招聘類平臺企業價值創造的前因條件研究
——一項基于fsQCA的定性比較分析

宣楊易

(安徽大學 商學院，安徽 合肥 230000)

平臺型組織將是未來企業的主要形式之一，而如何構建成功的平臺型企業已經成為業內關注的重點[1]. 企業經營活動的目的與出發點始終圍繞“價值創造”進行，同時也代表著企業生存發展的根本[2]. 縱觀中國本土發展良好的平臺企業，都很重視價值創造. 如阿里巴巴，目前中國最大的電子商務在線平臺，得以快速發展因為創辦之初就是為大眾提供方便快捷的在線網購服務，也就是致力于創造價值；中國最大的生活服務團購類交易網站——美團點評，也是通過連接用戶和商家創造價值而得以發展壯大. 可見，價值創造已經成為平臺型企業獲得成功的重要影響因素. 近年來，平臺企業的價值創造也已經引起了國內外學者的廣泛關注[3]. 本文將主要討論平臺企業價值創造的影響因素有哪些，其中哪些又是必要條件.

1 文獻回顧

在學術界，價值創造和價值獲取對于構建成功平臺企業的重要性已經達成廣泛共識：價值創造和價值獲取是平臺商業模式[4]和維持平臺可持續性[5]不可或缺的一部分，但兩者存在明顯區別[3]. 價值創造的過程被視為一種在平臺構建的生態系統內進行協作和活動為客戶和用戶創造價值的機制[6]，而價值獲取是公司級戰略計劃，這些計劃應適當地利用其在生態系統創造的總價值中所占的份額[6]，無論是有意還是偶然地獲取[7-8].

基于資源視角，學者們提出了資源在價值創造中促進和鞏固商業模式的重要性[9]. Amit等[10]認為資源配置是數字世界中價值創造的源泉，并探討了在數字化世界中企業如何合理配置資源以創造價值；Hitt等[11-12]提出的資源調配框架為中心企業如何通過其資源配置獲得競爭優勢和獲取價值的提供指導. 從動態視角來看，Ritala等[8]描述了創新平臺中的價值創造過程；高素英等[13]從結構洞、社會網絡的角度來講平臺企業如何獲取價值，即通過建立需求方和供給方之間的聯系；徐芳蘭等[14]從經濟學角度講互聯網時代下平臺經濟價值創造的路徑以及優化建議；王水蓮等[15]提出了平臺價值創造的三個環節：資源整合、供需匹配和共創驅動. 可以看出，目前國內外學者對平臺企業價值創造的研究多關注企業內部資源和企業本身，很少站在用戶角度.

近幾年，學者們逐漸采用案例分析方法對平臺企業進行研究. 王水蓮等[15]通過對滴滴等平臺企業的研究，確定平臺企業價值創造的關鍵環節. Amit等[10，16]結合現實案例與理論推演，歸納出平臺企業不同商業模式下的價值創造模型，并研究得出電子商務平臺的價值創造潛力取決于四個相互依存的維度. 周德良[17]以電子商務行業為對象，通過理論總結和現實觀察歸納了電商平臺企業價值貨幣化的主要類型，并進一步論述了相應的價值獲取機制. 可以看出，目前學者對于價值創造的研究主要采用案例分析法和理論推演，很少從定性和定量相結合的角度進行分析.

因此，本文擬采用整合視角，將平臺新穎性、平臺效率、平臺互補型、平臺鎖定納入一個共同的框架，探索這四個因素間的復雜交互作用對平臺企業價值創造的影響. 以往研究大多從單個因素出發，探索對價值創造的影響，而采用整合視角有助于厘清各因素對價值創造的影響及其互動關系，更符合企業是異質性的這一現實情景. 而選擇招聘類平臺企業作為本文的研究對象，是因為以往文獻較少關注招聘類平臺企業，而此類企業也是不可忽視的平臺類企業之一. 本文將首先通過對文獻進行梳理，確定影響平臺企業價值創造的前因條件；然后，選擇10家招聘類平臺企業為研究對象，通過問卷調查法收集數據，采用定性比較分析方法對其價值創造的前因條件結構進行分析，得出適合中國情景的平臺企業價值創造體系.

2 研究設計

2.1 方法選擇

由于本文的研究問題是招聘類平臺企業價值創造的前因結構研究，試圖發現為平臺企業帶來價值的不同路徑，所以適宜使用模糊集定性比較分析方法(QCA). QCA解決了傳統統計技術中無法解釋自變量相互依賴等復雜的問題，采取整體分析視角，把研究對象視作條件變量不同組合方式的組態，整合了案例研究與變量研究的優勢[18]，并通過集合分析發現要素組態與結果的集合關系[19]. 且與傳統基于相關性的定量分析方法的不同之處在于，分析和解釋的是各個前因條件的綜合效應而非凈效應[18]. 本文選取fsQCA作為研究方法的理由是：首先，本研究樣本量較小，只有10家企業，傳統統計分析難以得出穩健的結果，而QCA方法對樣本的數量要求一般為10～60個[20]，更適合于中小數量的案例分析[21]. 其次，定性比較分析將要素的“是與非”都納入到分析之中，跳出了傳統“負負為正”的分析邏輯. 與僅能處理完全對稱關系(若A→Y，則～A→～Y成立)的統計分析方法相比，定性比較分析允許并且能很好地處理前因變量的不對稱性[22]. 將前因變量的“正面”與“反面”同時納入分析，能夠使統計結果及其理論解釋更加豐滿[23]. 最后，此方法對于組織采取整體視角，更加符合組織現象的相互依賴性和因果復雜性[19]. 本文研究招聘類平臺企業價值獲取的前因，由于不同企業獲取價值的路徑必然是多樣的，使用QCA方法可以很好地發現總結帶來同一結果的不同原因路徑.

2.2 變量選取與測量

2.2.1 變量選取在平臺企業中，價值由企業獨創規則已經不再適用，取而代之的是新的商業模式和新的價值創造思路——平臺與供需雙方共同創造價值[24]. 也就是說，用戶認知價值是反映平臺企業價值創造的表現形式. 從價值共創角度去分析，不是單純基于產品的功能和作用判斷，而是主要依靠用戶使用和體驗[25].

圖1 招聘類平臺企業價值創造理論模型

Khademi和Behrooz[3]認為影響平臺價值創造的四個主要驅動因素為生態系統吸引力，高效的架構和平臺設計，適當的知識產權管理(IP)以及政府干預. 而Amit R和Zott C[16]則通過案例研究得出，電子商務的價值創造潛力取決于四個相互依存的維度，即效率、互補性、鎖定和新穎性. 本文借鑒后者的研究，探討效率、互補性、鎖定和新穎性四個維度對價值創造的影響. 理由是：首先Amit和Zott的研究受到了廣泛地討論和應用，并證明了其合理性、可靠性；其次，本文研究的主體為招聘類平臺企業，這一企業形式與電子商務企業在商業模式上較為接近，使用在電子商務模式中成立的框架來驗證平臺企業價值創造的動因是合理的.

綜上所述，本文的研究模型如圖1.

2.2.2 變量測量

為保證測量量表具有較好的信度和效度，本文采用在國內外文獻中已經使用成熟的測量量表，并結合本研究平臺情境及相關專家討論意見，進行了修改和完善. 題項選用李克特5級量表設置規范，從1-5分別表示完全不同意到完全同意. 具體測量題項如表1所示.

平臺效率 根據Amit R和Hagiu等[26]的研究進行測量，包括“用戶可以在平臺上短時間內獲得相對滿意的信息”“平臺給用戶推送的產品、服務等是用戶喜歡或急切需要的信息”.

平臺互補性 參照Amit和Jacobides等[27]的研究進行測量，包括“消費者在平臺上愿意為相關產品和服務點贊或評分”“平臺上商家提供了種類齊全的產品或服務”等3個題項.

平臺鎖定 通過對文獻[28，29]的研究進行測量，包括“用戶會持續關注平臺的發展動態”“用戶愿意按照熟悉的方式繼續使用平臺”等3個題項.

平臺新穎性 根據Amit和Benlian等[30]的研究進行測度，包括“用戶進入平臺不需要嚴格的資格審查和基礎條件”等3個題項.

用戶認知價值 根據Khademi[3]， haile和altmann[31]等的研究結論，選擇系統評價和支付意愿來測定. 其中系統評價測量題項包括“平臺為用戶提供了高效的服務系統”與“平臺系統很容易學習和使用”支付意愿包括“用戶愿意花時間投入平臺和為平臺服務付費”.

另外，本文的研究對象為招聘類平臺企業，故將企業類型設定為招聘類平臺企業作為控制變量.

2.3 數據收集

2.3.1 樣本確定與數據收集由于本文研究的重點是探究招聘類平臺企業價值創造的前因結構，所以在數據收集時主要遵循以下原則：1)數據來源應該是基于招聘類平臺企業；2)樣本盡量選取使用人數較多的招聘類平臺企業，以便獲得足夠數據；3)盡可能考慮企業的異質性，將全職招聘平臺(如新安人才網)和兼職招聘平臺(如斗米兼職)都納入樣本. 最終篩選出十家招聘類平臺企業作為研究樣本，具體是斗米兼職、九一人才網、前程無憂、全職招聘、五八同城、新安人才網、應屆生就業網、智聯招聘、中國國家人才網、中華英才網.

數據收集工作流程是首先在線上平臺問卷星制作《招聘類平臺企業價值創造結構分析調查問卷》，然后通過qq、微信等平臺向特定用戶發送問卷鏈接以便用戶填寫. 累計發放問卷130份，回收并處理最終得到有效問卷117份.

2.3.2 樣本有效性檢驗本研究采用SPSS22.0和AMOS26.0對樣本數據進行信度和收斂效度進行檢驗(見表1). 可以看出，平臺新穎性、平臺效率、平臺互補性、平臺鎖定、系統評價、支付意愿的Cronbach’s α 值分別為0.888、0.862、0.921、0.894、0.870、0.830，均大于0.7，各變量的組合信度CR均超過了閾值0.6，表明各變量的測量量表具有較好信度. 通過AMOS對模型進行驗證性因子分析，各變量的因子載荷值均大于0.5，依據因子載荷計算平均提取方差(AVE)，各變量的AVE值均超過了0.5，組合信度CR值均超過了0.8，表明各測量量表具有較好的收斂效度.

表1 變量測量的信效度檢驗

3 變量賦值與真值表構建

通過fsQCA3.0對真值表進行布爾最小化運算，得出復雜解、簡約解和中間解[32]. 中間解一般被認為最能說明問題[32]，所以本文通過對比中間解和簡約解，識別核心條件和邊緣條件. 參考已有QCA研究方式[23]對收集來的問卷信息進行整理：1)同一題項，對同一家平臺企業所有有效問卷的評分取平均值，構成原始得分值；2)同一變量，對反映不同維度的題項評分取均值，構成每個變量原始得分. 原始數據如表2所示.

表2 各變量原始得分

由表3可以發現，變量取值大部分處于3～5. 又根據Fiss[23]的研究，在進行真值表分析之前，對變量進行賦值，即對題項得分小于3的變量賦值為0；得分大于等于3又小于3.7的賦值為0.33；得分大于等于3.7又小于4.4的賦值為0.67；得分大于等于4.4的賦值為1. 最后得到fsQCA分析的變量數據模糊集矩陣.

表3 各變量校準后得分

4 結果分析

4.1 單變量前因條件必要性分析

在定性比較分析之前，首先對單個前因條件是否為結果變量的必要條件進行分析，以驗證是否存在某個前因變量是導致被解釋變量出現的必然選擇[22，33]. 通常用來衡量必要條件的指標是一致性(Consistency). 在必要條件檢驗中，有部分學者將0.8作為閾值，也有一部分學者選擇0.9[34]. 本文采用更為嚴格的設定標準，將一致性閾值設定為0.9，即當大于0.9，可以認為該項條件構成結果變量的必要條件，并在結果分析中予以保留. 通過QCA軟件運算，必要性分析結果如表4所示.

表4 單項前因條件必要性分析

由表4可以看出，單項條件的存在與否對結果變量的一致性分數均未達到0.9. 因此，各個單項前因條件均未構成結果變量的必要條件. 但是，C、～L對結果變量Y1、Y2的一致性分數均較為接近0.9，可視為近似必要條件.

4.2 條件組態充分性分析

條件組態的充分性分析是QCA方法的核心，主要分析不同前因條件形成的組態對結果的充分性[36]. 本研究采用fsQCA 3.0的清晰真值表算法(crisp truth table algorithm)進行定性比較分析. 在進行分析前，需要構建真值表. 由于本文案例數量較少，故將案例頻數閾值設定為1，原始一致性(raw consist)閾值設定為0.8，同時將PRI的臨界值設定為0.75[35]. 最終得出條件組態對結果的前因條件結構如表5所示.

表5 價值創造前因條件結構

與否對結果影響不大.

由表5可以看出，當結果變量為系統評價時，總體一致性為1，大于0.8的閾值，覆蓋率為0.94，存在3條不同的達到高系統評價的路徑，即X1、X2a、X3b. 當結果變量為支付意愿時，總體一致性為1，大于0.8的閾值，覆蓋率為0.95，存在4條不同的達到高支付意愿的路徑，即Z1、Z2、Z3a、Z3b.

平臺新穎性、效率、互補性、鎖定共同帶來高系統評價的路徑有3條：nEcl、NeCl、neCL；促進支付意愿的路徑有4條：NEl、NCl、nEcL、neCL.

4.3 穩健性檢驗

為了確保研究結果的可信性，本文進一步提高各項閾值. 主要是將原始一致性(raw consist)閾值提高至0.85(原先為0.8)，PRI值提高為0.8(原先為0.75). 結果發現，各變量對結果的解釋并沒有發生本質變化. 因此，可以認為通過fsQCA3.0得到的構型是值得信賴的.

5 結語

本文基于用戶認知價值，通過定性比較分析方法，探討了影響招聘類平臺企業價值創造的相關因素，發現：其一，對于招聘類平臺企業而言，為供需提供匹配的效率越高，用戶對平臺的認知價值越高，主要體現在用戶對平臺的高系統評價以及支付意愿上，也就是說，平臺效率是促進平臺價值創造的重要因素；其二，招聘類平臺對用戶的鎖定是平臺創造價值的關鍵；其三，任何一個因素單獨存在都不足以促進平臺創造價值，只有當這些因素以某種方式組合時，才會為招聘類平臺企業帶來價值創造.

本研究也存在許多不足之處. 首先，本研究的樣本為招聘類平臺企業，且只關注了目前市場上存在的部分企業，對于已經在市場上消失的招聘類平臺企業并未納入研究，因此對抑制價值創造的構型并未進行分析. 其次，由于受樣本量的限制，本文僅研究4個前因變量對于結果的影響，未來可以納入更多因素對招聘類平臺企業價值創造構型進行研究.