经典“二八法则”指出:头部顾客将为企业创造80%以上的收益,而“最差”的顾客则可能给企业带来损失(菲利普•科特勒和凯文•莱恩•凯勒,2015)。对顾客的选择决定了企业在当下和未来能够获取的价值(Kumar,2018),企业必须精准识别并专注于“正确”的目标顾客群体,开展有针对性的营销活动。这就要求企业具备高效的顾客细分能力,通过细分带来企业和顾客的价值共赢:通过精准识别不同的顾客群体,一方面企业能够提供差异化的产品和服务以满足顾客多样化的需求;另一方面企业便于对顾客价值进行准确定位,将有限的资源优先投放给潜在高价值目标顾客,从而提升经营绩效。
传统顾客细分主要服务于销售目标,关心顾客的购买力、购买意愿、购买频率等可能带来直接经济回报的细分特征。随着互联网的普及和数据技术的突飞猛进,特别是近年来社群经济、开放式创新、无人经济、共享经济等数字经济新商业模式的出现,顾客的角色已不仅仅是交易中的“购买者”,而是广泛参与到企业多个价值创造环节的重要的价值“共创者”,展现出超越直接盈利回报的多元顾客价值。顾客参与反映了当代商业环境日益动态化和互动性的特点与趋势,是厂商促进销售增长、增强竞争优势和提升盈利能力的一种新的重要商业战略(Kumar和Pansari,2016)。高参与度的顾客往往表现出更高水平的品牌忠诚和满意,更有可能促进新产品开发、服务创新(Haumann等,2015),以及将产品推荐给更多的新顾客(Schmitt等,2011;Chandler和Lusch,2015)。企业要重视对顾客价值的全面开发,在进行顾客细分时除了关注顾客购买力外,还应考虑顾客参与能力。
本文聚焦于顾客参与能力识别问题,主要基于以下几个方面的理论与现实考虑:虽然顾客参与价值共创已成为广泛采用的商业模式,但是不同顾客的参与意愿和参与能力是有很大差异的,如何识别和选择参与对象对价值共创至关重要。以新兴的虚拟创新社区为例,即使活跃度很高的社区,主要的贡献也往往是由少数顾客做出的,大多数顾客仅仅是访问而非贡献。如在小米互动社区中,少量关键用户贡献了98%以上的建议与优化方案(黄敏学等,2015);Wikipedia中1%的用户合计贡献了75.82%的编辑次数,排名前10%的用户编辑次数贡献率高达90%(Lampe等,2010)。而现有的顾客细分主要是对顾客购买潜力的评估,以需求识别为导向,并未考虑参与行为与能力的差异性。同时,一些研究发现,顾客参与未必总能带来良好的绩效,而价值共创的基础理论——服务主导逻辑(SDL)暗含着顾客总是有能力参与的,这一假设值得商榷(Bonnemaizon和Batat,2011),现实中因为顾客缺乏参与能力,低效率地利用共创资源而导致价值流失的“价值共毁”情况也比较普遍(陈伟等,2018)。如何识别参与能力高、影响力大的顾客,是一个理论上亟待拓展的课题。本文接下来将围绕顾客参与能力识别这一概念从顾客参与能力识别的内涵与外延、类型与工具、管理策略等方面进行探讨和分析。
二、顾客参与能力:衡量顾客价值的新基石随着互联网平台经济的发展和商业模式的演进,顾客价值的内涵不再仅限于直接交易带来的利润,顾客购买行为之外的其他一些行为也会给企业带来价值。为了更好地服务顾客与开发市场,很多企业开始综合利用顾客资源,吸引顾客积极参与企业经营活动。顾客参与作为全面开发顾客价值的重要渠道,已然成为一种普遍采用的商业实践。例如,服装品牌lululemon在一个城市开设分店之前,首先会识别出有影响力的瑜伽教练或其他健身老师,免费向其提供一年的服装,这些关键顾客会扮演起“大使”的角色,为lululemon赞助的课程和产品销售活动召集学生,他们还会向lululemon提供产品设计方面的建议(菲利普•科特勒和凯文•莱恩•凯勒,2015);甲骨文公司依靠其在线社区中的几百万名忠实顾客和数以万计的论坛来改善其产品;苹果、微软、思科等高科技公司也纷纷利用顾客资源进行软件开发、测试等活动。
参与到价值共创中的顾客不单单只是产品或服务的购买者,他们还在为企业提供重要的顾客劳动,具体包括创意生成、产品改进、顾客推荐、口碑传播、公关支持、信息反馈、优质建议等多种贡献。各种数字化平台的出现为企业进一步获取和整合顾客资源提供了更为便利的条件,这种变化促成了对顾客价值的重新审视。有学者认为,顾客价值应包括那些重视品牌价值的顾客所提供的总价值(Kumar,2018)。顾客能够:(1)通过交易购买与企业进行接触,在这一过程中企业需要关注顾客终身价值(customer lifetime value,CLV);(2)使用企业的推荐计划,这时顾客能够提供推荐价值(customer referral value,CRV),将其他顾客介绍给企业;(3)在社交媒体上积极影响其他顾客购买企业产品的行为,体现出顾客影响价值(customer influence value,CIV);(4)向企业提供产品和服务理念反馈,贡献其知识价值(customer knowledge value,CKV)。
为了有效利用顾客这种重要的外部资源,企业必须从以往只关注交易达成,转向对顾客价值的更全面理解和对顾客参与行为的高度关注,实现由“价值传递”到“价值共创”的转向(武文珍和陈启杰,2012),并从价值共创角度思考如何精准识别目标顾客,深度挖掘顾客潜力并与目标顾客建立和维持长期关系。
在关注交易目的时,企业主要通过顾客的利润贡献、生命周期、交易频率、需求偏好等特征来测量潜在的顾客价值,其目的是识别有支付能力的顾客需求;而在需要顾客配合才能完成服务闭环,或者其他需要顾客参与并投入一定努力的商业场景下,识别顾客参与能力就变得非常重要。随着精准化营销理念的深入和大规模定制化时代的到来,顾客参与的范围和领域都在不断扩大,迫切需要在传统需求识别的基础上,思考顾客参与能力识别问题。因为只有根据参与能力精准选择相契合的顾客对象,才能保证价值共创的高质量;如果顾客不具备相应能力,或其能力不能为企业有效吸收和利用,预期的共创价值将难以实现。
顾客能力识别与顾客需求识别有所不同(参见表1):首先,在价值导向上,顾客能力识别追求顾客全方位价值,不再仅以促进交易达成、取得短期利润为目的;其次,顾客能力识别关注的重点不仅仅限于顾客购买行为,还重视顾客推荐、口碑传播等有益于企业的顾客行为;第三,识别的方式也从识别顾客是怎样(顾客静态特征描述性统计)、会怎样(特定情景下顾客的行为反应特征)向识别顾客能怎样(顾客的特定能力表现)演进。总之,在顾客参与场景下的商业运营中,顾客能力识别将成为市场细分的新基石。
场景 | 顾客价值 | 价值类属 | 关注重点 | 识别基础 | 识别目的 | 具体问题 |
交易 | 顾客终身价值(CLV) | 直接价值 | 购买行为 | 支付能力 | 促进交易
达成 |
顾客是怎样(类型)? 顾客会怎样(反应)? |
顾客参与 | 顾客推荐价值(CRV) | 间接价值 | 推荐行为 | 参与能力 | 促进价值
共创 |
顾客能否参与? 顾客是否愿意参与? |
顾客影响价值(CIV) | 间接价值 | 口碑传播行为 | ||||
顾客知识价值(CKV) | 间接价值 | 参与创新行为,顾客知识 | ||||
资料来源:本文作者整理。 |
顾客能力在不同语境下有不同的含义①。依能力主体,有企业的顾客能力和顾客自身具备的能力之分,企业的顾客能力是指企业为特定顾客群体服务的能力(Danneels,2016),本文所关注的顾客能力专指顾客自身的能力。在此基础上,还需要进一步区分交易情境下的顾客能力和顾客参与情境下的顾客能力。交易情境下的顾客能力是指顾客成功执行产品、服务相关任务的能力,以及他们对产品、服务类别中各种属性知识的理解(Jamal和Anastasiadou,2009)。由于产品/服务的独特性,顾客通过“使用中学习”形成与之相关的能力(如某特定软件用户对该软件的熟练掌握),这种能力的增长相应地会增加顾客的转换成本,产生“锚定效应”,从而为企业带来一定的竞争优势(Brush等,2012)。交易情境下的顾客能力和顾客参与情境下的顾客能力在表现方面有一定的重合(如具备关于产品的知识),但其主要目的在达成交易方面。
上述定义都使用了顾客能力的叫法,由于没有清晰界定概念的定义域以及辨析不同类型顾客能力的差别,因此容易在研究中引起混淆。鉴于目前顾客能力这一概念包罗范围较广且指代含混不清,需要明确地将本文的各种顾客参与能力与其他顾客能力进行梳理与区别。
最早从顾客参与角度对顾客能力进行界定的学者是Prahalad和Ramaswamy(2000),他们认为互联网新经济模式使得顾客的角色由看台走向了舞台,企业必须积极应对这一变化。他们将顾客能力分为经济能力、知识和技能、学习和实践的欲望以及参与积极对话的能力。此后,中外学者们纷纷基于不同的研究背景对顾客能力的内涵进行了探索(参见表2)。从这些定义可以看出,学者们对顾客能力的认识极不统一,其根本原因在于顾客参与本身是高度情境化的,不同的参与情境决定了对顾客能力的界定很大程度上取决于行业的特点,由此导致对顾客能力的评价指标在不同领域有各自的侧重。例如,何国正和陈荣秋(2009)从顾客参与创新的背景出发,结合领先用户的特点,认为顾客能力主要包括创新能力、知识能力、合作能力、沟通能力;而Elgeti等(2020)利用访谈法研究了B2B情境下顾客能力对方案供应商成功开展共创所起到的关键作用,将顾客能力分为相互影响的能力、采购能力、经验利用能力、内部组织能力、创新能力五个方面。但考察这些定义也可以归纳出一些共同的方面,例如,沟通和合作能力是这些概念几乎都覆盖到的能力维度,构成了参与共创的基础;知识和学习能力也是学者们普遍强调的,这可能与当前顾客在参与过程中主要扮演信息提供角色有关。
序号 | 顾客能力的定义与维度/类型 | 研究背景 | 研究者及年份 |
1 | 顾客经济能力、知识和技能、学习和实践的欲望以及参与积极对话的能力 | 概念研究 | Prahalad和Ramaswamy(2000) |
2 | 顾客获利性、顾客对于企业的战略地位、顾客繁衍能力、顾客成长能力、顾客学习能力、顾客活跃度、顾客忠诚度、顾客与企业的和谐程度 | 概念研究 | 唐跃军和袁斌(2003) |
3 | 顾客能力是企业保持竞争力的新鲜血液,顾客能力是顾客所具有的知识、学习和实践的欲望以及积极参与对话的能力 | 概念研究 | Brugmann和Prahalad(2007) |
4 | 合作能力、明确需求和要求、指定任务、指定负责人、咨询的灵活性、采购阶段制定精心设计的规格和合同的能力 | 工业多领域 | Lindberg和Nordin(2008) |
5 | 创新能力、知识能力、合作能力、沟通能力 | 消费品行业 | 何国正和陈荣秋(2009) |
6 | 认知能力、功能完成能力、反馈能力 | 能源供应 | Bonnemaizon和Batat(2011) |
7 | 专注于核心竞争力的能力、学习和提高的能力 | 未区分 | Töllner等(2011) |
8 | 信息分享能力、专业知识能力、与供应商协同的能力 | 知识密集型服务业 | Aarikka-Stenroos和Jaakkola(2012) |
9 | 能够分享关于目标、需求和期望的信息;能够清晰地定义和表达问题和需求;明确自己的需要和要求的能力 | 工业/营销解决方案 | Hakanen和Jaakkola(2012) |
10 | 关键的评价、采购能力、冲突管理、问题/需求识别、互惠的适应性、获得所有权 | 采矿业 | Biggemann等(2013) |
11 | 顾客所拥有的知识、技能、学习意愿以及参与对话的能力 | 家装行业 | 彭艳君和管婷婷(2016) |
12 | 信息分享能力、目标取向、组织能力、协调能力、协作能力、信任供应商 | 知识密集型服务业 | Petri和Jacob(2016) |
13 | 冲突管理能力、共同解决问题的能力、信息分享能力 | 高科技企业 | Powers等(2016) |
14 | 采购网络能力、协调的有效性、资产管理效率、使用价值控制、重新配置能力、管理的灵活性 | 医疗设备、印刷、制药和建筑产品 | Macdonald等(2016) |
15 | 关系质量现状和顾客未来的合作潜力 | 工业/营销解决方案 | Windler等(2017) |
16 | 能够修改或调整内部例程和流程以适应供应商的解决方案;与供应商建立密切关系的能力 | 信息技术公司 | Panagopoulos等(2017) |
17 | 品牌产品知识、顾客的时间精力 | 虚拟品牌社区 | 冯进展和蔡淑琴(2020) |
18 | 相互影响的能力、采购能力、经验利用能力、内部组织能力、创新能力 | 工业/营销解决方案 | Elgeti等(2020) |
资料来源:本文作者整理。 |
综合学者们观点的共同之处,本文认为顾客参与能力是指在顾企价值共创中,顾客所具备的能够给企业带来间接顾客价值(顾客推荐价值、影响价值、知识价值)的知识、技能等个体特质。这一概念有以下几个要点:一是顾客是能力主体,顾客参与能力体现为顾客所拥有的知识、技能和创新思维等价值特质;二是顾客参与能力存在于顾客—企业合作关系之中,须与共创目标相契合;三是顾客参与能力的作用效果是能给企业带来间接顾客价值。根据这一概念,参与能力高的顾客被认为是关键的价值创造合作者,他们具备与企业共创并分享价值的潜力。因此,企业应通过各种分析方法评估顾客参与能力,从而识别价值共创中的重要和关键顾客。
三、顾客参与能力识别:内涵与外延西方学者最早关注到顾客劳动参与问题时,认为其角色是一种“准雇员”(Mills和Turk,1986)。最初的顾客参与仅限于零星参与产品创新环节。由于互联网的普及和大数据、人工智能等技术的支持,顾客参与因其成本低、适用广等显著优势,如今已被自助服务、口碑推荐、服务补救、企业公关等多个经营环节所采用。作为测量顾客价值的基础,对顾客的参与能力进行识别以提高价值共创的质量,既是必然的选择,又具备现实的条件。在实践中,很多企业甚至会用类似员工甄选的方法来锁定目标顾客并与其合作。例如,小米公司会从社区活跃成员中聘任“意见领袖”担任论坛版主,甚至会直接招聘他们作为公司的内部员工(黄敏学等,2015);滴滴出行则会把一些好的司机发展为公司的“司机服务经理”。自助服务、无人经济、共享经济等一些新兴的商业模式在设计和运营中,也都必须考虑处于价值创造闭环上的顾客所具备的知识能力水平,需要能够对顾客参与能力进行识别。
考虑到参与情境下顾客角色的变化,本文将顾客参与能力识别定义为:企业在开展顾客参与研发、生产、销售等活动的过程中,根据特定的经营目的,以顾客参与能力为基础选择和确定参与对象的过程。不同于对顾客需求的识别,顾客参与能力识别考察顾客推荐、信息传播、知识贡献、产品创新等用户参与行为,注重对顾客知识水平、能力与企业需求匹配性等方面的识别。
对重要顾客参与能力的识别研究始于产品创新领域。von Hippel(1986)最早提出了“领先用户”理论,他指出,领先用户能够比其他用户更早地预见到未来的市场需求,具备设计、开发和改进产品所需的技能和专业知识,并希望从自己提出的创新中获得利益。因此,领先用户比其他顾客具备更大的顾客价值,识别这些用户可以促进企业的产品创新和扩散。由于初期顾客只是少量低度参与,早期的识别主要采用问卷调查法,重点考量顾客的创新能力及合作意愿(何国正和陈荣秋,2009)。随着顾客参与领域的不断拓宽,对顾客参与能力的识别研究也逐渐扩展到多个领域,并各有不同侧重。例如,Van Den Bulte等(2018)讨论了顾客推荐计划中“意见领袖”的作用;黄敏学等(2019)考察了社交网络结构与口碑发起特别是负面口碑的相关关系,探讨了更可能成为口碑“爆点”的消费者网络节点特征。随着网络虚拟社区成为引导顾客参与的主要平台,识别虚拟社区中的关键顾客成为重要课题。冯进展和蔡淑琴(2020)依据计划行为理论构建了包括合作意愿、主观规范、顾客契合能力三个维度的识别模型,并以小米社区为例采用前馈神经网络对模型进行了验证,结果显示该模型对虚拟品牌社区中的关键顾客具有较高的识别效率。
顾客参与对企业的作用可以有两个方面:积极方面如合作开发、新顾客推荐等,消极方面如传播负面消息、阻碍创新等。要想发挥积极作用、抑制消极作用,企业就需要在明确顾客参与目标的情况下进行精准的顾客识别,以明确和选择参与对象。本文首先阐述能力识别的内容,并在后续部分分别讨论识别的类型、方法以及相应的管理策略,总体框架见图1。
(一)识别顾客的创新能力
顾客积极参与企业创新过程有助于减少市场不确定性,带来较高水平的顾客满意和顾客忠诚(Kumar和Pansari,2016)。很多企业都在积极探索有效的参与方式,以引导顾客参与新产品开发等创新环节。最简单的方法如顾客意见采集,此外还有头脑风暴技术、公开讨论、Delphi技术和名义小组技术等做法。互联网的迅速发展使得大范围开放式创新成为流行做法,企业可以通过在线社区支持顾客与开发工程师之间的讨论(企业与顾客的沟通),并促成多个贡献者之间的合作(顾客与顾客的沟通)。开放式创新离不开创新企业内部的吸收能力(Nooteboom等,2007),包括识别、吸收和利用外部知识三个维度,其中最主要的瓶颈与识别维度有关(Kocoglu等,2015),这是因为大量顾客参与往往会产生大量难以管理的信息,而其中仅有一小部分建议对企业有实际价值,需要企业单独评估创新贡献度,这种评估过程是非常耗时和困难的。
分析参与创新的顾客的特征是解决这一问题的根本途径。根据该思路,可以通过识别高能力顾客来判断和提取最佳想法。例如,领先用户就能够比其他顾客更早地预见和引领用户创新,并且希望从自己提出的创新中获益(von Hippel,1986)。创新社区中还有其他类型的关键顾客,如“创新解决者”,他们的贡献比领先用户更广泛,他们虽不能预测市场趋势,但能提供大量富有建设性的小型解决方案,基于开放创新网站的公开数据通过优化分类算法可以有效识别这类用户(Martinez-Torres和Olmedilla,2016)。参与创新的顾客还因其所扮演角色的不同和所采取参与形式的不同,可发挥信息来源的作用,也可作为合作开发者或独立创造者(Cui和Wu,2016),不同的角色对顾客的参与能力有不同的要求。
(二)识别顾客的传播能力
信息传播的日益迅捷以及自媒体力量的崛起使得顾客话语权有了极大的增长,广大顾客参与到营销传播之中,给企业进行营销推广带来了机遇,同时也带来了严峻的挑战。例如,通过病毒营销,可使品牌口碑得到迅速传播、产品销量短期内呈现几何级数式增长;但当遇到重大事件时,负面消息的传播也同样迅速,需要企业具备超强的响应能力和危机公关能力。
无论是开展病毒营销还是防范负面影响,信息传播过程中的“意见领袖”“关键节点”“超级传播者”等都是企业最需要关注的对象。关于此类顾客的识别,Katz和Lazarsfeld(1955)最早指出,价值观表达、专业技能和所处的社交网络决定了意见领袖的形成。此后,关于意见领袖识别的研究集中在个体特征方面,例如,意见领袖具备良好的道德形象,对产品的卷入度更高,有更多的探索创新行为(青平等,2016)。除了个体特征外,Goldenberg等(2009)还指出意见领袖具备更多的社会关系,黄敏学等(2015)探讨了由生人关系构成的虚拟网络中的意见领袖的特征。
(三)识别顾客的推荐能力
通过现有顾客的推荐获得新顾客和开拓新市场是一种低成本、高效率的普遍做法。Schmitt等(2011)的研究表明,通过顾客推荐获得的新顾客比其他顾客贡献的利润率更高,忠诚度也更高,其平均价值至少比拥有相似人口学特征和获取时间的非推荐顾客高16%。然而,他们同时也发现,被推荐顾客价值的大小因推荐者而异。根据一项针对金融服务行业的顾客推荐项目的研究,虽然68%的被调查顾客表示有意参与推荐,但只有33%的人这么做了,而这些实际推荐中只有14%能带来新顾客,其中只有11%最终能盈利(Viswanathan等,2018)。企业可以很容易地从其数据库中获得顾客的经济价值,从而寻求让他们参与推荐计划(Haenlein和Libai,2017),但Kumar等(2010)发现,自身价值高的顾客不一定也能推荐新的高利润顾客,换言之,高交易价值并不等于高推荐价值,因此他们建议将意见领袖作为企业推荐计划中评估顾客的额外识别维度。Van Den Bulte等(2018)研究了推荐计划中顾客与企业匹配、引荐人的社会资本转化两种作用机制,指出经验更丰富的引荐人会带来更高的边际推荐,且这些顾客与企业互动的时间越长,推荐效果就越好。Viswanathan等(2018)讨论了顾客外向性对于顾客推荐能力的重要性,认为外向型顾客的口碑更有可能到达更大的受众群,并产生更大的影响。
(四)识别顾客的知识和学习能力
顾客知识作为企业能力的重要来源,对企业的创新发展战略有着重要影响。关于顾客知识的识别,He等(2019)利用文本挖掘和情感分析等数据挖掘技术,探索了如何从社交媒体数据中识别出有用的顾客见解和知识,以便开展顾客知识管理。另外,以往研究多从静态视角注重对顾客知识的获取(Cui和Wu,2016),而随着互联网带来的各种便捷学习渠道的迅速增加,顾客的学习能力也在迅速增长。顾客学习能力能够促进顾客参与,提升顾客公民行为,并进一步影响企业的价值提升及品牌传播(孟韬和王维,2017)。企业应当识别并关注知识和学习能力较强的顾客个体,并通过多种渠道与其交流互动,充分利用这些顾客资源,以获取更多的顾客价值。
四、顾客参与能力识别的类型与工具实践中对能力进行识别的具体做法多种多样,由于参与情境下的顾客可以被视为企业的外部人力资源(Mills和Turk,1986),通过对不同识别方法的考察,借鉴人力资源绩效管理的思路,可将识别类型分为结果导向型和过程导向型两种。
(一)结果导向型识别
结果导向型识别的关注点在于顾客参与所取得的实际效果。这一识别策略重点考察和评估顾客参与后设计方案的新颖程度、产品和服务的实际交付效果、企业受益情况等,按照客观指标来鉴定顾客参与能力,进而完成顾客参与定向。主要做法有:
1. “成绩”评定。采取会员制的企业会员中有VIP和普通会员的区别;采取游戏化机制设计的企业通过积分、等级、徽章等机制来鉴别和定义顾客等级;在金融保险领域,顾客信用评级系统早已得到广泛使用。这些做法的共同点是根据顾客在消费过程中的“成绩”来进行顾客分类和分层。据此建立的顾客数据库主要用于分析顾客的经济价值,但顾客取得的“成绩”还代表了其在某些方面的能力,顾客的忠诚度、信用等级、参与能力大小都会在这些积分、等级中得到体现。善于对这些信息进行记录和甄别,有助于企业准确识别重要用户。例如,Roelens等(2016)提出应在顾客参与推荐计划中构建一种新的推荐力评级(referral rank)方法,用以反映顾客推荐新顾客的可能性。该研究通过运用顾客推荐行为的现实数据,验证了该方法对增强企业识别力的积极作用。
2. 设置“门槛”。一些采用会员制运作的企业,在顾客申请加入时,常常需要其提供资质证明,甚至需要通过过关考试,也就是设置准入“门槛”。专业化的技术社区也常采用此类做法。设置门槛的目的就是为了识别顾客能力,保证只有合格的成员才能够进入“圈子”。如小米论坛设置的VIP积分、思科公司的用户等级,以及Wikipedia内部的“官方管理者名单”制度。这些企业通过会员付费、在线时长、论坛积分、经验值等标准进行用户分层,通常更高级的会员代表着更多的消费和更高的忠诚度以及更强的顾客能力和参与意愿,因此高阶会员自然成为关键和核心用户,同时这种进阶机制设计也有利于激励低等级会员不断提升等级(吴邦刚等,2018)。
3. 顾客画像。借助于当前日新月异的大数据、人工智能、机器学习等技术,企业可以从互联网、物联网中搜集和分析大量的个体信息,不仅有消费信息,还包括情感倾向、心理特征等多维数据,能够做到个体层面深度、精准的顾客画像。这些信息处理技术也可用在能力画像方面,实现对顾客特征的更精准把握。例如,Zhang等(2019)利用文本挖掘技术,以顾客的专业能力水平为顾客细分标准,探讨了顾客专业知识在网络知识消费中的作用。他们发现,在内容平台的知识付费服务中,高能力顾客与低能力顾客无论是在对价格和服务的反应,还是在参与主动性方面,均存在明显差异。
(二)过程导向型识别
过程导向型识别关注参与过程中顾客的行为表现和互动过程,包括顾客与企业之间以及顾客与顾客之间的互动。对互动过程的考察有助于企业根据价值共创目标,准确识别顾客参与中高能力的顾客和人际互动中高影响力的顾客。
1. 社交网络分析。互联网的迅速发展将大量的人际互动带到了虚拟空间,利用社交网络进行各种商业活动已得到广泛认同。社交网络分析为观察顾客行为提供了一个很好的视角。例如,Peng等(2018)基于Twitter、Digg等在对社交媒体转发行为进行研究时,发现网络重合度的高低对内容转发有显著影响,这一发现有助于高效识别社交媒体上的关键传播者。根据人际网络同质性原理,Goel和Goldstein(2014)利用Twitter、Facebook等社交平台的数据在广告、会员制、零售等不同的营销情境下,验证了利用社交网络数据识别顾客的有效性。同样基于Twitter数据,Pajo等(2015)提出了领先用户快速识别方法,利用数据挖掘技术系统地识别领先用户,克服了传统识别过程耗时耗力的弊端。互联网的信息丰富度比单纯各类顾客互动社区要高很多,多维信息的共同作用有助于提高识别的精准程度(Geva等,2017),Roelens等(2016)在对顾客推荐行为的研究中,就通过整合社交网络数据和实际推荐行为数据,提升了对高影响力顾客进行识别的效果。
2. “内行陷阱”。“内行陷阱”是指通过设计一些能够甄别内行的环境和情形,来判断特定顾客的能力。免费顾客服务电话就可以被企业用作“内行陷阱”,那些喜欢打电话咨询,而且问题本身具备相当专业水准的顾客,通常是热衷钻研的内行。软件领域的Beta测试这一开展顾客参与的成熟做法(Sawhney等,2005),也可以作为“内行陷阱”,因为除了软件内行,极少有人愿意主动花时间去研究企业推出的免费版软件。内行最典型的一个特征就是他们对专业问题的热情和好奇心,因此巧妙地设置“内行陷阱”是识别和判断关键顾客的有效手段,企业可以主动设计和利用一些能够激发此类顾客好奇心的场景去发现这些内行。
3. 专家判断。当涉及一些小规模需要与顾客合作的情形时,通过专业人员的经验判断也是有效和普遍采取的做法(von Hippel,1986)。这里所谓的专家是指长期和顾客互动,了解顾客参与详细过程和要求的各级雇员。由于长期处于互动前端,这些员工可以凭借其丰富的经验对顾客能力做出有效判断,进而识别出高能力和高契合度的参与对象。这种做法的特点是简便易行,但缺点在于主观性较强,评价标准不明确,专家的经验和鉴别水平难以保证。
五、顾客参与能力识别的管理与开发策略无论是顾客需求还是顾客能力,只有对其进行准确识别才能锁定“正确”的顾客,实现既定的经营目标。根据本文对识别类型的划分,结果导向型识别通过顾客参与取得的结果推知顾客参与能力,而过程导向型识别则通过顾客在参与过程中的行为表现来评估顾客参与能力。识别路径的不同决定了需要匹配不同的管理策略。
此外,顾客参与目的的不同也导致对顾客参与能力识别的侧重点存在很大差别。例如,在新产品开发中,企业看重的是消费者的产品知识和相关产品创新能力,应重点关注“领先用户”“早期采用者”和“潮流用户”等;而在口碑传播中,企业最关心的是社交网络传播中的超级节点,需要识别顾客的影响力,那些“发起人”“意见领袖”“超级传播者”自然成为识别重点。不同的关注对象有不同的行为特征和行为结果,因此企业需要在资源配套、管理制度设计、管理方式方面有所区别和侧重。
更进一步来看,作为一种商业战略,顾客参与不仅要识别关键顾客,更要着眼于发展长期的良性顾客关系,将顾客资源作为一种重要的竞争优势来源(Bijmolt等,2010)。与识别导向相匹配的顾客能力开发策略能够保证优质顾客的不断产生,促进顾客与企业持续高效的互动。
(一)结果导向型识别:激励与控制式策略
结果导向型识别关注顾客参与的能力表现和实际效果,这种顾客能力管理模式须建立在企业业绩导向的管理体系上,要求企业能够制定和维护明确的规则,创新管理手段来激发顾客持续的参与,以促进价值共创的开展。
1. 物质激励。企业给予顾客一定程度的物质激励能够促进顾客的踊跃参与。例如Bilibili、抖音、快手等短视频平台通过一系列规则设置,保证优秀的内容创作者通过红包打赏、广告植入等变现方式获得充分的利润,并激励更多用户参与自媒体内容创作,庞大的用户基数也确保了不断有新的“大V”能够脱颖而出。微博、微信公众号、头条等文字内容创作平台也有类似的现金激励机制。参与者的粉丝量、阅读量、点赞量、带货销量等都是关键的“业绩”识别指标。
在顾客推荐中也存在物质激励方案。Schmitt等(2011)通过对银行业顾客推荐项目的研究发现,由重要顾客所带来的口碑信任在吸引新顾客方面效率远高于企业广告,付出一定金钱成本进行顾客激励能够得到较好的回报。房产销售、理财、保险、咨询等领域都广泛存在顾客推荐项目,通过奖励方案不仅能识别高能力的关键顾客,更能激发顾客能力,促进销售业绩的提升。
2. 非物质激励。除了直接的物质激励,企业还大量采用非物质激励手段促进顾客参与,如积分奖励、荣誉头衔、特殊待遇、专属权限等。百度公司的知道、百科、贴吧等产品都有为核心用户提供的激励设置:百度知道的优质内容只有具备专家成员资格的用户才可以查阅,百度百科的分类管理员只有核心用户才能申请,百度贴吧的吧主也都是每个贴吧的核心用户。抖音则宣布,自2020年1月起抖音带购物车视频发布需遵循如下规则:粉丝数低于1 000的账号每周只能发布1条带购物车视频,粉丝数在1 000—3 000、3 000—10 000和10 000以上的账号每天发布上限分别为2条、5条和10条②。类似的非物质激励手段均有利于吸引和识别关键顾客,并激励顾客成长。
3. 健全规则、加强监管。经过识别,企业一般会给予不同等级的顾客差别待遇。高等级意味着更多回报,客观上可能引起顾客投机行为甚至违法行为,例如,利用代刷网站、代刷软件进行的“刷粉”“刷赞”“刷榜”等舞弊行为,或者通过代理外挂、凑单、积赞等提高等级的各类违规操作。这就要求企业一方面完善自身的数据算法,提高识别能力;另一方面健全规则、封堵漏洞。除了内容营销平台,采取会员等级管理、游戏化升级模式的企业都会遇到此类问题,需要健全和完善积分管理规则和监督机制。
(二)过程导向型识别:互动与合作式策略
1. 引导和构建与顾客互动的接口、平台。顾客参与可以发生在产品/服务交付、合作开发、售后反馈、营销调查等多个环节,互动的场景有参与接口和参与平台之分,按照技术介入程度又可分为实体场景和虚拟场景。这些接口、平台是开展顾客参与的现实基础,很大程度上决定了顾客参与质量的高低。企业可以采用讨论组、论坛、在线评论区、聊天室、微信群等多种类型的网络社交媒体平台吸引顾客参与互动,鼓励顾客公开交流产品信息,以便精准识别群体中的意见领袖、技术精英以及品牌忠粉等关键人物,并采取积极的管理措施与之对接。
2. 加强顾企互动管理。顾客参与能够给顾客带来身份认同,研究表明,品牌社区的参与者对企业和品牌的忠诚度高于非参与者,并能够更积极地提供有用的反馈和推荐(Algesheimer等,2010)。反之,通过对顾客在互动中的忠诚度、满意度、公民行为等行为表现的考察,企业也能有效识别关键顾客。在提升顾客参与的管理效能方面,Luo和Toubia(2015)通过研究在线创意平台的管理策略,指出在线创意平台应该根据每个参与者的特定知识领域来定制任务结构,对知识能力不同的顾客采取不同的管理策略。当向低知识消费者提供具体线索提示时,创意生成效果明显;但在高知识消费者访问平台时,就不应该立即向他们展示其他参与者的想法,而应允许其独立思考。企业必须重视对顾客参与具体情况的分析,探索不同情境下的有效互动模式,以提升参与质量。
3. 提升企业的顾客关系管理(CRM)水平。CRM是通过各种面向顾客的沟通渠道,对顾企关系从开始到结束的系统化和前瞻性管理。高效的CRM有助于企业利用顾客信息来最大化顾客终身价值,并留住关键顾客,吸引更多新顾客,促进高质量的顾客参与(Malthouse等,2013)。吴邦刚等(2018)发现,顾客会员制管理会带来更多的全生命周期参与行为,在控制了经济激励和身份认同之后,这一效应依然显著。随着大数据时代的到来,顾客参与领域也出现了“长尾效应”,企业有机会利用大数据管理技术基于顾客参与能力构建效能更高的CRM系统。
六、结论、启示与展望在数字化驱动的生产方式和商业模式变革中,顾客参与的广度和深度都在增加。考虑到顾客参与能够带给企业超越直接盈利回报的全面顾客价值,以及这种价值分布的异质性,对顾客参与能力的识别就显得极为重要。
(一)研究结论
为促进对顾客价值的全面开发,企业除了关注顾客以购买力为基础的需求特征以外,还需重视顾客在新用户推荐、社交网络影响、知识贡献以及产品创新等环节的参与行为。顾客参与行为不同于单纯的顾客购买行为,在参与情境下进行顾客分类与识别时不能只因循传统的细分标准,还应考虑顾客参与能力并进行识别。作为顾客价值测量的拓展,顾客参与能力识别将成为顾客细分的新基石。
本文将顾客参与能力识别定义为:企业在开展顾客参与研发、生产、销售等活动的过程中,根据特定的经营目的,以顾客参与能力为基础选择和确定参与对象的过程。不同于对顾客需求的识别,顾客参与能力识别考察顾客推荐、信息传播、知识贡献、产品创新等参与行为,注重对顾客知识水平、能力与企业需求匹配等方面的识别,现阶段主要包括识别顾客的创新能力、传播能力、推荐能力以及知识和学习能力。
通过归纳现有的顾客参与能力识别方法和工具,可将识别类型分为结果导向型和过程导向型两种,前者关注顾客参与取得的实际效果,具体方法如“成绩”评定、设置“门槛”、顾客画像等;后者聚焦于参与过程中顾客的行为表现和互动过程,包括社交网络分析、“内行陷阱”、专家判断等方法。
为加强对顾客参与的管理,提升识别效果,企业要围绕识别目标制定相应的管理策略,并着眼于顾客能力的提升与开发。如对于结果导向型识别,需要强调激励与控制式策略,除了直接的物质激励外,企业还可以采用非物质激励手段促进顾客参与(如积分奖励、荣誉头衔、特殊待遇、专属权限等),同时健全规则、加强监管。对于过程导向型识别,则需要引导和构建与顾客互动的接口和平台,提升互动质量,加强顾客关系管理。
(二)理论贡献与实践启示
本文提出应将顾客参与能力作为一个重要细分维度的观点,弥补了以往顾客细分只重视顾客购买行为而忽视非购买行为的不足,进一步拓展了顾客细分的应用范围。同时,作为价值共创的重要前因变量,虽然学者们对顾客能力已有研究,但没有区分能力的类别、层次以及应用领域,致使这一概念包罗庞杂且指代不清,本文为此进行了梳理和辨析,明确了顾客参与能力的内涵与外延,构建了顾客参与能力识别的分析框架,并从识别类型、方法工具、策略匹配等方面进行了系统的总结和探讨。
重视顾客参与能力识别对于提升企业在动态经营环境中的竞争力有着重要的实践启示:
为适应新的商业生态与敏捷响应市场变革,有效开发利用顾客资源,企业一方面需要拓展与顾客交流的渠道,积极创造机会引导顾客参与价值共创;另一方面则必须重视顾客能力差异,精准识别以实现高效率参与。同时,越来越普及的品牌社区建设不断塑造出顾客“价值共创者”的身份认同,日益平台化的组织演进趋势也正将顾客转变为价值生态中的“共同行动者”,顾客不可避免地被吸纳进企业价值创造体系,在这一数字化转型中顾客能力识别对于企业开展高质量价值共创具有重要指导意义。
在数字化赋能下,不断生成的各类顾客数据保证了这种识别具备可操作性。例如,基于本文的分析,由于顾客参与能力具有高度情境化的特点,因此构建符合企业目标的能力标准成为有效识别的第一步。拿开展影响者营销的企业来说,虽然社交媒体上的追随者数量、点赞量、阅读量等都常作为衡量影响者能力的指标,但有学者就指出由于影响因素复杂,这些指标的识别效果有待评估,应结合经营目的进一步发掘其他衡量标准(贾微微和别永越,2021)。随着数据技术的不断进步,这种改进很快就能实现。各种算法在实际场景中的应用将进一步提高识别效率,企业可以构建出更高效适宜的标准,迅速识别最匹配的顾客。
(三)未来研究展望
随着信息技术的飞速发展,大数据和人工智能使得很多行业已可以将目标市场分解到个体层次,将分散的长尾聚合为一个个细分市场(Huang和Rust,2021)。但这些细分技术目前大多用于促进交易,尚未用于顾客能力画像及识别。以服装生产领域为例,现今不仅领先用户、创新用户、市场专家被视为重点识别对象,一些先进企业已经开始尝试也给普通消费者提供机会,使其参与到服装的开发设计之中(肖静华等,2018)。因此,如何扩大顾客参与能力识别的范围以配合企业生产经营模式的升级将是一个重要的研究方向。
能力的动态性特点在进一步的研究中需要给予高度关注。由于互联网带来了海量的信息资源,形成了各种便捷的学习渠道,顾客能力正在迅速增长(孟韬和王维,2017)。各类顾客聚集的知识问答平台、交流社区中的顾客学习也越来越普遍。那么,企业在此过程中的支持与管理能力应如何适应与提升?例如,需要关注并识别学习能力较强的顾客个体,加强对顾客学习能力的投资、引导和管理,采取有效的措施激励顾客自我学习等。此外,考虑到顾客参与能力的层次性特点,除了个体顾客体现出的参与能力,集体形式的顾客参与能力会对价值共创产生何种影响?对其如何进行识别和评估?这些都有待进一步深入研究。
如何通过顾客参与能力识别来管理与防范“价值共毁”等负面效应也是一个有价值的研究方向。例如,在互联网内容创作平台,由于成为“大V”和网红就意味着更大的顾客权力,顾客能力越强就越容易吸引企业合作并将流量变现,因此各种不择手段的舞弊和欺诈行为层出不穷。这些问题一方面需要政府和社会各方共同努力加强监管,另一方面也需要企业能够识别、预警与管控。
① 英文文献中customer ability、customer expertise、customer capacity、customer capability、customer competence等都包含顾客能力的意思,本文在文献检索时主要从是否属于价值共创主题来进行文献筛选。
② “抖音降低带货视频发布频次,以粉丝量决定权限大小”,参见http://www.yuanbaiks.com/110328.html。
[1] | 陈伟, 吴宗法, 徐菊. 价值共毁研究的起源、现状与展望[J]. 外国经济与管理, 2018, 40(6): 44–58. |
[2] | 菲利普•科特勒、凯文•莱恩•凯勒著, 王永贵、陈荣、何佳讯, 等译. 营销管理[M]. 14版. 上海: 格致出版社, 上海人民出版社, 2015. |
[3] | 冯进展, 蔡淑琴. 虚拟品牌社区中契合顾客识别模型及实例研究[J]. 管理学报, 2020, 17(9): 1364–1372. |
[4] | 何国正, 陈荣秋. 消费品行业领先用户识别方法研究[J]. 统计与决策, 2009(4): 15–17. |
[5] | 黄敏学, 王琦缘, 肖邦明, 等. 消费咨询网络中意见领袖的演化机制研究——预期线索与网络结构[J]. 管理世界, 2015(7): 109–121. |
[6] | 贾微微, 别永越. 网红经济视域下的影响者营销: 研究述评与展望[J]. 外国经济与管理, 2021, 43(1): 23–43. |
[7] | 孟韬, 王维. 顾客知识学习能力对顾客公民行为的影响[J]. 企业经济, 2017, 36(10): 42–48. |
[8] | 彭艳君, 管婷婷. 家装行业顾客能力对顾客参与价值共创的影响研究[J]. 北京工业大学学报(社会科学版), 2016, 16(1): 27–37. |
[9] | 青平, 张莹, 涂铭, 等. 网络意见领袖动员方式对网络集群行为参与的影响研究——基于产品伤害危机背景下的实验研究[J]. 管理世界, 2016(7): 109–120. |
[10] | 唐跃军, 袁斌. 顾客能力及顾客能力导向的竞争[J]. 经济科学, 2003(4): 109–118. |
[11] | 吴邦刚, 余琦, 陈煜波. 基于全生命周期行为的会员等级体系对顾客购买行为的影响[J]. 管理学报, 2018, 15(4): 569–576. |
[12] | 武文珍, 陈启杰. 价值共创理论形成路径探析与未来研究展望[J]. 外国经济与管理, 2012, 34(6): 66–73. |
[13] | 肖静华, 吴瑶, 刘意, 等. 消费者数据化参与的研发创新——企业与消费者协同演化视角的双案例研究[J]. 管理世界, 2018, 34(8): 154–173, 192. |
[14] | Aarikka-Stenroos L, Jaakkola E. Value co-creation in knowledge intensive business services: A dyadic perspective on the joint problem solving process[J]. Industrial Marketing Management, 2012, 41(1): 15–26. |
[15] | Algesheimer R, Borle S, Dholakia U M, et al. The impact of customer community participation on customer behaviors: An empirical investigation[J]. Marketing Science, 2010, 29(4): 756–769. |
[16] | Biggemann S, Kowalkowski C, Maley J, et al. Development and implementation of customer solutions: A study of process dynamics and market shaping[J]. Industrial Marketing Management, 2013, 42(7): 1083–1092. |
[17] | Bijmolt T H A, Leeflang P S H, Block F, et al. Analytics for customer engagement[J]. Journal of Service Research, 2010, 13(3): 341–356. |
[18] | Bonnemaizon A, Batat W. How competent are consumers? The case of the energy sector in France[J]. International Journal of Consumer Studies, 2011, 35(3): 348–358. |
[19] | Brugmann J, Prahalad C K. Cocreating business’s new social compact[J]. Harvard Business Review, 2007, 85(2): 80–90, 156. |
[20] | Brush T H, Dangol R, O’Brien J P. Customer capabilities, switching costs, and bank performance[J]. Strategic Management Journal, 2012, 33(13): 1499–1515. |
[21] | Chandler J D, Lusch R F. Service systems: A broadened framework and research agenda on value propositions, engagement, and service experience[J]. Journal of Service Research, 2015, 18(1): 6–22. |
[22] | Cui A S, Wu F. Utilizing customer knowledge in innovation: Antecedents and impact of customer involvement on new product performance[J]. Journal of the Academy of Marketing Science, 2016, 44(4): 516–538. |
[23] | Danneels E. Survey measures of first- and second-order competences[J]. Strategic Management Journal, 2016, 37(10): 2174–2188. |
[24] | Elgeti L, Danatzis I, Kleinaltenkamp M. Customer capabilities for solution offerings in business markets[J]. Industrial Marketing Management, 2020, 90: 44–59. |
[25] | Geva T, Oestreicher-Singer G, Efron N, et al. Using forum and search data for sales prediction of high-involvement products[J]. MIS Quarterly, 2017, 41(1): 65–82. |
[26] | Goel S, Goldstein D G. Predicting individual behavior with social networks[J]. Marketing Science, 2014, 33(1): 82–93. |
[27] | Goldenberg J, Han S, Lehmann D R, et al. The role of hubs in the adoption process[J]. Journal of Marketing, 2009, 73(2): 1–13. |
[28] | Haenlein M, Libai B. Seeding, referral, and recommendation: Creating profitable word-of-mouth programs[J]. California Management Review, 2017, 59(2): 68–91. |
[29] | Hakanen T, Jaakkola E. Co-creating customer-focused solutions within business networks: A service perspective[J]. Journal of Service Management, 2012, 23(4): 593–611. |
[30] | Haumann T, Güntürkün P, Schons L M, et al. Engaging customers in coproduction processes: How value-enhancing and intensity-reducing communication strategies mitigate the negative effects of coproduction intensity[J]. Journal of Marketing, 2015, 79(6): 17–33. |
[31] | He W, Zhang W D, Tian X, et al. Identifying customer knowledge on social media through data analytics[J]. Journal of Enterprise Information Management, 2019, 32(1): 152–169. |
[32] | Huang M H, Rust R T. A strategic framework for artificial intelligence in marketing[J]. Journal of the Academy of Marketing Science, 2021, 49(1): 30–50. |
[33] | Jamal A, Anastasiadou K. Investigating the effects of service quality dimensions and expertise on loyalty[J]. European Journal of Marketing, 2009, 43(3-4): 398–420. |
[34] | Katz E, Lazarsfeld P F. Personal influence: The part played by people in the flow of mass communications[M]. Glencoe: Free Press, 1955. |
[35] | Kocoglu I, Akgün A E, Keskin H. The differential relationship between absorptive capacity and product innovativeness: A theoretically derived framework[J]. International Business Research, 2015, 8(7): 108–120. |
[36] | Kumar V. A theory of customer valuation: Concepts, metrics, strategy, and implementation[J]. Journal of Marketing, 2018, 82(1): 1–19. |
[37] | Kumar V, Pansari A. Competitive advantage through engagement[J]. Journal of Marketing Research, 2016, 53(4): 497–514. |
[38] | Kumar V, Petersen J A, Leone R P. Driving profitability by encouraging customer referrals: Who, when, and how[J]. Journal of Marketing, 2010, 74(5): 1–17. |
[39] | Lampe C, Wash R, Velasquez A, et al. Motivations to participate in online communities[A]. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems[C]. Yokohama, Japan: Association for Computing Machinery, 2010. |
[40] | Lindberg N, Nordin F. From products to services and back again: Towards a new service procurement logic[J]. Industrial Marketing Management, 2008, 37(3): 292–300. |
[41] | Luo L, Toubia O. Improving online idea generation platforms and customizing the task structure on the basis of consumers’ domain-specific knowledge[J]. Journal of Marketing, 2015, 79(5): 100–114. |
[42] | Macdonald E K, Kleinaltenkamp M, Wilson H N. How business customers judge solutions: Solution quality and value in use[J]. Journal of Marketing, 2016, 80(3): 96–120. |
[43] | Malthouse E C, Haenlein M, Skiera B, et al. Managing customer relationships in the social media era: Introducing the social CRM house[J]. Journal of Interactive Marketing, 2013, 27(4): 270–280. |
[44] | Martinez-Torres R, Olmedilla M. Identification of innovation solvers in open innovation communities using swarm intelligence[J]. Technological Forecasting and Social Change, 2016, 109: 15–24. |
[45] | Mills P K, Turk T. A preliminary investigation into the influence of customer-firm interface on information processing and task activities in service organizations[J]. Journal of Management, 1986, 12(1): 91–104. |
[46] | Nooteboom B, Van Haverbeke W, Duysters G, et al. Optimal cognitive distance and absorptive capacity[J]. Research Policy, 2007, 36(7): 1016–1034. |
[47] | Pajo S, Verhaegen P A, Vandevenne D, et al. Fast lead user identification framework[J]. Procedia Engineering, 2015, 131: 1140–1145. |
[48] | Panagopoulos N G, Rapp A A, Ogilvie J L. Salesperson solution involvement and sales performance: The contingent role of supplier firm and customer-supplier relationship characteristics[J]. Journal of Marketing, 2017, 81(4): 144–164. |
[49] | Peng J, Agarwal A, Hosanagar K, et al. Network overlap and content sharing on social media platforms[J]. Journal of Marketing Research, 2018, 55(4): 571–585. |
[50] | Petri J, Jacob F. The customer as enabler of value (co)-creation in the solution business[J]. Industrial Marketing Management, 2016, 56: 63–72. |
[51] | Powers T L, Sheng S B, Li J J. Provider and relational determinants of customer solution performance[J]. Industrial Marketing Management, 2016, 56: 14–23. |
[52] | Prahalad C K, Ramaswamy V. Co-opting customer competence[J]. Harvard Business Review, 2000, 78(1): 79–87. |
[53] | Roelens I, Baecke P, Benoit D F. Identifying influencers in a social network: The value of real referral data[J]. Decision Support Systems, 2016, 91: 25–36. |
[54] | Sawhney M, Verona G, Prandelli E. Collaborating to create: The Internet as a platform for customer engagement in product innovation[J]. Journal of Interactive Marketing, 2005, 19(4): 4–17. |
[55] | Schmitt P, Skiera B, Van Den Bulte C. Referral programs and customer value[J]. Journal of Marketing, 2011, 75(1): 46–59. |
[56] | Töllner A, Blut M, Holzmüller H H. Customer solutions in the capital goods industry: Examining the impact of the buying center[J]. Industrial Marketing Management, 2011, 40(5): 712–722. |
[57] | Van Den Bulte C, Bayer E, Skiera B, et al. How customer referral programs turn social capital into economic capital[J]. Journal of Marketing Research, 2018, 55(1): 132–146. |
[58] | Viswanathan V, Tillmanns S, Krafft M, et al. Understanding the quality-quantity conundrum of customer referral programs: Effects of contribution margin, extraversion, and opinion leadership[J]. Journal of the Academy of Marketing Science, 2018, 46(6): 1108–1132. |
[59] | von Hippel E. Lead users: A source of novel product concepts[J]. Management Science, 1986, 32(7): 791–805. |
[60] | Zhang J, Zhang J L, Zhang M Y. From free to paid: Customer expertise and customer satisfaction on knowledge payment platforms[J]. Decision Support Systems, 2019, 127: 113–140. |