應用產品創新速度與用戶評論之間的動態關系

龔 璇，黃敏學

1 華中農業大學 經濟管理學院, 武漢 430070

2 武漢大學 經濟與管理學院, 武漢 430072

引言

隨著移動互聯網技術的發展，應用產品創新面臨技術競爭挑戰的同時還需要面對需求多變的市場挑戰，因此越來越多的開發商通過快速更新迭代的創新方式獲取用戶數據資源[1]，實現持續創新。問題是海量的用戶數據是否可以為產品創新賦能，快速創新與用戶反饋在動態的創新過程能否形成良性循環，實現持續創新。相關研究認為產品開發的關鍵就是快[2-3]，尤其是快速學習用戶評論知識和快速響應用戶評論中的需求信息[4]，然而已有關于應用產品創新速度的實證研究并沒有得出一致結論。一個可能的原因是，已有不多的研究關注創新速度對結果變量的單向影響。事實上，應用產品創新速度與結果之間存在復雜的動態關系，以應用產品的更新速度也即創新速度與用戶評論之間關系為例，創新速度影響用戶評論，但這一關系也可能反過來，即用戶評論作為一種信息資源影響產品的創新速度。MILLS et al.[5]認為，產品的這種非線性的更新迭代是圍繞用戶需求和產品價值增長的動態迭代過程。但卻鮮有探討創新速度、用戶需求和產品價值在持續的創新過程中到底如何迭代，如果不對這一迭代關系進行充分的探討，將無法充分理解開發商基于用戶反饋對應用產品持續創新的動態機理，將錯誤指導開發商對應用產品的更新迭代策略。

1 相關概念定義和研究評述

1.1 應用產品創新

應用產品是指在特定開發平臺上設計運行的軟件應用產品[6-7]。這里的平臺包括瀏覽器(如火狐等)、移動應用市場(如App store 和Google Play 等)和社交平臺(如微博和微信小程序等)。應用產品創新是指基于已有應用產品發布更新的產品版本[8-9]，通常版本的更新包括4 個類型：①主更新是指提供新增內容或新功能的更新[10]；②無新增內容的更新，如修補bug 或漏洞等[11]；③商業更新，如在產品內部新增促銷或折扣信息等；④組合更新，一般指包括以上任何兩種類型的更新。其中，第1 種更新類型更有利于應用產品在競爭市場獲得相對優勢[11]。參考已有研究[9]，本研究將應用產品創新定義為應用產品的第1 類更新，即基于已有應用增加新的功能或新的特性，應用產品創新速度(以下簡稱創新速度)指應用產品在進行第1 類更新時的速度。

不同于突破性創新和漸進性創新等分類方法，應用產品創新通過多次更新有效響應用戶需求，實現創新突破，與突破性創新相比更強調創新過程的持續性，與漸進性創新相比更強調創新過程中用戶對產品價值的輸入[9]。已有研究將應用產品的創新模式歸納為敏捷創新模式[4](或迭代創新模式[12-13])，敏捷創新的關鍵在于對接外部的用戶資源[5,14]。類似地，在響應用戶的基礎上，基于創新過程的短周期性，敏捷創新多以連續逼近的產品迭代逐漸釋放產品價值[3]，強調基于臨近期創新結果(如用戶反饋)的動態學習和策略性調整。可見應用產品創新的關鍵在于持續的獲取和學習更多有價值的用戶知識，并將這些用戶知識以最小的成本轉化為令人滿意的產品。

已有關于應用產品創新或更新的研究，探討了創新或更新的速度、頻率和創新內容等創新策略對滿意、評價、持續使用意愿和下載量等因變量的影響。FLEISCHMANN et al.[8]探究操作系統應用軟件產品更新頻率對用戶滿意和持續使用意愿的影響；TIAN et al.[9]研究旅游類應用產品創新內容對用戶評價的影響；ZHOU et al.[15]和DONG et al.[16]分別研究火狐應用和開源軟件創新速度對下載量和用戶興趣的影響等。涉及的理論主要包括期望確認理論和信號理論等，主要從用戶行為視角關注更新策略對用戶端結果變量的單向影響。更為相關的，關于創新速度，已有研究一般將應用產品的創新速度看作開發商可控的策略變量[15-16]，但對創新速度的內生性及其在持續創新過程與結果變量之間的聯動問題卻鮮有探討。VERGANTI et al.[17]將應用產品的這種敏捷創新模式視為一種循環迭代的學習過程，意味著產品創新的結果可能反過來影響產品的創新策略。應用產品創新是持續的，依據資源基礎觀，企業創新效率受到持續創新過程中企業資源稟賦的影響[18]，特別是在內部知識不足以應對變化的外部環境時，企業依賴外部知識進行創新[19-20]。另外，產品創新決策不僅受到用戶需求的影響，還受制于有限理性，創新決策者會基于如對產品的評分等歷史績效水平學習并做出策略調整[21]，這表明用戶評論作為一種信息資源，其數量(如評論數量)和性質(如評分)都將影響應用產品的創新過程。已有研究對應用產品更新策略與用戶評論關系的探討還不夠充分，本研究將在消費者行為決策理論框架的基礎上豐富創新速度作為策略變量的研究，進一步基于組織學習理論框架加深對創新效果反向作用于創新速度這一聯動機制的理解。

1.2 用戶對應用產品的評論：評論數量和評分

用戶對應用產品的評論(以下簡稱用戶評論)指用戶在應用產品平臺上提交的產品評論信息[22]，為了方便平臺對眾多應用產品開發商的管理，以及為了讓開發商基于用戶反饋提升已有產品服務質量，應用平臺一般會提供公用的評論系統，如App store評分系統，用戶通過在評分系統給應用產品進行評分和評論，供開發商和其他用戶參考。

用戶評論在口碑的研究中得到廣泛關注[4]，口碑的數量和口碑的效價或評分是口碑中最常被探究的兩個維度[23-24]。已有比較一致的觀點是評論數量和口碑數量影響產品的銷量、訂閱量和績效[25]，也通常被用于描述產品的曝光度和知名度[26-27]。同時，評分通常被認為與用戶對產品的滿意度、聲譽和質量績效相關[28-30]，這使評論數量和評分常被作為產品創新和病毒營銷的結果變量進行探討。也有研究認為用戶評論作為創新的關鍵來源影響應用產品創新策略[4]，但鮮有研究從資源的視角探討評論對創新策略的影響。已有研究發現評論數量影響開發商響應用戶需求的敏捷性策略[4]，然而相關結果是否能夠推廣到創新速度的情形卻不清楚。也有研究探討質量績效對新產品推出速度的影響[29]，但傳統企業創新的研究結果是否能夠推廣到單個產品的迭代創新也不明確。由于用戶評論既是量化產品創新效果的關鍵指標，又是應用創新的信息來源，因此有必要對評論數量和評分與創新速度之間的關系展開詳細分析。

2 理論基礎

2.1 創新速度與用戶評論的動態關系

VERGANTI et al.[17]將應用產品的創新模式視為一種動態迭代的過程，但鮮有研究從實證的角度對這一迭代關系進行探討，圖1 給出本研究變量之間的關系。

圖1 產品創新的動態過程Figure 1 Dynamic Process of the Product Innovation

(1)創新速度對用戶評論數量和評分的影響。關于評論數量，本研究主要基于兩個原因推測提高產品創新速度能夠增加供開發商學習的用戶評論數量。①應用產品更新給用戶帶來利益[8]，如新的產品功能和體驗。但更新也給用戶帶來些許負面體驗，如產品使用流暢性被破壞，但相關研究認為開發商能夠主動規避這類問題[8]。因此，一般來說更新對于用戶便意味著得到收益。②對多數免費的應用產品，已有研究主要基于互惠動機解釋用戶發表評論的行為機制[31]，即當應用產品更新給用戶帶來新的功能或體驗時，用戶出于互惠互利對產品進行評論和打分。因此，本研究推測在控制其他條件的情況下，提高創新速度能夠增加用戶對產品的利益感知，從而導致評論數量增加。關于評分，本研究認為創新速度對產品的整體評價有積極影響。期望確認理論認為，當用戶感受到的實際產品體驗大于用戶對產品的期望時，用戶對產品產生滿意情緒[32-33]。當更新給用戶帶來的負面影響可以被忽略時，對用戶而言更新就等同于預期之外的收益[8]。根據期望確認理論，提高創新速度將增加用戶對產品的積極期望確認，從而促進用戶對產品的滿意程度，增加用戶對產品的評分。因此綜合看，本研究推測應用產品的創新速度對評論數量和評分都具有積極的影響。

(2)評論數量和評分對創新速度的影響。用戶評論是應用產品創新的重要資源，能夠有效指導開發商創新[1]。雖然增加的海量評論給開發商內部的數據分析管理帶來挑戰，但大量評論比少量評論對創新更加有利，評論數量的增加強化了開發商響應用戶需求的動機。已有研究表明用戶評論的豐富性促進開發商產生更有創新的想法[34]，對多樣化市場知識的理解能激勵開發商發掘潛在的市場需求[35]。此外，評論數量通常與產品的流行和知名度相關[36]。資源基礎觀認為開發商需要足夠的資源克服現有挑戰，充分利用海量評論進行創新，隨著評論數量的增加，更高的產品知名度和流行度將為開發商帶來更多的資源，這將有助于開發商克服現有挑戰，更高效地響應用戶需求。因此，本研究推測評論數量的增加有助于開發商更高效地響應用戶需求，促進應用產品的創新速度。

從開發商角度看，產品的評分也被看作產品的質量績效[29]?？冃Х答伬碚撟鳛榻M織學習的重要分支，認為產品項目管理者的決策受制于有限理性，會基于自身績效水平和期望的高低改變決策[21]，這里的績效水平也包括產品的質量績效(如評分)。當評分也即質量績效低于期望績效時，開發商會啟動問題搜索途徑提高績效，當績效高于期望水平時，開發商會基于冗余搜索途徑維持現狀[37]。在決定期望績效時，開發商一般會參考歷史績效[38]。此時，在動態更新過程中，當評分降低時，開發商可能改變以往策略提升產品質量。相關研究認為，產品創新速度與質量之間具有均衡關系，創新速度的增加通常伴隨著產品質量的下降[38]。因此，當產品的質量績效下降，則可能通過降低創新速度來保證產品質量。當評分增加時，開發商更可能基于冗余資源來維持績效[37]。有別于基于財務績效的非沉淀冗余資源，質量績效給開發商帶來了口碑和聲譽，是一種難以流動的沉淀冗余資源[39]。研究表明，沉淀冗余資源促進企業將冗余資源向內部研發轉移，這將有助于產品創新和縮短產品的更新周期[39]。因此，本研究推測評分的增加也將有助于應用產品的創新速度。

(3)應用產品創新過程中評論數量與評分之間的關系。已有研究關于評論數量與評分之間關系的探討并不多，主要基于電影行業數據探究口碑的作用。有的研究探究口碑數量對效價的影響，但究竟如何影響卻不明確，有的研究認為評論數量導致更多積極的口碑[26]。KHARE et al.[40]的研究表明，口碑數量導致口碑效價的強化和吸收，即相對于低口碑數量，高口碑數量能使積極的評論更積極，消極的評論更消極。但評論數量與評分是否在持續更新過程中體現出相似的作用機制并不清楚。除此之外，產品創新中變量之間的動態性還表現在變量本身可能受到前期水平的影響，如有的研究從評分對產品質量的診斷效應與用戶之間的社會影響進行探討，發現當前評分受到前期評分的影響[41]。因此，本研究將對創新速度、評論數量和評分在持續創新過程中的滯后性進行系統的探討。

2.2 應用產品類型對創新速度與用戶評論之間關系的影響

已有研究表明創新知識的特質與創新行為具有相關性[42]，應用產品創新的關鍵在于基于海量用戶反饋獲取有價值的需求信息，而用戶對不同類型產品的需求乃至產品決策過程具有差異，用戶不同的需求將影響開發商實施的創新策略[43]，進一步，由于用戶對不同類型產品決策具有差異，很可能反過來影響開發商創新策略的效果。創新速度作為應用產品創新的重要策略之一[9]，有必要探究由不同類型產品導致的創新速度與用戶評論之間關系的差異性。根據消費者購買產品基本需求的不同，產品被分為享樂型和功能型兩種產品類型[44]。享樂型產品主要指能夠給消費者帶來情感性、感官享受和體驗性的產品，如應用分類下的游戲等。相對于享樂型產品，功能型產品主要指能夠給消費者提供功能性、工具性以及有實際功能和使用價值的產品，如應用分類中的日常工具等[44]。本研究將應用產品也分為享樂型和功能型，擬研究創新速度與用戶評論之間關系在享樂型應用產品與功能型應用產品上的差異。具體來說，對于重點滿足用戶享樂性、感官偏好的游戲類產品，用戶對產品的決策(如評分和評論行為)可能受到一些難以評估的社會性因素的影響，這將影響開發商創新過程的不確定性，因此有必要探究由不同類型產品導致的評論數量和評分對創新速度的影響差異。也正因為用戶對享樂型應用產品決策過程存在個人偏好性，導致在理解創新速度與用戶評分之間的關系，以及用戶評論數量與評分之間的關系時具有一定的復雜性，因此本研究也進一步檢驗不同類型產品下，創新速度對用戶評論的影響，以及評分數量與評論之間的關系。

(1) 本研究推測，相對于功能型應用產品，享樂型應用產品的評論數量對創新速度的正向影響更加明顯。CANDI et al.[43]認為，相對于開發商對功能型應用產品的主要創新，如對某文字編輯應用在新增錄音功能、語音轉換文字等功能上的創新，開發商對享樂型應用產品投入的成本更低，且創新風險也更低，如對游戲應用在背景音樂、故事情景和角色應用上的創新。創新風險能負向調節研發投入與創新速度的關系[45]，這表明當創新風險較高時，開發商需要克服知識管理的困難，利用海量的用戶知識進行創新，需要的研發投入也越多。因此本研究認為，相對于功能型應用產品，享樂型應用產品的評論數量對創新速度的正向影響更加明顯。

(2)評論內容的差異導致評分在影響創新速度時的差異。對于享樂型應用產品，用戶評論受到用戶主觀偏好、社會存在和社會影響等外在的不穩定社會因素的影響[43]，這些因素更易導致決策者將績效與外部不穩定因素相關聯，當決策者將績效歸因于外部不穩定因素時，產品項目管理者很難將任務績效與行為或策略上的努力相關聯[46]。從決策歸因視角看，在管理者將績效進行外部歸因時，管理者對低評分的容忍度會增強，進而削弱評分對創新速度的影響。在高評分情形下，績效的外部歸因導致決策者不太傾向于將高產品質量與內部研發努力相關聯。特別在決策者進行冗余搜尋時，開發商更可能將高質量作為組織容錯能力信號[30]，此時，相對于將冗余資源向內部研發轉移，開發商更可能基于降低創新速度尋找維持高質量的因素。因此本研究推測，在對享樂型應用產品進行創新時，評分與創新速度可能存在負相關關系。而對于功能型應用產品，評分主要反映了質量和效用信息，開發商更容易將創新的質量與自身的技術水平等內在、穩定的因素掛鉤[43]，這將加強評分與創新速度的正向關系。

(3)享樂型應用產品的創新速度對評論數量和評分的影響。前面提到，應用產品快速創新帶來更多評論的原因之一是因為通過更頻繁的交互，給用戶帶來更多的產品體驗，用戶基于互惠和期望確認的機制給產品更多的評論數量和更高的評分[31]。這里隱含的一個前提是，每次更新都能給用戶帶來積極的體驗。但本研究認為這一前提并非一直成立，已有研究更多關心功能型應用產品的創新問題，缺乏對享樂型應用產品創新的考量。功能型應用產品的創新主要服務于產品的垂直或質量屬性[47]，符合用戶對垂直需求的一致性偏好，即用戶一般愿意為質量的提升買單。而享樂型應用產品的創新服務于感官和體驗需求的水平屬性，用戶對產品的評價主要依賴于主觀的自我偏好[47]，因此產品的更新效果不一定符合異質的用戶偏好。因此，本研究推測對于享樂型應用產品，創新速度對用戶的評論數量和評分都沒有顯著影響。

(4)產品類型影響更新過程中評論數量與評分之間的動態關系。對于功能型應用產品，用戶對產品的購買決策更依賴于產品質量，產品質量遵循客觀的評價標準[47]，因此評論數量多，意味著產品越流行、質量越好。而對于享樂型應用產品，用戶對產品的價值評估不僅取決于產品質量，還取決于用戶的主觀偏好，這可能導致評論數量中評分差異較大的問題[48]。這意味著享樂型應用產品的評論數量與評分在持續的創新過程中不具備協同關系。

綜上，本研究試圖探究在應用產品的持續創新迭代過程中，創新速度與用戶評論之間如何動態變化，這些變化蘊含著什么樣的演化關系，以及上述動態變化關系對于不同類型的產品創新是否具有差異。

3 研究設計

3.1 樣本選擇和數據來源

本研究的主要目的是探究創新速度與用戶評論特征(評論數量和評分)在應用產品持續創新迭代過程中的動態關系，為此本研究基于App store 應用產品更新和海量評論數據進行分析。蘋果應用商店是典型的應用產品平臺，由多個第三方開發商在平臺上發布應用產品供蘋果產品終端用戶使用。App store 為開發商和用戶提供評論系統，評論系統中的用戶評論是App store 上開發商的主要用戶信息來源。使用這一數據集具有以下優點：①提供的是典型的應用產品，普及范圍廣泛，據Sensor Tower 媒體報導，2019 年第3 季度App store 上的營收數據占全球應用產品營收數據的65%，并呈快速增長的趨勢。產品種類豐富，既包括較為傳統的B2B 商業技術應用產品，又包括眾多類型的大眾應用產品，使用的終端類型既包括移動端，也包括電腦端。因此，App store 上的產品數據樣本具有較好的代表性。②App store 有相對封閉的評論系統，能夠排除用戶使用不同系統進行評論和用戶反饋來源異質性等干擾因素。因此，App store 上應用產品更新數據集能夠為本研究提供較好的數據支持。

基于Python 的Scrapy 爬蟲框架，本研究獲取2015年至2018 年iOS 系統App store 的版本更新數據，包括每個產品版本更新的相關信息，如產品所屬分類、版本更新時間，以及對應的評論數量和評分信息等。根據已有研究，本研究對數據進行清洗：①為了控制可能存在的內生性問題，本研究剔除下架的應用產品；②為了確保應用產品的活躍性，本研究選取總版本數大于10 的應用產品；③為了確保數據的完整性和分析結果的穩健性，本研究剔除存在版本信息缺失的應用產品；④為了分析享樂型和功能型應用產品迭代策略的影響，本研究分別選取在游戲和系統工具分類下的應用產品進行分組分析。參考相關研究的產品分類[49]，游戲類應用主要用于娛樂體驗，被劃入享樂型應用產品組；系統工具類應用主要用于輔助操作系統功能和提升效率，被劃入功能型應用產品組。通過以上篩選和數據清洗，本研究最終獲取包括271 個游戲類應用產品和653 個工具類應用產品，總計924 個應用產品的完整的連續版本的更新數據集，構成以產品名稱或產品序列id 號分類、以版本序號為時間變量的非平衡面板數據。

3.2 變量測量

本研究關注創新速度與用戶評論數量和評分之間的動態迭代關系，主要對創新速度、用戶評論數量和評分進行測量。已有研究一般將創新速度定義為特定時間內企業創新活動數量或企業進行一次創新活動需要的時間[50]。本研究將創新速度定義為應用產品更新一個主版本需要的時間，通過計算應用產品相鄰主版本發布時間間隔的天數進行測量。評論數量是指當前版本的評論數量，通過計算應用產品當前版本評論總量與前一個版本評論總量的差進行測量。評分是采用當前版本的凈增評分的平均分測量，凈增評分是指在當前版本的評分中刪除前一個版本評分之后的評分。表1 給出全樣本、享樂型應用產品樣本和功能型應用產品樣本3 個樣本各自變量的描述性分析結果。由表1 可知，樣本中應用產品創新周期大約為72 天，平均評分為3.181 分，平均評論數量達到9 000 條以上；相對于功能型應用產品，享樂型應用產品的評論數量和評分都相對偏高。

表1 變量的描述性分析結果Table 1 Analysis Results for Descriptive Statistics of the Variables

3.3 模型方法

為了探究應用產品的創新速度、評論數量和評分之間的關系，本研究采用面板向量自回歸模型(panel vector autoregressive，PVAR)解決3 個核心變量之間的動態關系。PVAR 模型最早由HOLTZ-EAKIN[51]提出，沿襲了向量自回歸(vector autoregressive，VAR)模型的優點，即事先無需設定變量之間的因果關系，將各個變量都視為內生變量，并分析各個變量及其滯后項對模型中其他變量的影響。相對于傳統VAR模型的長時序要求，PVAR 模型具有截面大、時序短的特點，其利用面板數據能夠有效解決個體異質性問題，充分考慮個體效應和時間效應，該模型能夠較好地分析模型中變量之間的動態時序關系或動態影響，能較好地分析本研究問題。依據模型使用的條件，模型可計算的前提是變量序列具有平穩性，由于本研究使用非平衡面板數據，參考已有研究，本研究采用Fisher ADF 檢驗對變量進行單位根檢驗[52]。檢驗結果拒絕原假設，p ＜0.010，即變量具有單位根，表明本研究可以利用變量值進行回歸分析。

根據研究目標，探討3 個核心變量構成的內生向量組之間的動態關系，構建PVAR 模型為

其中，i為應用產品；t為版本序號；j為滯后階數，j=1，…，P，P為最大滯后階數；Rev為應用產品對應版本的評論數量；Rat為應用產品對應版本的平均評分；Usp為 應 用 產 品 對 應 版 本 的 創 新 速 度； ?njm為m變 量在滯后j期時對n變量的影響，m= 1,2,3，n= 1,2,3，m可以等于n；f1i、f2i和f3i為與產品異質性相關的固定效 應；d1t、d2t和d3t為 時 間 固 定 效 應； ε1i,t、 ε2i,t和 ε3i,t為殘差項，服從正態分布。為了使模型中的變量更接近正態分布，減少異方差問題，本研究將模型中創新速度、評論數量和評分3 個變量進行對數轉換。由于產品迭代周期越長表示創新速度越慢，因此使用產品迭代周期取對數后再取其相反數計算產品迭代的速度。對于模型滯后期的選擇，本研究根據Schwarz 信息標準(BIC)和Akaike 信息標準(AIC)設定，采用這些標準的依據是：當增加自變量階數因變量的變化很小時，選擇原自變量階數作為滯后期。最終選擇滯后期為1 的PVARX(1)模型對研究問題進行分析。參考LOVE et al.[53]的研究，需要先對模型中的內生變量進行Helmert 轉換，該方法能使模型中的內生變量及其滯后項滿足正交性，并將內生變量的滯后項作為工具變量，使本研究可以基于GMM 方法對變量的參數進行估計。

本研究結合脈沖響應函數檢驗3 個內生變量之間的相互作用關系，即在控制其他變量的前提下，一個變量的單位變化對另一個變量變化的沖擊程度及其影響的持續周期。參考已有研究[53]，僅當PVAR 模型和脈沖響應函數分析的結果同時顯著時，才能在一定程度上說明變量之間存在相互影響。本研究使用蒙特卡洛模擬方法對脈沖響應函數的系數和置信區間進行擬合，參考已有研究的類似做法[54]，將脈沖響應的重復次數設置為1 000 次，將估計系數的分位數設置為5%分位數和95%分位數，由此得到含置信區間的脈沖響應函數圖。

4 結果分析

表2 給出基于全樣本、功能型應用產品樣本和享樂型應用產品樣本數據集對模型(1)中系數的估計結果，全樣本包括924 款應用產品共17 017 個產品版本，271 款享樂型應用產品有5 447 個產品版本，653 款功能型應用產品樣本有11 570 個產品版本。

表2 PVAR(1)模型估計結果Table 2 Estimated Results for PVAR(1) Model

圖2 為全樣本中評論數量、評分和創新速度之間的脈沖響應函數圖，子圖 (a)、(d)、(g)分別為單位評論數量的沖擊對評論數量、評分和創新速度的影響，(b)、(e)、(h)分別為單位產品評分的沖擊對評論數量、評分和創新速度的影響，(c)、(f)、(i)分別為單位創新速度的沖擊對評論數量、評分和創新速度的影響，圖中虛線圍成的部分表示脈沖響應函數的置信區間。本研究將依據創新速度與評論之間的關系、評論數量與評分之間的關系、變量之間的滯后關系，以及由不同類型產品導致的變量關系差異的順序闡述PVAR(1)的分析結果。

(1)創新速度與評論之間的關系。①創新速度對評論數量和評分的影響，由表2 全樣本組的估計結果可知，創新速度對評論數量和評分的影響與預期基本一致。關于創新速度的1 階滯后項，其對當期評論數量的影響顯著為正， β = 0.161，p＜ 0.001；其對當期評分的影響也顯著為正， β = 0.010，p ＜0.050。表明前1 期創新速度正向影響對當期產品評論的數量和評分。由圖2(c)可知，創新速度對評論數量的沖擊能夠持續較長的周期；由圖2(f)可知，創新速度對評分的沖擊在中長期內具有顯著的正向影響，在一個很短的迭代周期之后的脈沖響應函數的置信區間不包含0。因此，結合脈沖響應分析結果可知，創新速度對評論數量和評分均具有正向的影響。②評論數量和評分對創新速度的影響，由表2 全樣本組的估計結果可知，評論數量1 階滯后項對當期創新速度的影響顯著為正， β= 0.018，p＜ 0.001；評分1 階滯后項對當期創新速度的影響也顯著為正，β = 0.013，p＜ 0.001。由圖2(g)可知，評論數量對創新速度具有持續的正向沖擊，即脈沖響應函數值都大于0，且置信區間不包含0；由圖2(h)可知，評分對創新速度的沖擊在短暫的不顯著之后持續為正。表明評論數量和評分對創新速度也具有正向影響。以上結果表明，在應用產品的持續創新過程中，創新速度與用戶評論存在相互影響，且二者之間的關系是協同加強的。

(2)評論數量與評分之間的關系。結合表2 全樣本組的估計結果和圖2 可知，評論數量與評分之間具有相互影響。評論數量1 階滯后項對當期評分具有顯著正向影響， β = 0.005，p＜ 0.001，圖2(d)的置信區間不包含0，即評論數量對后期產品評分有積極的影響。與已有研究不同的是，評分的1 階滯后項對評論數量的影響顯著為負， β = - 0.095，p＜ 0.001，圖2(b)的置信區間不包含0。本研究認為導致該結果的可能原因是，基于應用產品創新過程的持續性和連續性，應用產品的大部分用戶屬于現存用戶，導致產品某版本的評分增加時，更可能增加現存用戶對當前版本的粘性，而并非通過增加額外的習慣轉換成本更新現有產品，本研究使用PVAR 模型分析的是前1 期解釋變量對當期被解釋變量的影響，因此前1 期產品用戶評分增加可能導致用戶更愿意保留使用當前版本，減少用戶升級產品，進而減少對升級產品的評論數量。但對這部分解釋的證明并非本研究關注的重點，因此未對這一推測進行驗證。

圖2 脈沖響應函數圖(全樣本, 95%置信區間)Figure 2 Impulse Response Function Plots (Total Sample, with 95% Confidence Intervals)

(3)檢驗變量之間的滯后效應。由表2 全樣本的估計結果可知，當期評論數量受到前1 期評論數量的影響， β = 0.986，p＜ 0.001；當期評分受到前1 期評分的影響， β = 0.908，p＜ 0.001，這也可以理解為變量的慣性效應；創新速度也具有顯著的正向滯后影響， β =0.267，p＜ 0.001；在圖2(i)中也顯示了創新速度的滯后效應。需要注意的是，滯后效應的存在并不意味著創新速度、評論數量和評分在創新過程中持續增加，如表2 全樣本組中評分對評論數量的沖擊顯著為負，β= - 0.095，p＜ 0.001，表明評分與評論數量在動態創新過程中存在制約機制，對于這一點的解釋暫不展開詳細論述。創新速度、評論數量和評分的滯后效應僅意味著在其他條件不變的情況下，應用產品前1期版本的創新速度、評論數量和評分越高，后續的創新速度、評論數量和評分也越高，即變量在前后迭代周期具有一定的相關性。

(4)由不同類型產品導致的創新速度與用戶評論之間關系的的差異。本研究分別對享樂型應用產品和功能型應用產品進行回歸分析。由表2 可知，享樂型應用產品創新速度的增加對評論數量和評分的沖擊無顯著影響。由于功能型應用產品的脈沖響應函數圖與全樣本差異不大，這里僅給出享樂型應用產品樣本中評論數量、評分和創新速度之間的脈沖響應函數圖，見圖3。由圖3(c)和圖3(f)可知，脈沖響應函數的置信區間包含0。以上結果支持前文的觀點，表明對于享樂型應用產品，創新速度與用戶評論的協同作用可能失效。

從享樂型應用的評論數量和評分對創新速度的影響看，由表2 可知，享樂型應用產品樣本中，評論數量1 階滯后項對創新速度有顯著的正向影響， β =0.029，p＜ 0.001；由圖3(g)可知，脈沖響應函數的置信區間不包含0。功能型應用產品樣本中，評論數量1階滯后項對創新速度有顯著的正向影響， β = 0.018，p＜0.001。綜上，享樂型應用產品前期評論數量對當期創新速度的影響程度明顯大于功能型應用產品，支持前文的觀點。同時，享樂型應用產品樣本中，評分對創新速度的影響顯著為負，β = -0.186，p＜ 0.001，圖3(h)中脈沖響應函數的置信區間不包含0，表明當享樂型應用產品的評分增加時，開發商可能降低創新速度維持高評分，與前文的預期一致。

圖3 脈沖響應函數圖(享樂型應用產品樣本, 95%置信區間)Figure 3 Impulse Response Function Plots (Hedonic Product Sample, with 95% Confidence Intervals)

由表2 可知，兩種類型應用產品的評論數量與評分之間的關系與前文總樣本的分析結果基本一致，評論數量的1 階滯后項對當期評分均有顯著的正向影響。為了驗證不同類型產品的評論數量與評分之間關系的差異，本研究關注評分對評論數量的影響。對于享樂型應用產品，評分的1 階滯后項對當期評論數量的影響不顯著，且圖3(b)中評分變化對評論數量無明顯沖擊，脈沖響應函數的置信區間包含0，表明由于用戶對享樂型應用產品的決策主要受自我偏好的影響，用戶采納和評論行為受到總體評分的影響較小，即享樂型應用產品的用戶評論數量與評分之間的協同效應被明顯削弱，與前文的預期一致。

為了進一步觀測在持續迭代期間變量之間的脈沖響應關系，本研究采用脈沖響應函數分析后，設置脈沖變量對響應變量滯后1 期的影響為短期，滯后15期的影響為中期，滯后30 期為長期。表3 給出3 個期間評論數量、評分和創新速度之間的脈沖響應關系。由表3 可知，創新速度和評分的滯后效應具有明顯的衰減性，從短期到中期，創新速度的滯后效應從0.260縮減為0.0044，評分的滯后效應從0.192 縮減為0.034，與此同時還可以觀測到隨著迭代周期增加，其他變量之間的脈沖響應作用也呈現出不同程度的衰減。

表3 沖擊變量的脈沖響應效應：短期、中期和長期Table 3 Response Effect of the Impulse Variables：Short-term, Medium-term and Long-term

5 結論

用戶評論作為一種信息資源，既是應用產品創新的重要輸入，也是創新的輸出結果，而已有研究很少系統地分析應用產品創新速度與用戶評論的相互關系。本研究結合面板向量自回歸模型和脈沖響應函數，探究應用產品創新速度與用戶評論之間的動態關系，研究結果表明，①在應用產品的創新過程中，創新速度與用戶評論數量和評分之間存在協同加強的動態作用關系，即當應用產品創新速度增加時，后續產品評論的數量和評分也隨之增加，同時，評論數量和評分的增加又反過來導致后續創新速度的增加，但以上協同效應隨著創新周期的增加迅速衰減。②創新速度與用戶評論在應用產品的持續創新過程中具有一定的自滯后性，但這種滯后效應也隨著創新周期的增加呈現不同程度的衰減。③用戶的評論數量與評分之間也存在近似的協同效應，具體表現為評論數量的增加促使后續評分的增加，但評分增加導致后續評論數量的減少。④創新速度與用戶評論之間的協同加強關系并非一直存在，針對不同類型應用產品的創新過程研究發現，對于享樂型應用產品創新，創新速度與用戶評論的協同加強關系退化；特別地，當享樂型應用產品的評分增加時，后續創新速度反而降低，而創新速度的變化對后續用戶的評論數量和評分都沒有顯著影響。以上結論為應用產品創新研究和實踐提供了豐富的理論意義和管理啟示。

5.1 研究貢獻

(1)本研究補充了應用產品創新速度策略的相關研究。已有研究關注應用產品創新速度對下載量、用戶興趣、滿意和持續使用等結果變量的影響，但更多將創新速度作為影響創新效果的解釋變量，較少從理論上關注模型內變量的內生性問題，也缺乏對變量之間動態關系的系統性研究。本研究從組織學習和用戶行為動機視角詳細分析了創新速度與用戶評論的相互影響機制，從影響創新速度策略的動機和能力兩方面揭示創新速度的內生性問題，豐富了對應用產品創新速度的理解?；趧討B計量模型檢驗創新速度與用戶評論之間的動態關系，揭示了在應用產品創新過程中創新速度與評論數量和評分之間協同加強的迭代機制。

(2)本研究補充了用戶評論和口碑的相關研究。已有研究一般關注評論數量和評分對產品績效的影響，較少關注評論與創新策略之間的關系，也缺乏對評論數量與評分在持續創新過程中動態演化關系的探討。本研究將用戶評論看作應用產品創新的信息資源，在ZHOU et al.[4]的研究基礎上進一步探究評論數量和評分與創新速度策略的協同關系，同時還揭示了口碑的數量與評分在應用產品快速迭代過程中的協同性和滯后性。

(3)本研究拓展了對不同類型應用產品的創新策略的研究。已有應用產品創新的研究一般關注產品的技術創新，更多是對功能型應用產品的探討。實踐中，享樂型應用產品與功能型應用產品的創新具有差異性，并且近年來享樂型應用產品廣為普及，對其創新問題的研究亟待補充。本研究基于動態創新視角，豐富了對享樂型應用產品迭代創新的研究，并基于用戶對享樂型產品評論過程的不穩定因素，發現前面提到的協同效應都不再存在，也揭示了快速迭代更新策略的局限性。

5.2 管理啟示

(1)根據創新速度與用戶評論的普遍協同強化關系，本研究向業界揭示了快速更新迭代策略的可行性，為了實現動機與能力相互匹配的持續快速創新，開發商應從戰略高度重視對海量的用戶評論數據的獲取和利用，充分對接用戶資源，提升產品價值。

(2)本研究結果可以指導開發商基于用戶評論的啟發式信息規劃創新策略，評論數量與創新速度的協同性表明，開發商除了要主動挖掘海量評論中的用戶需求，還應鼓勵用戶在評論中提出需求，通過與用戶建立持續的互動，保持應用產品的持續創新。評分與創新速度的協同性表明，產品的質量績效和持續價值創造是能相互轉化的，這啟示開發商在對應用產品的持續創新過程中應重視對質量冗余資源的構建和維護，如保持穩定上升的產品評分或用戶滿意度，注重質量資源向內部研發的轉化，避免由于急功近利造成短期質量下滑帶來的持續負面影響。

(3)基于不同類型應用產品創新過程的差異性，啟示開發商基于用戶評論信息創新時理性分析用戶的評論信息，特別是享樂型產品的評論內容蘊含的社會性和主觀性降低了用戶信息的創新價值。對此，開發商應減少對用戶評論的依賴，特別當評分較高時，可通過適當降低創新速度保持穩定持續的創新。

5.3 研究局限和展望

①本研究的理論部分強調了開發商對用戶評論內容的學習，但卻并沒有精確地測量開發商學習的信息量，未來研究可以豐富研究的指標，如通過計算評論信息熵等方法加強研究的穩健性。②本研究探究了創新速度與用戶評論之間的動態關系，并認為快速創新的關鍵機制就是充分學習外部的用戶知識，但并未就開發商學習用戶知識的內容和程度展開詳細的探討，未來研究可以進一步關注開發商在快速創新過程中對用戶知識的學習程度和學習的具體內容等因素展開探討，這需要對用戶的評論內容和開發商的創新內容進行更詳細的編碼。