社会网络。个体在形成自我的行为、态度或观点的过程中，会参考社会系统中其他个体的行为、态度或观点[34]。个体倾向于和自己相似的人建立社交关系，也更愿意去跟同质性的人发生互动，互动关系会直接影响知识共享关系，互动越多知识共享越多[22]，形成的交互记忆系统越稳定成熟。由此，提出如下假设：

H5.顾客社交关系质量显著正向调节顾客参与服务创新和交互记忆系统的关系；

H6.顾客社交关系质量显著正向调节交互记忆系统和服务创新绩效的关系。

6.社区网络交互能力的调节作用

社区网络交互能力是指企业或服务平台运用网络交互技术如微博、微信和品牌社区等虚拟社区与顾客沟通交流形成的交互能力[35]，反映企业或服务平台运用网络交互技术的整合性和灵活性。企业采用网络交互技术使企业与顾客间的交互能力更强、交互策略更加灵活，从而使交互双方受益[36]。Choi等[29]通过对139个团队、743名员工的实证研究证明组织中的IT支持对团队中交互记忆系统的发展有积极影响。Pavlou和Dimoka[37]基于eBay的反馈技术，研究表明企业采用网络交互技术能够提高顾客对企业业务的信任。由此，提出如下假设：

H7.社区网络交互能力显著正向调节顾客参与服务创新和交互记忆系统的关系；

H8.社区网络交互能力显著正向调节交互记忆系统和服务创新绩效的关系。

三、实证研究

（一）问卷设计和数据收集

本文将调查问卷设计为个人基本情况和量表测量两大部分，在个人基本情况部分设立排查项，即必须是具有虚拟社区参与行为的个体，以筛选出目标被试对象。在量表测量部分，采用李克特七级量表度量各题项，1表示完全不同意，7表示完全同意。在正式发放问卷之前，首先就各测量项的语义明晰度、独立度在20人内进行小规模访谈测试，其中包括一名本领域的专家教授以及多名来自不同领域的学生和社会工作人士，根据访谈和测试结果进行修改得到正式调查问卷。采用问卷星平台制作正式问卷，并通过虚拟社区等多种渠道进行大规模发放，以完成问卷数据收集工作。问卷量表及问项来源如表1所示。

表1 问卷测量量表

续表1 问卷测量量表

本研究共回收597份问卷，排查剔除掉184份非目标被试对象问卷，一共获得413份目标被试问卷。为了确保被试对象认真填写，剔除了目标被试样本中填写时间少于一分钟和回答问项均一致的问卷，最终获得目标被试有效问卷396份，问卷有效率为66.3%。396名被试位于29个不同的省市，被试填写问卷平均耗时250秒，进一步保证了回收样本的合理性。

（二）信度、效度分析

1.量表的信度分析

问卷的信度检验是研究样本是否真实回答及衡量问卷数据有效性的重要检验方式。目前通常采用α系数（Cronbach’sα，也称内部一致性系数）来评价问卷的信度。α系数应该在0～1之间，值越大表明各测量项的内部一致性越高，测量数据越可靠。根据Numially的标准，一般认为Cronbach’sα在0.6～0.7时，整体问卷信度可以接受；Cronbach’sα＞0.7时，问卷整体的信度较高。

潜变量组合信度（Composite Reliability，CR）是所有测量项信度的组合，是另一种检验量表信度的方法。潜变量的CR值越高表示潜变量的内部一致性越高，一般认为CR值大于0.6时量表才具有较高信度。本文采用SPSS计算得到的Cronbach’sα和采用AMOS计算得到的组合信度CR值如表2所示，说明问卷的内部一致性很强。

表2 量表的信度分析结果

2.量表的效度分析

问卷效度包括内容效度和结构效度。内容效度即用文字描述的各题项是否能真实测量某个变量概念。本文的量表借鉴了国内外成熟量表，并基于对研究对象的深层次研究进行了修改，故本文问卷具有较好的内容效度。结构效度分为区分效度和收敛效度，用来衡量测量题项与潜变量的对应关系是否与实际情况相符。

本文计算得到的KMO值为0.912，在0.8以上。Bartlett’s球形检验的显著性小于0.001，说明收集的问卷数据适合做因子分析。由AMOS结构方程模型软件计算得到的潜变量的收敛效度结果显示，各题项在其所测量的潜变量上的标准化因子载荷系数均大于0.5，且在统计上显著。同时，各个潜变量的AVE值均等于或大于0.5，说明量表收敛效度良好。顾客参与量表中参与强度的测量项PI2、参与深度的测量项PD4以及服务创新绩效量表中顾客绩效的题项CP4、运营绩效的OP4均大于等于0.95，故删除这四个测量项。在剔除掉这几个测量项后，重新计算的顾客参与服务创新和服务创新绩效的收敛效度分析结果如表3所示。

表3 修正测量项后的收敛效度分析

续表3 修正测量项后的收敛效度分析

修正测量项后的数据结果表明，标准化路径系数均在0.6～0.95之间，符合参数估计要求。各个潜变量的AVE值均接近或大于0.5，表明修正后量表的收敛效度良好。

表4为修正量表后潜变量的区分效度分析结果，黑体的对角线元素为各潜变量的AVE平方根值，下三角元素为对应两潜变量的相关系数。根据表4中数据，各潜变量均显著相关，且潜变量间的相关系数都小于各潜变量的AVE平方根值，这说明各潜变量的内部相关性大于外部相关性，量表具有较好的区分效度。

表4 潜变量的区分效度分析

（三）假设检验

1.结构方程模型分析

结构方程模型（Structural Equation Modeling，SEM）于1973年由Joreskog[45]提出，是通过协方差矩阵来分析变量之间关系的多元线性建模方法，又称协方差结构分析或因果建模。当前，结构方程模型被广泛应用于经济、管理、心理、社会学等领域的研究中。在这些研究领域中经常会遇到一些不能准确或直接测量的指标，即潜变量，这些潜变量只能用外显指标即显变量或观测变量来间接测量。在传统的统计分析方法中，这些潜变量不能得到妥善处理，而SEM能同时处理潜变量及其对应的观测变量，将其置于同一模型中进行分析，估计变量间的结构和关系。

本文基于剔除了PI2、PD4、CP4、OP4四个测量项后得到的修正量表，根据假设H1～H3构建结构方程模型。具体的模型拟合指标参数和参数估计结果分别如表5和表6所示。

根据表5，模型的自由度DF大于0，说明模型是可识别的。卡方自由度比值CMIN/DF小于5，CFI、IFI、GFI、AGFI的值都大于0.8，RMSEA的值小于0.1，各拟合参数均可接受，故模型适配度良好。

表5 模型适配度指标

对模型的路径系数进行显著性检验。根据表6中数据，各路径的标准化路径系数均在[-1，1]之间，且P值小于0.001，表明路径系数显著，有着显著的正向影响，假设H1～H3得到验证。

表6 模型估计参数

2.中介效应检验

对于中介效应是否显著的检验方法主要包括依次检验法、MCMC法、Sobel检验法和Bootstrap检验法。其中，Bootstrap检验方法是目前比较准确的中介效应检验方法[46]。本文对于交互记忆系统的中介作用检验，采用AMOS结构方程模型软件基于Preacher和Hayes[47]提出的Bootstrap方法进行检验。由于结构方程模型软件中Bootstrap方法计算的是总中介效应，不能检验特定部分的中介效应，Holbert 和 Stephenson[48]建议采用Mackinnon[49]的PRODCLIN2程序来检验多因子中介模型的特定路径的中介效应，根据AMOS结构方程模型软件参数估计结果中自变量到中介变量、中介变量到因变量的非标准化路径系数和标准误，以及标准化的总直接效应估计结果，执行程序后若计算结果的95%置信区间没有包括0，则表明该条路径的中介效应显著。

根据假设H4、H4a、H4b、H4c构建图2中交互记忆系统对顾客参与和服务创新绩效的多重中介作用结构方程模型，以检验交互记忆系统的不同中介路径的影响程度。采用Bootstrap检验法的模型拟合指标参数和具体参数估计结果分别如表7～表9所示。

图2 交互记忆系统中介效应模型

表7 交互记忆系统中介效应模型适配度指标

表8 交互记忆系统中介效应模型的总中介效应检验

表9 交互记忆系统中介效应模型的部分中介效应检验

首先，查看模型的识别和适配度指标。根据表7，该模型的自由度DF大于0，说明模型是可识别的。卡方自由度比值CMIN/DF小于3，CFI、IFI、GFI值都大于0.9，AGFI值在[0.8，0.9]之间，在可接受的范围内，RMSEA的值小于0.08，故模型适配度良好。

其次，检验总中介效应是否显著以及中介效应程度。表8中总中介效应检验部分，点估计值和标准误指采用Bootstrap方法计算得到的路径参数估计值。Z值为点估计值/标准误，值的绝对值若大于1.96则表明显著。数据表明，交互记忆系统的总间接效应值为0.629，Bias-corrected的95%置信区间和Percentile的95%置信区间均不包含0，说明交互记忆系统对于顾客参与和服务创新绩效的中介效应存在且显著，即H4得以验证。另外，总直接效应值为0.125，Bias-corrected的95%置信区间和Percentile的95%置信区间均包含0，说明直接效应不显著，交互记忆系统对顾客参与和服务创新绩效的中介效应类型是完全中介。

再次，检验具体中介因子的中介效应是否显著。通过以上分析可知交互记忆系统的中介效应存在且显著，代表着交互记忆系统的三条中介路径至少有一条存在中介效应，具体三条中介路径的显著情况还需继续检验。通过表8中部分中介效应检验的结果可知，中介因子专业性的Mackinnon PRODCLIN2的95%置信区间包含0，说明专业性该条路径中介效应不显著，则H4a没有得到支持；中介因子可信度的Mackinnon PRODCLIN2的95%置信区间不包含0，说明可信度该条路径中介效应显著，则H4b得以验证；中介因子协调性的Mackinnon PRODCLIN2的95%置信区间不包含0，说明协调性该条路径中介效应显著，则H4c得以验证。根据以上分析，交互记忆系统对顾客参与和服务创新绩效的完全中介效应是通过其可信度和协调性两维度起作用的，可信度和协调性两条路径的中介效应值分别为0.319和0.255，说明可信度对于顾客参与和服务创新绩效的中介影响程度要大于协调性。

3.调节作用检验

在验证了交互记忆系统对顾客参与和服务创新绩效存在显著正向中介效应后，本文采用层次回归分析方法来检验顾客社交关系质量和社区网络交互能力的调节效应是否存在。式（1）～式（4）为根据假设H5～H8建立的四个回归方程，式（1）和式（2）分别检验顾客社交关系质量对交互记忆系统中介过程前半路径和后半路径的调节作用是否存在。式（3）和式（4）分别检验社区网络交互能力对交互记忆系统中介过程的前半路径和后半路径的调节作用是否存在。

表10 调节效应层次回归分析结果

根据方程（1）中的参数估计结果，在引入顾客参与和顾客社交关系质量的交叉项后，模型显著（F=52.207，P＜0.001）具有统计意义，自变量顾客参与和调节变量顾客社交关系质量对因变量交互记忆系统的解释力达55.2%，相比于没有引入交叉项的模型解释力提高0.009（ΔR2=0.009），且ΔR2在0.05的水平下显著，说明模型R2变化量是有意义的。根据回归结果，顾客社交关系质量的回归系数为0.360，P＜0.001，说明顾客社交关系质量与交互记忆系统呈正相关。顾客参与和顾客社交关系质量交叉项的回归系数为0.108，P＜0.05（P=0.025），说明顾客社交关系质量正向调节顾客参与和交互记忆系统之间的关系，结合中介效应分析结果，即顾客社交关系质量的提高会加强顾客参与对交互记忆系统的影响，H5得以验证。

根据方程（2）中的参数估计结果，在引入交互记忆系统和顾客社交关系质量的交叉项后，模型显著（F=67.810，P＜0.001）具有统计意义，但模型的ΔR2为0且不显著，说明模型R2变化量无意义。根据回归结果，该交叉项的回归系数为0.015，P＞0.05（P=0.740），未显著，说明顾客社交关系质量对交互记忆系统和服务创新绩效之间的关系没有显著的调节作用，即H6未得到支持。

根据方程（3）中的参数估计结果，在引入顾客参与和社区网络交互能力的交叉项后，模型显著（F=63.378，P＜0.001）具有统计意义，相比于没有引入交叉项的模型解释力提高0.006（ΔR2=0.006），但ΔR2并未在0.05的水平下显著，说明模型R2改变量无意义。根据回归结果，企业网路交互能力的回归系数为0.391，P＜0.001，说明社区网络交互能力与交互记忆系统呈正相关。顾客参与和社区网络交互能力交叉项的回归系数为0.087，P＞0.05（P=0.061），即该交叉项在0.05水平下未显著，说明社区网络交互能力对顾客参与和交互记忆系统的关系没有显著的调节作用，即H7未得到支持。

根据方程（4）中的参数估计结果，在引入交互记忆系统和社区网络交互能力的交叉项后，模型显著（F=84.450，P＜0.001）具有统计意义，自变量顾客参与和调节变量顾客社交关系质量对因变量交互记忆系统的解释力达39.6%，相比于没有引入交叉项的模型解释力提高0.007（ΔR2=0.007），且ΔR2在0.05的水平下显著，说明模型R2改变量有意义。根据回归结果，社区网络交互能力的回归系数为0.283，P＜0.000 1，说明社区网络交互能力与服务创新绩效呈正相关。交互记忆系统和社区网络交互能力交叉项的回归系数为0.088，P＜0.05（P=0.040）,说明社区网络交互能力正向调节交互记忆系统和服务创新绩效之间的关系，结合中介效应分析结果，即社区网络交互能力的提高会加强交互记忆系统对服务创新绩效的影响，H8得以验证。

为了更直观地了解顾客社交关系质量对顾客参与和交互记忆系统的调节作用，以及社区网络交互能力对交互记忆系统和服务创新绩效的调节作用，分别计算两个调节变量的均值和标准差，按照均值±标准差将调节变量分为高低两组数据，并进行简单斜率分析，根据回归结果绘制的交互作用图分别如图3和图4所示。

图3 顾客社交关系质量对顾客参与和交互记忆系统关系的调节作用

图4 社区网络交互能力对交互记忆系统和服务创新绩效关系的调节作用

假设检验的结果如表11所示，其中14条假设得到支持，三条假设未得到支持。

表11 模型假设检验结果

四、结论与管理启示

（一）结论

本文对国内外顾客参与服务服务创新和交互记忆系统等相关研究进行归纳和梳理，将交互记忆系统理论引入虚拟社区的顾客参与服务创新影响机制研究中，探究了顾客参与服务创新、交互记忆系统和服务创新绩效间的作用机制，并引入了顾客社交关系质量和社区网络交互能力两个调节变量，构建了基于交互式记忆系统的虚拟社区顾客参与服务创新影响机制理论模型。主要选取顾客活跃度较高的虚拟社区进行深层次的社区调研和指标挖掘，借鉴相关文献进行量表开发，共获取了396份有效问卷。基于回收样本，采用SPSS和AMOS软件对理论模型进行实证检验，得出以下研究结论：（1）顾客参与服务创新显著正向影响服务创新绩效和交互记忆系统，交互记忆系统正向促进服务创新绩效。根据路径系数大小可知，对专业性的促进作用要稍大于可信度和协调性。（2）顾客参与服务创新对服务创新绩效的作用被交互记忆系统完全中介，主要通过可信度和协调性维度起中介作用。（3）虚拟社区中顾客社交关系质量和社区网络交互能力均正向调节顾客参与对交互记忆系统的影响，当顾客在虚拟社区中拥有良好的社交关系质量，顾客参与行为会加强社区顾客间彼此的专长目录更新、专长信任和合作协调度。

（二）管理启示

1.建立全面的顾客行为数据指标体系，引导顾客深度参与。交互记忆系统是一个复杂的群体知识管理系统，虚拟社区中顾客产生了很多碎片化的知识，但局限于社区的虚拟性质，顾客无法面对面交流，只能通过捕捉其他顾客的行为动态来了解其专长进而沟通交流。通过对多个领域的虚拟社区进行调研，发现有些社区的顾客行为数据指标建立不是很完善，使得顾客间彼此想要了解的意愿很低，进而导致虚拟社区的顾客活跃度很低。本文认为，应在不侵犯用户隐私的前提下，提升顾客行为数据展示的丰富度，比如说顾客的历史浏览、收藏、点赞、发表等行为动态，顾客的积分、等级地位等状态数据，以及顾客的技能标签等数据，对刚进入到虚拟社区的顾客建立专长目录，这对产生深度参与的倾向很重要。

2.重视虚拟社区中的交互记忆系统的形成和维护。在实证结果中，交互记忆系统的形成对虚拟社区的服务创新绩效有较强的促进作用，在顾客参与到服务创新绩效的转化过程中也起到完全中介作用，说明虚拟社区应该重视交互记忆系统的形成和维护，为其高效发挥作用提供支持。本文认为，建立虚拟社区的企业或平台可从三个方面进行交互记忆系统的建设。首先，明确社区中顾客的专长分配，可通过建立透明的专长管理制度，定期对重复、过期的知识去重和清理，并通过官方推荐等方式引导顾客进行专长更新，来提高社区中顾客间的专长认知一致度和准确度，降低认知重复和信息冗余。其次，还可以通过适当提高社区进入门槛，来提高社区的专业性水平。其次，培养虚拟社区中顾客间的信任。只有顾客对其他顾客的专业知识足够信任，才会放心采纳该顾客提出的想法。再次，加强顾客间的沟通交流，鼓励顾客协调配合完成任务。企业或平台可定期发起活动引导顾客参与互相沟通交流，通过沟通了解顾客彼此掌握的知识，以及建立信任，充分整合和利用其他顾客掌握的信息，进而提高任务完成效率。

3.注重顾客社交关系的建立和社区网络交互能力的提升。顾客社交关系包括顾客间的社交和顾客与企业或平台员工间的社交，如果顾客具有高质量的社交关系，顾客就会产生较强的社区归属感，在参与的同时直接或间接地掌握大量资源，也会更愿意分享交流自己对服务产品的想法和需求，从而提高虚拟社区的交互记忆系统的成熟度。另外，虚拟社区的网络交互能力对于顾客参与服务创新的绩效转化有着正向调节作用。企业或平台可通过增加顾客到达虚拟社区的渠道，提升交互渠道的灵活性、整合性和趣味性。同时优化交互流程来提升顾客对虚拟社区的使用体验，打造顾客沉浸体验，比如设计不同的开发参与节点和新颖的互动方式，以提高大多数沉默顾客的参与度，让虚拟社区的交互记忆系统更好地发挥作用，提升创新绩效。

总之，顾客参与服务创新是至关重要的，企业如何激励顾客参与服务创新，构建交互式记忆系统是有效的途径，同时要注重顾客社交关系的建立和社区网络交互能力的提升，最终提高服务创新绩效。