企业数字化转型对客户集中度的影响

佟 岩 ，刘柯慧 ，赵泽与 ，李 鑫

（1.北京理工大学 管理与经济学院，北京 100081；2.中国银行股份有限公司 银行卡中心，北京 100031）

数字经济正迅速成为全球经济增长的重要驱动力，其正以前所未有的速度扩张，不断扩大辐射范围，并深入到各个行业。这股变革力量在重组全球资源、改造全球经济框架和改变全球竞争环境方面发挥着举足轻重的作用。中国信通院2022年发布的《全球数字经济白皮书》显示，2021年，全球47个国家数字经济增加值规模为38.1万亿美元，同比名义增长15.6%，占GDP比重为45%，较2020年继续增长，可见数字技术创新已成为全球战略的重点。企业数字化转型作为推动数字经济健康发展的关键一环，在深化供给侧结构性改革、推动经济社会高质量发展方面同样起着重要作用。

目前，数字化转型对企业经营绩效和商业模式等多方面的影响已经得到了证实，然而尚未有研究探讨其对于企业客户资源集中度的影响。作为企业重要的利益相关者，客户的集中度对企业经营产生着重大影响。传统观点认为，企业过于依赖大客户会带来一定风险。首先，对大客户的依赖可能会削弱企业的议价能力，使企业不得不提供价格折扣或延长商业信用期限，导致利润空间严重压缩，陷入财务危机甚至是经营困境。其次，大客户可能随时会终止交易，会导致企业营业收入大幅减少、股权资本成本和债务成本增加以及资金链断裂等[1]。同时，如果企业的主要销售对象只集中于少数大客户，所产生的专用性资产也会随着大客户的流失而遭受巨大的贬值[2]。为了避免大客户依赖引发的各类风险，中国证监会明确要求上市公司应在其年报中披露其前五名大客户的销售额年度占比，并且会在IPO企业的审核中重点关注客户集中度问题[3]51。无论是理论界还是实务界，都应持续关注哪些影响因素可以帮助企业规避客户资源过于集中所带来的危害。

基于此，本文以中国快速发展的数字经济为背景，探究企业数字化转型对客户集中度的影响。研究发现，企业数字化转型程度的提高能够显著降低企业的客户集中度。机制分析发现，企业数字化转型能够通过提高企业的信息披露质量，从而帮助企业降低客户集中度。异质性分析表明在销售费用率和盈余管理程度较高、全要素生产率和分析师关注度较低、非国有以及数字经济发展水平较高地区的企业，数字化转型能够更加显著地为企业吸引客源，减少客户集中度。最后，经济后果检验发现数字化转型在降低了企业客户集中度后，还能进一步提升企业的市场地位。

本文可能的贡献在于：首先，将数字化转型与企业的客户集中度联系起来，为全面看待数字化转型的经济后果提供了新视角，补充了数字化转型影响企业经营表现的研究成果，有助于进一步提升企业进行数字化转型实践的质量。其次，目前对客户集中度影响因素的研究较少，本文结合当下热点，探究了数字时代下企业行为与客户集中度的动态关系，丰富了客户集中度影响因素领域的研究成果。第三，从企业信息披露行为的角度验证了数字化转型对于降低信息不对称程度、提升信息质量的重要作用。最后，本文的研究有助于厘清数字技术为企业赋能的具体路径，帮助企业找准战略发展方向，对于提高数字化转型的效率和成功率具有一定的现实意义。

一、制度背景和文献综述

（一）制度背景

近年来，中国中央政府逐步将发展数字经济上升到国家战略层面，出台了一系列关于数字经济规划及政策，为数字经济的发展提供了有力支撑。自2017年“数字经济”首次写入国务院政府工作报告后，“数字经济”已经连续多年出现在政府工作报告中。党的十九大报告中提出要推动互联网、大数据、人工智能和实体经济深度融合。2020年，《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》中已经将数据视为新的生产要素。2021年，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》从打造数字经济新优势、加快数字社会建设步伐、提高数字政府建设水平以及营造良好数字生态四方面，提出要“加快数字化发展，建设数字中国”。同年，国务院颁布的《“十四五”数字经济发展规划》中进一步明确了“十四五”时期推动数字经济健康发展的指导思想、基本原则、发展目标、重点任务和保障措施①资料来源：https://www.gov.cn/xinwen/2022-01/12/content_5667840.htm。。2022年，党的二十大报告再次强调要“加快发展数字经济，促进数字经济和实体经济深度整合”。2023年中共中央、国务院印发的《数字中国建设整体布局规划》中明确指出建设数字中国是数字时代推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑。随后颁布的《国务院机构改革方案》计划组建国家数据局，专门负责协调推进数字制度建设、统筹数据资源共享等。

（二）文献综述

1.客户集中度影响因素的相关研究

目前，客户集中度的相关研究获得了国内外学者的广泛关注。然而，针对客户集中度影响因素展开探讨的文献比较少见。刘昌华等[3]51研究发现，当企业投入更多金钱与精力去开发或维系客户时，或当企业处于产品竞争程度较低的市场中时，客户集中度会显著降低。技术创新能力能够提高企业的竞争力[4]，使企业更好地满足客户需求，进而扩大客户群体，降低客户集中度[5]。与此同时，企业良好的环境、社会、公司治理（Environmental,Social and Governance，ESG）表现也有助于减少企业对大客户的依赖[6]，从而降低客户集中度。也有研究发现了提高客户集中度的影响因素，马浚洋等[7]基于家族企业的研究证实，当家族控制权较高时，企业更倾向于利用人脉关系进行销售，客户集中度较高。陈胜蓝和刘晓玲[8]利用中国城际高铁开通作为准自然实验，发现高铁开通带来运输成本的下降提高了企业客户集中度。

2.数字化转型经济后果的相关研究

近些年，学术界对企业数字化转型掀起了一股研究热潮，已有学者基于企业内部和外部视角对数字化转型的经济后果做出了有益探索。

从对企业内部表现的影响来看，数字化转型不仅推动了产品创新、商业模式创新，还使得过程、产品和服务之间的界限逐渐模糊，三者之间动态的相互作用给企业发展提供了更多可能[9-10]。先进的数字技术手段增加了企业融资渠道，从而促进了企业的创新行为[11]。企业进行数字化转型可以优化人力资本结构、促进制造业和服务业融合[12]，降低企业融资成本、缓解融资约束[13]41，加速企业间由研发合作、模仿学习所产生的知识溢出[14]43，这些共同作用于提升企业的全要素生产率，并会随着时间推移作用更加明显。已有研究也关注到了许多其他的企业内部表现。例如，赵璨等[15]认为数字技术降低了企业业务变动时需要付出的调整成本和管理者乐观预期，进而抑制了企业的成本粘性。祁怀锦等[16]和韦谊成等[17]的研究表明，在数字经济化程度高的企业中，管理层非理性行为被抑制，公司治理水平显著提升。综上来看，数字化转型在许多方面都为企业带来了积极影响，最终也在企业价值上有所体现：实施数字技术的企业每股收益、资产收益率和市场占有率等指标较未实施企业均有显著提高[18-19]。

从对企业外部表现的影响来看，数字化进程也在企业与其他市场主体的互动，以及企业的资本市场表现方面起到了积极作用。在信息化密度和普及程度更高的地区、行业中，以及在数字化水平较高的企业中，出口绩效会得到显著改善[20-21]。先进信息技术的使用使企业有了更高的信息透明度和会计信息质量，管理层的自利行为被有效遏制，进行盈余管理的可能性也大大降低，降低企业审计风险，同时，数字技术还降低了审计成本，提高了审计效率，节约企业对外支付的审计费用[22]62。数字化转型对于信息披露质量和企业治理水平的改善，能够显著减少企业内部人的坏消息隐藏行为，使企业的股价崩盘风险显著降低[23]。在资本市场中，数字化转型程度较高的企业往往会有更高的分析师关注度、创新绩效和企业价值，更易受到市场的认可，股票的流动性也会显著增强[24]。

尽管大多数研究都对数字化转型持有肯定态度，但也有少数学者提出了质疑[25]470。Ekata[26]研究表明，企业数字化转型与盈利能力之间并没有明显关联。Hajli等[27]的研究发现，政府对于信息技术的投入并不能显著提升劳动生产率。戚聿东和蔡呈伟[28]认为，虽然数字化程度高的企业中商业模式创新会更充分，但当前在中国企业中，数字技术尚未与生产活动有机融合，而是集中在销售和管理活动，组织中传统的管理方法不能与先进的数字技术相匹配，导致管理费用率显著增加，从而抵消了商业模式创新带来的红利。可见，目前对于数字技术的应用究竟会为企业发展带来何种方向的影响尚未得出一致结论，有待于进一步的研究探索。

鉴于此，本文试图立足于数字化转型视角，考察其对企业的客户集中度的影响，并探究企业信息披露质量在二者之间的作用机制，不仅可以为数字化转型的经济后果提供全新的视角，还可以丰富客户集中度影响因素领域的研究成果。

二、理论分析与假设提出

（一）数字化转型与客户集中度

数字化转型的本质是将先进的数字技术应用在企业生产、研发、经营和服务的各个环节中并实现对原有流程的优化升级，是一场为企业带来颠覆性创新的技术变革。首先，数字化转型可以扩大企业的客户基础。传统企业的客户群体大多主要集中于某个区域或行业，企业长期在一个相对固定的范围内寻找客户，导致其对部分大客户的依赖程度较高。数字化转型可以通过互联网技术，使企业能够接触到来自全球各地的客户，也能发掘与不同行业企业合作的可能性，客户基础能够得到极大拓展[29]。

其次，数字科技的运用可以帮助企业识别消费者的需求变化并做出改变。企业通过数字化转型可以建立多元化的客户服务渠道，这些渠道也可以同时帮助企业获得更全面的客户信息，并通过大数据分析技术对有效信息进行处理，从而让企业更好地了解客户的需求和行为变化趋势[30]。针对这些变化，数字科技还可以帮助企业更加快速地响应，及时调整经营策略和方向。此外，企业还可以通过分析搜索引擎上的关键字和用户行为，发现新的市场机会和产品需求，进而推出相应的产品和服务抢占市场[31]。这样一来就避免了在需求快速变化的市场中被抛弃和淘汰，在保持住现有客户的基础上还能不断吸引新客户，进而降低客户集中度。

此外，数字化转型也可以提高企业的营销效率。数字化技术使得企业可以通过各种数字渠道与顾客建立联系，以更低的时间和人力成本触及到更多用户，显著降低企业的营销成本[32]。与此同时，企业也可以根据通过社交媒体、搜索引擎、移动应用等渠道获取到的用户历史订单、客户公开的个人信息等数据更好地刻画潜在用户画像，并根据潜在用户的需求和偏好制定更加精准的营销方案，为顾客提供更具针对性的广告和促销活动，以此提高供需匹配效率，使每一次营销活动都能带来有效的客户增长，进一步增加客户多样性，降低企业的客户集中度。

最后，数字化水平较高的企业可以形成自己难以被外部模仿的优势，长期保持对客户独特的吸引力。如果产品同质化程度过高，客户很容易被分流，企业只能通过压缩利润空间吸引消费者，大客户的议价能力会进一步提高，损害企业长期发展能力。数字技术带来的新方法使企业内部资源联系更加紧密，原本独立的资源通过内部间的通力链接形成本企业独特的资源网络[33]。同时，在数字科技的支持下，随着处理问题的频率和深度不断增加，资源网络会不断创造出独属于本企业的价值优势，降低了外部模仿的可能性，企业不必担心客户会被同行业竞争对手分流，能够长期保持住对已有客户和潜在客户持续稳定的吸引力，进而降低对大客户的依赖程度。

基于以上理论分析，本文提出如下假设：

H1.数字化转型程度越高，企业的客户集中度水平越低。

（二）数字化转型、信息披露质量与客户集中度

信息披露行为是企业内外部交换信息的主要渠道，企业高质量的信息披露，既有利于降低交易成本、增加交易机会，又可以将企业的特色和优势向外部市场主体进行推送，获得更多客户关注进而影响企业客户集中度。实施数字化转型能够提高企业自身的信息披露动力和能力，使得企业可以更好地将特色和优势向外部市场主体进行推送，让外界能够接收到更多关于企业的高质量信息，获得更多客户关注进而降低客户集中度。目前，数字化转型对企业信息披露动力及信息披露能力的积极作用已经得到了现有文献的证实[34]58[35]41。

首先，数字化转型可以提升企业提高信息披露质量的动力。一方面，进行数字化转型具有付出较高成本、耗时较长的特点，在数字化进程尚未带来明显效益之前就陷入经营困境[25]475。在这种情况下，更充分地进行信息披露可以使利益相关者对企业的经营状况和未来前景有更加准确的了解，有利于企业降低经营风险。另一方面，进行数字化转型后的企业会面临更为严格的外部监督，促使企业提升信息披露质量。具体来讲，第一，当企业在生产、经营及销售等环节广泛应用了数字技术时，企业生产经营的每个决策都有迹可循，同时会计师事务所也会利用更智能的数字化审计平台，实现对被审计单位更全面、准确、高效的审查[22]64。这极大地降低了管理层进行信息操纵的空间，使其必须进行更为准确的信息披露。第二，由于中国正掀起一波数字经济热潮，顺应趋势进行数字化转型的企业往往会获得更多的媒体和分析师关注，市场投资者也会给予企业更多正面预期，在这样严格的社会监督下，企业需要提高自身的信息披露质量以应对监管压力[34]59。

其次，数字化转型可以提升企业提高信息披露质量的能力。企业内部的整个流程中会产生并积累大量的信息数据，这些在原有低效模式中无法被利用的非标准化、非结构化数据，可以在大数据分析技术的帮助下转化为标准化、结构化的数据[24]132。这些产出的信息成果不仅可以直接用于企业的日常经营决策，更可以通过各类数字平台和载体向外界输送，企业外部的市场投资者可以打破时间和空间的限制，获取到大量的有效资源和信息，企业内外部的信息不对称程度大幅度降低[35]44。

无论是进行高质量信息披露动力的增强还是能力的提升，都会提高企业的信息透明度、降低与外界的信息不对称程度。一方面，当消费者或下游公司能够获得更多关于企业的高质量信息时，企业的信息搜寻成本和谈判成本会随之下降，增大了企业与更多客户达成合作的可能；同时，通过大数据技术提取出来的标准化的结构数据更易被外界所识别，企业能够将自身的产品特色和经营优势更加精准、全面地向外部市场主体进行推送，吸引到更多客户，进而降低客户集中度。另一方面，企业中由于信息不对称导致的代理问题会得到有效缓解，管理层短视和自利行为导致的各类风险也会有效降低，有利于扩大客户群体，降低客户集中度[36]。

基于以上理论分析，本文提出如下假设：

H2.企业进行数字化转型可以通过提升信息披露质量进而降低客户集中度。

三、研究设计

（一）样本选择与数据来源

本文选取2011—2021年沪深两市A股上市公司为样本，并对数据进行了如下处理：第一，剔除金融行业上市公司样本；第二，剔除在样本期间ST、*ST、PT类公司样本；第三，剔除存在资不抵债、财务状况异常的公司样本；第四，为减少异常值的影响，本文对所有微观层面的连续变量进行了1%和99%的缩尾处理，并在回归分析中对标准误进行公司层面的聚类调整。数字化转型数据及财务数据均来自国泰安（CSMAR）数据库和中国研究数据服务平台（CNRDS），地区层面数据主要来源于历年《中国城市统计年鉴》以及各省政府工作报告。最终得到24 662个公司—年度观测值。

（二）变量定义

1.被解释变量

客户集中度（CC）：前五大客户销售额占年度总销售额比率。

2.解释变量

企业数字化转型（DT）。本文选取国泰安数据库中的企业数字化转型评价指数来衡量数字化转型程度的高低，该评价指数包括战略引领、技术驱动、组织赋能、环境支撑、数字化应用和数字化成果六个一级指标，每个一级指标下又分别涵盖多个二级细分指标，并由二级指标以不同权重加权计算得出一级指标的得分，最终将一级指标再次加权计算得出企业的数字化转型评价指数，分数越高代表企业进行数字化转型的程度越高。这一评价指数综合考虑了企业所处行业的数字经济发展情况和企业自身的数字化水平。尤其对于企业内部，该指数不仅考虑了人工智能、区块链、云计算、大数据等数字化关键技术的运用，还结合了企业内数字基础设施建设的情况、数字化成果在技术、流程、业务方面的创新应用，以及管理层在战略层面对于数字创新的重视和引领程度，十分全面且细致地刻画了企业进行数字化转型的强度和深度。由于数字化转型评价指数存在明显的右偏性，本文将其做对数处理后作为变量进行回归。

3.中介变量

信息披露质量（KV）：参考徐寿福和徐龙炳[37]，采用Kim和Verrecchia[38]的方法衡量企业信息披露质量。Kim和Verrecchia[38]认为，公司的信息披露质量越高，投资者对交易量信息的依赖程度越低，因此交易量对股票收益率的影响也会越小。交易量对收益率的影响系数就被称作KV指数，KV指数越高说明市场投资者对交易量信息的依赖程度越高，意味着公司的信息披露质量越低。构造KV指数的模型如下

其中，Pt和Volt分别是第t日的股票收盘价和股票交易量；Vol0是研究期间所有交易日的股票平均日交易量。有学者指出，模型（1）中的系数α反映的是股票收益率和股票交易量绝对值变化的关系，当不同企业在市场中可供交易的股票数量差异较大时，则无法进行准确比较。因此，参考翟光宇等[39]的做法，对模型（1）进行了如下改进，模型（2）中通过普通最小二乘法（OLS）计算得出的α则为KV指数

4.控制变量

本文选取的控制变量包括：公司规模（Size）、资产负债率（Lev）、净资产收益率（ROE）、账面市值比（BM）、成长能力（Growth）、第一大股东集中度（Shrcr1）、两职合一（Dual）、董事会规模（Bsize）、独立董事占比（Indep）和所有权性质（SOE）。各变量测量方式如表1所示。

表1 变量定义

（三）实证模型

为研究企业数字化转型对客户集中度的影响，构建以下计量模型进行验证

其中，被解释变量CCi,t表示i企业在t年的客户集中度；核心解释变量DTi,t表示i企业在t年的数字化转型程度；Controls代表所有的控制变量；εi,t表示模型的随机误差。同时，本文控制了行业（Industry）和年份（Year）固定效应。

为进一步验证信息披露质量在数字化转型对客户集中度影响中起到的中介作用，在模型（3）的基础上构建了中介效应模型（4）和模型（5）

其中，KVi,t表示i企业在t年的信息披露质量，模型（4）中的γ1用来测度数字化转型对中介变量的影响，模型（5）中γ1和γ2则体现中介变量是否在数字化转型对客户集中度的影响中起到了部分或完全的中介效应。

四、实证结果分析

（一）描述性统计

主要变量的描述性统计结果如表2所示，客户集中度均值为31.3%，中位数为25.3%，最小值和最大值分别为1.3%和95.7%，说明大客户拥有较高销售额占比的现象在样本上市公司中是普遍存在的。企业数字化转型程度的均值和标准差分别为3.549和0.272，且25%分位数和75%分位数分别为3.308和3.761，表明样本企业的数字化发展水平不均，差异较大。

表2 描述性统计

（二）基准回归分析

为研究企业数字化转型对客户集中度的影响，本文使用模型（3）进行多元回归分析，具体回归结果如表3所示。第（1）列为仅控制了行业和年份固定效应的回归结果，数字化转型指标（DT）的系数为-0.175且在1%的水平上显著，第（2）列为进一步加入了公司层面相关控制变量后的回归结果，DT系数的绝对值有所减小，但依然在1%的水平上显著。以上结果表明，企业对于数字化转型的推进确实有利于显著降低自身的客户集中度水平，符合前文的理论推断，假设H1得到验证。

表3 企业数字化转型与客户集中度

（三）机制的识别检验

基于上文的分析，表4展示了对信息披露质量这一作用机制的检验结果。其中，第（2）列的回归结果显示，数字化转型变量的系数在1%的水平下显著为负，表明企业进行数字化转型的程度越高，企业的信息披露质量也会越高，与外界的信息不对称程度显著降低。在第（3）列中列示了将企业数字化转型和信息披露质量同时作为解释变量纳入模型后的实证回归结果，相较于第（1）列中系数的绝对值0.123，数字化转型变量回归系数的绝对值降低到了0.113，且仍然在1%的水平上显著。同时，信息披露质量的回归系数在1%的水平上显著为正，以上信息证明了信息披露质量在企业数字化转型对客户集中度的影响中起到了部分中介的作用。Sobel的检验结果显示P值小于0.01，且中介效应在总效应中占比为22.63%。数字化转型确实可以通过提升信息披露质量，降低由管理层短视和非理性行为导致的各类风险、增加有效信息对外界的曝光度，进而降低客户集中度，假设H2到验证。

表4 企业数字化转型影响客户集中度的机制识别：信息披露质量

（四）稳健性检验

1.替换核心变量

本文分别将被解释变量和核心解释变量采用其他衡量方式计算后再次代入模型（3）进行回归。对于被解释变量，本文使用客户集中度赫芬达尔指数，即前五大客户销售额占总销售额比率平方之和进行替换，回归结果如表5中第（1）列所示，数字化转型依然对客户集中度起到显著的降低作用。

表5 稳健性检验：替换核心变量

对于核心解释变量，本文使用三种方法进行替换：第一，考虑到不同年份和行业的差异，改用经年份行业均值调整后的指标进行衡量，这样可以反映企业数字化转型在各个行业内的相对水平，变量符号记为DTadj；第二，考虑到吴非等[24]134对数字化转型的衡量方法已经可以较为准确地反映企业数字化转型程度，本文借鉴这一测量方法对企业年报进行关键词抓取，并将词频数量加1之后取对数作为新的数字化转型变量，记为DT1；第三，参考袁淳等[40]的做法，仅对企业年报中“管理层讨论与分析”部分进行数字化相关关键词的抓取，并将获得的词汇词频总数与被分析文本总长度相除，获得词频占比作为新的数字化转型变量，记为DT2。表5的第（2）列～第（4）列报告了替换核心解释变量后的回归结果，可以看到数字化转型变量的系数均在1%的水平上显著为负，本文的结论依然稳健。

2.滞后核心解释变量

企业进行数字化转型是一项需要长期投入的工程，先进数字技术的运用可能无法在短时间内与生产经营各环节实现深度融合，也不会对企业产生立竿见影的积极影响，因此本文延长了企业数字化转型对客户集中度影响的观测窗口，将数字化转型指标分别滞后一期和二期再进行回归。表6报告了回归结果，数字化转型变量依然在1%的水平上显著为负，验证了数字化程度在推动企业降低对大客户依赖程度方面的显著作用，本文的核心结论依然稳健。

表6 稳健性检验：滞后核心解释变量

3.剔除部分样本

国泰安数据库中对于数字化转型评价指数的衡量包括了行业和企业两个层面，其中，对于企业层面许多指标的度量仍然采用了在企业年度报告中对数字化相关关键词进行抓取和计数的方式。尽管使用基于机器学习的文本分析法能够较为全面地反映企业中数字化程度的真实水平，但也可能会受到企业进行策略性信息披露的影响，例如为了迎合市场偏好而故意夸大对数字技术的使用程度。因此，为了排除这种行为对实证结果产生的影响，本文对样本进行以下处理：第一，鉴于许多高新技术企业都在科创板上市，可能广泛应用了互联网相关商业模式，因此本文剔除了科创板的上市公司之后重新进行检验；第二，深圳证券交易所每年会对上市公司的信息披露质量进行考评，考评结果分为优秀、良好、合格和不合格，其中被评为优秀或良好的公司进行策略性信息披露的可能性较小，因此本文剔除了评级为合格或不合格的公司样本后进行检验；第三，为保证参与回归的公司样本都具有较好的信息披露质量，本文对在样本期内因信息披露方面的问题受到过中国证券监督管理委员会或证券交易所处罚的样本进行了剔除。剔除了部分样本后的回归结果如表7所示，在第（1）到第（3）列中，数字化转型变量的系数均为负，且都通过了1%的统计显著性检验，说明本文的基本结论依然稳健。

表7 稳健性检验：剔除部分样本

4.工具变量法

考虑到客户集中度可能会反向作用于企业数字化转型，本文使用工具变量法来缓解这一反向因果导致的内生性问题，并选取各省数字经济政策强度作为工具变量。每个地区政府对于数字经济发展的支持力度很大程度上决定了该地区的数字经济发展水平，并会对地区内企业的数字化转型意识和行为产生深刻影响，因此该工具变量的选取满足相关性要求[41]。同时，各地区的数字经济政策强度又不会直接对企业的客户集中度产生影响，满足工具变量的外生性要求。参考陶长琪和丁煜[42]，本文对于数字经济政策强度的具体衡量方法为：首先归集整理样本期间各省级政府工作报告，将其中与数字经济发展有关的关键词提取出来，构建数字经济政策的术语词典，然后根据这些特征词在31个省份2011—2021年的政府工作报告中进行搜索和匹配，最终统计得到全部词汇的词频总数，作为数字经济政策强度的代理指标，变量符号为Policy。

表8列示了两阶段最小二乘估计法（2SLS）的回归结果，第（1）列为第一阶段的回归结果，工具变量Policy的回归系数在1%的水平上显著为正，表明政府对于数字经济发展的政策支持可以显著推动企业积极进行数字化转型。在第一阶段的回归中，本文同时对工具变量的有效性进行了检验，不可识别检验的结果显示，LM统计值为27.875，并在1%的程度上显著（P值为0.000），强烈拒绝了“不可识别”的原假设，证明工具变量与核心解释变量之间存在显著的相关性。在弱工具变量的识别检验中，Wald-F统计值为27.795，大于10%水平上的临界值16.38，表明方程中不存在弱工具变量。第（2）列为第二阶段的回归结果，结果显示数字化转型变量的回归系数仍然为负，且在5%的水平上显著，表明在加入工具变量对模型的内生性问题进行缓解之后，本文的主假设结论依然稳健。

表8 稳健性检验：工具变量法

5.倾向得分匹配法（PSM）

在对数字化转型与客户集中度的关系进行验证时，本文选用了多元线性回归模型，可能存在模型设定偏误问题（FFM），导致估计系数有偏，因此使用PSM对模型设定偏误产生的遗漏变量问题进行处理。首先根据数字化转型程度的高低将所有企业等分为三组，设置一个新的虚拟变量并将数字化转型程度最高的一组赋值为1，其余数字化转型程度较低的两组赋值为0，根据新的虚拟变量全部样本就可以被分为处理组和对照组。其次，将进行基准回归分析时代入模型的全部控制变量作为协变量进行匹配，以1∶3的近邻匹配方法为处理组寻找有相似特征的对照组。表9给出了对样本匹配结果进行平衡性检验的结果，可以看到在匹配后，几乎所有协变量在处理组和对照组中的均值都不存在显著差异，仅有净资产收益率（ROE）和成长能力（Growth）的均值差异在5%的水平上显著，可以接受。同时，匹配后所有协变量的标准差（%bias）均小于5%，并且相较于匹配前都有了大幅度的降低（|bias|），说明数据匹配的质量较好。

表9 稳健性检验：倾向得分匹配法平衡性检验

接下来，基于倾向得分匹配之后的样本重新进行回归，结果如表10所示，第（1）列为模型中仅包含数字化转型程度与客户集中度的回归结果。第（2）列为进一步加入了相关控制变量后的回归结果。两次回归中数字化转型变量系数均在1%的水平上显著为负，可以显著降低客户集中度，与前文中基准回归结果一致，证明在克服了遗漏变量偏差问题后，本文的研究结论依然稳健。

表10 稳健性检验：倾向得分匹配法回归结果

五、进一步分析

（一）异质性分析

1.企业层面异质性分析

销售费用率（Exp）：表11中第（1）列报告了将数字化转型变量与销售费用率的交乘项、销售费用率加入模型（3）之后的回归结果。结果显示，数字化转型与销售费用率交乘项的回归系数在1%的水平上显著为负，与数字化转型变量的符号相同，说明在原本销售费用率越高的企业中，数字化转型对客户集中度的降低作用越显著。企业的销售费用率较高意味着现有的宣传推广较为低效，即使花费了许多资金在做广告和促销活动上，也没有带来明显的新增客户和收入增长，而进行数字化转型后，企业可以通过电商平台、移动支付工具以及配套的物流服务，以更低的成本将产品向更多的客户投放，并且利用在社交媒体、搜索引擎、移动应用等渠道获取的客户购买信息，通过大数据分析技术精准刻画用户肖像、挖掘潜在用户，根据他们的喜好为其制定更加有针对性的广告和促销活动。这样一来，企业可以以更低的销售费用支出带来更多客源，降低企业的客户集中度。因此，对于原本销售费用率较高的企业来说，进行数字化转型之后，客户集中度会有更为显著的下降。

表11 异质性分析回归结果

全要素生产率（TFP）：本文借鉴鲁晓东和连玉君[43]的做法，采用LP法测算企业的全要素生产率。表11的第（2）列报告了将数字化转型变量与全要素生产率的交乘项、全要素生产率加入模型（3）之后的回归结果。可以看到，交乘项的系数为0.008且在1%的水平上显著，系数符号与数字化转型变量的符号相反，说明相对于全要素生产率较高的企业，数字化转型对客户集中度的影响会在全要素生产率较低的企业中更为显著。可能的原因在于：全要素生产率较低的企业，往往存在一系列导致生产效率低下的问题，无法在市场导向快速变化时满足顾客需求，缺乏市场竞争力。因此当这类企业的数字化转型进程逐渐深入时，数字技术有助于帮助企业提升生产效率[14]45，使企业都在市场上占据话语权，降低对大客户的依赖程度。因此，数字化转型对于客户集中度的影响会在企业的全要素生产率相对较低时有更大的发挥空间和更显著的作用效果。

盈余管理程度（DA_J）：参考Dechow等[44]的做法，本文使用修正的Jones模型测量企业的盈余管理水平。表11的第（3）列报告了将数字化转型变量与盈余管理程度的交乘项、盈余管理程度加入模型（3）之后的回归结果。回归结果表明，交乘项DT_DA_J的回归系数在10%的水平上显著为负，与核心解释变量数字化转型的系数符号相同，说明当企业的盈余管理程度较高时，数字化转型对客户集中度的降低作用更显著。对于这一现象可能的解释是：当所有权与经营权分离带来的信息不对称程度较高时，企业更易进行盈余管理[45]，而数字化转型能够降低企业的信息不对称程度从而抑制盈余管理行为。一方面，数字技术可以将无法被企业识别和利用的数据转化为有效信息输出，作用于企业生产决策。在这个过程中，管理者与股东之间的信息不对称程度降低，经理人的盈余管理行为就会显著减少，有利于吸引客户和合作伙伴。另一方面，进行数字化转型后的企业会面临更为严格的外部审查和监督，管理者不再能够随意对盈余进行操控，其他自利行为和非理性行为也会受到抑制，从而增加了客户购买这些公司相关产品的意愿。因此，在盈余管理程度原本较高的企业中，数字化变革可以通过降低信息不对称和盈余管理程度，带来更显著的积极影响。

分析师关注度（Anal）：本文对于分析师关注度的变量定义为，在一年内对该公司进行过跟踪分析的分析师团队数量，只要某个券商机构在一个财务年度中发布过关于某家上市公司的盈利预测或投资评级报告，就被视为对该公司进行过跟踪分析。表11中第（4）列给出了将数字化转型变量与分析师关注度的交乘项、分析师关注度加入模型（3）之后的实证结果。结果显示，数字化转型与分析师关注度交乘项的回归系数为0.002，并且在1%的水平上显著。交乘项的符号与数字化转型变量的符号相反，这表明数字化转型对客户集中度的削弱作用会在不太被分析师关注的企业中更为明显。可能的原因在于：证券分析师发布的盈利预测和投资评级报告可以提供客户所需要的信息，加之由于分析师具备专业的商业分析能力，投资者和消费者对其有很高的依赖度和信任度[46]，因此，分析师关注度的提升能够帮助企业获得更多客户青睐，降低客户集中度。对于未能受到足够的分析师关注的企业来说，在未进行数字化转型以前，他们向外传递信息的渠道十分有限，无法与客户进行充分沟通，而在提升了企业的数字化程度之后，分析师关注度也随之提高，分析师作为重要的信息搜集者、加工者和传播者，成为了将企业推向更多市场主体的推手，从而使企业更有可能降低对大客户资源的依赖。

所有权性质（SOE）：鉴于中国特殊的企业制度背景，国有企业和非国有企业在资源禀赋和市场定位等方面都具有较大差异。表11中第（5）列给出了将数字化转型变量与所有权性质的交乘项加入模型（3）之后的回归结果。结果显示，交乘项DT_SOE的回归系数为0.021，并且通过了5%的显著性检验。交乘项的符号与数字化转型变量的符号相反，说明在非国有企业中，数字化转型程度对客户集中度的影响能够有更大的作用空间。该差异可能是由以下几个原因导致的：首先，国有企业在资金来源、资源获取等方面有着天然的优势，相对于非国有企业，他们更容易通过政府补贴和银行贷款等方式获取稳定的资金来源，这些优势可以使国企面临的竞争压力较小，缺乏想要通过数字化转型实现创新升级的强烈意愿；而非国有企业面临的则是不进则退的竞争压力，当市场风向和消费者需求快速变化时，他们会更加迫切地寻求数字化转型的帮助来提升竞争力，进而增加对客户的吸引力。其次，国有企业的组织架构往往惯性较大，无法轻易进行调整，在进行数字化转型的过程中，实施起来可能会面临较大的阻力；而非国有企业通常具有更为灵活的组织形态，进行结构和人员调整时所需花费的成本更低，因此能够在企业研发、经营及销售等各个环节实现数字技术优势的最大化，最大程度地提高满足客户需求的能力。最后，国有企业特殊的客户性质使其客户黏性较强，且通常拥有体量较大的订单和需求，其大客户地位一旦确立很难撼动；非国有企业则更加倾向于与个人或私营企业进行合作，且需要通过提升自身的市场竞争力和创新服务来建立和维护客户关系，因此在更加具备实施数字化转型的动力的同时，也能在降低客户集中度方面获得更显著的成效。

2.地区层面异质性分析

一个地区的数字经济发展水平在很大程度上影响着企业能否顺利通过数字化改革实现转型升级。本文参考赵涛等[47]对于地区数字经济发展水平的衡量，从互联网发展和数字普惠金融发展两个方面综合进行测度。首先从《中国统计年鉴》中获取各省份的互联网普及率、相关从业人员情况、相关产出情况和移动互联网用户数四个指标，每个指标衡量的具体内容是：每百人中互联网宽带接入用户数、从事计算机服务和软件业人员占城镇单位从业人员比重、人均电信业务量和每百人中移动电话的用户数。对于数字金融的测量采用由北京大学数字金融研究中心和蚂蚁金服集团共同编制的中国数字普惠金融指数。最后将以上五个指标进行主成分分析并最终得到降维处理后的数字经济综合发展指数，变量符号记为DE。

表11中第（6）列给出了将数字化转型变量与数字经济综合发展指数的交乘项、数字经济综合发展指数加入模型（3）之后的回归结果。结果显示，该交乘项的回归系数为-0.01，并且通过了1%的显著性检验。交乘项的符号与数字化转型变量的符号相同，这表明相对于数字经济发展还较为落后的省份，处于数字经济发展水平较高地区中的企业，更有可能通过进行数字化转型显著降低对大客户的依赖程度。这一差异出现的可能原因在于：首先，数字经济发展水平高的地区通常具备完善的数字基础设施，企业可以以更低的成本快速构建和管理自己的数字化平台和应用[13]51。同时，这些地区往往拥有较多的数字化人才和技术专家，为自身的数字化转型提供专业的支持和指导。在数字经济飞速发展的地区，政府往往会制定各类优惠政策和支持措施，鼓励企业进行数字化转型。有了更加完善的基础设施、更加优质的人才储备和更加良好的制度环境，企业进行数字化转型的门槛降低，转型之后所面临的风险也更加可控，因而可以在生产效率、创新能力、产品和服务质量等方面获得显著提升，从而提高市场竞争力，招揽更多客户。其次，数字经济发展水平良好的地区中，“互联网+”思维会得到广泛普及，各类市场主体对于数字要素有着更为敏感的感知和明显的偏好，对于高新技术的接受程度也更高。因此尽管企业会面临更激烈的市场竞争，但面对更加多样化的市场参与者，如果能够通过数字化转型升级提高满足客户需求的能力，并在市场竞争中保持领先优势，将会收到更为明显的市场反应，表现为客户集中度的显著下降。

（二）经济后果分析

企业的客户集中度越高，议价能力就越低，无法在商业谈判时占据主动权从而为自己争取有利条件，在上、下游企业之间存在的议价能力其实是一种纵向的市场势力，而企业要想在激烈的市场竞争中生存下来，也必须同时提升在行业内的横向市场势力，即提高市场地位。客户集中度降低则意味着企业拥有了更为庞大的客户群体，生存和发展的独立性会有所提高，利于企业在进一步发展中获得更高市场占有率，进而提高市场地位。因此，本文希望进一步探究数字化转型为客户资源结构带来的优化，能否真正转化为企业市场势力的提升，让企业的市场地位更加稳固，从而拥有更高的议价能力和生存能力。为此，在模型（3）的基础上构建模型（6）和模型（7），采用逐步回归法进行中介效应检验

其中，MKTpos代表企业的市场地位，具体衡量方参考张新民等[48]，使用市场占有率的高低代表企业市场地位。市场占有率指的是企业在当年的销售收入占所处行业全部企业年度销售收入总额的比例，可以表明企业在市场上拥有的“势力范围”，当企业的市场占有率大于行业中位数时，市场地位变量MKTpos取值为1，否则取值为0。其他变量定义同前文一致。表12报告了模型（3）、模型（6）和模型（7）的中介效应检验结果，第（2）列与前文基准回归结果一致，数字化转型可以显著降低企业的客户集中度。第（1）列中，数字化转型变量的系数在1%的水平上显著为正，说明随着数字化转型程度的提高，企业的市场地位也会显著提升。第（3）列的结果显示，客户集中度的系数在1%的水平上显著为负，数字化转型变量的系数从0.087降低到了0.075且仍然保持1%水平的显著，说明客户集中度发挥了部分中介效应。Sobel的检验结果显示P值小于0.01，且客户集中度发挥的部分中介效应在总效应中占比2.77%。综上，数字化转型在降低客户集中度之后，确实有利于提升企业的市场地位。

表12 数字化转型经济后果回归结果

六、结论与启示

数字化转型作为实体经济与新一代数字技术深度融合的新兴战略，其对企业发展的积极影响已经获得了肯定。客户关系作为企业最重要的商业关系之一，数字化转型是否会改善企业对大客户的依赖程度仍需进一步探究。基于此，本文以2011—2021年中国沪深两市A股上市公司的为样本，通过国泰安数据库中构建的数字化转型评价指数，与客户集中度进行回归分析，研究结果表明：数字化转型程度的提高确实能够显著降低企业的客户集中度，扩大客户基础。机制分析发现，随着数字化进程的深入，企业进行信息披露的质量都会得到显著提高，进一步帮助企业提高了市场竞争力，降低客户集中度。本文主要结论在一系列稳健性检验后依然成立。企业层面异质性分析发现，在销售费用率和盈余管理程度较高、全要素生产率和分析师关注度较低以及非国有企业中数字化转型减少客户集中度的效果更加显著。同时，相对于数字经济发展还较为落后的省份，处于数字经济发展水平较高地区中的企业，更有可能通过进行数字化转型显著降低对大客户的依赖程度。最后，数字化转型在降低了客户集中度的同时，还能进一步提升企业的市场地位，提高企业生存能力。本文的研究结论具有以下政策启示：

第一，企业应当充分把握数字经济发展所带来的机遇，积极布局数字化战略，从而促进自身客户资源结构优化。在日趋激烈的市场竞争中，企业可以利用数字化转型所带来的信息流通和处理效率的提升，精准把握住市场的变化趋势并随之及时作出调整，不断提升满足客户需求的能力。通过将先进的数字技术应用在研发、生产、销售等各环节，满足客户的多样化、独特性需求，使企业在维持住已有客户的基础上，充分扩大客户基础以改善对大客户资源的过度依赖。

第二，企业要时刻关注并及时调整自身客户资源的集中程度，既要抢占市场资源获得稳定的客户关系，又要不断扩大市场影响力，增加客户多样性，使企业不会因过于依赖大客户而受到各方面的限制。尤其需要关注自身在营销策略、生产效率、信息披露质量等方面的提升潜能，这些方面的优化改进可以显著提升企业对客户的吸引力，形成独特的品牌优势和知名度，提高市场竞争力。

第三，中国必须积极采取措施，顺应数字经济迅速发展的重要趋势，出台强有力的政策鼓励企业将数字技术融入企业产品和组织结构，促进企业高质量发展。同时，企业的数字化发展应严格遵循差异化原则，根据每个公司的具体条件制定独特的数字化路径，对于销售费用率和盈余管理程度较高、全要素生产率和分析师关注度较低的企业，要认识到企业当前无法获得突破的主要原因，并有意识地利用数字化转型提升薄弱环节，使数字技术能够在优化客户资源结构上实现效用最大化。

第四，在全国范围内，数字经济发展的基本条件存在很大差异，因此，政府应制定高水平的数字整合战略，确定适当的切入点并制定实施计划。首先，对于数字经济发展水平较低的地区，应当重视数字基础设施的完善，加强对信息技术基础设施的投资力度，打造产业化的数字平台，从而更好地赋能企业数字化转型，形成协同创新的开放式格局。其次，还要注重发现当地企业在转型过程中出现的困难和需求，通过出台相关扶持政策，为企业提供税收、政府补贴、普惠金融、人才引进等方面的利好，帮助企业渡过难关，真正享受到数字经济与实体经济深度融合所带来的红利。