客户参与开放式创新类型的贝叶斯博弈研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇客户参与开放式创新类型的贝叶斯博弈研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：客户参与的动态性与不确定性，使企业选择客户参与开放式创新成为不完全信息动态博弈过程。根据客户参与开放式创新维度，提出客户参与开放式创新类型，通过贝叶斯信号博弈构建参与类型的均衡。研究表明：分离均衡下企业可以通过客户信号识别客户参与类型；混同均衡下，客户与企业的信号具有重复博弈特征；准分离均衡下，客户参与行为具有“路径依赖”。最后提出了企业识别客户参与开放式创新的建议。

关键词： 开放式创新；客户参与类型；贝叶斯博弈；不完全信息

中图分类号：F224 文献标识码：A

Bayesian Game Research of the classification of

open innovation in customers to participate

He Junhui

（E-commerce， Department of Computer and Information Sciences， Southwest University， Chongqing 400715）

Abstract： Customers to participate in the dynamic of the type of uncertainty. Customers to participate in open innovation process are the dynamic game of incomplete information. We have integrate dimension of customers to participate in open innovation participate to build the balance of the types of participation by the Bayesian game. Studies have shown that： separating equilibrium enterprise involved in the type of client signals to identify customers， pooling equilibrium， consumers and businesses the signal has a repeated game characteristics； semi-separating equilibrium， the client involved in acts of "path dependence". Finally， we have propose suggestions to the participate in open innovation.

Key words ： Open innovation； Type of customers to participate； Bayesian game； Incomplete information；

引言

开放式创新的管理思想核心之一是如何面对创新不确定性的管理。企业面临多种不确定性，Thomke （2002）对创新的不确定性划分为：创新技术不确定性、生产，需求，和市场不确定性。为减少这些不确定，企业开始采纳客户的建议与意见进行创新活动，如何处理客户的信息成为开放式创新成功的重要因素[1]。实业界获得客户参与开放式创新信息的方法各异，既有在新产品创新前把客户信息作为对象输入，也有在新产品研发活动中引入客户需求，把客户参与企业创新看成一个完整的、可持续的过程。

苹果、宝洁等知名企业的开放式创新实践表明，客户参与开放式创新已经成为产业界创新实践的热点领域。但客户参与过程中面临客户数量多、需求动态变化，信息不确定性等特征[2]，企业面对客户参与类型的动态性与不确定性，使企业接纳客户参与开放式创新具备不完全信息、动态变化的特征（Frank Piller， 2011）[3]。哪些维度影响着客户参与开放式创新，企业通过何种机理将客户纳入参与开放式创新中来，目前的理论界鲜有研究。本研究试图整合客户参与开放式创新维度，提出客户参与开放式创新类型，以不完全信息动态博弈视角构建贝叶斯信号博弈模型，通过均衡实现与讨论，从而得出企业识别客户参与开放式创新类型的机理，以期对开放式创新活动提供参考。

1.客户参与开放式创新

最初人们对客户参与开放式创新没有明确的理论界定，客户参与开放式创新的关系是以新产品创新为切入点的。Dahan and Hauser （2002）[2]以新产品创新在客户信息为出发点对客户互动创新设计了大致的框架，后续的理论研究多以此框架为基础，发展成为三种模式：客户倾听、客户询问和客户协同创新。

第一种模式为客户倾听（Listen into），其具体做法为：企业运用已经存在的客户信息作为输入信息，把产品销售业绩等绩效信息作为输入，从而分析上一周期的产品市场导向情况。这种模式需要销售人员反馈上一周期的销售数据、客户信息日志文件，或利用第三方机构的客户需求研究报告等（Dahan and Hauser 2002） [2]。这种模式的特征在于企业把既往客户信息作为信号预测未来客户的行为 （Bartl and Ivanovic 2010）[3]，实践中将现有的产品性能和客户需求联系起来，预测新产品的客户需求（Füller， Matzler & Hoppe 2008）[4]。第二种模式为客户询问（"ask" customers）。这种模式最初的雏形是通过客户调查、深度访谈或分组座谈会等定性形式来实施客户询问（Griffin & Hauser 1993）[5]，由于新产品创新主题的分散性，这类客户询问往往很难集中于一个问题，因而很难形成有效的客户信息集聚，因此后续的方法在这方面进行了改进，企业首先提出了针对一个新产品开发项目的创新性设计的多种解决方案，组织客户进行询问，有针对性的接受客户的信息反馈（Dahan & Hauser 2002） [2]。这类模式最大的特点是将新产品和新客户信息有机联系起来，在创新过程中不断收集客户信息形成信号，并根据创新活动成果不断修正完善信号（Boudreau， 2011） [7]。第三种模式为企业与客户协同创新（"build" with customers）。在前两种模式中，客户信息仍然孤立于企业，第三种模式试图打破客户与企业的界限，让客户积极有效的、且同步参与新产品创新的设计与研发过程中（von Hippel 2002）[6]。这种模式是典型的客户――企业――开放创新与客户互动的整合模式，客户信息的信号产生机理与企业的创新行为融合度较高（Diener， K. and Piller， F. （2010） ）[9]。三种模式在客户信息获取上各异，但客户参与企业创新互动过程中，企业通过客户提供的信息作为信号，从而识别客户特征是客户参与开放式创新的本质特征[2]。

2.客户参与开放式创新类型

2.1客户参与开放式创新维度特征

根据客户参与企业创新的文献研究，我们认为客户可以在不同的模式和强度下促进企业的新产品创新活动[2]。而客户参与开放式创新实践告诉我们：客户与企业的开放式创新，是一个多样化的现象，需要从客户与企业的交互过程中获得维度特征。基于以往的开放式创新的研究成果，借鉴Diener and Piller（2010）的开放式创新特征[9]，我们整合了三个客户参与开放式创新的特征：

客户参与开放式创新的阶段：即客户进入开放式创新的时间点[2]。这个特征主要是刻画客户在企业新产品创新的哪个阶段，适宜进入开放式创新。在实践中存在如新产品概念设计、研发设计的前期阶段，或者是新产品试用、新产品测试等后期阶段。我们把它定义为客户参与开放式创新的前端和后端两个维度。

客户参与开放式创新的协同程度：是指在一个开放式创新的基本关系结构中，企业如何处理与客户的创新设置，即一个企业在同一时间存在协同创新的客户的数理多少，以及紧密程度[9]。我们把它定义为客户参与开放式创新的协同程度高与低两个维度（Diener， K. and Piller， F. 2010）。

客户参与开放式创新的自由程度：是指的企业的开放式创新任务，分配给客户的性质，给客户自由创新的空间[9]。即企业的开放式创新任务是否是一个狭隘的和预定的任务，或者是一个较为自由松散的，具有创造性的任务（Franke， N. et al. 2010）。我们把它定义为客户参与开放式创新的自由程度高与自由程度低两个维度。

2.2客户参与开放式创新类型

根据这三个特征维度，每个特征两个特点的组合，可以设定认为理想类型共8个客户参与开放式创新的组合。图1表明客户参与开放式创新类型特征。

对于基于创新过程前端，企业针对客户参与开放式创新的对象数量，明显分为单个客户和多个客户形成的客户群[10]。对于基于创新过程前端的单个客户参与开放式创新，企业可以把创新内容设计为一个任务公布在客户网络中，形成有效的“信号”，招募单一客户在企业指定的时间内提交解决方案[14]。这类开放式创新以创新理念为主，特别注重个体客户的特质。企业可以把不太确定的创新内容作为任务，也可以把既定的创新内容作为任务让客户进行筛选优化，从而实现产品设计的创新（Fuchs， C./Schreier， M. 2011）。如网站任务，通过现金奖励等悬赏机制从中评选出获胜者“艺术家”，形成Threadless T恤和其他商品，再由合作服装零售商GAP通过网店和实体门店销售。对于多个客户参与开放式创新，企业主导的网络社区中多元化，多层次的信息，形成“信号群”（Füller et al. 2006），通过知识共享机制，，吸纳和改进其创新内容 [11]。如日本的无印良品（.cn）零售连锁企业，在其网络社区经常不定期信息，构建了产品明信片、电子邮件反馈表、销售现场备忘录、客户体验记录等多客户创新项目，目前已有410，000对会员为其提品设计理念和品牌。

在基于创新过程后端的客户参与开放式创新中，创新已经初步产品化，为了获得一个适当的创新解决方案，企业通常会多次重复与客户开放式创新的过程，从而评估自身的新产品与客户的需求是否一致 （Franke 2010）[12]。单个客户参与开放式创新主要以企业新产品为“信号话题”，引入领先客户和试用客户，交流他们的试用经验，从而进行新产品创新扩散。如淘宝试用（）客户通过获取试用品，提供试用报告分享试用感受；多个客户参与开放式创新需要分配好客户创新能力，确定客户的特殊能力与特点创新过程的“信号匹配”。如DELL公司在全球招募客户参与创新前端的理念设计，同时在销售活动中实施大规模定制策略（Salvador et al 2009），让客户按照自己的爱好配置个人电脑和服务器，在此期间DELL公司提供客户参与创新的参考意见和改进方法，在售后阶段通过BBS、在线呼叫等手段实施服务[13]，客户可以根据自身情况选择进入时机和参与方式。

2.3客户参与开放式创新类型的动态性

客户参与开放式创新类型解释了客户与企业在开放式创新活动中的关系，但更多的是企业信号视角，尤其是以企业既定的信号为视角。随着实践发展，客户参与过程中存在明显的信号接收与信号反馈，与企业单纯的信号有效融合。企业在创新过程前端客户参与信号，将客户参与开放式创新的信号反馈进行筛选注入新产品创新中，同时在创新过程后端根据客户特征进行个性化需求的匹配（O’Hern and Rindfleisch 2009）。在考虑海量客户引起创新的协同程度和创新的自由程度差异问题上，许多企业通过网络社区建立客户参与的信号交互机制，既要有效考虑单个客户“粘性”[14]，同时又要考虑到客户开放式创新分工带来的信号集成成本，从而更好产生知识共享（Hutter，2011）[15]。

可见客户参与开放式创新类型呈现明显的不确定性与动态性。企业要在开放式创新活动中试图了解客户参与开放式创新类型，需要从自身和客户发出的“信号”中识别信息，判断客户参与类型和特征，但客户数量众多、参与方式各异，且客户与企业在信号传播中不存在“共同知识”，客户之间的创新整合也存在较大成本，客户本身也无意识对创新活动进行信息总结，这些特征共同构成了客户参与开放式创新主体“没有完全信息”（incomplete information）。由于不完全信息，我们考虑用贝叶斯博弈中信号博弈模型研究其均衡实现路径。

3.客户参与开放式创新类型的贝叶斯博弈

企业与客户群之间互相不知其参与类型特征，客户参与开放式创新属于不完全信息博弈[16]，只对自身类型有一定判断，同时通过自身行为发出“信号”。我们构建客户参与开放式创新类型的博弈过程，探索均衡形成的机理以及均衡行为的结果。

3.1客户参与开放式创新类型的贝叶斯信号博弈模型构建

假设博弈主体为企业（用 表示）和客户（用 表示）。对于企业来说，可以通过开放式创新开放过程设置客户参与开放式创新的前端和后端，对于客户来说有两大类参与类型，协同参与（即协同程度高）用 表示，自由参与（即自由程度高）用 表示，有 ，这两类参与类型与参与阶段可以组合为多种参与方式。客户与企业不存在“共同知识”[16]：客户可以预判自己的参与方式而企业并不知道，企业不可能通过观测直接求出客户端参与方式，只能通过客户发出的某些信号对客户端类型进行判定。假设企业判定客户属于协同参与的先验概率为 ，属于自由参与的先验概率为 ，客户参与开放式创新需要花费参与成本，客户可以通过参与的阶段与难易程度向企业发出相关类型的信号，假设为 ，而企业最优的回报是给客户一个相应的期望回报 （如物质奖励、优惠试用、领先用户等）。

在开放式创新的实践中，客户与企业的开放式创新匹配能力各有差异，普遍的观点认为客户与企业的开放式创新匹配越强，其协同程度越高，反之则更适合客户自由创新[9]，因此我们假设能力客户协同参与的成本要小于只有参与，即

其中， 表示类型为 、匹配水平为 的客户参与开放式创新的边际成本。协同程度高和自由程度高的客户分别付出努力达到相同的开放式创新程度，作为对其花费e在开放式创新活动的补偿所获得的回报效用u，自由程度高的客户所要求的最低效用水平高于协同程度高的客户的要求。根据客户参与开放式创新阶段的理论，我们假定期与所处的市场具有竞争性，企业为客户参与开放式创新提供的效用水平期望值 。

其中， 可以看作与企业匹配水平为 的客户参与开放式创新类型 的概率， 则企业匹配水平为 ，参与开放式创新为 的客户为企业带来的产出。

企业最优策略是期望产出效用，如果企业通过信号判断客户是协同参与，那么就有 ，从而有 。假设产出 是线性的。那么，在完全竞争市场中，客户期望效用为 ，从而匹配能力为 的客户根据以下规则选择效用最大化的 ： 。 表示类型为 的客户为达到匹配能力 所付出的成本。 ，其中 表示最优解。由于匹配能力 是最优均衡外的信号，博弈双方作为信号接收者行为如何变化，客户类型自由参与（FD）期望为 ，可以用 代替从而使均衡稳定。是类型为 的客户信号被开放式创新企业识别为类型 。令 。 为类型为 的客户他在均衡时效用。同理令 。其中 是类型为 的客户被人们认为是类型 时，使他的效用达到最大化的信号。效用定义为 。 表示的是一个类型是 的客户，在均衡时所能得到的最低效用。

3.2客户参与开放式创新类型的贝叶斯博弈模型均衡分析

根据模型试图找出贝叶斯博弈模型均衡实现路径，对该模型给出各种均衡形式与结果。

（1）分离均衡

客户参与开放式创新活动中，分离均衡表示不同类型的客户会发出不同的匹配能力信号，企业可以根据客户发出信号类型来判断客户所属类型。类型为 的客户的效用会在 线上的某一点。由于类型为 的客户代表的是匹配能力相对低者，所以他一定会选择一个 令自己的效用最大化，而这个信号实际上就是 。也就是，类型为 的客户的无异曲线会和 这条线相切于点 ，而他所获得的效用正好为 。分离均衡下类型为 的客户， 且 。

类型为 的客户的，作为协同参与的类型，他所发出的均衡信号 不会大于 。这是因为如果有 ，那么协同参与（ ）的客户所获得的效用会在 线上，这种情况下他宁可选择发出信号 ，因为如果他发出信号 ，他会被企业认为是属于类型 的客户，得到 的效用，因此得到 的效用。通过点 右边的X点无异曲线的效用要小于 。偏离到 所获得的效用会比发出信号 所获得的效用要高。 与不会小于 ，在点 类型为 的客户所得到的效用将会大于 ，因此类型为 的客户一定会偏离 而发出信号 ，因为这样他会被企业认为是协同参与（ ）的客户，从而得到更高的效用。这和 是均衡信号的结论相矛盾。可得 ， ， ， ， ， 。

可见分离均衡的结论是：在 的设定下， 和 分别是两种类型的客户的最优选择。

（2）混同均衡

混同均衡表示不同的客户发送相同的信号，极端情况为所有客户发送的信号都是相同的，令 ，接受者企业无法从信号直接观测到的客户的参与行为信息，企业将不对先验概率进行修正，因此有 。由于客户的效用是企业对他的开放式创新的预期，在均衡状态下，两个客户的效用在 这条线上。

图3表明混同均衡时，两种类型的客户所选择发出相同的信号，一定落在 与 之间。根据无异曲线特征，如果 ，类型 的客户所得到的效用，会比 还要低，无异曲线经过图中点 的类型为 的客户，所获得的效用会落在 这条无异曲线之下，因此这种情况下，类型为 的客户会愿意偏离 而选择发出 的信号，以得到 的效用。同理，如果 ，那么类型为 的客户所得到的效用，会比 还要低。经过图3中点 的类型为 的客户，所得到的效用会落在 这条无异曲线之下，类型为 的客户会选择偏离 而发出信号 ，以得到 的效用。可见落在 与 之间的任何信号，都可以是混同均衡的选择。

设 ，根据贝叶斯均衡， ，且 ， ， ， 。讨论企业识别客户的类型：定义 ，如果自由参与（ ）的客户发出任何一个 的信号，企业会认为他是属于类型 的客户。由于 ，因此很容易就可以从图中得出 ，可见信号 是类型为 的客户的最优选择。如果协同参与（ ）的客户发出任何一个 的信号，那么企业会认为他是属于类型 的客户，因此他最好也只能得到效用 ，由于 ， 。所以信号 是类型为 的客户的最优选择。

可见混同均衡的结论是：企业可以通过与客户的重复博弈寻求最佳的 ，从而动态识别客户类型。

（3）准分离均衡

准分离均衡假设一种信号只有一种类型的参与者发出，另一种信号可以由多于一种的类型选择。即协同参与（ ）的客户一定选择 的信号，而自由参与（ ）的客户以一定概率q选择 ，以1-q的概率选择 。其后验概率为： ，且 ， 。

根据贝叶斯均衡，可得其最优效用水平期望值 ，其中 ，说明客户的行为调整没有明显效用改进。

可见，准分离均衡下客户虽然初始选择不同，但如何企业一旦与客户形成协同创新关系，协同参与（ ）的客户不会有偏离动机，而自由创新的客户也没有动机偏好成为协同创新客户，准分离均衡的结论是：客户参与开放式创新活动具有一定程度的“路径依赖”。

4.结论与管理启示

通过贝叶斯信号博弈模型分析，可以看到客户参与开放式创新类型均衡机理各有不同：在分离均衡环境下，企业在开放式创新前端设定先验概率 ，让客户在开放式创新后端参与，客户主动发出 和 的信号，帮助企业识别客户类型，以便进入开放式创新活动中；而在混同均衡环境下，企业让客户在开放式创新前段参与，客户的信号依赖于企业的效用函数U，而企业的 往往是动态变化的，因此客户的信号 和 与企业具有重复博弈特征；在准分离均衡环境下，企业与客户通过后验概率形成了行为默契，客户的参与行为具有“路径依赖”。

根据博弈分析，从以下方面为客户参与开放式创新提供建议：

首先，企业在创新活动中可以优化客户参与开放式创新的治理机制，有效识别客户类型。分离均衡结论证明，如果企业在研发活动中熟知步骤，通过明确参与规则、明确参与流程以及制定奖励计划和解决客户间冲突的机制，明确向客户发出具有先验概率的信号，让客户主动选择参与类型，进而发出信号。如淘宝试用（）的客户免费获取试用品，无印良品（.cn）的网络社区（）信息集成等均是通过优化客户参与治理机制，实现客户类型的识别。

其次，企业在创新活动中可以通过分布式创新模式，动态识别客户类型。混同均衡分析告诉我们，企业的创新活动规模大、流程复杂，需要客户参与数量多的情况下，企业需要在创新活动中与客户形成多次互动，帮助客户准确选择参与时机与参与项目。如波音飞机通过网络社区（），招募120，000多人在世界各地担任波音公司志愿者，这些志愿者按照公司的项目模块化分解，在飞机理念形成、外观设计、构件设计以及产品生产等领域根据客户的动机和能力进行模块化匹配。

另外是通过客户关系管理（CRM）进行开放式创新信息集成，有助于企业对客户参与开放式创新类型的识别。对于绝大多数行业的企业来说，客户的数量是较多的甚至海量的，目前许多行业都运用统计手段预测客户需求，虽然客户需求差异化且动态性，但准分离均衡得出，客户参与行为具有“路径依赖”，因此寻找协同度高的客户，尽快使其产生“创新参与依赖”是企业有效分类客户的重要路径。在信息化背景下，可以考虑通过客户关系管理，如大规模定制、决策支持系统等具体方法把客户零散信息集成，同时把自身资源和客户信息有效结合起来，并最终确定客户类型的识别，对公司开放式创新进行决策支持。

参考文献

[1]. Thomke， S.， & von Hippel， E. （2002）. Customers as innovators： a new way to create value. [J]Harvard Business Review，80（4）， 7481.

[2]. Dahan， E.， & Hauser， J. R. （2002）. The virtual customer. [J]Journal of Product Innovation Management， 19（5）， 332353

[3]. Frank Piller， （2011）. From Social Media to Social Product Development：The Impact of Social Media on CoCreation of Innovation. [J]Working Paper. Electronic copy available at： http：///abstract=1975523

[4]. Füller， J.， Jawecki， G.， & Mühlbacher， H. （2006）. Innovation creation by online basketball communities. [J]Journal of Business Research， 60（1）， 6071.

[5]. Bullinger， A.C. et al. （2010）： CommunityBased Innovation Contests： Where Competition Meets Cooperation， [J]Creativity and Innovation Management， Vol. 19， No. 3， S. 290303.

[6]. von Hippel， E.， & Katz， R. （2002）. Shifting innovation to users via toolkits. [J]Management Science， 48（7）， 821833.

[7]. Boudreau， K. J. et al. （2011）： Incentives and Problem Uncertainty in Innovation Contests： An Empirical

Analysis[J]Management Science， Vol. 57， No. 5， S. 843863

[8]. Culnan， M. J. et al. （2010）： How large U.S. companies can use twitter and other social media to gain

business value， [J]MIS Quarterly Executive， Vol. 9， No. 4， S. 243259.

[9]. Diener， K. and Piller， F. （2010）. The Market for Open Innovation. [J]Raleigh， NC： Lulu 2010.11-13

[10]. O’Hern， M.S.， & Rindfleisch， A. （2009）. Customer cocreation： a typology and research agenda. [J] Review of Marketing Research， Volume 6.， 84106.

[11]. Füller， J.， Jawecki， G.， & Mühlbacher， H. （2006）. Innovation creation by online basketball communities. [J]Journal of Business Research， 60（1）， 6071.

[12]. Franke， N. et al. （2010）： The “I Designed It Myself” Effect in Mass Customization， [J]Management

Science， Vol. 56， No. 1， S. 125140.

[13]. Frank Piller*， Christoph and Alexander Vossen （2010）. Aachen A typology of customer cocreation in the innovation process[J] Working Paper.23-25

[14]. Fuchs， C./Schreier， M. （2011）： Customer Empowerment in New Product Development， [J]Journal of Product Innovation Management， Vol. 28， No. 1， S. 1732.

[15]. Hutter， K. et al. （2011）： Communitition： The tension between competition and collaboration in communitybased design contests， [J]Creativity and Innovation Management， Vol. 20， No. 1， S. 321

[16]. 赵耀华，蒲勇健.博弈论与经济模型[M]中国人民大学出版社：2010：243-245