数字化环境下制造企业服务创新反哺产品创新扩散机理

李玉娟 ,罗建强,2

(1.江苏大学 管理学院,江苏 镇江 212013;2.江苏大学 中国农业装备产业发展研究院,江苏 镇江 212013)

技术为核-产品承载-服务创新是制造业服务化的典型路径,但三者间的关系受企业资源和能力的约束会有承接断裂现象产生。制造企业通过激发企业资源活力,扩散产品创新结果,将其体现于服务提供过程,实现制造企业价值创造的更大化。但服务提供过程的创新活跃性与客户享受价值的递减性影响着企业价值创造,而数字技术正以海量储存、深度挖掘和高效处理数据的优势破解这一僵局,并重塑行业生态与竞争格局。数字化赋能制造企业既实现了后台产品创新不断涌现,又触发了前台服务创新层级迭代,使得产品创新与服务创新(以下简称“两类创新”)相互代入性增强[1],形成了产品、软件和服务三者集成的综合解决方案。

承载于产品实体的服务是制造企业在产品技术存续期内实现价值增值的常用手段,如陕西汽车以整车为载体,搭建商用车全生命周期服务平台,开发了融资租赁、车联网数据服务等增值性服务业务。数字化环境为制造企业创新营造了良好的场景,产品运行或客户使用过程产生的数据使得两类创新更为活跃,同时数据所生成的知识为产品创新提供了良好条件和丰富资源,即数字化环境下制造企业服务创新过程与结果所产生的知识成为驱动产品创新的中介。尤其在数字化环境下制造企业对知识获取发生了质和量的变化,从仅能获取产品使用、功能缺陷和改进意见等显性知识过渡到汲取客户潜在需求并开拓新市场的隐性知识。数字化环境下制造企业通过数据决策优化创新资源配置[2],驱动产品创新由渐进性向颠覆性变化,呈辐射状强化了创新主体间的黏结关系[3],但也需要防范因服务创新过于超前或滞后而产生产品创新扩散失败的风险。

制造企业数字化在增强业务关联性和协调性的同时,有效推进了两类创新协同发展,数字赋能所涌现的大量知识促进两类创新发展的作用愈加显著。数字化环境下制造企业借助知识转化,实现服务创新反哺产品创新在企业实践中得到不断印证,如小米科技、海尔集团等利用数字技术连接物理本体和使用过程,获取云端大量产品使用数据与客户感知信息,实现了产品创新的精准研发。但数字化环境下知识在反哺过程中的扩散程度尚不明晰,即创新遭遇客户拒绝导致扩散失败,利用服务创新过程中沉淀的大量数据/信息提炼后形成的知识指导企业创新、减少企业试错成本至关重要。为此,本文构建数字化环境下服务创新反哺产品创新的Bass创新扩散模型,揭示服务创新过程获取的知识对产品创新的作用机理。同时,借助Bass创新扩散模型,解析数字化环境下两类创新内外部因素变化对显/隐性知识转化利用的影响,凸显数字赋能企业价值创造过程中数字化水平对反哺作用的重要性。

本文的创新点体现在:①破解产品创新被低端锁定的困境,丰富制造企业产品创新的实现途径,促进制造企业服务化和数字化转型进程,实现制造企业数字经济背景下产品适应性创新。②利用Bass创新扩散模型,探索数字化环境下制造企业两类创新的关联性,揭示制造企业数字化水平、内外部因素以及知识转化对两类创新扩散的影响,丰富两类创新的研究维度。③基于知识转化的视角,拓展经典Bass模型的使用范围和运用场景,契合产业数字化背景下创新扩散的市场特征。

1 文献综述

1.1 数字化环境下两类创新关系

随着场景式-泛用式-交互式数字化实践的深入,数字技术正逐渐打破制造企业的创新壁垒,通过内生性和外生性资源整合,构建能力资源聚合体[4],加速产品与服务的迭代及扩散。数字化环境改变了制造企业运营模式,推动了企业生产要素优化重组,促进了企业渐进性和颠覆性产品创新。同时,数字化环境下制造企业为主动引领市场变化,践行着基于产品的服务创新,旨在利用服务拓展企业价值创造的时空并增强客户黏性[5]。

数字化环境下聚焦需求端的服务创新与供给端的产品创新相辅相成,关系愈加紧密。产品创新对服务创新具有支撑作用,即产品作为服务的有形展示与证据,支撑服务创新及其价值增值的实现[6]。数字化环境下产品智能化水平趋高支持了高阶服务的开发,同时数字技术可供性、动态性与开放性能够增强服务价值的客户感知,更易于实现服务价值最大化[7]。服务创新对产品创新具有促进作用,即制造企业数字化能够营造出多主体参与、多元化场景并存的交互与交易环境,客户在服务体验过程中产生的海量数据/信息,经数据聚变、技术转化及扩能效应,成为促进产品创新的重要来源,从而前瞻性改善产品研发设计、结构性能,推动产品创新由渐进性向颠覆性转变[8]。当前文献从不同角度诠释了两类创新间的新关系,如服务创新水平高的企业采用激进式的产品创新具有短视性,而中等服务创新水平有助于企业产品创新的发展[9]。若将服务增强和技术创新纳入同一框架,制造企业通过提高资源配置效率能够增加产品创新机会并促进服务创新[10];制造企业若将产品或服务植入数字化环境,能够探寻颠覆性或前瞻性的服务创新路径,并调整传统产品创新思维[11]。然而,数字化环境下制造企业两类创新关系尚需明确。

1.2 服务创新过程的知识涌现

当前数字经济与知识经济交织丰富了制造企业的创新来源。中国制造企业创新应用优势不断得以增强,创新频繁发生于制造与服务的交叉域。数字化环境下制造企业服务创新动态演变过程所沉淀的海量客户数据/信息,不仅增强了企业内部制造流程与外部服务业务间的衔接,而且加速了企业内部知识与外部知识的集成[12],为制造企业资源整合与价值共创提供了新主张。

数字化环境下制造企业依据业务属性、产品类型与技术含量向市场提供了多样化的服务,产生了不同类型的知识[13]。如涉及产品研制、调试、监控、维护、升级和回收等的产品生命周期服务,制造企业提取产品不同阶段的数据和知识,有针对性地提供增值服务,并聚焦未来产品创新方向,促进企业以结构化方式挖掘高质量的产品创意,有效更新产品技术[14]。如考虑客户产品购买力、使用用途、使用频率的交易服务(按时间/次数收费),企业能够通过收集体现客户需求的关联数据,深度挖掘与聚类分析此类数据,丰富产品创意[15]。随着数字技术嵌入对象类型的增加,产品知识蕴含量激增(如智能汽车),两类创新协同性得以增强。数字化环境能够强化知识溢出效应并提高创新效率[16]、降低企业创新的成本和风险[17]、实现更高价值的新产品提供[18]。因此,数字化环境下制造企业利用供需交互所产生的网络效应,能驱动所存储的客户数据/信息由离散趋向收敛,实现外部客户知识与企业内部知识耦合,极大地提升知识的获取、整合效率[19]。但数字化环境下知识如何衔接制造企业两类创新关系的作用机理尚需挖掘。

1.3 数字化环境下知识对产品创新扩散的影响

制造企业创新能力的提升不仅在于创新意念的产生,更需要创新结果在市场中的扩散[20]。信息获取和行为决策支持下的创新扩散过程决定着企业创新价值的实现,即蕴含于产品或服务的创新若得到社会认同与市场采纳,才能实现创新价值,否则只会产生沉没成本[21]。Lee等[22]将创新扩散定义为“随时间推移,创新通过特定沟通渠道在潜在采用群体中传播和共享的过程”,在此过程中,新的信息、数据和知识不断产生并传播,显化着创新的意义。

目前,创新扩散情景由技术导向回归社会需求,边界从有限产品扩散向无限融合创新扩散拓展。数字化环境下各创新参与主体间创新扩散频繁发生,创新规模和范围不断扩张,创新以非线性的动态方式展开[23]。创新扩散的研究对象发生着由要素探索(如产品价格、广告费等)和聚焦应用场景的具象研究,转移到机制与方法的研究。数字化环境下产品创新扩散、社交媒体创新扩散成为该领域研究的热点[24]。王展昭[25]考虑了品牌竞争影响因素和重复购买的调节效应,通过构建小世界网络情景下的新产品扩散阈值模型,探究了品牌竞争与新产品扩散间的影响关系。唐中君等[26]基于网络社交平台用户转发动机,提出了改进Bass模型的产品信息扩散模型,研究了明星效应、产品信息质量等因素对产品信息扩散的影响。徐建中等[27]将改进的Bass创新扩散模型和演化博弈综合,分析了政府规制行为对制造企业服务创新行为的演化及扩散影响。上述研究表明,数字化环境下制造企业创新频繁发生、企业业务范围不断得以拓展。制造企业与客户在新的交互/交易方式下,面向客户问题解决的两类创新不断被修正,产品功能和结构以及服务提供方式都将在扩散中动态迭代[28]。具体表现为企业内部及其与市场间的知识流动,以及创新参与者间的资源整合和价值进化[29]。由此产生的结果是承载于产品的新服务更易于为客户接受[30],接受过程所产生的知识驱动了产品创新能力的提升,促进了新产品的市场认同[31]。

综上所述,首先,现有研究以协同能力、动态资源和创新生态系统等理论为基础,分别探索了制造企业两类创新的价值共创过程。遵循“能力-行为-结果”的逻辑,研究了组织柔性、客户介入和数字平台能力等对两类创新绩效产生的影响。但数字化环境下制造企业两类创新行为交织涌现,相互支持并相互渗透的作用机理仍有待进一步揭示。其次,现有研究基于客户需求导向的视角,聚类挖掘客户数据,探寻两类创新的机会识别路径,以此构建了知识搜寻、知识吸收与两类创新的关系模型,进一步分析了对两类创新的影响。但基于知识转化的视角探究两类创新的研究主要聚焦单一创新维度,即创新结果仅关注了服务创新或产品创新,缺乏以知识为纽带探究两类创新的相互作用关系。最后,现有研究对制造企业创新扩散的分析侧重于技术扩散效应、扩散路径和影响因素等方面,数字化环境下制造企业两类创新扩散渠道与模式打破了传统创新扩散规律,社交媒体、社会网络等现代模式逐步替代了大众媒体传播、人际网络传播等传统模式,知识在创新过程中的作用愈加显著。但从知识转化的视角探析数字化环境下制造企业两类创新扩散的作用机理仍有待深究。因此,本文从两类创新协同发展的角度构建Bass创新扩散模型,探索数字化环境下服务创新经知识凝练反哺产品创新的作用机理,以精准产品创新方向,进而优化衍生出更具价值创造力的创造性解决方案。

2 问题描述与研究方法

2.1 问题描述

制造企业产品发布会产生实际和潜在购买群体,制造企业拓展价值创造时往往会基于既定产品技术开发满足潜在购买群体需求的新服务,实现基于产品的服务价值最大化。数字化环境下制造企业新服务在逐渐为客户感知和采纳的过程中,留存了大量多元异构的客户数据,借助数字技术将这些数据转化为用以指导产品创新的知识,有益于产品迭代创新并为客户所采纳,且实际购买群体规模将随之扩大,产品创新的市场采纳度得以提高。具体创新过程如图1所示。

图1 数字化环境下服务创新反哺产品创新过程Fig.1 The process of service innovation back-feeding product innovation in the digital environment

数字化环境下两类创新在协同发展过程中存在相互支持的关系,开始状态是制造企业承载既有产品技术向客户提供确保产品功能稳健实现的基础性服务(如维修维护服务),实际和潜在购买群体自然划分,此时数字技术是以保障产品功能的角色而存在。制造企业为扩展新市场和谋求更大的价值创造,采取了以提供高级服务为目标的服务创新(如定制化服务),此时数字技术承担着提取客户需求信息和便利新服务提供的双重角色。但当发现先进服务需要更高级的产品技术支持实现时,制造企业将利用沉淀的数据汲取知识,面向服务开展产品创新,此时数字技术起着促进产品创新的作用。

由此,目标市场客户群体发生着潜在购买群体趋小而实际购买群体趋大的变化,产生这种变化的关键是数字化环境下制造企业服务创新过程中涌现的知识对产品创新的反哺作用,研究问题具化到以知识转换为桥梁,揭示服务创新如何反哺产品创新及其新产品的市场扩散规律。

2.2 研究方法

依据供需决策过程信息来源和决策行为的不同,新产品和新服务的消费群体划分为潜在购买群体和实际购买群体,为探究潜在购买群体转化为实际购买群体的过程,Bass模型将该转变过程归因于受创新效应和模仿效应的影响。其中,创新效应反映潜在购买群体受广告、价格等外部因素影响自发形成的创新群体,模仿效应反映潜在购买群体受客户间信息交流等内部因素的影响跟随形成的模仿群体。Bass模型能够刻画客户对新产品与新服务主动采纳行为和受已采纳者影响的被动采纳行为,转变过程如图2所示。

图2 Bass模型的转变过程Fig.2 The transformation process of Bass model

Bass模型虽能呈现新产品推出市场后,累积采纳者数量和新增采纳者的变化趋势[25],但数字技术的应用模糊了两类创新阶段划分,缩短了创新扩散时间,制造企业两类创新扩散的结构、渠道和模式发生了变化,两类创新扩散过程和结果间的动态关系变得更为复杂。考虑到在两类创新扩散过程中Bass模型的外部影响效应产生于服务创新的结果表现,内部影响效应来源于产品创新的客户跟随,以及Bass模型能够刻画制造企业从产品研发、投入市场到技术完善、最终推广的产品创新全过程,潜在购买群体从获知、感知、评价到最终享用服务全过程。为此,本文利用Bass模型来揭示数字化环境下制造企业服务创新反哺产品创新的作用机理,以及经知识物化而生成新产品的市场扩散程度。以影响服务创新扩散的内外部因素作用于产品创新扩散为观察点,预测服务创新反哺产品创新的成效,以减少制造企业产品创新的试错成本。

3 数字化环境下服务创新反哺产品创新模型构建

经典Bass模型认为创新扩散受到两方面因素影响:一是以大众传媒为主的外部因素,潜在使用者在广告、新闻等大众传媒的影响下快速获取产品外观、功能等信息,以渲染、强化创新扩散;二是以口碑传播为主的内部因素,潜在采纳者在已采纳者的影响下感知产品的可靠性、耐用性等,以获得更全面、专业的产品使用信息。经典Bass模型的基本假设包括:市场容量不随时间变化而改变,一类创新扩散不受其他类型创新扩散的影响,创新扩散过程内外部因素的影响程度恒定不变,不存在供给约束等。而数字化环境下上述假设被逐渐打破,因此,揭示数字化环境下服务创新过程中涌现的知识对产品创新的反哺作用,需要对经典Bass模型进行修正。

3.1 两类创新的相互作用

两类创新分别作为制造企业服务化的外在表现和内在基础,具有伴生性,由此形成如服务衍生、产品服务集成创新等。为探析知识在两类创新协同过程中的作用,分别建立两类创新扩散模型。假设t时刻服务创新和产品创新的客户累积采纳量分别为S(t)和N(t),根据经典Bass模型可得:

式中:M1为服务创新的市场容量;M2为产品创新的市场容量;F1(t)为t时刻客户采纳服务创新的累积比例;F2(t)为t时刻客户采纳产品创新的累积比例,且F1(0)=0,F2(0)=0。两类创新市场容量不同是源于制造企业存在借助竞争对手的产品开发面向终端市场的新服务。

假设f1(t)是t时刻服务创新采纳数量占市场容量比例的概率密度函数,f2(t)是t时刻产品创新采纳数量占市场容量比例的概率密度函数,则t时刻客户采纳两类创新的累积比例为:

根据经典Bass模型的基本等式关系,在t时刻新增采纳两类创新的客户数量与已采用数量呈线性关系,因此可得两类创新在t时刻新增采纳比例的概率密度函数与未采用者比例的比值为:

式中:p1表示服务创新外部因素的影响程度;p2表示产品创新外部因素的影响程度(p1>0,p2>0);q1表示服务创新内部因素的影响程度;q2表示产品创新内部因素的影响程度(q1>0,q2>0)。

通过式(5)、(6)可得t时刻f1(t)和f2(t)分别为:

假设s(t)为t时刻新增服务创新采纳量,n(t)为t时刻新增产品创新采纳量,则两类创新累积采纳量分别为:

数字化环境下产品创新的主要创意源自承载于产品的服务由创新到提供过程中累积的客户数据。数字技术在产品中的嵌入更有益于客户数据的获取和处理以及新知识的形成,能助推服务创新反哺产品创新的实现。该过程中,制造企业两类创新形成附随扩散关系,即产品创新的扩散以服务创新扩散为基础,产品创新的市场容量受到服务创新累积采纳量的影响,两类创新赋能与反哺协同交替以满足潜在市场需求[32]。同时,产品创新的市场容量M2受服务创新累积采纳量S(t)的影响,且M2占S(t)的比例随时间的变化而变化[33]。考虑数字化环境下知识对产品创新的渗透作用,以及客户采纳新产品受与该产品相关的服务感知影响,产品创新的市场容量与服务创新所能扩充的市场存在非线性关系。综合上述因素,数字化环境下产品创新的市场容量和服务创新累积采纳量之间存在如下关系:

式中:δ为产品创新市场容量的时间影响参数。若δ>0,则客户对服务创新的采纳在时间上先于产品创新;若δ<0,则客户对服务创新的采纳在时间上后于产品创新。k为服务创新过程产生的显/隐性知识转化利用率,k>0。ε为其他因素影响下客户采纳产品创新的增量,ε>0。

3.2 数字化水平对内外部因素的影响

经典Bass模型中影响创新被客户采纳的内外部因素影响程度恒定不变,但随着制造企业服务化和数字化水平的提升,实物产品嵌入了大量数字技术,使得产品趋向智能化和服务趋向数字化,逐渐改变了影响客户采纳的内外部因素。

(1) 外部因素。经典Bass模型外部因素主要涉及宣传、推广和大众传媒等。在数字化环境下客户对新服务与新产品的认知发生改变,当制造企业外部环境获取信息的数字化程度越高时,两类创新扩散将愈加显著。但由于客户采纳量的累积以及市场容量的约束,外部因素对两类创新扩散的影响最终会趋于平缓,达到相对稳定的客户积累量。

(2) 内部因素。经典Bass模型内部因素主要是客户间口头交流产品和服务的相关属性(如信息、价格等)。制造企业数字化能加速客户对新产品和新服务的认同速度,提高企业内部数据/信息的传递和处理能力,当制造企业数字化程度愈高时,则愈有利于两类创新的扩散。与外部因素的影响效果类似,数字化环境下制造企业内部因素对两类创新扩散的影响将呈现先加速后趋于平缓的趋势。

由于影响客户采纳新产品和新服务的内外部因素发生了改变,故将内外部因素的影响程度设为自然对数函数[32],分别刻画数字化环境下制造企业内外部因素对两类创新扩散的影响,即:

式中:u1为服务创新的外部影响系数;u2为产品创新的外部影响系数;v1为服务创新的内部影响系数;v2为产品创新的内部影响系数;h(t)为t时刻制造企业的数字化水平。

3.3 数字化环境下服务创新结果的知识转化

数字技术不断改变着制造企业的运营模式,新服务提供过程沉淀了大量客户交易数据及产品使用数据,若将其转化为支持产品创新的知识,将更有助于客户采纳新产品。为刻画知识转化在两类创新间的传导作用,用k表示服务创新对产品创新渗透的影响,体现为服务创新过程产生的显/隐性知识转化利用率。其中,k1为显性知识转化利用率,k2为隐性知识转化利用率。由于显性知识转化主要受外部因素的影响,隐性知识转化主要受内部因素的影响[34],故数字化环境下基于知识转化维度,服务创新对产品创新的渗透影响为

式中:a为显性知识流转系数;b为隐性知识流转系数;p1表示服务创新外部因素的影响程度;q1表示服务创新内部因素的影响程度。

3.4 修正Bass创新扩散模型

综合考虑制造企业两类创新间的反哺关系、数字化环境对创新扩散的影响,以及知识在反哺过程中的渗透作用,数字化环境下制造企业服务创新反哺产品创新的扩散模型为:

假设当t=0 时,服务创新客户累积采纳量S(0)=0,产品创新客户累积采纳量N(0)=0,由式(13)～(15)可得数字化环境下产品创新的市场容量和两类创新累积采纳量分别为:

对S(t)和N(t)求导,可得t时刻两类创新的新增采纳量为:

为利用改进的Bass创新扩散模型,揭示数字化环境下内外部因素对两类创新扩散程度的影响,显/隐性知识流转系数对产品创新扩散的作用机理,以及凸显改进的Bass创新扩散模型的先进性,本文借助实例,旨在验证数字化环境下服务创新反哺产品创新扩散对企业的重要意义。

4 实例验证

4.1 实例选择

为验证制造企业两类创新协同过程中的反哺特征,以及改进Bass创新扩散模型在两类创新间的先进性和适用性,本文选取数字化和服务化成效显著的小米科技有限公司(简称“小米科技”)作为实例分析对象,理由包括:

(1) 小米科技自2010 年成立以来,抓住互联网“窗口”机遇期,充分借助物联网、大数据、人工智能等数字技术衍生了大量硬件信息增值服务和产业链生态服务,具有显著的数字化和服务化特性,于2017年入选第一批国家级服务型制造示范企业。

(2) 小米科技以智能手机为载体,MIUI系统为核心,利用智能产品生态圈的供需深度交互优势,开发新颖服务的同时,捕获小米论坛、微博等信息交流平台“米粉”数据,用以预判市场发展方向和实现产品创新,其服务创新反哺产品创新特点显著。

(3) 小米科技数字技术的广泛运用和深入实践,以及依托强大的品牌效应、庞大的米粉群和领导者的行业声誉,能够快速支持实现潜在客户对公司新产品和新服务的价值感知,充分反映数字化环境下创新扩散的内外部因素影响特性。

4.2 数据收集与处理

小米科技于2018年香港上市,公司披露数据具有权威性和真实性。由于MIUI是基于Android系统深度优化、定制、开发的第三方手机操作系统,MIUI月活跃数量能够反映选定时段新增用户和老用户登录MIUI的数量,能表征用户对MIUI操作系统承载新服务的采纳量。为此,将每季度累计“MIUI全球月活跃数量”作为服务创新的累积采纳量。同时,由于IoT具有智能感知、识别和管理的优势,易形成互联互通的网络,能够支持小米手机精准控制和管理设备,故将每季度累计“连接的IoT设备数”作为产品创新的累积采纳量。数据如表1所示。

表1 小米科技各季度“MIUI全球月活跃数量”及“连接的IoT设备数”Tab.1 “MIUI global monthly active quantity” and “Connected IoT devices” of Xiaomi technology in each quarter

为衡量小米科技数字化水平,本文利用数字化收入占总收入的比值表示,将数字化水平界定为“底层技术运用”与“技术实践应用”[35]。其中,“底层技术运用”采用“互联网服务收入”刻画,“技术实践应用”采用“IoT 与生活消费品收入”反映。以小米科技年报中每个季度“互联网服务收入”与“IoT 与生活消费品收入”总和占该季度总收入的比值作为该季度数字化水平的增长率,如表2所示。则t时段小米科技的数字化水平衡量公式为

表2 小米科技各季度“互联网服务收入”“IoT与生活消费品收入”及总收入Tab.2 “Internet service revenue”,“IoT and consumer goods revenue” and total revenue of Xiaomi technology in each quarter

式中:RIoT(t)为t时段“IoT 与生活消费品收入”;R互联网(t)为t时段“互联网服务收入”;R总(t)为t时段总收入,h(0)=0。

制造企业数字化水平具有累积效应,以2010年8月MIUI系统首个内测版推出为初始点,将2010年9、10、11、12月作为第1个时段,以此类推。但小米科技在2018年上市前数据不完整,依据2018年后“IoT 与生活消费品收入”(RIoT(t))、“互联网服务收入”(R互联网(t))和“总收入”(R总(t))真实值趋势与指数函数接近,据此可利用指数模型推断2018年以前三者的数据。由此,2010年迄今的RIoT(t)、R互联网(t)和R总(t)散点图如图3 所示。依据式(25),各时段数字化水平如图4所示。

图3 RIoT(t)、R互联网(t)与R总(t)拟合结果Fig.3 Fitting results of RIoT (t),RInternet (t),and RTotal(t)

图4 小米科技2010年迄今数字化水平Fig.4 The digitization level of Xiaomi technology since 2010

由图3、4可知,小米科技每年各季度的“互联网服务收入”“IoT 与生活消费品收入”及总收入均呈上升趋势。其原因之一是数字技术水平的提高及核心底层技术架构的完善,驱动了小米科技品牌效应延伸及产品迭代,形成了丰富的应用场景,实现了知识的沉淀及生态圈的外延。小米科技数字化水平的提高为迭代产品和复杂生态场景的融合创新提供了有效支撑,构筑了数据流转桥梁,增强了前端场景运用、中间数据知识沉淀、后端产品创新的衔接性。

4.3 参数拟合与结果分析

经典Bass模型常用的参数估计方法是极大似然估计法、普通最小二乘法和非线性最小二乘估计法等[36]。根据上述获取数据,采用非线性最小二乘估计法估计M1、u1、u2、v1、v2、a、b、δ和ε等参数[26-37],结果如表3所示。在数字化环境下,随着小米科技数字化水平的提升,服务创新和产品创新累积采纳量拟合结果如图5所示。根据式(20)及计算结果,产品创新市场容量和产品创新累积采纳量随时间变化如图6所示。

表3 创新扩散模型的参数估计结果Tab.3 Parameter estimation results of innovation diffusion model

图5 服务创新和产品创新累积采纳量拟合结果Fig.5 Fitting results of cumulative adoption of service innovation and product innovation

图6 产品创新的市场容量与产品创新的累积采纳量对比Fig.6 Comparison between market capacity of product innovation and cumulative adoption of product innovation

根据拟合结果,服务创新的拟合优度0.996 9,产品创新的拟合优度0.996 6,结果接近于1,表明数字化环境下两类创新扩散的拟合度良好。同时发现以下结论:①两类创新扩散的内外部影响系数(vi和ui,vi>ui)均大于零,表明小米科技新产品和新服务的累积采纳量与企业内外部影响系数呈正相关,且受内部影响系数的影响更大。②显性和隐性知识流转系数均大于零,表明两类知识(a和b,a

图7 内外部因素对两类创新扩散的影响Fig.7 The influence of internal and external factors on diffusion of two types of innovation

由图7可知,内外部因素对两类创新扩散的影响均随时间的增加有所提高,且内外部因素对产品创新扩散的影响均大于对服务创新扩散的影响。同时,内部因素的作用效果均大于外部因素,体现了供需间及客户间的交互更有利于潜在购买群体的扩大。由图8可知,显/隐性知识转化利用率与时间几乎呈线性关系,表明企业数字化水平能有效促进内外部知识的集成、转化和利用,进一步强化服务创新对产品创新的反哺效用。分析上述研究结果可得,随着小米科技数字化投入的不断增加,“供给-需求”端的黏性逐渐增强,产品市场交易更为活跃,企业处理海量结构化和非结构化数据的能力得以提升,知识的转化利用率和产品创新扩散速度不断提高,凸显了数字化环境下基于知识转化视角的服务创新反哺产品创新特性。

图8 服务创新过程产生的显/隐性知识转化利用率Fig.8 The conversion and utilization rate of explicit/implicit knowledge generated in the process of service innovation

4.4 模型对比分析

为验证修正Bass创新扩散模型的科学性与现实指导性,本文对比分析经典Bass模型两类创新独立扩散参数的变化,即内外部因素的影响程度qi和pi不随时间的变化而改变,产品创新扩散的市场容量恒定,不受服务创新扩散的影响。计算结果如表4所示。

表4 经典Bass模型与修正Bass创新扩散模型拟合参数对比Tab.4 Comparison of fitting parameters between classical Bass model and modified Bass innovation diffusion model

由表4可以发现:①经典Bass模型的拟合优度均小于修正模型,表明以知识转化和反哺作用为特征的修正Bass创新扩散模型能更好地揭示两类创新的扩散规律。②经典Bass模型服务创新市场容量小于修正Bass创新扩散模型,但在47个时段内,经典Bass模型产品创新的市场容量大于修正Bass创新扩散模型,即在产品市场不断扩增的情形下,消费者更多关注服务创新而非新产品。③经典Bass模型两类创新扩散外部因素的影响程度小于修正Bass创新扩散模型,但经典Bass模型两类创新扩散内部因素的影响程度均大于修正Bass创新扩散模型。该结果凸显了数字技术的应用使得外部因素的作用效果逐渐增强,先进的传播模式和扩散渠道正逐步打破信息闭塞的桎梏,吸引潜在购买群体采纳创新成果,对两类创新扩散具有显著驱动效应。④对比两模型的方差SSE及均方根RMSE,修正Bass创新扩散模型均优于经典Bass模型,说明修正Bass创新扩散模型预测更为精准。对比结果表明了修正Bass创新扩散模型能够揭示数字化环境下两类创新之间的作用机理,以及数字化环境下服务创新经知识转化反哺产品创新的过程。

相较于经典Bass模型,修正的Bass创新扩散模型在以下方面有显著改善:①在制造业数字化与服务化实践逐渐深入的背景下,产品创新的扩散受服务创新扩散的影响越来越大,修正的Bass创新扩散模型引入附随扩散概念,以知识转化为纽带,将两类创新的市场容量连接并综合考量,弥补了经典Bass模型市场容量不受其他创新扩散影响的缺陷,更符合数字化环境下的创新扩散发展特征。②经典Bass模型假设内外部影响因素恒定,忽略了制造企业数字化水平对创新扩散过程内外部因素的影响。修正的Bass创新扩散模型以制造企业数字化为背景,引入数字化水平和内外部影响系数,准确刻画了内外部因素随时间变化对两类创新扩散的影响程度。③由于知识在服务创新反哺产品创新过程中的作用愈加显著,修正的Bass创新扩散模型考虑了内外部因素对显/隐性知识转化利用率及其对两类创新扩散的影响,弥补了经典Bass模型仅聚焦单一创新扩散的局限,凸显了数字化环境下反哺过程中知识的传导作用。

5 结论

数字赋能作用下制造企业服务创新与产品创新之间的关系愈加紧密和复杂。本文立足于制造企业服务化与数字化转型升级的场景,以知识转化为桥梁,解析了数字化环境下制造企业服务创新反哺产品创新扩散过程,构建了数字化环境下制造企业服务创新反哺产品创新扩散的Bass模型,实例印证了模型的科学性与有效性。得到如下研究结论:

(1) 数字化环境下两类创新相互作用,实现了产品创新客户采纳的最大化。数字化环境下制造企业服务创新更为活跃,服务创新的扩散有效带动了产品创新的扩散,增大了产品创新的市场容量。

(2) 数字化环境下新服务在为客户感知的过程中容易留存大量多元异构数据,利用数字技术将数据转化为用以指导产品创新的知识,能够精准产品创新的方向并易于为客户采纳。

(3) 数字化环境下制造企业数字化水平越高,信息传播渠道和模式将越丰富,显/隐性知识的转化利用率越高效,能够增强内外部因素对两类创新扩散的影响。其中,外部因素的影响效果逐渐增大,内部因素的影响效果逐渐弱化。

(4) 构建的修正Bass创新扩散模型能够精准刻画内外部因素影响程度变化、数字技术和知识转化对两类创新扩散的影响,预测精度优于经典Bass模型,更能揭示数字化环境下服务创新经知识转化反哺产品创新的过程,与产业数字化背景下制造企业创新发展规律吻合。

本文根据创新扩散理论,聚焦知识转化视角,探究了数字化环境下制造企业服务创新对产品创新的反哺作用,理论贡献包括:

(1) 拓展和丰富了两类创新研究的范畴与内容。以往研究遵从基于产品的服务提供观点,认为服务创新跟随产品创新而呈现,但数字化环境下制造企业服务创新过程沉淀的客户数据/信息能够支持产品创新,即服务创新对产品创新具有反哺作用,本文丰富了数字化环境下两类创新的关系研究。

(2) 构建了数字化环境下制造企业服务创新反哺产品创新的修正Bass创新扩散模型。当前研究更多关注数字化与服务化交融情境下的服务创新,目的是创造客户价值和提升产品技术。本文引入数字化水平,基于知识转化视角,构建了修正的Bass创新扩散模型,既符合数字经济创新范式,又拓展了创新扩散理论的解释边界。

数字化环境下两类创新相辅相成的关系研究将有助于制造企业利用数字技术拓展市场空间、精准创新方向,由此得出如下管理启示:

(1) 数字化环境下两类创新伴生性显著增强。制造企业可通过创新服务形式和内容,修正产品主导逻辑下“酒香不怕巷子深”的传统思维,扩大产品扩散的市场容量,以提高产品创新的采纳速率。

(2) 数字化环境下知识在两类创新间的传导作用愈加重要。制造企业欲突破“卡脖子”技术,路径之一是利用数字技术增强供需交互过程中显/隐性数据与信息的获取和处理能力,生成知识,实现服务创新对产品创新的反哺。

(3) 数字赋能的服务价值创造发生着由面向市场需求单一地提供基础服务,向提供增值服务、提炼市场知识、反哺产品创新的多重方式转变。制造企业提高数字化水平的目的不能仅限于削减服务创新成本和提高服务创新效率,需要注重数据、信息和知识助推两类创新发展及扩散的重要作用。

本文构建的修正Bass创新扩散模型虽能刻画两类创新之间的扩散关系,揭示经知识转化的反哺机理,但受模型构建抽象的限制,数字赋能两类创新的刻画还不够细腻。同时,本文仅选择了数字化和服务化成功实践的典型案例作为实证研究对象,未来将探索不同行业以及不同数字场景下两类创新的多重价值创造规律,为两类创新研究提供理论增量与实践启示。