制造企业需求端场景深耕对服务创新绩效的影响

赵慧娟,刘 璐,杨皎平,范明霞

(青岛科技大学 经济与管理学院,山东 青岛 266061)

0 引言

近年来,诸多制造企业为迎合消费者个性化需求,加速进行服务化转型,顺应产品主导逻辑向服务主导逻辑转变趋势,在做好产品的基础上做好服务。随着数字技术、平台经济的崛起,服务顾客的理念不断拓展和深化。著名教授Andy Neely[1]指出,顾客需要的不仅仅是服务,更是特定应用场景中的服务,因此基于场景的服务创新成为未来制造企业服务化发展的潮流。

场景作为制造企业与用户交互的新渠道,不仅能够直观展示产品功能,更能满足用户体验。因此,以场景为载体开展服务创新活动,已经成为制造企业获取竞争优势、提升服务创新绩效的新途径,这与场景驱动创新范式相契合[2]。海尔智家作为开展场景化服务的典型企业,创立了全球首个场景品牌,“三翼鸟”依托行业领先核心技术引擎“智家大脑”及“1+N”服务体系实现数据要素价值化[3],打通“家”的空间和时间,赋予“家”成长力和生命力,为用户提供全场景和局改方案,在技术创新与商业模式创新耦合机制下[4]实现利润持续增长。现实中其它制造企业开展场景化营销虽在短期内取得一定成效,但未曾持续,究其原因在于这些企业未完全把握场景化创新的本质。

在企业管理研究中,场景最早应用于营销学领域,且通常强调顾客端需求[5-6],忽视了支撑场景模式的各利益相关主体的协同创新和价值共创行为。对场景模式的认知偏颇导致制造企业把过多资源用在营销端,而对真正满足用户需求的研发端和生产端关注不足。陈旭等[7]指出,服务型制造本质上仍然是制造,忽视制造的服务型制造不可持续,而且制造也不再是独立制造而是生态化制造。同时,场景逐渐被视为一种生态,在消费端满足用户生态化需求,在供给端则需要生态化资源赋能。基于邹波等[8]的观点,本文认为制造企业以场景为载体所进行的创新活动是一个生态系统,制造企业利益相关者的研发、制造、服务和数据等资源是输入,制造企业所构建或依附的服务生态价值共创行为是组织过程,而服务于消费者的场景化创新则是输出。如果缺乏充足的输入和有效的组织,仅追求场景化输出将是无本之木,终究不可持续。

吴声[9]在《场景纪元》中指出:“围绕相关应用场景,还有大量未被定义和未被满足的颗粒度需求等待更具体的场景深耕。”所谓场景深耕,是指制造企业以服务场景为着力点,围绕用户体验和感受,细化用户需求,在特定时间和空间背景下构造与用户生活场景相匹配的消费场景,满足不同场景用户需求,并根据用户反馈不断优化场景,在促进用户价值与企业价值提升的同时激活并创新用户需求,进而实现场景持续迭代。实现场景深耕,最重要的是利用数字技术将需求端获取的数据传递给供给端,带动供给端不同部门之间协同研发[10],在供给端开展价值共创行为,将用户痛点和未被满足的颗粒度需求快速转化为与之相适应的产品或服务[11]。

制造企业在需求端的场景深耕对其获取差异化竞争优势[1]、延长产品价值链具有重要意义。鉴于此,本文在已有研究的基础上,以我国制造企业为研究主体,探索场景深耕对制造企业服务创新绩效的影响,重点回答如下问题:①制造企业与用户及其他利益相关者的价值共创行为是否是场景深耕提升服务创新绩效的重要内因;②场景深耕对价值共创行为的影响效果是否会由于制造企业数字化能力水平不同而具有差异。本文贡献主要在于:将需求端场景与整个服务创新生态系统价值共创行为结合起来,有助于丰富理论界关于场景驱动服务创新的认识,指导制造企业开展有效的服务创新活动。

1 理论基础与模型构建

1.1 服务创新生态系统价值共创

随着生态经济组织的涌现,Vargo等[12]指出早期价值共创主要关注企业和顾客的二元关系,忽视了其他利益相关者之间的价值主张和资源互动,并由此提出服务生态系统的概念,指出制造企业应该将利益相关者纳入价值创造过程,实现服务生态系统全周期管理。Storbacka等(2016)指出,创新生态系统视角下的价值共创强调生态主体间的开放协作和资源共享,更关注生态主体间的交互行为,至此价值共创从二元关系进入多元网络关系。随着数字经济的发展,价值创造网络被重新定义,苏涛永等(2021)将价值共创定义为多主体以数字技术为媒介通过动态网络互动和异质资源整合实现个体及系统价值的载体。

服务生态系统的价值共创涉及宏观、中观和微观3个层面,数字技术促进价值共创在上述3个层面演化和渗透。在宏观层面,数字技术促使多方利益相关者参与,实现资源广泛协同;在中观层面,数字技术促进数据、技术、流量和制造等资源共享,实现生态系统融合共生;在微观层面,数字技术有助于提高生态系统内利益相关者的互动频率,推进价值共创进程。根据Marks(1973)提出的IPO分析框架,将服务创新生态系统价值共创划分为3个环节:①输入环节,主要任务是识别服务需求、挖掘潜在需求,对应价值共创驱动因素,包括顾客要素、企业要素和互动场景要素[13];②过程环节,主要任务是通过生态主体间的资源流动、技术互动开发服务方案,对应价值共创主体、互动和资源要素;③输出环节,主要任务是交付新产品和新服务,满足各主体价值诉求。价值共创结果包括个体层面体验提升和价值满足、组织层面能力提升和绩效改善、系统层面和谐共生和创新演化[13]。

1.2 场景驱动创新与大数据合作资产理论

场景的概念在社会学、传播学和管理学等学科中皆有应用。关于场景的分类有很多,如生产场景、应用场景、供应链场景和消费场景等,本文中的场景是指消费场景或服务场景,以场景驱动创新范式[2]为理论基础,将研究范围细化至场景驱动的服务创新。近年来,场景研究逐渐与生态系统理念融合[7],结合对服务创新生态系统的理解,场景深耕是一个反馈系统输出的输入过程,是场景驱动服务创新的前段。服务创新生态系统价值共创是场景驱动服务创新的支撑,服务创新绩效提升是场景驱动服务创新的输出或结果,因此场景驱动服务创新本质上是以场景深耕为动力的服务创新生态系统价值共创过程。

与传统服务创新相比,场景驱动服务创新具有如下特点:首先,场景驱动服务创新认为顾客需求具有场景导向性和依赖性,对顾客需求的挖掘、理解和预测应该从场景角度出发[8];其次,场景驱动服务创新旨在为顾客提供整体化解决方案,顾客不同需求具有关联性,满足顾客整体化需求需要链接不同资源主体为顾客提供服务[14];最后,场景驱动服务创新强调场景价值,认为顾客需求不仅是使用价值和交换价值,还包括特定场景之下的情感、体验和认知价值。在数字经济背景下,依托场景进行的服务创新更加普遍。一方面,数字技术有利于促进场景打造和深耕,大数据、人工智能等技术为用户需求信息的捕捉、挖掘和预测提供了有效支撑(李高勇和刘露,2021);另一方面,数字技术促进更大范围内利益主体的生态链接,有利于场景价值共创[14]。

关于数字技术对场景驱动服务创新的影响,可用大数据合作资产理论予以阐释[8],该理论将数据与价值共创、服务主导逻辑进行整合,认为数据生成是客户对价值共创的主要贡献,而提供一个便于收集、存储和分析数据的数字平台是企业对价值共创的主要贡献。对于企业和客户来说,基于大数据的数字资源是可以获取和控制的宝贵资源,数据资源转化为合作资产会产生价值[15]。根据大数据合作资产理论,制造企业掌握的数字技术或数字化能力有利于提高企业与用户、企业与其他利益相关者之间的合作能力,进而快速、准确地捕捉用户需求,及时、有效地整合服务创新生态系统资源,实现价值共创。

1.3 模型构建

根据上述文献梳理,本文将场景驱动下制造企业服务创新理解为由需求端场景深耕驱动的服务创新生态系统价值共创。根据IPO分析框架,制造企业需求端场景深耕是输入、服务生态系统价值共创是过程、服务创新绩效是输出。根据服务创新生态系统价值共创和大数据合作资产理论,制造企业场景深耕、数字化能力及其所依附的服务创新生态系统为价值共创提供需求信息和异质性资源,驱动服务创新生态系统价值共创行为,最终提高制造企业服务创新绩效。基于此,本文构建如图1所示的理论模型。

图1 理论框架Fig.1 Theoretical framework

2 研究假设

2.1 场景深耕与服务创新绩效

基于制造企业依托场景进行服务创新的认知,在需求端开展场景深耕是场景驱动服务创新、满足用户个性化需求、提升服务创新绩效的基础。第一,制造企业向场景赛道切换可以获取差异化竞争优势,提升服务创新绩效(江积海和王若瑾,2020)。产品场景化展示更容易触发用户情感体验,因此制造企业通过“卖场景”为用户提供沉浸式产品体验,进而获取差异化竞争优势。第二,需求端场景深耕本质上是企业与用户持续交互的过程,交互越深入、越充分,越能够促进企业服务创新绩效提升(赵益维等,2020)。制造企业通过场景深耕深入挖掘和预测用户需求,并据此开展服务创新活动,为用户提供多品类、定制化产品和服务,提升服务创新品质,提高服务创新效率,降低服务创新成本。第三,通过场景深耕提供的整体化服务解决方案价值远高于多个独立产品或服务价值的叠加。场景式解决方案既能满足用户产品功能需求又能使用户获得基于生活细节或情感的体验,当消费情境与用户生活需求相契合时,用户更容易接受场景溢价,进而促进服务创新绩效提升。第四,场景方案渗透着用户创意和反馈信息,能够提升用户对场景的价值感知[8],使其更愿意分享场景方案,带动裂变销售,提升服务创新财务绩效。

此外,根据大数据合作资产理论和服务创新生态系统理论,本文认为制造企业在需求端场景深耕的主要价值在于:一方面借助场景五大新型技术力量(罗伯特·斯考伯等,2014),通过提高制造企业与利益相关者合作能力驱动创新生态系统协同创新和价值创造,为用户提供高体验、个性化、整体性创新服务;另一方面,借助场景应用、信息反馈、产品改进、满足升级需求反向驱动整个创新生态主体演化和资源整合,最终促进服务创新绩效提升(王玉荣和李宗洁,2017)。据此,本文提出如下假设:

H1:制造企业在需求端的场景深耕对服务创新绩效具有正向影响。

2.2 服务创新生态系统价值共创行为的中介作用

从服务创新生态系统中制造企业与用户关系视角看:第一,需求端场景深耕为制造企业与用户价值共创提供情境,当用户置身于某一场景时,基于用户需求及周边环境的多重激励,用户更容易对产品或服务提供有用的评价,并表达对产品或服务的改进期望[8,16]。第二,需求端场景深耕使企业对价值需求的理解更立体、价值创造颗粒度更细致、价值交付对象更精准、价值共创意愿更强烈[1],进而更愿意实现价值共创。第三,需求端场景深耕使制造企业能够在特定场景中及时、准确地提供产品或服务,提高企业场景化营销能力,促使用户和企业深度交互,从而实现基于场景的价值共创[14]。总体而言,需求端场景深耕为制造企业连接用户创造新渠道,推动用户参与价值共创行为。

从服务创新生态系统中制造企业与其他利益相关者关系视角看:第一,场景方案的提出与落地是多方利益相关者共同努力的结果,场景深耕使制造企业考虑为用户提供一体化解决方案,驱动用户与其它企业进行资源匹配,进而实现价值共创。第二,为促进场景方案迭代,制造企业需要在服务创新生态系统中寻求合作伙伴实施协同创新行为以满足用户需求,因此场景深耕过程实际上也是价值共创参与主体识别、甄选的过程(苏涛永等,2021)。第三,为满足用户场景化需求,各价值共创参与主体开展合作,其中知识跨组织流动、生产要素相互协同等多元互动行为使利益相关者构成的服务创新网络变成价值共创行为复杂适应系统[17]。

根据江积海等(2022)的观点,企业既可通过需求端场景互联也可通过供给端资源协同实现价值创造,其在需求端与用户的价值共创行为能够为用户提供精准化服务,提高用户黏性和制造企业服务创新绩效;制造企业在供给端与利益相关者的价值共创行为能够获得其他利益相关者信息和资源[18],通过信息内化和资源整合弥补自身资源劣势,更高效地开展服务创新活动,进而促进服务创新绩效提升。总体而言,制造企业在与用户、其他利益相关者的价值共创过程中,通过顾客价值、生态互动实现整个服务创新生态系统能力重构,最终提高制造企业服务创新绩效。据此,本文提出如下假设:

H2:服务创新生态系统价值共创行为对场景深耕与服务创新绩效关系具有中介作用。

2.3 数字化能力的调节作用

随着企业数字化转型的开展,学界愈发关注数字化能力这一概念,将数字化能力定义为:利用新一代数字与智能技术,以数据为核心,调动企业内外部资源,推动企业设计、制造等环节进行数字化变革,进而提升企业绩效的能力,并将其划分为4个层次:数字化基础能力、数字化分析能力、数字化应用能力和数字化发展能力[19]。数字化能力有助于整合来自不同渠道的信息,利用数字技术连接多元主体,构建利益相关者互动共享关系,实现资源协同,促进需求端与供给端融合,推动商业生态系统演化[20]。数字化能力和价值创造能力相辅相成,数字化能力建构不仅依靠IT能力,更依赖制造企业与利益相关者的交互,两者相互合作、共同支撑构成“价值网络”(王强等,2020),核心是在对用户需求感知和响应过程中实现与客户的价值共创[21]。同时,场景依托数字化技术体系打破时空限制,实现场景数字化重构,为企业搭建智能场景适配消费服务创造条件。总体而言,数字化能力的价值在于对场景深耕过程中获取的数据进行处理并将其应用于企业研发、生产、销售等环节,进而推动服务生态系统价值共创。

数字化能力对场景深耕与价值共创行为关系的调节作用表现为:第一,较高的数字化基础能力使制造企业可以更好地借助大数据分析技术深入了解用户生活细节,借助传感器和视觉识别技术实时洞察并精确感知用户需求(王强等,2020),完成用户线下场景数据采集,形成庞大的用户资源库。第二,较强的数字化分析能力有利于制造企业对数据资源进行编排与重构(苏敬勤等,2022),为价值共创内容提供参考,并根据用户需求快速调整场景解决方案。第三,较高的数字化应用能力有利于促进生产、研发过程中数据储存与共享,加快数据资源向合作资产转化,加快利益相关者信息共享,促进价值共创行为的产生。第四,在较强的数字化发展能力的加持下,制造企业能够更好地连接用户、供应商与合作伙伴之间的关系,形成生态价值网络[19],强化场景深耕促进价值共创行为的作用。据此,本文提出如下假设:

H3:数字化能力正向调节制造企业场景深耕与服务创新生态系统价值共创行为之间的关系。

3 研究设计

3.1 研究样本与数据收集

本文采用问卷调研方式收集数据,主要以推行场景化的制造企业为研究样本,以确保所获数据的合理性。考虑到场景深耕和服务创新活动涉及部门较多,调研对象涵盖目标企业中高层管理人员以及研发、生产、销售等不同部门员工。为保证数据质量,在正式调研之前随机选取3家制造企业进行预调研,删除问卷填写不完整、语义修改不清晰的题项后,得到最终调研问卷。正式调研数据收集时间为2020年12月至2021年5月,样本企业涉及家装、家电和汽车等不同类型企业,在调研之前向每位被调研者介绍调研目的,并强调数据保密性和真实填写的重要性,所得问卷经筛选后统一对数据进行汇总、处理。正式调研通过线上、线下两种方式进行,从而获得制造业不同领域和企业的研究样本,以保证研究结论外部效度。

正式调研过程如下:①线上调研主要利用本校教师、团队成员、MBA学员的社会关系,覆盖北京、江苏、山东、广东、浙江等省份制造企业,通过邮件、微信等方式向目标调研人员发放电子问卷链接,并请求他们帮忙转发,扩大调研范围;②线下调研利用本校老师、团队成员的人际关系,调研企业主要集中于江苏、山东等省份。团队成员在征得企业同意后到企业进行实地调研,并现场发放、回收调研问卷。最终,通过线上回收问卷392份、线下回收问卷172份,累计回收问卷564份,剔除填写不完整、回答完全一致、规律性回答及回答时间低于180秒的无效问卷,共回收有效问卷462份,有效问卷回收率为81.91%。样本描述性统计结果如表1所示。

3.2 变量测量

本文采用Likert 6级量表对变量进行测度,填写者在1～6间进行选择,分别代表完全不符合、比较不符合、有点不符合、有点符合、比较符合、完全符合。问卷题项为结构化问题,要求被调研者根据实际情况对题项打分。本文部分量表为自主开发,另外一部分是在现有量表的基础上,根据研究问题和调研对象作出适当调整。

表1 样本描述性统计结果Tab.1 Sample descriptive statistical results

(1)场景深耕(EC):这一提法来源于吴声[9]的《场景纪元》,目前尚无以此为变量的研究,江积海等[1,14]、王福等[11]基于商业模式视角对场景进行案例研究,无相关量表可以借鉴。鉴于此,采用程序化量表开发过程,设计包含“通过多种渠道充分获取用户反馈信息以便融入产品设计”等8个题项单维度量表。因子分析结果显示,单维度因子拟合效果较好(χ2/df =1.993,RMSEA=0.041, SRMR=0.037, CFI=0.953, TLI=0.951)。

(2)数字化能力(DC):借鉴吉峰等[19]对数字化能力的扎根结果,包含数字化基础能力、数字化分析能力、数字化应用能力、数字化发展能力4个维度。本文以此为参考,设计包含“贵企业具备关键数字技术装备和工业应用工具开发能力”等13个题项量表。因子分析结果显示,该4维度因子拟合效果较好(χ2/df=1.610,RMSEA=0.036,SRMR=0.029,CFI=0.970, TLI=0.967)。

FoamFatale TM研发人员指出如果采用美国消防协会标准NFPA 11—2016 National Electrical Code中限定值的2～3倍的泡沫供给强度，可以大幅缩短灭火时间。FoamFatale TM系统设计的泡沫供给强度为20～30 L/(min·m2)。泡沫预制后储存在高压卧式罐中，设计分布式线性喷射口CLN(continuous linear nozzle)。探测火灾信号后，泡沫在管道内完成膨胀，通过喷射口向罐体中心全辐射状射出，泡沫在极短时间内扩散，在油品表面形成覆盖层，隔绝氧气，同时还具有冷却罐壁的作用。

(3)价值共创行为(VC):该测度主要分为两大类:一类是营销领域中企业与用户的价值共创行为,另一类是创新管理领域中企业与合作伙伴的价值共创行为。本文借鉴Ngo等[22]、宋华等[23]的研究,对两个量表进行整合,将价值共创行为视为二维变量,两个维度共包含“顾客经常参与到我们的产品设计中”“主要合作伙伴会参与公司产品设计”等10个题项。因子分析结果显示,该二维度因子拟合效果较好(χ2/df=1.052,RMSEA=0.022,SRMR=0.019, CFI=0.969, TLI=0.967)。

(4)服务创新绩效(SIP):借鉴刘如月和杨蕙馨[24]的研究,结合本文研究问题对表述方式进行适当修改,涉及服务创新财务绩效和服务创新非财务绩效两个维度,共包含“贵企业提出的场景解决方案盈利水平较高”等8个题项。因子分析结果显示,该二维度因子拟合效果较好(χ2/df=1.405, RMSEA=0.030,SRMR=0.029, CFI=0.976, TLI=0.974)。

本文设置如下4个控制变量:企业年龄(EA)、企业规模(ES)、企业性质(EO)、细分行业(EI),在后续回归分析中,由于ES数值较大,故采用取对数的方式;另外,借鉴赵慧娟等(2022)的研究,将EO和EI处理为定类数据。

4 实证结果分析

4.1 数据检验

对问卷样本进行Harman单因子检验,结果显示第一个因子解释方差占总方差的34.485%,低于总解释量(70.581%)的50%,说明本研究不存在严重的同源偏差问题。另外,对各变量进行方差膨胀因子(VIF)检验,结果显示VIFmax=2.211(<10),说明各变量间不存在多重共线性问题。利用Cronbach's α系数对量表信度进行检验,结果如表2所示。从中可见,各量表的Cronbach's α系数均大于0.8,表明量表具有较高信度。同时,通过一阶验证性因子分析剔除残差不独立及因子载荷小于0.7的项,以确保量表具有较高的效度水平。

表2 变量信效度检验结果Tab.2 Variable reliability and validity test results

由表2、表3可知,各变量平方差提取值(AVE)均大于0.5,且各变量AVE的平方根大于该变量与剩余变量的相关系数,说明量表具有较高的聚合效度。另外,将多维度变量视为二阶因子,采用验证性因子分析方法检验量表区分效度,结果如表4所示。由表4可知,四因子模型拟合效果较好(χ2/df=1.597,RMSEA=0.035,SRMR=0.044,CFI=0.964,TLI=0.963),明显优于其它3个模型,说明4个因子具有较高的区分效度。

表3 变量描述性统计与Person相关系数结果Tab.3 Descriptive statistics of variables and Person correlation coefficients

表4 验证性因子分析结果Tab.4 Confirmatory factor analysis results

4.2 假设检验

针对所提假设,利用分层线性回归法和Bootstrap法进行检验。为避免交互项与其它变量产生多重共线性问题,在分析前对相关变量进行中心化处理。

(1)总效应与直接效应检验。本文将调研所获数据代入模型进行分层回归分析,结果如表5所示。为检验制造企业场景深耕与服务创新绩效的关系,构建仅包含企业年龄、企业规模等控制变量的模型M1作为基础模型。模型M2在M1的基础上增加自变量场景深耕(EC),由M2结果可知,场景深耕系数显著为正(β=0.487,p<0.001),说明场景深耕对制造企业服务创新绩效具有显著正向影响,假设H1得到验证。另外,采用Process V3.3程序对图1所示模型进行检验,结果发现场景深耕对服务创新绩效的直接效应为0.354 7,95%置信区间为[0.280,0.413],说明即使考虑价值共创行为的中介作用,场景深耕对服务创新绩效仍具有直接效应。

(2)中介效应检验。为检验价值共创行为的中介效应,在模型M2的基础上加入价值共创行为构建模型M3,结果显示价值共创行为与服务创新绩效相关系数显著正相关(β=0.344,p<0.001),说明价值共创行为对制造企业服务创新绩效提升具有正向影响。另外,以价值共创行为为因变量,构建仅包含控制变量的模型M4,加入自变量场景深耕构建模型M5。由M5结果可知,场景深耕与价值共创行为相关系数显著正相关(β=0.587,p<0.001),说明场景深耕对价值共创行为具有正向促进作用。综合M3和M5结果可知,价值共创行为可作为中介变量解释场景深耕与制造企业服务创新绩效间的关系,假设H2得到验证。相比于M2,M3模型中场景深耕对服务创新绩效的影响系数显著下降(β=0.487,p<0.001;β=0.344,p<0.001),说明价值共创行为对场景深耕与服务创新绩效关系具有部分中介作用。本文采用Bootstrap法进一步检验价值共创行为的中介效应,迭代次数选择5 000次并构建95%无偏差校正置信区间,结果显示“EC→VC→SIP”效应值为0.201 9,在95%置信区间为(0.146,0.260),置信区间不包含0,假设H2得到进一步验证。

(3)调节效应检验。为检验数字化能力对场景深耕与价值共创行为是否具有调节作用,以价值共创行为为因变量,以场景深耕及场景深耕与数字化能力交互项为自变量构建模型M6,得到交互项系数显著为正(β=0.204,p<0.001),说明数字化能力正向调节场景深耕与价值共创行为关系,假设H3得到验证。数字化能力调节效应如图2所示,当数字化能力较强时,场景深耕与价值共创行为呈显著正相关关系;当数字化能力较弱时,场景深耕与价值共创行为的正相关关系依然显著,但斜率值低于高数字化能力组,H3得到进一步验证。

表5 多层回归分析结果Tab.5 Results of multilevel regression analysis

图2 数字化能力的调节作用Fig.2 Moderating role of digital capability

4.3 进一步分析

回归分析结果显示数字化能力调节场景深耕与价值共创关系,可能也会调节价值共创在场景深耕与服务创新绩效间的中介效应。因此,本文采用Process V3.3检验被调节的中介效应,结果如表6所示。从中可以看出,价值共创在场景深耕与服务创新绩效之间的中介作用被数字能力正向调节(inde=0.050,P<0.001)。

表6 被调节的中介效应检验结果Tab.6 Test results of moderated mediating effects

另外,将价值共创行为划分为两个维度:与用户的价值共创行为(VC1)和与其他利益相关者的价值共创行为(VC2),对其分别进行中介效应检验和调节效应检验,结果如表7所示。从中可见,VC1和VC2均充当了场景深耕与服务创新绩效之间的中介变量(β=0.148,p<0.001;β=0.109,p<0.001),且数字化能力同时正向调节两种中介效应。这印证了H2假设,即由场景深耕驱动的制造企业与用户的价值共创行为以及与其他利益相关者的价值共创行为均是服务创新绩效提升的重要原因。

表7 不同类型价值共创行为中介效应检验结果Tab.7 Mediation effect test results of different types of value co-creation behavior

为确保模型稳健性,同时采用结构方程模型对上述变量关系进行检验,并构建两个竞争模型。竞争模型A包括“场景深耕→服务创新绩效”“场景深耕→数字化能力→服务创新绩效”“场景深耕→价值共创行为→服务创新绩效”3条路径,竞争模型B包括“场景深耕→服务创新绩效”“场景深耕*数字化能力→服务创新绩效”“场景深耕→价值共创行为→服务创新绩效”3条路径,与本模型进行对比分析,结果如表8所示。从中可见,本模型中各路径系数均具有显著性,与回归模型所得结论基本一致,且与竞争模型A、B对比明显,进一步验证了模型的有效性。

表8 结构方程分析结果Tab.8 Analysis results of structural equations

5 结论与讨论

5.1 研究结论

本文基于服务创新生态系统价值共创和大数据合作资产理论,探讨制造企业通过需求端场景深耕对服务创新绩效的影响,以服务创新生态系统价值共创行为作为中介变量,以数字化能力为调节变量构建理论模型,通过实证分析得出如下结论:

(1)制造企业在需求端开展场景深耕能够促进企业与用户的价值共创行为,进而提升服务创新绩效。首先,制造企业通过场景塑造为用户提供更加细致化的产品体验,将用户代入其塑造的基于生活细节的情境中,通过满足用户需求实现产品价值增值,形成消费黏性,提升服务创新绩效;其次,制造企业通过与用户建立强连接互动关系,在交互过程中获得用户反馈,同时挖掘用户潜在需求,精准把握用户需求变动趋势并将其转变为用户实际消费,及时改善产品或服务,降低服务创新风险,从而提升服务创新绩效;再次,用户在社群中的分享和讨论不仅可为制造企业提供反馈信息,也能形成较强的消费黏性,带动二次或多次裂变销售,促进服务创新绩效提升。

(2)制造企业在需求端开展场景深耕,驱动企业与其他利益相关者的价值共创行为,进而提升服务创新绩效。首先,制造企业通过场景深耕明确用户需求,为突破自身资源限制,会吸纳设计方、资源方参与自身研发生产,沿着价值链上下游筛选合作伙伴,通过价值共创行为为用户提供符合期望的产品或服务;其次,在场景方案迭代过程中,制造企业需要嵌入或搭建开放式服务创新生态系统,与利益相关者进行互动合作,通过场景深耕提高价值共创参与主体的开放性和演化性,为用户提供精准服务;再次,为促使场景方案落地,制造企业需要整合服务创新生态系统中的各种异质性资源,参与价值共创的资源越丰富,越有可能为用户提供期望产品或服务。

(3)数字化能力是制造企业协调服务创新生态系统中不同主体、整合不同资源创造价值的重要保障,对场景深耕促进价值共创行为具有重要作用。首先,数字技术的采用突破了价值共创主体交互时空限制,能够使制造企业通过实施场景化商业模式深化与用户交互、拓宽利益相关者范围提供支持;其次,对于需求端价值共创而言,数字化能力能够确保制造企业全程记录用户在场景中的动态,形成庞大的用户数据库,通过数据分析挖掘用户需求,在交互过程中实现用户—企业价值共创;再次,对于供给端价值共创而言,数字化能力是制造企业与资源方等利益相关者实现信息互通的重要保障,能够促进各方利益相关者共同围绕用户需求进行价值共创,并针对需求变动及时调整场景方案,实现场景迭代。

5.2 理论贡献

(1)明确场景深耕的含义,在现有研究基础上开发测度量表,调研数据显示该量表具有较高的信效度,可供后续研究采纳和借鉴。与现有可测度的场景概念如网络服务场景(李慢等,2014)、场景化创新(许华和宋琦,2021)不同,场景深耕强调以提高用户场景化需求为基点,以不断改善场景方案满足用户需求升级为目标,及时响应用户动态需求。

(2)基于服务创新生态系统价值共创视角,剖析为何制造企业开展场景深耕有利于提升服务创新绩效。本研究认为,制造企业在需求端的场景深耕一方面能够深化制造企业与用户的价值共创行为,另一方面能够拓宽与制造企业开展价值共创活动的主体范围,驱动整个服务创新生态系统协同创新,促进服务创新绩效提升。

(3)利用大数据合作资产理论探讨数字化能力影响场景深耕对服务创新生态系统价值共创行为的促进作用。本研究一方面将大数据合作资产理论应用到场景化商业模式研究中,另一方面也说明开展场景深耕是形成大数据合作资产的重要渠道。

5.3 管理启示

(1)深度挖掘用户需求,通过深耕场景在需求端提升用户体验和感受,在供给端整合服务创新资源。建议参考海尔三翼鸟的“平台+店面”模式,在需求端搭建在线社群、线下实施场景体验,建立完善的售后反馈机制,洞察用户需求偏好,为场景设计及迭代升级提供方向。在供给端依赖工业互联网平台,根据用户信息,整合协调服务创新系统资源,快速响应市场变化,实现场景方案裂变。

(2)以场景建设为基础,提高数字化能力,促进价值共创,提升制造企业服务创新绩效。一方面,借鉴海尔三翼鸟的“1+N”服务体系,打通资源壁垒,弥补自身资源劣势,促进场景和产品多元化升级;另一方面,提高数字化能力,打通数据流通渠道,提升资源匹配速度和生产效率。

5.4 不足与展望

本文存在如下不足:一方面,目前场景研究处于起步阶段,本文对场景深耕的探索存在诸多不足之处,未来需要对研究结论进行不断检验和完善;另一方面,只考虑场景深耕带来的价值共创深度和广度问题,忽视了场景深耕驱动服务创新的成本问题,未来应将场景深耕成本纳入考虑范畴,探讨场景深耕程度与服务创新绩效提升之间的作用关系。