网络大数据在在线用户创新研究中的应用：现状与展望

科技管理研究

ScienceandTechnologyManagementＲesearch

2019No.4

doi：10.3969/j.issn.1000－7695.2019.04.029

网络大数据在在线用户创新研究中的应用：现状与展望

王

1，2

楠，李

瑶

1

（1.北京工商大学商学院，北京100037；2.清华大学技术创新研究中心北京100084；）

摘要：介绍网络大数据的定义与内涵，总结网络大数据在网络舆情分析、市场营销分析、企业绩效分析和线上用户创新等方面的应用。通过对国内外文献的梳理，重点分析网络大数据在用户分类、用户创意质量、用户创意采纳和用户创意情感分析四方面的研究现状，并对未来研究方向进行展望。关键词：网络大数据；线上用户创新；现状与展望中图分类号：F270文献标志码：A

文章编号：1000－7695（2019）04－0206－05

ApplicationofNetworkBigDatainOnlineUserInnovationＲesearch：Current

SituationandFutureProspect

2

WangNan1，，LiYao1

（1.SchoolofBusiness，BeijingTechnologyandBusinessUniversity，Beijing100037，China；2.SchoolofEconomicsandManagement，TsinghuaUniversity，Beijing100084，China）

Abstract：Theapplicationofbigdatamakesresearchmorereliable，butithasnotformedscale.Thispaperintroducestheandsummarizestheapplicationofnetworkbigdatainnetworkpublicopiniondefinitionandconnotationofnetworkbigdata，

analysis，marketinganalysis，enterpriseperformanceanalysisandonlineuserinnovation.Throughthecombingofdomesticandforeignliteratures，thispaperfocusesontheresearchstatusofnetworkbigdatainuserclassification，usercreativequality，usercreativeadoptionandusercreativesentimentanalysis，andprospectsforfutureresearchdirections.Keywords：networkbigdata；onlineuserinnovation；currentstatusandprospects

随着互联网的兴起，网络大数据呈爆发式增长。

与问卷调查相比，大数据更客观，包含更多的信息价值和更高的信息质量，以往网络大数据一般应用于网络舆情研究，网络情报收集，决策支持，网络营销等领域。将网络大数据应用于在线创新社区用户创新的研究近年来开始兴起，但国内相关研究很少。本文对现有文献研究的基础上，归纳总结了网络大数据在用户分类机制、用户创意质量、用户创意采纳、用户创意情感分析四个方面的研究现状，并对未来研究进行了展望。在丰富相关研究的同时也能为国内学者的研究提供借鉴。

11.1

网络大数据

定义及内涵

大数据是一种抽象的概念，与“海量数据”具有不同的意义。一般认为，大数据是指在一段有限时间内，运用传统工具无法感知，获取和处理的数

［1］

据集合。科技企业认为大数据是指经典数据库软件无法获取，存储和管理的数据集。2001年META的分析师DougLaney定义了3Vs模型，即数量（volume）、速度（velocity）和种类（variety）增加会带来挑战与机遇。随后许多企业采用这个模型来

收稿日期：2018－05－31，修回日期：2018－09－29

基金项目：国家自然科学基金青年项目“企业网络创新社区中用户在线参与创新行为影响因素及用户间互动作用机制研究”（71602006）；

北京市社会科学基金项目“网络零售管理基础理论研究”（15ZDB22）；北京市教学科学“十二五”规划青年专项课题“基于大学生社交网络学习特征的创业教育支持体系构建”（CDA15179）；北京市自然科学基金资助项目“互联网环境下首都实体零售企业商业模式创新研究”（9174032）

王楠等：网络大数据在在线用户创新研究中的应用：现状与展望

207

描述大数据。但是也有公司提出了不同的意见，国际数据公司（IDC）的定义可以总结为4V，即Vol-ume（量大）、Variety（模式多）、Velocity（快速生成）和Value（大价值低密度）。4V定义获得了广泛的认可，它指出了大数据最关键的问题，即如何从庞大的、多种类的、快速发展的数据中获取其价值。美国国家标准和技术研究院（NIST）认为，大数据是指传统的关系方法受到数据的量，收集速度，数据表示方式的而无法进行有效处理的数据或

者要使用水平缩放技术来进行高效处理的数据

［1－2］

。大数据的数据源一般认为有三种，商业数据、网络数据和科学数据。网络数据，简单来说就是基于Internet技术的各种网络上的数据，包括电子邮件、网页、社交应用、在线论坛等。大数据除了传统的结构化数据外，还包括半结构化数据和非结构化数据。结构化的数据易于储存与处理，但是现在国外的Facebook、Twitter、国内的微博、在线社区等产生的内容大部分都是非结构化的，这给数据的存储与处理带来了挑战。1.2应用领域

大数据的典型应用是面向在线社交网络的应用。在线社交网络是一种由用户和用户之间的关系所构成的一种社交网络，数据主要来自在线通讯工具、

在线论坛、在线社区等应用［3］

。网络大数据现在主要用于网络舆情分析、市场营销分析、企业绩效分析、在线用户创新分析等。可以利用大数据实时监控网络上的言论，控制网络舆情的变化。企业利用大数据在社交网络中进行广告营销，会影响消

费者的参与［4］

。用户的活动内容也会影响消费者对

于该品牌的购买支出问题［5］

。社交网络不仅影响营

销结果，还会普遍增加企业的价值［6］

。企业采用社交媒体的努力程度与企业市场表现高度相关，消费者的参与和关注调节企业社交媒体努力与企业市场绩效之间的关系。由于用户在社交媒体产生的实时

内容，社交媒体可以作为企业价值的预测性指标［7］

。社交网络中用户参与创新是降低创新风险与成本的有效途径。在线用户创新的研究已开始引起学者们的关注。

1.3优势和劣势

（1）与传统的问卷调查相比，网络大数据有两个方面优势。第一，数据更加客观。问卷调查所获得的数据一直备受争议，在实施过程中可能出现偏

差造成数据质量差，导致研究结果不稳定［8］

。网络大数据是一种已经发生的既定的数据，更加客观。第二，数据规模更加庞大。问卷调查样本规模最少

要求200，若是调查环境良好一般要超过400［9］。大数据无视地域与时间的，规模庞大，信息技术

导致大数据生成迅速而简单［3］

。

（2）尽管大数据已被广泛，但其应用方式及数据处理仍然存在难题。第一，数据类型复杂的挑战。网络大数据包括图片，视频，表情符号，文本文档等，多为非结构化数据，需要新型数据采集与分析工具。第二，干扰数据多。网络的无性会导致用户无效发言，造成许多垃圾数据。清除垃圾数据给数据处理带来了挑战。第三，数据可能的存在法律与道德问题。大数据中包含着大量的个人私密信息，即使获得用户的许可，数据的安全也还是无法

得到保障［2］

。2网络大数据在在线用户创新研究的现状

2.1

用户分类机制研究

理解社区中不同类型的用户以及他们的潜在贡献能力可以确保社区内容的高质量性，使社区健康持续发展。众多学者的研究指出，为了实现对社区的成功管理，需要加强对社区不同成员角色和行为的理解。

研究用户分类主要采用社会网络分析法和聚类分析法。应用社会网络分析，可以对社区中所有用户之间的关系进行量化研究，确定不同用户角色以

及角色特征和影响［10］

。部分学者根据不同的标准对社区用户进行了分类研究，并具体考察了每一类型用户的贡献能力，如表1所示。已有研究主要采用

以下三个标准对用户分类［10］

，进度（in－degree）是指提出创意的用户所收到的评论总量，代表了用户创意的受欢迎程度。出度（out－degree）是指提出创意的用户所发出的评论总量，代表了用户参与社区的积极程度。想法数量是指用户所提出的创意想法的总数，代表了用户生成创造性想法的能力。除此之外，也用一些其他分类标准。例如，SimonFuger等［11］在研究不同角色对创意团队绩效影响时，为了更好地了解团队的结构，测量了用户的创意质量，认为进入创意精化阶段的是高质量的创意。

社区中普遍存在以下几种用户。注意力吸引者，虽然发布创意数量很少，但创意却得到较多其他用户的评论，是社区中的有效贡献者；激励者特别热衷于发表意见，在社区中特别活跃，但只提交了很少的创意；创意者提交的创意数量特别多，但很少参与互动；被动用户基本不提出创意，也不发表评论。

208

王楠等：网络大数据在在线用户创新研究中的应用：现状与展望

表1

分类标准

宏观：出度（out－degree），介中性（Betweennesscentrality）微观：贡献次数（numberofcontributingtimes），作为经纪人或调解员参与次数（numberofparticipatingasbrokersormedia-torstimes）

用户分类机制

用户角色类型

来源

宏观层面：外围成员（peripheralmembers）；稳定贡献者（regularcontributors）；微观层面：核心（core）

SLTora等［12］

八类：激励者（Motivator）；注意力吸引者（Attentionattractor）；边缘用户（passiveUser）；创意者（ideagenerator）；激励者和注

进度（in－degree），出度（out－degree），创意数量（numberofdesigns）

意力吸引者（Motivator，attention－grabbing）；激励者和创意者（Motivator，ideagenerating）；注意力吸引者和创意者（Attentionat-tractor，ideaGenerating）；三者都有（Attentionattractor，motivating，ideagenerating）

出度（out－degree），进度（in－degree），贡献（Contribu-tion），创意质量（ideaquality）

创意数量，创意质量，提交的评论数量，获得的评论数量

四类：合作者（Collaborator）；贡献者（Contributor）；全能者（Allrounder）；边缘用户（PassiveUser）

六类：核心用户；积极社交用户；魅力社交用户；积极创新用户；有效创新用户；边缘用户

六类：创意制造者；引导者；一次性用户；创意制造者，眼球吸引者，引导者；创意制造者，眼球吸引者；眼球吸引者，引导者

SimonFuger等［11］JuliaHautz等［13］

戚桂杰等［14］

创意数量，入度，出度王婷婷等［15］

2.2

创意质量研究

目前创意质量的评价多是寻找领域内的专家或者创新社区的高层管理者针对创意的新颖性，有用性或者价值，精华性，可加工性等特性进行加权评

［16］

分来确定创意的质量。在小部分的研究对于创意

［12］

质量的衡量采用的是创意所收到的平均分数。创意质量的研究经历了从单一角度研究到多重角度，其影响因素主要分为两类，如下表2所示。

（1）创意者自身特征，包括创意努力与用户经验。创意努力指创意者在提出、完善、编写创意的

［17］

过程中所付出的时间和精力，使用修改的次数与创意的长度两个指标衡量；创意努力越多，其他用

［18］

户对于创意质量的评价将会越客观。用户经验指用户过去提出创意的经历。有研究认为证明经验丰

［19］

富的用户可以提供更高质量的想法。但是也有学者认为用户经验丰富时，创意新颖性会降低。

（2）创意者互动行为，包括团队合作和反馈。团队合作指用户通过合作共同提出创意。有研究认为用户的合作与创意质量之间呈U型关［20］

；反馈指与创意相关的评论和意见，包括用系

户发出的反馈和用户收到的反馈两种。创意者需要将创意以语言或文字的形式表达与他人进行交流，当创意收到更多的评论时，创意本身的新颖

［21］

。用户的互动广度与创意质量是一种性会更高

倒U型关系，而互动的深度却会反向影响创意质量。未来可以深入挖掘反馈方面的研究，如反馈时间，发出反馈的用户等。

表2

研究角度

用户创意质量的研究

影响因素

来源AngelikaC等［20］SabrinaA等［21］

李丹等［22］杨光等［23］

合作倾向

其他用户，社区管理者，创意提出者的评论

单一角度研究

用户互动广度与深度

其他用户与用户自身创意成功造成的思维定势

用户直接交互，用户间接交互，专业性成功经验

创意努力，团队合作，反馈

多重角度研究

创意努力，想法重组（用户合作），创意评论

用户贡献的创意数量和评论数量，在线互动，评论版块异质性

刘倩等［24］YeH等［25］YeJ等［26］

刘波等［27］

2.3

创意采纳研究

用户创新对于企业和用户来说都面临着挑战。企业需要高效准确地从大量的想法中挑选出对企业有利可行的创意，用户想要了解企业采纳的标准以

［28］

提高可能性。已有用户创意采纳研究主要集中考虑创意提供者特征和创意想法特征两方面，如表3所示。

（1）创意提供者的特征，包括用户参与度和用户经验。用户参与度多用曾给予其他用户的评论总数衡量。高参与度的用户更有可能提出被公司采纳

［29］

的创意。用户经验既可以通过用户先前的实施率衡量，即用户已经被采纳的想法与用户在此想法之

王楠等：网络大数据在在线用户创新研究中的应用：现状与展望

209

前提出的想法总数的比。也可以直接采用用户发布的创意数衡量。

（2）创意想法的特征，包括创意长度、创意流行性、创意参考资料以及创意情感倾向。创意长度可以用用户描述创意总字数衡量。创意流行性可用想法所收到的评论数或者投票数衡量。创意参考资料可以使用用户在描述想法时增加图片或者专业链接来衡量。有研究发现创意参考资料与创意采纳之

间呈现倒U型关系［28］

。创意情感倾向用描述想法时的个人情感测量。当想法包含的消极情绪较多时，组织采纳创意的可能性会减少。

表3

用户创意采纳的研究

研究角度

影响因素

来源用户先前的实施率，用户的参与度

BarryL［30］单一角度

创意主观性，消极性，公开性，深度

LeeHJ等［31］

想法的长度，想法的积极性，消极性，客观性，想法的评论，用户信息DongheeYoo等［32］

想法收到的投票总数，想法收到的评论，用户的点数，用户发布的评论

MokterHossain等［33］

双重角度

用户的参与度，用户先前的实施率，想法的长度，想法的参考资料MingguoLi等［28］

创意标题的长度与情感，创意文本的长度与情感，评论文本的情感，王婷婷等［34］

创意评论数与得分数

2.4

用户情感分析研究用户在社区中发表言论时经

常会使用一些具有情感倾向的词语，积极性倾向与消极性倾向的词语对于用户的影响是截然不同的。

情感分析就是根据积极性和消极性对感性取向进行

分类。HanjunLee等［35］

认为个人的想法和行为很大程度上受到周围人的影响，组织也是如此。用户情感分析研究的对象就是用户生成内容，在线创新社区中表现为用户的想法和评论，本文从用户和用户行为两方面来说明，如表4所示。

表4

用户创意情感分析研究

研究角度

研究主题情感分析

作者

用户

领先用户想法和评论的积极性，消极性，识别极性，主观性（识别指标）HanjunLee等［35］创意主观性与消极性LeeHJ等［31］

创意想法的识别

创意的积极性，消极性DongheeYoo等

［32］用户与采纳

创意标题，创意文本与评论文行为

本的情感得分

王婷婷等

［34］

用户创新提取五种消极情绪（恐惧，愤活动怒，羞愧，悲伤，挫折）并测HanjunLee等［36］

试其强度

3结论与展望

基于对网络大数据研究的文献回顾，本文梳理了用户分类机制、用户创意质量、用户创意采纳与创意情感分析等研究。这类研究所使用的相关数据包括创意数量、评论数量、评论数量、创意长度以和补充资料等。为理解在线创新社区大数据应用奠定了理论基础，也为进一步研究提供借鉴。

未来研究可以从以下几个方面展开：第一，加强本土化研究。在线用户创新在国内是一个新领域，现有研究主要使用问卷调查，缺乏使用网络大数据的研究。因此，国内学者可以借鉴国外研究的基础上进行本土化网络大数据研究。第二，拓宽创新社区类型。国外研究主要集中在星巴克和戴尔两个社区，国内以小米社区为主。研究不具有普遍适用性，结果无法推及到其他社区。未来研究可以拓展到多领域、多类型社区。第三，扩大应用范围。现有研究还没有充分挖掘大数据的研究价值。可以考虑直接采用网络大数据来衡量用户创新行为。此外，可以考虑采用纵向大数据跟踪考察社区生命周期变化。

参考文献：

1］CHENM，MAOS，LIUY．Bigdata：asurvey［J］．MobileNetworks＆

Applications，2014，19（2）：171－209．

2］张引，陈敏，廖小飞．大数据应用的现状与展望［J］．计算机研究与

发展，

2013，50（s2）：216－233．3］李学龙，龚海刚．大数据系统综述［J］．中国科学：信息科学，

2015，45（1）：1－44．

4］LEED，HOSANAGAＲK，NAIＲH．Advertisingcontentandconsumer

engagementonsocialmedia：evidencefromFacebook［J］．ManagementScience，2017，（11）：4967－60．

5］GOHKY，HENGCS，LINZ．Socialmediabrandcommunityand

consumerbehavior：quantifyingtherelativeimpactofuser－andmar-keter－generatedcontent［J］．InformationSystemsＲesearch，2013，24（1）：88－107．

6］BEＲTSCHEKI，KESLEＲＲ．Lettheuserspeak：isfeedbackonface-bookasourceoffirms’innovation？［J］．SSＲNElectronicJournal，2017，17（15）：25－63．

7］LUOX，ZHANGJ，DUANW．Socialmediaandfirmequityvalue

［J］．SocialScienceElectronicPublishing，2013，24（1）：146－163．8］李琦．西方管理会计问卷调查文献综述：基于研究方法的视角［J］．

国外社会科学，

2012（1）：131－137．9］范津砚，叶斌，章震宇，等．探索性因素分析：最近10年的评述［J］．

心理科学进展，

2003（11）：579－585．10］FULLEＲJ，HUTTEＲK，HAUTZJ，etal．Userrolesandcontribu-tionsininnovation－contestcommunities［J］．JournalofManagementInformationSystems，2014，31（1）：273－308．

11］FUGEＲS，SCHIMPFＲ，FULLEＲJ．Networkstructureanduser

rolesofacrowdsourcingcommunity：thecontextofsocialinnovationsforadevelopmentproject［C］．Hawaii：HawaiiInternationalConfer-

［［［［［［［［［［［210

王楠等：网络大数据在在线用户创新研究中的应用：现状与展望

enceonSystemSciences，2017：1－11．

［12］TOＲALSL，MAＲTINEZ－TOＲＲESMＲ，BAＲＲEＲOF．Analysis

ofvirtualcommunitiessupportingOSSprojectsusingsocialnetworka-nalysis［J］．InformationandSoftwareTechnology，2010，52（3）：296－303．

［13］HAUTAJ，HUTTEＲK，MATZLEＲK，etal．Howtoestablishanon-lineinnovationcommunity？Theroleofusersandtheirinnovativecon-tent［C］．Hawaii：HawaiiInternationalConferenceonSystemSci-ences，2010，6（1）：1－11．

［14］戚桂杰，李奕莹．企业开放式创新社区用户贡献度研究［J］．科技

进步与对策，

2016（14）：82－87．［15］王婷婷，贺珂，王凯平．社会资本视角下开放式创新平台用户行为

研究：以美创为例［J］．科技进步与对策，

2018（6）：7－13．［16］DEANDL，HENDEＲJM，ＲODGEＲSTL．Identifyingquality，no-vel，andcreativeideas：constructsandscalesforideaevaluation［J］．JournaloftheAssociationforInformationSystems，2006，7（10）：6－699．

［17］JONSONB．Designideation：theconceptualsketchinthedigitalage

［J］．DesignStudies，2005，26（6）：613－624．

［18］DIEHLM，STＲOEBEW．Productivitylossinbrainstorminggroups：

towardthesolutionofariddle［J］．JournalofPersonalityandSocialPsychology，1987（53）：497－509．

［19］SCHUHMACHEＲMC，KUESTEＲS．Identificationofleaduser

characteristicsdrivingthequalityofserviceinnovationideas［J］．Cre-ativity＆InnovationManagement，2012，21（4）：427－442．

［20］BULLINGEＲAC，NEYEＲAK，ＲASSM，etal．Community－

basedinnovationcontests：wherecompetitionmeetscooperation［J］．Creativity＆InnovationManagement，2010，19（3）：290–303．［21］ADAMCZYKS，BULLINGEＲAC，MOESLEINKM．Commenting

fornewideas：insightsfromanopeninnovationplatform［J］．Interna-tionalJournalofTechnologyIntelligence＆Planning，2011，7（3）：232－249．

［22］李丹，胡珑瑛．在线品牌社区用户间互动对产品创意质量影响的

实证研究［J］．技术经济，

2018，37（2）：21－27．［23］杨光，汪立．思维定势如何影响创意质量：基于“众包”平台的实

证研究［J］．管理世界，

2017（12）：109－188．［24］刘倩，孙宝文．COI社区在线交互对用户创意质量的影响：专业成

功经验的调节效应［J］．南开管理评论，

2018（2）：16－27．［25］YEH，KANKANHALLIA，HUBEＲMJ，etal．Collaborationandthe

qualityofusergeneratedideasinonlineinnovationcommunities［J］．

SocialScienceElectronicPublishing，

2012，23（1）．：140－175．［26］YEJ，BLOHMI，BＲETSCHNEIDEＲU，etal．Promotingthequality

ofusergeneratedideasinonlineinnovationcommunities：aknowledgecollaborationperspective［C］．：InternationalConferenceonInformationSystems，

2016：16－32．［27］刘波，马永斌．网络环境中用户努力与创新观点质量［J］．消费经

济，

2016（5）：73－81．［28］LIM，KANKANHALLIA，KIMSH．Whichideasaremorelikelytobe

implementedinonlineuserinnovationcommunities？Anempiricala-nalysis［J］．DecisionSupportSystems，2016（84）：28－40．

［29］CULNANM，MCHUGHP，ZUBILLAGAJ．HowlargeU．S．compa-niescanuseandothersocialmediatogainbusinessvalue［J］．MISQuarterlyExecutive，2010，9（4）：243－259．

［30］BAYUSBL．Crowdsourcingnewproductideasovertime：ananalysis

oftheDellIdeaStormcommunity［J］．ManagementScience，IN-FOＲMSAnnualMeeting，2013，59（1）：226－244．

［31］LEEHJ，SUHYM．Ananalysisoforganizational－adoptableand

user－favorableideasinacrowdsourcingcommunity：focusedonmystarbucksIdea．com［J］．JournalofKoreanInstituteofIntelligentSys-tems，2013，12（1）：69－81．

［32］YOOD，CHOIK，LEEHJ，etal．Anontology－basedco－creation

enhancingsystemforidearecommendationinanonlinecommunity［J］．ACMSIGMISDatabase：theDatabaseforAdvancesinInforma-tionSystems，2015，46（3）：9－22．

［33］MOKTEＲH，ZAHIDULKM．Ideationthroughonlineopeninnova-tionplatform：DellIdeaStorm［J］．JournaloftheKnowledgeEcono-my，2015，6（3）：611－624．

［34］王婷婷，王凯平，戚桂杰．基于情感分析的开放式创新平台创意采

纳研究：以Salesforce为例［J］．数据分析与知识发现，2018（4）：38－47．

［35］LEEHJ，SUHY．Whocreatesvalueinauserinnovationcommuni-ty？AcasestudyofMyStarbucksIdea．com［J］．OnlineInformationＲeview，2016，40（2）：170－186．

［36］LEEHJ，JEONGS，SUHY．Theinfluenceofnegativeemotionsin

anonlinebrandcommunityoncustomerinnovationactivities［J］．ＲockyMountainJournalofMathematics，2014，46（4）：18－1863．作者简介：王楠（1983—），女，辽宁营口人，副教授，硕士生导师，主要研究方向为创新管理；李瑶（1995—），女，山西河津人，硕士研究生，主要研究方向为创新管理。