開放式創(chuàng)新社區(qū)用戶知識協(xié)同創(chuàng)新網(wǎng)絡演化分析

董 睿 張海濤 蘇欣宇

(1.吉林大學商學與管理學院，吉林 長春 130012；2.長春工業(yè)大學經(jīng)濟管理學院，吉林 長春 130012； 3.吉林大學信息資源研究中心，吉林 長春 130012)

隨著信息技術的發(fā)展和社會信息化水平的提高，開放式創(chuàng)新成為企業(yè)應對數(shù)字經(jīng)濟時代管理變革的新型創(chuàng)新方式[1]。一方面，虛擬網(wǎng)絡環(huán)境使企業(yè)、個體能夠擺脫時間、空間和制度束縛，進而在更大范圍內完成資源共享與協(xié)同創(chuàng)新[2]；另一方面，傳統(tǒng)創(chuàng)新模式已經(jīng)不能適應社會需求的動態(tài)變化，這要求企業(yè)適時引入外部力量以實現(xiàn)集成創(chuàng)新。因此，圍繞企業(yè)產(chǎn)品和服務進行網(wǎng)絡化交流的虛擬知識創(chuàng)新平臺——開放式創(chuàng)新社區(qū)應運而生。開放式創(chuàng)新社區(qū)是組織內外部具有一定共識的個體集聚于某一平臺形成的協(xié)同創(chuàng)新體系[3]，用戶間圍繞企業(yè)技術研發(fā)、產(chǎn)品設計進行互動交流以生成資源，通過思想和資源共享推動產(chǎn)品或服務創(chuàng)新。創(chuàng)新的本質是知識創(chuàng)造，企業(yè)運營開放式創(chuàng)新社區(qū)的目的在于引導用戶通過自我表達、互動交流、知識學習等行為實現(xiàn)知識積累與創(chuàng)造，以幫助其在市場競爭中獲得核心優(yōu)勢[4-5]。因此，從知識視角分析用戶間的共創(chuàng)行為、挖掘資源間的結構關聯(lián)，進而揭示開放式創(chuàng)新社區(qū)實現(xiàn)過程和運行規(guī)律具有重要的研究意義。

目前，國內外關于開放式創(chuàng)新社區(qū)知識管理問題的研究主要集中于以下幾個方面。第一，運行機制與模式研究。張德鵬等基于期望確認理論研究創(chuàng)新社區(qū)用戶介入程度對持續(xù)知識分享的影響機制[6]；Briel F V等基于真實案例分析開放式創(chuàng)新社區(qū)運行機制失效的原因，并針對存在問題提出了具體解決方案[7]。第二，用戶行為研究。李從東等利用演化博弈理論構建數(shù)理模型分析開放式創(chuàng)新社區(qū)用戶知識共享行為的影響因素[8]；Jin J等從社會資本角度研究在線社區(qū)中個人表現(xiàn)、成員認同和社會學習對用戶知識共享行為的影響[9]。第三，知識內容研究。廖曉等基于內容與行為數(shù)據(jù)進行集成建模以探索企業(yè)微博粉絲興趣發(fā)掘方法[10]；Martínez-Torres M R利用潛在語義索引對開放式創(chuàng)新社區(qū)知識資源進行內容分析，推斷出關于組織決策的相關結論以幫助管理者改進評價流程[11]。

以上研究探索了開放式創(chuàng)新社區(qū)知識管理的核心問題，但是由于開放式創(chuàng)新社區(qū)的知識傳播、擴散與創(chuàng)造是復雜網(wǎng)絡下的協(xié)同創(chuàng)新過程，用戶、知識等主體間通過動態(tài)關聯(lián)形成創(chuàng)新網(wǎng)絡，分析網(wǎng)絡各類型節(jié)點間的連接機理有助于深層次揭示其運行規(guī)律。張海濤等通過構建用戶協(xié)同創(chuàng)新網(wǎng)絡分析開放式創(chuàng)新社區(qū)用戶知識交互機理[12]；寧德鵬等基于帖子文本構建知識進化網(wǎng)絡以挖掘開放式創(chuàng)新社區(qū)知識進化規(guī)律[13]；唐洪婷等在用戶、知識文本和知識元3種網(wǎng)絡基礎上構建開放式創(chuàng)新社區(qū)用戶知識超網(wǎng)絡模型，并對領先用戶進行識別與行為分析[14]。鑒于開放式創(chuàng)新社區(qū)中社會網(wǎng)絡的動態(tài)性，從發(fā)展角度進行演化分析有助于進一步揭示其內部實現(xiàn)過程，本文在以上成果的基礎上，基于時間序列探索開放式創(chuàng)新社區(qū)中社會網(wǎng)絡結構及其特征的演化規(guī)律，以期獲得新的研究發(fā)現(xiàn)。

1 用戶知識協(xié)同過程

開放式創(chuàng)新社區(qū)用戶知識協(xié)同既是一項管理過程，也是一類交互行為。從過程角度來看，其遵循基本的知識管理流程，目的是通過用戶間交互實現(xiàn)知識創(chuàng)新；從行為角度來看，知識來源于用戶、傳遞于用戶、服務于用戶[12]。根據(jù)知識流動演化狀態(tài)，可以將社區(qū)用戶知識協(xié)同過程分為以下階段：

1)知識共享過程。這是用戶知識協(xié)同的基礎。用戶基于自身專業(yè)素養(yǎng)，結合產(chǎn)品實際體驗完成知識積累并不斷形成自身知識結構，當出現(xiàn)知識供需匹配時，將知識存量整理、表達為主題導向的知識文本發(fā)布到社區(qū)中，以滿足其他用戶的知識需要。

2)知識反饋過程。這是用戶知識協(xié)同的關鍵。當知識以社區(qū)推送、自行瀏覽檢索等方式從知識共享者轉移到知識接收者以后，后者經(jīng)過知識吸收、提煉并通過點贊、評論等方式完成知識反饋，在表達自身態(tài)度、觀點的同時逐漸向知識共享者身份轉變。

3)知識創(chuàng)新過程。這是用戶知識協(xié)同的目的。知識共享者基于知識反饋機制，在用戶交互中不斷提煉有效信息，經(jīng)過新舊知識在頭腦中融合創(chuàng)新，并最終形成新的知識結構。在激勵刺激下，新知識將以文本形式展現(xiàn)在社區(qū)中，并引發(fā)新一輪的知識共享。

綜合以上階段，用戶知識協(xié)同過程可以總結為如圖1所示。

圖1 開放式創(chuàng)新社區(qū)用戶知識協(xié)同過程

2 協(xié)同創(chuàng)新網(wǎng)絡模型構建

開放式創(chuàng)新社區(qū)協(xié)同創(chuàng)新網(wǎng)絡是由用戶、知識文本和知識元等主體間相互作用形成的復雜系統(tǒng)，互有知識交集的用戶基于知識文本中的共同話題產(chǎn)生知識交互行為，進而生成新的知識[15]。鑒于網(wǎng)絡中主體類型多樣、關系錯綜復雜，整體研究會使得數(shù)據(jù)過于龐雜且缺少針對性，因此，基于以上主體間的連接關系，將整體網(wǎng)絡分為用戶交互網(wǎng)絡、知識共現(xiàn)網(wǎng)絡和用戶知識協(xié)同進化網(wǎng)絡3個子網(wǎng)絡作為研究對象。下面參考相關研究成果具體說明以上網(wǎng)絡建模過程[14-15]。

2.1 用戶交互網(wǎng)絡模型構建

用戶交互網(wǎng)絡以用戶為節(jié)點、以用戶間的交互關系為邊，描述了社區(qū)用戶行為間的協(xié)同互動關系，具體模型如式(1)所示。

GU=(U,EU,W(EU))

(1)

其中，U={u1,u2,u3,…,um}是網(wǎng)絡中用戶節(jié)點集合，代表了社區(qū)中參與交互的用戶主體。EU={(ui,uj)|i,j∈m}是用戶間基于協(xié)同關系形成連邊的集合，協(xié)同關系包括兩個用戶間的評論、點贊等互動行為。W(EU)={w(ui,uj)|(ui,uj)∈EU}是網(wǎng)絡中邊的權重集合，計算了兩個用戶間產(chǎn)生協(xié)同關系的次數(shù)，代表了用戶間的關系強度。

2.2 知識共現(xiàn)網(wǎng)絡模型構建

知識文本是社區(qū)中的帖子文本，與具體發(fā)帖用戶相對應，其承載知識元間的共現(xiàn)關系代表了用戶交互中產(chǎn)生的知識關聯(lián)情況。以知識元為節(jié)點、以知識元間的共現(xiàn)關系為邊，構建知識共現(xiàn)網(wǎng)絡，具體模型如式(2)所示。

GK=(K,EK,W(EK))

(2)

其中，K={k1,k2,k3,…,kn}是網(wǎng)絡中知識元節(jié)點集合，包含了創(chuàng)新生態(tài)社區(qū)中用戶所發(fā)帖子中的知識元。EK={(ki,kj)|i,j∈n}是知識元間基于共現(xiàn)關系形成連邊的集合，設定每兩個知識元同時出現(xiàn)在兩個帖子中算作一次共現(xiàn)，基于共現(xiàn)關系的網(wǎng)絡增長展現(xiàn)了知識進化的路徑。W(EK)={w(ki,kj)|(ki,kj)∈EK}是網(wǎng)絡中邊的權重集合，計算了兩個知識元間的共現(xiàn)次數(shù)，代表了知識元間的關聯(lián)強度。

2.3 用戶知識協(xié)同進化網(wǎng)絡模型構建

為有效反映開放式創(chuàng)新社區(qū)用戶和知識間的聯(lián)動關系，需要突破單質網(wǎng)絡的局限將用戶交互與知識進化過程相結合，揭示社區(qū)用戶知識協(xié)同進化規(guī)律。以知識文本為中介、以用戶和知識元為節(jié)點、以用戶與其所發(fā)帖子中知識元形成的關聯(lián)關系為邊構建用戶知識協(xié)同進化網(wǎng)絡，具體模型如式(3)所示。

GU-K=(U,K,EU-K,W(EU-K))

(3)

其中，EU-K={(ui,kj)|i∈m,j∈n}是網(wǎng)絡中用戶與知識元間基于關聯(lián)關系形成連邊的集合，代表用戶與其貢獻知識資源之間的對應關系。W(EU-K)={w(ui,kj)|(ui,kj)∈EU-K}是網(wǎng)絡中邊的權重集合，計算了用戶對某個知識元的貢獻度。

接下來根據(jù)網(wǎng)絡屬性和主體特征，從用戶結構演化、知識主題發(fā)展、用戶知識協(xié)同進化等方面進行分析，探索開放式創(chuàng)新社區(qū)用戶知識協(xié)同創(chuàng)新規(guī)律。

3 用戶交互網(wǎng)絡演化分析

開放式創(chuàng)新社區(qū)知識創(chuàng)新是各類主體間基于知識創(chuàng)造的協(xié)同聯(lián)動過程，作為知識創(chuàng)新的源頭和知識傳遞的受眾，用戶間的交互行為能夠最直觀體現(xiàn)社區(qū)運行特征，本節(jié)對社區(qū)用戶交互網(wǎng)絡演化進行可視化展示和結構分析。

3.1 用戶交互網(wǎng)絡可視化展示

本文以代表性開放式創(chuàng)新社區(qū)——花粉俱樂部為研究對象，基于實例數(shù)據(jù)探索用戶知識協(xié)同創(chuàng)新網(wǎng)絡演化規(guī)律。在數(shù)據(jù)來源方面，利用Python語言編寫爬蟲程序獲取社區(qū)中華為P50手機系列板塊的帖子和評論數(shù)據(jù)，時間范圍為板塊成立之日至2021年11月30日。為便于可視化展示和結果分析，需要對原始數(shù)據(jù)進行整理和篩選，由于活躍用戶和知識元大多分布于熱門帖子中，因此，依據(jù)熱度選取原始數(shù)據(jù)中帶有熱帖、推薦、精華等標識的161個帖子及其評論內容作為研究數(shù)據(jù)集。

開放式創(chuàng)新社區(qū)整體結構通過用戶行為表征[16]，對集體發(fā)展做出遠超他人貢獻的領先個體是體現(xiàn)集體行為特征、范圍和有效性的關鍵[17]。根據(jù)花粉俱樂部運營規(guī)則，活躍值綜合評價了用戶對社區(qū)的貢獻度，高活躍值用戶間的協(xié)同行為基本體現(xiàn)了社區(qū)的主要結構及特征，因此，本文以活躍值為指標，從數(shù)據(jù)集中選取代表性用戶基于式(1)構建用戶交互網(wǎng)絡。在用戶篩選中，對于非發(fā)帖用戶需要滿足活躍值為20 000以上，而發(fā)帖用戶作為知識創(chuàng)新發(fā)起者則不受活躍值閾值限制，以此為標準共選取389名用戶構成用戶集合。將演化周期以月度為單位分為7～8月、9月、10月和11月4個階段，其中由于板塊于7月下旬成立故將7月和8月合并為一個階段，基于增長網(wǎng)絡建模規(guī)則確定每個階段的網(wǎng)絡結構。將選取用戶進行編碼(U001～U389)，利用Ucinet軟件對各階段網(wǎng)絡進行二值化處理，使用NetDraw功能形成具體網(wǎng)絡圖譜，如圖2所示。可以看出，除極個別游離節(jié)點之外，各個演化階段中絕大多數(shù)節(jié)點構成了一個連通網(wǎng)絡，隨著發(fā)帖、回復與點贊等行為的不斷發(fā)生，網(wǎng)絡節(jié)點和邊不斷增加，知識逐漸積累和衍生。以下分析中將游離節(jié)點去掉，以各階段連通網(wǎng)絡為研究對象分析用戶行為交互規(guī)律。

圖2 用戶交互網(wǎng)絡演化圖譜

3.2 用戶交互網(wǎng)絡整體結構演化分析

選取平均距離、集聚系數(shù)、中心性、網(wǎng)絡密度等指標分析網(wǎng)絡整體結構演化特征。各個階段上述指標具體值如表1所示。

表1 各階段用戶交互網(wǎng)絡相關指標統(tǒng)計

根據(jù)圖2和表1，結合社區(qū)運行情況，用戶交互網(wǎng)絡以上演化階段特征如下：

第一階段：社區(qū)板塊成立初期，企業(yè)內部用戶需要進行產(chǎn)品推廣，消費者用戶需要了解產(chǎn)品配置和功能，兩大群體針對各自目標構建知識供求關系，推動用戶交互網(wǎng)絡逐漸形成。由于知識結構不平衡，知識增長主要取決于核心用戶的知識供給，外圍用戶參與程度、知識反饋中有價值的信息相對有限。

第二階段：經(jīng)過一段時間的交互，用戶間關聯(lián)性、知識平衡性不斷增強，更多用戶在反饋機制下參與知識共享，網(wǎng)絡內部基于共同話題形成一部分小群體，協(xié)同創(chuàng)新程度不斷提高。此時，網(wǎng)絡平均距離、集聚系數(shù)、點度中心性變化相對明顯，中介和接近中心性達到峰值，核心主體結構逐漸形成。

第三階段：基于交互過程中的協(xié)同創(chuàng)新，板塊特征逐漸明顯，資源日益豐富，更多普通用戶加入到社區(qū)交互中，網(wǎng)絡規(guī)模、創(chuàng)新群體進一步擴大。與上一階段相比，網(wǎng)絡外圍主體數(shù)量增多、密度下降相對明顯，“核心—邊緣”結構逐漸清晰。

第四階段：在長期、持續(xù)交互中，用戶吸收大量異質知識，并通過融合、重組形成新的知識結構。隨著交互范圍的擴大和溝通深度的增加，基于共同需求、話題引發(fā)的知識創(chuàng)造行為持續(xù)增多，用戶間逐漸形成相互依存、互惠互利的共生關系，社區(qū)知識生態(tài)正在形成。具體網(wǎng)絡表現(xiàn)為：核心主體間的交互更加緊密，準核心主體數(shù)量不斷增加，網(wǎng)絡整體逐漸呈現(xiàn)出多主體層級拓撲特征。

3.3 用戶交互網(wǎng)絡個體結構演化分析

個體網(wǎng)絡是指一系列用戶個體與之相關的多位用戶個體間所構成的網(wǎng)絡關系結構[12]，對其進行分析能夠有效揭示網(wǎng)絡局部結構特征，具體測度指標包括中心性分析、“核心—邊緣”分析等。

3.3.1 中心性分析

通過Ucinet軟件計算各個階段所有節(jié)點的點度中心性、中介中心性和接近中心性，各中心性排名前十位的用戶如表2所示。

1)點度中心性

點度中心性越高，代表用戶所發(fā)帖子評論量和轉發(fā)量越高，體現(xiàn)了其創(chuàng)作內容受關注度越高，參與知識協(xié)同交互頻率越高[12]。總體來看，各階段點度中心性排在前列的用戶基本穩(wěn)定，U014、U083、U094作為企業(yè)內部用戶和核心用戶持續(xù)發(fā)布高質量帖子，引導眾多消費者基于特定話題進行協(xié)同交互，通過用戶間不斷反饋完成知識沉淀，推動新知識持續(xù)創(chuàng)造。在核心用戶帶動下，大量普通用戶逐漸參與交互，其中一部分在廣泛互動中不斷提煉有效信息完善自身知識結構，并在相應激勵刺激下向知識共享者轉變，社區(qū)知識創(chuàng)新活躍度日益提高。例如，在瀏覽、評論中持續(xù)汲取資源后，U019通過不斷創(chuàng)作、發(fā)布新知識逐漸占據(jù)網(wǎng)絡核心位置。

2)中介中心性

中介中心性測量的是一個點在多大程度上位于網(wǎng)絡中其他點對的中間，代表了一個用戶對社區(qū)知識創(chuàng)新活動的協(xié)調能力[18]。基于表2，各階段點度中心性較高的用戶，其中介中心性大多也處于較高水平，這說明U014、U094等核心用戶不僅具有極強的知識創(chuàng)新能力，還擁有極強的資源協(xié)調能力，進而保持對網(wǎng)絡的整體控制力。但是，二者在中介中心性排序中均低于度中心性，進一步探討可以發(fā)現(xiàn)，相對于發(fā)帖的知識創(chuàng)作者，積極參與評論、點贊等反饋活動的用戶更容易在網(wǎng)絡中不斷占據(jù)結構洞進而保持較高的中介中心性。U027雖然點度中心性不高，但是由于經(jīng)常發(fā)表有價值的評論內容，逐漸具有較強的信息中轉能力，此類用戶通過影響、協(xié)調其他用戶間的互動交流，幫助知識在社區(qū)內部逐漸擴散，推動知識資源有效整合。

表2 各階段用戶交互網(wǎng)絡個體中心性統(tǒng)計

3)接近中心性

接近中心性用節(jié)點離其他節(jié)點的距離來衡量節(jié)點的中心性，其中，越位于網(wǎng)絡中心位置的節(jié)點，其接近中心性越大[19]。基于表2，隨著網(wǎng)絡演化的進行，3種中心性度量結果存在較強的一致性。但是，點度中心性比中介中心性排位高的用戶更容易在接近中心性中獲得較高的排位，而且各階段點度中心性和接近中心性同時處于前十位的用戶數(shù)也普遍略高于中介中心性和接近中心性同時處于前十位的用戶數(shù)。這意味著相對于資源協(xié)調能力，高關注度更容易使用戶處于網(wǎng)絡核心位置。U043由于所發(fā)表的一個帖子受關注程度持續(xù)居于板塊前列而一直保持極強的接近中心性，從而在板塊中擁有較強的威望和影響力。U002、U110雖然持續(xù)位于網(wǎng)絡中結構洞位置，但是知識反饋有效性、知識創(chuàng)新程度有限影響了其對網(wǎng)絡的整體控制力。

3.3.2 “核心—邊緣”結構分析

基于上述分析，網(wǎng)絡演化中中心性位于前列的用戶群體相對穩(wěn)定，下面將研究范圍進一步擴大，利用“核心—邊緣”分析揭示網(wǎng)絡用戶結構發(fā)展趨勢。通過Ucinet軟件對各個演化階段進行“核心—邊緣”分析，具體統(tǒng)計結果如表3所示。其中，核心用戶比例是各個階段核心群體用戶數(shù)占總用戶數(shù)的比例，新加入核心群體用戶數(shù)是本階段新成為核心用戶的數(shù)量，退出核心群體用戶數(shù)是上一階段核心用戶在本階段轉化為普通用戶的數(shù)量。

表3 各階段用戶交互網(wǎng)絡“核心—邊緣”結構分析

第一階段向第二階段演化時，核心用戶增加相對較多，占總用戶數(shù)比例達到峰值，是核心用戶群體、知識體系初步形成的時期；但是，新加入核心群體的12個用戶中有10個是第一階段的普通用戶，說明后加入用戶還未充分融入到知識創(chuàng)新中。第二階段向第三階段演化時，核心用戶群體規(guī)模穩(wěn)定，少數(shù)成員實現(xiàn)更替，前期形成的知識體系吸引更多新用戶參與交互，知識在不斷反饋、沉淀中逐漸擴散。第三階段向第四階段演化時，核心用戶群體再次擴大，其中7個新加入用戶中有4個為后期加入板塊交流的新用戶，準核心用戶群體中新用戶數(shù)量不斷增加，更多新用戶成為知識創(chuàng)新的中堅力量，為板塊下一步發(fā)展奠定良好基礎。

通過用戶交互網(wǎng)絡結構分析可以發(fā)現(xiàn)，核心用戶中一部分致力于利用發(fā)帖提高網(wǎng)絡知識水平，另一部分通過持續(xù)發(fā)表評論占據(jù)結構洞以增進網(wǎng)絡知識流通性，網(wǎng)絡整體在“帶動效應”作用下逐漸形成層次分明的“核心—邊緣”結構，推動社區(qū)知識創(chuàng)新良性發(fā)展。鑒于兩部分核心用戶從不同方面為社區(qū)創(chuàng)新活動提供關鍵支持，企業(yè)需要提高對其價值偏好的辨識度，改進用戶等級福利制度，拓展官方交流體驗渠道，設計合理激勵機制引導用戶持續(xù)不斷地參與價值共創(chuàng)。鑒于普通用戶參與互動的初始目的在于獲取資源和提高認知，企業(yè)應該致力于豐富社區(qū)知識內容，優(yōu)化問題反饋機制，在提高知識體驗的同時推動其向知識共享者和創(chuàng)造者轉變。

4 知識共現(xiàn)網(wǎng)絡演化分析

用戶協(xié)同交互為知識創(chuàng)新奠定了基礎，但是要深入剖析知識體系的內在邏輯，需要將研究視角定位于用戶生成的知識內容[20]。本節(jié)以知識元及其構建的知識共現(xiàn)網(wǎng)絡為研究對象，采用更加微觀的視角探索開放式創(chuàng)新社區(qū)知識體系的演化規(guī)律。

4.1 知識共現(xiàn)網(wǎng)絡可視化展示

為清晰展現(xiàn)知識元之間的共現(xiàn)關系，需要對數(shù)據(jù)集中的知識文本內容進行整理。首先，利用Python語言中的Jieba庫對數(shù)據(jù)集中的知識文本進行分詞，對于帖子中的視頻內容，需要在分詞之前將其轉化為文字內容補充到相應文本中；其次，將詞語進行進一步清洗，去除語氣詞、連接詞等非核心詞語和“手機”“華為”“P50”等通用詞語，對詞語進行同義詞合并，如“拍照”“拍攝”“照相”等詞語統(tǒng)一用“拍攝”代替，形成核心詞集合；第三，鑒于某些帖子現(xiàn)有詞語沒有清晰描述其主題內容，根據(jù)帖子中相關語句凝練出“多設備協(xié)同”“軟硬件協(xié)同”等主題詞補充到核心詞集合中，形成知識元集合；最后，為便于可視化展示，利用TF-IDF算法計算每個帖子中知識元的權重，并按照權重排序獲得每個帖子的代表性知識元。以代表性知識元為節(jié)點，基于式(2)構建知識共現(xiàn)網(wǎng)絡，利用Ucinet軟件的NetDraw功能展示具體網(wǎng)絡圖譜，如圖3所示，其中節(jié)點大小與度中心性成正比。

圖3 知識共現(xiàn)網(wǎng)絡圖譜

從圖3中可以看出，度中心性較高的幾個知識元為“攝像頭”“變焦”“長焦”“拍攝”等詞語，體現(xiàn)了“拍攝與影像”是社區(qū)討論最為集中的主題，與華為P50的“影像旗艦”身份相符。這些知識元之間基于共現(xiàn)關系形成穩(wěn)固的知識組合，利用衍生作用力不斷生成新的知識節(jié)點，建立新的關聯(lián)關系，推動知識體系不斷進化。例如，“拍攝—超廣角”“長焦—變焦—算法”等知識組合在知識進化中不斷通過強連接推進知識積累，同時利用弱連接衍生出一系列新的知識主題，逐漸豐富網(wǎng)絡知識體系。除以上知識組合之外，“計算光學—原色引擎”“鴻蒙—智慧—超級終端”等也是較為穩(wěn)固的知識組合，組合間通過不斷相互作用形成更大范圍的知識體系，而“鴻蒙”“拍攝”“APP”等中介中心性較高的知識元在跨組合聯(lián)動中發(fā)揮了重要作用。

4.2 知識聚類和主題演化分析

開放式創(chuàng)新社區(qū)知識體系的進化以主題發(fā)展表征，下面利用文本挖掘工具KH Coder進行知識聚類和主題演化分析。為保障分析的全面性，將全部知識元以知識文本為單位導入到KH Coder中，在軟件中設置繪圖數(shù)為120、詞語最小出現(xiàn)次數(shù)為5、Jaccard相似系數(shù)為0.1以上，得到知識聚類網(wǎng)絡圖譜，如圖4所示。

圖4 知識聚類網(wǎng)絡圖譜

從圖4中可以看出，整體文本集合被劃分成了11個知識集群，每個集群內部詞語之間有較強的相似度，代表了一個討論主題，圓圈大小代表每個詞語的頻次。總的來看，整體網(wǎng)絡的知識集中度較低、知識內容相對分散、知識主題較多，可見社區(qū)存在較為明顯的知識多元化現(xiàn)象，能夠在知識元之間的相互作用下實現(xiàn)資源聚合、內容傳承和主題革新。其中，每個集群內部詞語間具有較強的相似度關系，能夠通過構建穩(wěn)固的知識組合推動集群知識增值，而不同集群之間通過弱連接建立更為廣泛、豐富的協(xié)同聯(lián)動關系，實現(xiàn)集群間知識交叉融合創(chuàng)新。

知識聚類網(wǎng)絡圖譜展現(xiàn)了社區(qū)知識間的聚合關系，反映了相關主題的討論熱度，但是要進一步探索社區(qū)知識創(chuàng)新演化規(guī)律，需要對其主題發(fā)展進行動態(tài)分析。基于圖4將網(wǎng)絡內容分為拍攝功能、系統(tǒng)設計、系統(tǒng)應用、產(chǎn)品配置和影像設計5個主題，每個主題選取5個代表性核心知識元，具體如表4所示。

表4 知識文本主題及其核心知識元

將每個主題及其核心知識元進行主題編碼后輸入到KH Coder中，設定演化周期分為第一階段(板塊成立時間—2021年8月15日)、第二階段(2021年8月15日—31日)、第三階段(2021年9月)、第四階段(2021年10月)和第五階段(2021年11月)。需要說明的是，為清晰分析知識主題演化規(guī)律，這里將用戶交互網(wǎng)絡分析中設定的第一階段拆分為兩個階段。利用KH Coder編碼工具欄中的“交叉匯總”功能分析知識主題隨時間周期的演化規(guī)律，具體情況如圖5所示。

圖5 知識共現(xiàn)網(wǎng)絡主題演化分析

在圖5中，橫軸為5個演化階段，縱軸為5個知識主題，方框大小代表每個主題內容在一個周期總體知識存量中的占比。結合各階段主題變化和前一節(jié)用戶交互分析，可以得出以下規(guī)律：

第一，產(chǎn)品推廣期(第一和第二階段)。其中，第一階段側重于產(chǎn)品配置和功能介紹，企業(yè)內部用戶為知識供給的主力軍，目的在于通過產(chǎn)品推廣制造話題，吸引消費者用戶關注，引導其參與知識分享與創(chuàng)造；在第二階段，當消費者對產(chǎn)品關注度不斷提高時，更多核心創(chuàng)客、產(chǎn)品愛好者參與知識交互，推動產(chǎn)品推廣主題向軟件系統(tǒng)設計和應用過渡，板塊基礎知識結構初步形成。

第二，產(chǎn)品推廣向產(chǎn)品使用過渡期(第三階段)。在了解產(chǎn)品配置和功能之后，消費者對如何使用產(chǎn)品產(chǎn)生了新的需求。鑒于華為P50影像旗艦的產(chǎn)品定位，在企業(yè)用戶引導下，消費者對如何使用影像系統(tǒng)展開知識搜尋、創(chuàng)新，針對拍攝體驗與技巧的帖子不斷出現(xiàn)。隨著知識交互逐漸深入，一系列用戶基于相關話題形成創(chuàng)新集群，更多用戶在知識反饋中向知識共享者轉化，推動基礎知識組合衍生出更多的相關知識組合，板塊知識結構不斷進化。

第三，產(chǎn)品使用期(第四和第五階段)。經(jīng)過一段時間使用和體驗，用戶對產(chǎn)品有了較為全面的了解，消費者間圍繞產(chǎn)品使用中的功能、技巧、問題展開深入交流，企業(yè)在解答用戶問題的同時進一步甄別有價值信息以確定產(chǎn)品優(yōu)化方案。不斷豐富的話題推動知識組合進一步進化，并吸引更多普通用戶參與交互。在兩大用戶群體協(xié)同共生下，知識結構清晰，主題分布合理，板塊知識創(chuàng)新資源均衡發(fā)展。

在第五階段，基于P50標準版的發(fā)售，產(chǎn)品配置這一主題占比再次提高，并可能在接下來引發(fā)一定程度的產(chǎn)品推廣。而在之后的演化中，板塊將會從產(chǎn)品使用期逐漸過渡到產(chǎn)品售后期。屆時，產(chǎn)品生命周期即將結束，知識主題將圍繞現(xiàn)有產(chǎn)品問題解決和下一代產(chǎn)品創(chuàng)意優(yōu)化展開。

基于知識主題演化，可以將知識元分為高值知識元、普通知識元、增長知識元和消退知識元。高值知識元代表了社區(qū)的熱門主題，是用戶興趣關注點、產(chǎn)品價值增值點和知識衍生基礎單元，企業(yè)要積極引導用戶基于熱點知識展開深入交流，以推動社區(qū)知識體系進化增值。普通知識元雖然當前受關注度較低，但其中一部分蘊含了未來產(chǎn)品創(chuàng)新的關鍵問題，企業(yè)應及時挖掘此類知識元的內在價值，引導用戶創(chuàng)造內容符合產(chǎn)品創(chuàng)新發(fā)展方向。鑒于知識活躍性變化代表用戶興趣的轉移，企業(yè)要基于社區(qū)主題演化趨勢及時識別增長知識元和消退知識元。一方面，將產(chǎn)品宣傳重點放在用戶感興趣的領域，激發(fā)用戶參與熱情和知識共享意愿，以取得更好的創(chuàng)新效果；另一方面，著重分析部分知識消退的真正原因，避免因運營問題導致用戶異常流失。

5 用戶知識協(xié)同進化網(wǎng)絡演化分析

為進一步展現(xiàn)主題演化中的用戶知識協(xié)同過程，本節(jié)選取圖5中“拍攝功能”這一主題，將其中一個群體為研究對象，基于式(3)進一步展現(xiàn)網(wǎng)絡演化規(guī)律。

首先，參照上一節(jié)的編碼規(guī)則利用KH Coder進行集群分析，按照發(fā)帖時間取前10個帖子通過Ucinet軟件的NetDraw功能形成網(wǎng)絡圖譜，如圖6所示。

圖6 用戶知識協(xié)同進化網(wǎng)絡演化階段(a)

在圖6中，紅色圓形節(jié)點代表用戶，藍色方框節(jié)點代表知識元，節(jié)點大小與其度中心性成正比。在社區(qū)運營初始階段，不同用戶間的知識勢差較大，相當一部分知識元處于離散狀態(tài)，知識體系結構規(guī)模有限，但是仍然出現(xiàn)了以“拍攝—變焦—超廣角”“計算光學—細節(jié)”等為代表的基礎知識組合，奠定了集群“拍攝功能”這一主題。用戶間圍繞以上組合進行知識交互，以知識文本為載體建立協(xié)同關系，初步形成主題領域研究的用戶子群。

在圖6的基礎上再增加10個帖子，得到網(wǎng)絡圖譜，如圖7所示。隨著用戶交流的深入，知識存量持續(xù)增加，用戶間知識勢差不斷下降，彼此間逐漸擁有更多相似話題。在U083、U149、U014等用戶的引領下，“拍攝—變焦—超廣角”這一知識組合在發(fā)展中不斷積累、沉淀，并逐漸衍生出“光線”“防抖”等相關知識元，推動主題內容由影像系統(tǒng)評測向拍攝體驗與技巧轉變。隨著用戶和知識間通過相互作用持續(xù)協(xié)同進化，原先處于網(wǎng)絡結構邊緣的部分知識節(jié)點已經(jīng)逐漸向網(wǎng)絡中心轉移，網(wǎng)絡核心結構趨于穩(wěn)定，社區(qū)創(chuàng)新集群初具規(guī)模。

圖7 用戶知識協(xié)同進化網(wǎng)絡演化階段(b)

圖8展示的是該集群在演化周期超過一半時的網(wǎng)絡圖譜。與圖7相比，更多用戶基于熱門話題展開知識交流，用戶間不斷通過知識創(chuàng)新活動實現(xiàn)協(xié)同共生，知識積累、衍生以及在此基礎上的再創(chuàng)新在演化中持續(xù)發(fā)生，網(wǎng)絡逐漸產(chǎn)生更加清晰“核心—邊緣”結構。綜上所述，開放式創(chuàng)新社區(qū)用戶知識協(xié)同創(chuàng)新網(wǎng)絡演化是多用戶協(xié)同交互中實現(xiàn)知識元動態(tài)關聯(lián)、持續(xù)進化的過程，知識內容逐漸積累、新的話題不斷生成，結構在由點到鏈、由鏈及網(wǎng)中循序漸進地動態(tài)演化。

圖8 用戶知識協(xié)同進化網(wǎng)絡演化階段(c)

6 結 論

本文以復雜網(wǎng)絡為視角構建用戶知識協(xié)同創(chuàng)新模型，結合“花粉俱樂部”社區(qū)實例數(shù)據(jù)，利用網(wǎng)絡可視化、文本挖掘軟件對開放式創(chuàng)新社區(qū)知識創(chuàng)新過程進行動態(tài)分析，以用戶交互網(wǎng)絡、知識共現(xiàn)網(wǎng)絡和用戶知識協(xié)同進化網(wǎng)絡3個子網(wǎng)絡為研究對象，探索用戶知識協(xié)同創(chuàng)新網(wǎng)絡演化規(guī)律。具體結論如下：

首先，用戶交互網(wǎng)絡演化是核心用戶帶動普通用戶逐漸參與知識創(chuàng)新活動的過程，通過一系列用戶行為的交互作用實現(xiàn)知識在社區(qū)用戶間共享、傳輸與擴散，奠定了社區(qū)協(xié)同創(chuàng)新的基礎網(wǎng)絡架構。企業(yè)要積極發(fā)現(xiàn)兩類用戶知識創(chuàng)新需求的異同，實施差異化激勵機制，引導更多用戶參與資源共享與價值共創(chuàng)。

其次，知識共現(xiàn)網(wǎng)絡演化是在知識組合協(xié)同聯(lián)動中不斷實現(xiàn)知識積累與衍生的過程，通過知識進化不斷完成知識整合與主題革新，為企業(yè)產(chǎn)品研發(fā)和科技創(chuàng)新提供智力支持。企業(yè)要基于知識主題發(fā)展趨勢有效分析社區(qū)知識結構，分辨用戶關注點、預測未來創(chuàng)新方向，基于知識元特征制定針對性運營策略。

第三，用戶知識協(xié)同進化網(wǎng)絡演化將用戶交互和知識進化過程相結合，多維度展示了用戶知識協(xié)同進化過程，為社區(qū)資源要素全方位管理提供了有效分析框架。基于用戶、知識文本、知識元間的交叉分析，企業(yè)可以發(fā)掘某一知識領域的創(chuàng)新子群，識別引領主題發(fā)展的領先用戶，便于設計合理的用戶知識協(xié)同機制以提高社區(qū)運營效果。