客户网络嵌入、知识基础与企业创新绩效

李 玲，丁礼婷

（西安科技大学 管理学院，西安 710000）

0 引言

创新是实现我国经济高质量发展的关键，也是企业生存和发展的根本。伴随着新一代信息技术的发展以及技术变革的不断加速，企业越来越依赖于客户网络中的知识进行产品创新。尤其是对于产业链条长、创新活动密集的制造业企业来说，企业的价值共创活动分布在多层次的客户之间，这些客户为企业提供市场和产品信息，是企业产品创新的主要灵感来源。

企业与客户之间的关系是影响企业创新的重要因素，但是从已有文献来看，大部分学者将企业和客户的关系概念化为二元线性关系，较为关注关系嵌入对企业创新绩效的影响[1—3]。事实上，随着市场的不可预测性加强，以及产品更新迭代速度的加快，相关产品和服务升级必须满足以客户网络形成的多边动态需求，嵌入客户网络中的企业其产生信息和控制利益的机制除了关系嵌入以外，还应包括结构嵌入。而厘清客户网络嵌入特征对企业创新绩效的影响机制，对制造业企业从客户管理角度提升创新能力具有重要意义。此外，组织学习理论认为，企业从合作网络中获得的互补知识只有与自身知识基础有效结合，才能最大限度地实现企业创新[4]。

基于此，本文从CSMAR 数据库选取了2010—2019 年沪深A股制造业上市公司相关数据，利用该行业上市企业前5名供应商和客户企业的相关信息，构建了各个年度的客户网络，并使用社会网络分析法和负二项回归模型，分析了客户网络关系嵌入和结构嵌入对企业创新绩效的影响，并引入知识基础宽度为调节变量，探究其在客户网络嵌入与企业创新绩效之间的作用。与传统方法将企业与客户之间的关系视为孤立存在的二元关系不同，本文认为客户关系是一种多层次网络结构，研究客户网络嵌入对企业创新的影响作用，在一定程度上拓展了企业创新前置因素的研究内容，为企业从客户关系管理、知识基础管理角度提升企业创新绩效提供了一定的理论指导和建议。

1 理论机制与研究假设

1.1 客户网络嵌入对企业创新绩效的影响

1.1.1 客户网络关系嵌入与企业创新绩效

客户网络关系嵌入是指企业与主要客户之间的二元关系强度，反映了企业对主要客户的依赖程度。关系嵌入程度的加深，意味着企业对客户的依赖程度会更高，容易形成组织惯例、高转化成本、退出障碍、客户风险转移[2,3]。一方面，在供应链合作过程中，客户拥有天然的议价能力，紧密的客户关系容易使企业受到客户讨价还价、改变质量标准等机会主义的侵蚀，企业需要投入大量资源进行关系维护，导致企业创新资源减少[5]；另一方面，企业与主要客户频繁的关系型交易会提高客户的议价能力，会吞噬企业利润空间[6]，加大企业的经营风险、财务风险和道德风险，进而削弱企业的创新能力。从“关系资本”的角度来看，高程度的关系嵌入容易形成相互依赖的二元人际关系网络，可导致企业被人际网络锁定，造成的直接后果就是错失该网络之外的创新要素，特别是间断式概念、颠覆性想法、异质性资源或知识等[7]。因此，本文提出：

假设1：客户网络关系嵌入对企业创新绩效产生负向影响。

1.1.2 客户网络结构嵌入与企业创新绩效

客户网络结构嵌入是指企业和多层次客户之间的整体联系模式，更侧重于企业及其网络合作伙伴间的网络结构特征。根据现有大多数研究的做法，本文主要调查客户网络的两个关键性结构特征——网络中心性、网络结构洞对企业创新绩效的影响。

网络中心性即企业所处网络节点在网络中位置的中心程度，代表个体在网络中拥有的权力和综合影响能力[8]。与其他的创新联盟合作伙伴不同，企业和客户之间存在利益冲突，在交易双方相互博弈的过程中，客户的机会主义可能会占据上风，从而导致客户网络中心性对合作创新绩效的影响机理不同。从知识创新观点来看，客户网络中心性越大，企业面临的客户越多，企业知识搜索范围越广、方向差异越大，容易造成内部信息和知识的冗余，而信息超载不利于异质性知识吸收，对知识创新绩效产生负面影响。高度网络中心势下的较多交流容易使得企业形成认知捷径[9]，企业不愿意投入更多的精力挖掘自己独特的认知，成员在观点和意见方面更易倾向于保持一致，不利于企业获取新的知识组合，进而阻碍企业知识创新。

网络中心性一般是指企业在网络中的影响力，结构洞则反映了企业控制信息的能力，在将社会关系延伸至社会网络位置的探讨中，Burt（2009）[10]认为在社会网络中，个体的联系并非总是直接的，某些个体还可以通过间接联系获取信息和知识，从整体网络上来看，就像是某个企业成为其他互不相连个体的中介，这种类似信息流缺口的网络结构被称为“结构洞”。在客户网络中，当企业占据丰富的结构洞时，与企业相连的不同客户群体间并无直接贸易往来，可将其视为嵌入了“开放型”客户网络，此时客户成员间彼此分散，较难实施网络集体控制[11]。而当企业占据较少的结构洞时，与之相连的客户间多存在直接的业务关联，可将其视为一个“封闭型”网络，有利于促进更多的潜在协作、资源汇集以及问题的集中解决，同时知识在网络中的相互传播能有效减少知识外溢，并增强信息和知识的可靠性[12]。因此，在客户网络中占据丰富结构洞的企业，不利于对合作主体进行集体控制，成员之间知识创建和创新结果共享受到阻碍，企业创新效率降低。因此，本文提出：

假设2a：客户网络中心度对企业创新绩效产生负向影响。

假设2b：客户网络结构洞对企业创新绩效产生负向影响。

1.2 客户网络关系嵌入的中介效应

客户网络作为创新生态系统的重要组成部分，其具有的动态自调节属性决定了客户网络关系嵌入与客户网络结构嵌入存在一定的内部联系。

在高度中心势的客户网络中，企业为防止其他客户的机会主义，会加大对主要客户的关系型专用资产投入。关系型专用资产在合作的初期有利于主要客户的信任机制建设，但在竞争性交易过程中，由于存在可占用的专用性准租机会主义，因此关系型专用资产的大量投入会促使企业与客户形成长期契约，并在契约遭到破坏时产生巨大沉没成本。此时，企业对主要客户的依赖程度进一步增加[13]，进而企业同客户之间的二元关系嵌入程度更深，企业自身研发能力受到抑制。在复杂多边的客户网络中，企业获取利润的关键在于稳定的互利合作，企业所拥有的客户网络结构洞越丰富，与企业相连的不同客户群体间受到的相关约束就越少，这就导致客户在合作过程中议价能力提高、机会主义动机增强，这些个体的不确定性通过网络被不断放大，最终叠加到企业自身，加大其经营风险。同时，开放式的网络结构容易造成网络知识外溢，且客户间缺少互联容易导致企业知识搜索距离过长，网络成员间信息交流容易产生障碍。因此，当客户网络中的企业处于丰富结构洞时，为了不被客户的机会主义所套牢，并降低知识整合的成本和不确定性，企业倾向于采取就近搜索，增加与主要客户的联系，直接的后果就是企业与主要客户的二元关系嵌入程度加深，使得企业创新战略进一步锁定于大客户需求，损害企业创新绩效。基于此，本文提出：

假设3a：客户网络关系嵌入在客户网络中心度与企业创新绩效之间起中介作用。

假设3b：客户网络关系嵌入在客户网络结构洞与企业创新绩效之间起中介作用。

1.3 知识基础的调节作用

1.3.1 知识基础宽度对企业创新绩效的影响

熊彼特在1934 年提出组织学习理论，他认为新知识的创造取决于创新主体知识基础整合的过程。在开放式多元化创新网络情景下，知识基础宽度因其代表企业自身知识的多样性，能够更好地与网络个体知识进行多维匹配。因此，本文的知识基础特指知识基础宽度。外来知识转化为企业内部创新成果需要有相关的知识存在，企业知识基础越宽，企业重组、内化和整合外来知识的效率越高，有利于推进企业合作创新成效[14]。局限于现有知识领域，容易造成组织惯性，陷入技术知识的能力陷阱，而知识基础越宽，越有利于启迪性、发散性和创造性思维的涌现，有助于激发创新成果产出。此外，已有研究发现，企业知识基础宽度还能帮助企业对现有知识归纳、总结和剖析，增强企业知识吸收能力，由此提高组织创新成功的概率。因此，本文提出：

假设4：知识基础宽度对企业创新绩效产生正向影响。

1.3.2 知识基础宽度的调节作用

由上文可知，客户网络关系嵌入会导致企业陷入固定的路径依赖，进一步使企业创新战略锁定于客户需求。韩军辉和闫艺（2020）[15]指出适当的技术知识多元度有利于企业提高自身的灵活性，使企业战略不再锁定于客户需求，有助于提高企业创新绩效。企业在客户网络中的中心度越高，就越可能导致知识的过度多样化，出现“信息超载”现象，当企业知识基础较宽时，企业对知识信息的敏感度和洞察力高，有助于提高企业知识吸收并加以转化利用的效率，实现内外部知识元素间的匹配和互补，促进创新成果产出。在客户网络中，丰富的结构洞意味着企业同客户之间的知识距离加长，企业难以获取可靠的信息和知识[16]，此时企业知识基础多样化有利于验证外来知识的准确性，从而有选择地吸收和利用知识，进而促进企业知识创新发展。因此，本文提出：

假设5：知识基础宽度削弱了客户网络关系嵌入与企业创新绩效之间的负向关系。

假设6a：知识基础宽度削弱了客户网络中心性与企业创新绩效之间的负向关系。

假设6b：知识基础宽度削弱了客户网络结构洞与企业创新绩效之间的负向关系。

2 研究设计

2.1 数据来源与客户网络构建

制造业企业作为中国创新的主体，自主创新难度大，且随着市场不可预测性加强以及产品更新迭代速度的加快，使企业的产品创新不断地以客户需求为导向，这种情况下企业所需要的技术和资源受纵向合作网络的影响较大。中国证券监督管理委员会规定上市公司的年度报告应增加前5名客户、前5名供应商的信息披露，以及相应的交易金额比例。鉴于数据的可得性，本文选择2010—2019年沪深A股制造业上市企业为研究样本。

客户网络具体构建步骤如下：（1）通过CSMAR数据库中的供应链研究板块，查询深沪A股上市公司2010—2019年各个年度前5名客户和供应商名称。（2）利用Excel分别建立这10 个年份的“客户”和“企业”的关系列表，保存为能够被UCINET 识别的形式后，运用UCINET 可视化功能绘制出2010—2019 年的单向客户网络（见图1）。（3）提取出构成网络的所有节点，并用UCINET对每个节点的网络中心性指标和网络结构洞指标进行测度。（4）进一步整理出网络节点公司的财务数据和关系嵌入数据，并剔除未上市的企业和财务数据缺失的企业，分别得到2010—2019年的510、543、655、822、778、420、509、465、471、385 个样本，共计5558条数据。为消除极端值的影响，本文对连续变量进行上下1%的Winsorize 处理。本文的相关数据均来源于CSMAR数据库。

图1 2010—2019年的客户网络

由图1 各年度客户网络图可知，2010—2019 年，中国制造业的客户网络规模总体呈现先增大后减小的趋势，客户网络的密度在2013 年达到峰值，而在2014—2019 年整体客户网络较为松散，呈现小团体特征。这表明越来越多的制造业企业局限于当前贸易网络，而不愿向外拓展贸易关系，导致各制造业贸易团体间相互独立，缺乏联系，从而对网络成员信息交流和网络整体连通性产生影响。

2.2 模型设计

本文的被解释变量创新绩效的测度指标为企业的发明专利申请数，属于非负类型的数值变量。而普通最小二乘法（OLS）的线性回归模型是以因变量在正负区间无穷且连续分布为假设前提，若应用OLS回归对本文数据进行处理，则可能导致无效及有偏的参数估计等问题，因此，对于离散型的数值型变量，本文参考李桂华等（2020）[17]的研究，选择负二项回归模型来展开实证研究，并根据对客户网络中的关系嵌入、结构嵌入、知识基础与企业创新绩效关系的梳理，建立如下模型：

模型（1）是典型的对数似然函数计数模型，其中，yi是指以专利计数衡量的被解释变量，xi是指各个解释变量。

2.3 变量说明

2.3.1 被解释变量

本文参照王班班（2017）[18]的做法，以实际创新产出来衡量技术发展成果，创新产出直接体现为企业的专利数量，创新专利根据创新性程度及难易程度分为发明专利、实用新型专利、外观设计专利。考虑到创新专利从申请到授权需要一定的时间，本文将滞后1期的发明专利申请数量作为创新绩效（Innovation）的代理变量。

2.3.2 解释变量

（1）客户网络关系嵌入

客户网络关系嵌入衡量的是企业在网络中与直接客户的关系强度，参考方红星和严苏艳（2020）[19]的研究，用企业的第一大客户销售额占企业全年销售总额的比例来衡量客户网络关系嵌入（CC），体现了企业对大客户的依赖程度。

（2）客户网络结构嵌入

在单向网络图中，入度中心度是指网络中直接指向该企业的节点个数，数目越多表明与企业直接相连的其他企业数目越多，企业越靠近网络中心，因此本文用入度中心度来衡量企业的客户网络中心性（IDC）。中介中心度衡量一个公司作为“桥”的作用，在网络中，如果一家公司处于很多公司交往的路径上，那么该公司就拥有较高的中介中心度，本文用中介中心度来衡量企业的客户网络结构洞（BC）。

2.3.3 调节变量

借鉴刘岩等（2020）[20]的测度方法，以技术领域的归类数来衡量企业的知识基础宽度（KWB）。本文以企业申请专利所涉及的非重复IPC 分类号前4 位来划分技术领域，若前4 位IPC 分类号相同则算为一类，前4 位每出现一次不同，相应的类别数上加一，这样能有效涵盖企业的知识领域宽度，避免知识基础宽度重复或缺少。

2.3.4 控制变量

为了控制企业特征对创新绩效的影响，本文在进行回归分析时引入了以下控制变量：企业研发投入（R&D），取值为研发投入金额的自然对数；企业规模（Size），取值为企业营业总收入的自然对数；企业年龄（Age），用样本年限减去企业首次注册的年份得到企业的年龄；企业所在地创新能力（Local），用当年企业所在地专利数的自然对数衡量企业当地创新能力。各变量定义与说明见表1。

表1 变量定义与说明

3 实证分析

3.1 主要变量的描述性统计与分析

本文主要变量的描述性统计结果见表2。在本文的研究样本中，Innovation 均值为51.81，最小值和最大值分别为0 和3763.07，标准差为231.53，表明构成本文客户网络的大部分上市企业创新水平不高，企业创新水平差异较大，具有较大的提升空间。客户网络关系嵌入均值为9.65，最小值和最大值分别为0.33和100，说明企业对大客户的依赖程度并不高，但是存在较大差异。再从网络结构嵌入指标来看，客户网络中心度均值只有1.39，最小值和最大值分别为0和10，说明样本企业中只有少数企业占据客户网络中心位置，客户网络结构洞均值为0.007，说明绝大部分企业都位于结构洞位置之外，不构成其他节点交流的中介。从知识基础特征来看，企业整体的知识基础宽度较为薄弱，均值只有9.58，知识基础宽度最小值0，最大值81.57，反映出企业在知识基础宽度积累方面的差距较大。上述结果表明构成客户网络的各样本企业，其创新绩效以及网络嵌入特征比较鲜明，适合本文的后续研究。

表2 描述性统计结果

3.2 实证检验结果及分析

3.2.1 主效应检验结果

表3 显示了客户网络关系嵌入和客户网络结构嵌入对企业创新影响的主效应回归结果。由列（1）可知，在控制其他变量对创新绩效的影响下，客户网络关系嵌入的回归系数在5%的水平上显著为负，表明客户网络关系嵌入对企业创新绩效具有显著负向影响，假设1得到支持。列（2）和列（3）验证了客户网络结构嵌入对企业创新的影响，其中网络中心性、网络结构洞的系数分别在10%、5%的水平上显著为负，表明了客户网络中心性以及客户网络结构洞对企业创新绩效产生负面影响，且客户网络结构洞的负面影响更明显，假设2a、假设2b得以验证。

表3 主效应检验结果

3.2.2 中介效应分析

下页表4 显示了客户网络关系嵌入在客户网络结构嵌入与企业创新绩效之间的中介效应检验结果。从列（1）可以看出，客户网络中心性正向影响了客户网络关系嵌入，列（3）为客户网络关系嵌入、客户网络中心性对创新绩效的回归结果，可以发现客户网络关系嵌入回归系数在5%的水平上显著为负，而客户网络中心性回归系数不显著，说明客户网络关系嵌入在客户网络中心性与企业创新绩效间的关系起完全中介作用，假设3a得以验证。

表4 中介效应检验结果

从列（2）可以看出，客户网络结构洞正向影响了客户网络关系嵌入，由列（4）可知，将客户网络关系嵌入、客户网络结构洞与企业创新绩效进行回归，发现客户网络关系嵌入和客户网络结构洞的系数都在5%的水平上显著为负，说明客户网络关系嵌入在客户网络结构洞与企业创新绩效之间起部分中介作用，假设3b得以验证。

此外，本课题组在教育见习期间走访了江苏省的五所高中，对一线教师访谈，通过课堂观察，进一步了解了当前阅读教学存在的缺陷。

3.2.3 调节效应检验

表5 在主效应模型的基础上加入了知识基础宽度与各个客户网络嵌入特征的交互项，以检验知识基础宽度在客户网络关系特征与企业创新绩效之间的调节效应。由列（1）可知，知识基础宽度的系数在1%的水平上显著为正，表明知识基础宽度对企业创新绩效存在显著正向影响，假设4得以验证。

表5 调节效应检验结果

列（2）增加了知识基础宽度与客户网络关系嵌入的交互项，以检验知识基础宽度对客户网络关系嵌入与企业创新绩效之间关系的调节作用。由列（2）可知，知识基础宽度与客户网络关系嵌入交互项的系数在10%的水平上显著为正，表明知识基础宽度削弱了客户网络关系嵌入与企业创新绩效之间的负向关系，假设5得以验证。

列（3）加入了知识基础宽度与客户网络中心性的交互项，以检验知识基础宽度对客户网络中心性与企业创新绩效之间关系的调节作用。由列（2）可知，知识基础宽度与网络中心位置的交互项系数在10%的水平上显著为正，表明知识基础宽度削弱了客户网络中心性与企业创新绩效之间的负向关系，假设6a得以验证。

列（4）加入了知识基础宽度与客户网络结构洞的交互项，以检验知识基础宽度对客户网络结构洞与企业创新绩效之间关系的调节作用。由列（4）可知，知识基础宽度与客户网络结构洞的交互项系数在10%的水平上显著为正，表明知识基础宽度削弱了客户网络结构洞与企业创新绩效之间的负向影响关系，假设6b得以验证。

3.3 稳健性检验

考虑到负二项回归模型主要应用于事件发生数为非负整数且过于离散的计数模型，但是忽略了本文样本数据中可能存在个体申请专利大量为0的情况，即可能存在许多个体在观察时期内未发生相应的事件，故本文借鉴Bellamy等（2014）[21]的研究，进一步采用考虑了专利申请数为零值的零膨胀负二项回归模型进行稳健性检验。本文先对零膨胀检验统计量Vuong 进行检验，结果显示Vuong 为3.52，P<0.001，故可采用零膨胀负二项回归模型对主效应检验模型（1）再次进行回归分析。表6为改变计量模型后的回归结果，结果与前文结论保持一致，支持了本文的研究假设。

表6 零膨胀负二项回归结果

4 结论与启示

4.1 结论

本文以2010—2019 年沪深A 股制造业上市企业为研究对象，利用上市企业披露的前5名供应商和客户信息构建各年度的客户网络，并从客户网络的关系嵌入和结构嵌入特征出发，研究客户网络对企业创新绩效的作用机理。研究发现：（1）客户网络关系嵌入对企业创新绩效产生负向影响；（2）客户网络结构嵌入的两个特征，即客户网络中心性、客户网络结构洞对企业创新绩效产生负向影响；（3）客户网络关系嵌入在客户网络中心性与企业创新绩效间起完全中介作用，在客户网络结构洞与企业创新绩效间起部分中介作用；（4）知识基础宽度削弱了客户网络关系嵌入、客户网络结构嵌入与企业创新绩效之间的负向关系。

研究结论表明，在复杂多变的客户网络中，当企业不能正确处理网络成员的关系时，例如极端地依赖大客户或开发新客户，不注重客户网络边界的管理，都将导致已嵌入网络中的企业创新战略和决策行为锁定于其他网络成员，甚至其他成员的经营风险也可能通过网络转嫁给企业，成为阻碍企业创新发展的桎梏。同时，客户网络结构嵌入通过影响关系嵌入来影响企业创新绩效，表明企业所处客户网络位置越中心，占据结构洞越丰富，企业越倾向于采取就近搜索从而损害创新绩效，这一“黑箱”的打开表明客户网络边界管理对解除企业创新锁定的重要性。企业可以通过提高自身知识基础宽度积累以提高自身独立抵御风险的能力，进而为企业跳出客户网络依赖提供新方向。

4.2 启示

为避免被客户网络所套牢，企业应该持续调整网络成员关系，治理网络边界。首先，企业在交易过程中应减少对大客户的依赖，并提高自身议价能力以形成双方之间的对称依赖。特别是在单边主义抬头的贸易壁垒下，企业要掌握市场的话语权，更应该结合自身优势和市场需要建立独特的核心竞争优势，避免低层次的重复性建设而陷入被动的恶性竞争中。其次，企业应该远离客户网络中心位置，在减少对大客户的依赖时，应注意不要盲目地开拓新客户和新市场，要加强对经营风险比较高的企业进行筛选和排查，择优选择适当数目的企业进行稳定的业务合作，从而降低客户风险转嫁给企业的概率。最后，相比于占据丰富的客户网络结构洞，企业当前应适当增加与间接客户之间的交流频率，通过与客户网络成员形成稳定长期的战略联盟关系，建立起抵御客户机会主义行为的外部机制，从而减小企业风险，提升企业创新绩效。

当然，企业也应该从自身出发积极抵御外部风险，这就要求企业将重点资源用在挖掘外部资源和提高自主创新能力上。企业应加强对外部知识资源的搜索，以丰富现有知识库的多元性，进而提高企业知识转移和吸收的效率，促进创新成果转化。此外，企业应加强知识基础管理，促进信息和资源在客户网络中有效流动，有助于网络位置优势发挥和促进网络创新。