论文部分内容阅读
科技的快速更新换代、资源的迅速流动给企业带来便利的同时也对企业的创新能力提出了挑战,倡导开放共赢、多边合力创新理念的开放式创新受到企业的追捧。开放式创新社区(Open Innovation Platform,OIP)是企业实施开放式创新的一个实践,越来越多的创新用户在社区上提出自己的创意,并在社区上积极互动。对于社区的管理者来说,活跃的创新用户、有效的创意有助于推动企业创新工作,面对与日俱增的用户及创意,有效地管理用户及创意,加速创新源输入企业,提高管理效率显得尤为重要。本文选取开放式创新社区Salesforce为研究对象,致力于构建开放式创新社区创意采纳预测模型。首先使用定性和定量方法综合识别用户价值,以贡献度二维矩阵对其进行细分:从创新贡献度方面来说,借鉴RFM价值模型,选取出用户的创新近度、值度、受认可度指标计算每一位用户的加权创新贡献度;从用户的互动贡献度来看,以互动深度和广度两个方面选取用户互动行为指标,运用KMeans聚类算法划分用户类别。在此基础上,构建了一个基于创新贡献度、互动贡献度的用户贡献度二维矩阵,将社区的用户划分为四类,分别是核心用户、有效创新用户、积极社交用户及边缘用户,为企业识别用户价值,了解社区用户结构提供了理论方法。其次,围绕开放式创新社区的创意采纳管理及三元交互理论,本文从用户个体、社区环境、创意行为三者交互视角,运用随机森林对特征进行筛选,构建了基于Adaboost算法的开放式创新社区创意采纳预测模型。最后,将本文构建的预测模型与传统的逻辑回归LR、支持向量机SVM、BP神经网络算法的预测效果进行对比,并进一步基于各用户类别分别验证模型的有效性。本文研究结果发现:(1)社区的用户结构存在较大不均衡,在核心用户、有效创新用户、积极社交用户及边缘用户四类中,积极社交用户仅占3.48%,而绝大多数为边缘用户,占比达到76.53%;(2)Adaboost模型相对于其他预测模型,在处理本文不平衡的数据样本中AUC值最大,为0.83,表现出较好的精度,可以更加准确地预测创意采纳;(3)基于用户细分的Adaboost创意采纳预测模型进一步提升了预测效果。用户细分后的预测性能指标相较于总体预测均有较显著的提升,就AUC面积而言,有效创新用户中AUC面积最高,达到了0.98,相较整体而言提升了18%;就准确度而言,有效创新用户、边缘用户达0.99,进一步体现了基于用户细分的Adaboost模型的具有更好的性能。