基于軌跡和波動(dòng)的新生網(wǎng)商成長(zhǎng)模式及特征研究

何玉梅，郭迅華，陳國(guó)青

(1. 清華大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100084；2. 清華大學(xué)現(xiàn)代管理研究中心，北京 100084)

1 引言

隨著新興信息技術(shù)和電子商務(wù)經(jīng)濟(jì)的蓬勃發(fā)展，網(wǎng)絡(luò)零售市場(chǎng)日趨成熟，淘寶網(wǎng)、eBay等電子商務(wù)平臺(tái)上涌現(xiàn)出大量網(wǎng)商，即依托于電子商務(wù)平臺(tái)直接與消費(fèi)者進(jìn)行持續(xù)商務(wù)活動(dòng)的企業(yè)或個(gè)人[1,2]，網(wǎng)商是電子商務(wù)經(jīng)濟(jì)的重要載體，據(jù)報(bào)告顯示，2016年僅阿里巴巴平臺(tái)上網(wǎng)商所創(chuàng)造的營(yíng)收規(guī)模便達(dá)到了三萬億[3]，國(guó)外亞馬遜平臺(tái)第三方賣家年度銷售額約占據(jù)平臺(tái)總銷售額的50%[4]。其中相當(dāng)比例的網(wǎng)商創(chuàng)立時(shí)間短，企業(yè)規(guī)模小[5]，是電子商務(wù)環(huán)境下的新生企業(yè)或者創(chuàng)業(yè)者[2](以下簡(jiǎn)稱新生網(wǎng)商)。作為網(wǎng)商的重要組成部分，新生網(wǎng)商已成為帶動(dòng)電子商務(wù)經(jīng)濟(jì)經(jīng)濟(jì)發(fā)展、推動(dòng)創(chuàng)新創(chuàng)業(yè)和大眾就業(yè)的助推器。隨著電子商務(wù)平臺(tái)商業(yè)生態(tài)系統(tǒng)功能的逐步完善，新生網(wǎng)商的成長(zhǎng)路徑逐漸清晰，衍生出多種成長(zhǎng)模式，即在成長(zhǎng)過程中形成典型路徑結(jié)構(gòu)[6]。由于不同成長(zhǎng)模式下的新生網(wǎng)商所需要的資源配置和服務(wù)不同，電子商務(wù)平臺(tái)面臨著個(gè)性化服務(wù)與管理方面的挑戰(zhàn)。如果無法清晰辨識(shí)新生網(wǎng)商成長(zhǎng)模式，可能導(dǎo)致電子商務(wù)市場(chǎng)資源錯(cuò)配。但目前對(duì)新生網(wǎng)商成長(zhǎng)模式和特征相關(guān)理論研究較少，導(dǎo)致實(shí)踐中對(duì)于新生網(wǎng)商成長(zhǎng)缺乏深刻認(rèn)識(shí)。因此討論新生網(wǎng)商成長(zhǎng)模式以及相關(guān)因素將揭示電子商務(wù)經(jīng)濟(jì)中新生企業(yè)群體內(nèi)在成長(zhǎng)機(jī)制，豐富對(duì)于成長(zhǎng)模式的認(rèn)知，指導(dǎo)新生網(wǎng)商成長(zhǎng)，實(shí)現(xiàn)市場(chǎng)最優(yōu)資源配置。

從理論上看，新生網(wǎng)商成長(zhǎng)模式的討論屬于企業(yè)成長(zhǎng)模式研究范疇，該類研究從企業(yè)成長(zhǎng)的歷史路徑來理解成長(zhǎng)[7]，將企業(yè)成長(zhǎng)看做是動(dòng)態(tài)變化的內(nèi)在過程[8]，認(rèn)為在成長(zhǎng)過程中存在特定的模式[9-12]。通過獲得典型企業(yè)成長(zhǎng)模式，能夠辨識(shí)出企業(yè)群體成長(zhǎng)路徑的系統(tǒng)性特征[9]，回答“企業(yè)如何成長(zhǎng)”的問題[13]，因此該類研究是典型的過程研究[6]，能夠彌補(bǔ)傳統(tǒng)的影響因素研究的不足[10]，從而更好地揭示企業(yè)成長(zhǎng)本質(zhì)[13]。而根據(jù)過程研究的研究范式，當(dāng)成長(zhǎng)模式提出后可將其看做傳統(tǒng)意義上的變量，討論其影響因素和結(jié)果變量[14-15]。特別地，新生網(wǎng)商所選擇的類目具有與行業(yè)類似的功能，即是所面臨的外部市場(chǎng)環(huán)境重要構(gòu)成要素[8]，績(jī)效是其生存和發(fā)展最為關(guān)心的要素[16]，如果能辨識(shí)出成長(zhǎng)模式與類目選擇策略以及績(jī)效水平的關(guān)系，將進(jìn)一步拓展成長(zhǎng)模式的研究，說明成長(zhǎng)模式研究的重要性。因此本文針對(duì)新生網(wǎng)商這一研究對(duì)象提出兩個(gè)研究問題：第一，新生網(wǎng)商在初期成長(zhǎng)過程具有幾種典型成長(zhǎng)模式？第二，不同類目選擇策略下，新生網(wǎng)商是否表現(xiàn)出不同成長(zhǎng)模式；在形成特定成長(zhǎng)模式后取得的績(jī)效是否有所差異，哪種成長(zhǎng)模式的網(wǎng)商能夠取得更好的績(jī)效？

目前對(duì)成長(zhǎng)模式的研究還處于起步階段[17]，現(xiàn)有研究一般通過描述某種資源要素隨時(shí)間變化規(guī)律獲得企業(yè)成長(zhǎng)軌跡，從而形成“成長(zhǎng)曲線”[8]。從時(shí)序軌跡看，研究強(qiáng)調(diào)增長(zhǎng)趨勢(shì)以及趨勢(shì)在一段時(shí)間內(nèi)的持續(xù)性，首先利用單位時(shí)間段企業(yè)銷售或者員工的增長(zhǎng)率與整體增長(zhǎng)率相比得到增長(zhǎng)率的高/低[9-10,17-22]，其次根據(jù)一段時(shí)間內(nèi)增長(zhǎng)率的多個(gè)高低狀態(tài)形成的時(shí)序軌跡來對(duì)軌跡模式進(jìn)行命名，其命名方式如表1所示。分析以往成長(zhǎng)模式研究文獻(xiàn)發(fā)現(xiàn)，該類研究的研究對(duì)象一般為線下企業(yè)，鮮有涉及線上企業(yè)成長(zhǎng)，即管理和運(yùn)營(yíng)渠道基于互聯(lián)網(wǎng)和信息技術(shù)的企業(yè)，典型的如電子商務(wù)行業(yè)的新生網(wǎng)商等。由于新生網(wǎng)商面臨成長(zhǎng)環(huán)境等方面的差異[1]，新生網(wǎng)商與線下企業(yè)或者創(chuàng)業(yè)者相比，其成長(zhǎng)具有更高的不確定性，即其網(wǎng)商未來的成長(zhǎng)狀態(tài)很難預(yù)測(cè)，這種不確定性主要表現(xiàn)為交易不連續(xù)性和交易波動(dòng)性大兩個(gè)方面。一方面由于互聯(lián)網(wǎng)渠道大大降低網(wǎng)商的進(jìn)入成本，使得同一類目下商家數(shù)量巨大，網(wǎng)商同質(zhì)化程度高[23]，市場(chǎng)競(jìng)爭(zhēng)激烈[24-25]，新生網(wǎng)商月銷售量為零的情況常有發(fā)生，因此呈現(xiàn)出與消費(fèi)者進(jìn)行產(chǎn)品交易活動(dòng)的不連續(xù)性；另一方面，電子商務(wù)交易中搜索引擎和推薦系統(tǒng)的使用降低了消費(fèi)者的轉(zhuǎn)換成本和搜索成本[23]，使得消費(fèi)者能夠在更短的時(shí)間內(nèi)從更多的網(wǎng)商中選擇進(jìn)行交易[26]，消費(fèi)者需求具有更高的不確定性[27]，這對(duì)新生網(wǎng)商而言，意味著與消費(fèi)者進(jìn)行交易活動(dòng)的風(fēng)險(xiǎn)提高[26]，使得一段時(shí)期內(nèi)的交易具有更高的波動(dòng)性。這些差異導(dǎo)致傳統(tǒng)成長(zhǎng)模式研究成果不能直接應(yīng)用到線上企業(yè)的場(chǎng)景；另一方面也使得對(duì)于高成長(zhǎng)不確定性特征下的新生網(wǎng)商成長(zhǎng)模式的討論，補(bǔ)充和豐富以往企業(yè)成長(zhǎng)模式相關(guān)研究，擴(kuò)展研究邊界。

注：“種類”是指從該文獻(xiàn)中識(shí)別出的成長(zhǎng)模式的種類數(shù)量。

本文根據(jù)Penrose企業(yè)成長(zhǎng)理論[8]及新生企業(yè)成長(zhǎng)特點(diǎn)的相關(guān)研究[9]，提出新生網(wǎng)商成長(zhǎng)模式可用成長(zhǎng)軌跡(具有路徑依賴特點(diǎn))和成長(zhǎng)波動(dòng)所構(gòu)成的二維矩陣表示。其次，以中國(guó)最大電子商務(wù)平臺(tái)上的5582家新生網(wǎng)商作為樣本，提出相對(duì)擴(kuò)張指標(biāo)作為成長(zhǎng)測(cè)度，對(duì)該指標(biāo)前六個(gè)月的成長(zhǎng)軌跡進(jìn)行時(shí)序K-means聚類(kml)[28-29]，發(fā)現(xiàn)在該時(shí)間段內(nèi)主要存在三類典型的成長(zhǎng)軌跡(加速/勻速/減速)，同時(shí)對(duì)成長(zhǎng)波動(dòng)(銷售量相對(duì)離散程度)劃分出相對(duì)高/低水平，在二維矩陣框架下最終得到六種(3*2)成長(zhǎng)模式的網(wǎng)商。利用列聯(lián)分析[18]發(fā)現(xiàn)成長(zhǎng)模式與新生網(wǎng)商的類目選擇相關(guān)變量具有相關(guān)性；以成長(zhǎng)模式為因變量，以初始主營(yíng)類目等作為自變量的定向測(cè)度分析[18]發(fā)現(xiàn)，新生網(wǎng)商選擇的初始主營(yíng)類目對(duì)于成長(zhǎng)模式形成的影響最大。利用方差分析[15]和Kruskal-Walls[19]檢驗(yàn)發(fā)現(xiàn)，六類成長(zhǎng)模式網(wǎng)商之間在銷售績(jī)效及信譽(yù)等級(jí)存在顯著統(tǒng)計(jì)差異，其中加速/高波動(dòng)的新生網(wǎng)商與其他成長(zhǎng)模式的新生網(wǎng)商的銷售績(jī)效差異最大。本文將企業(yè)成長(zhǎng)模式研究拓展到新生網(wǎng)商，提出新的成長(zhǎng)模式的表示方法，并發(fā)現(xiàn)其成長(zhǎng)模式的類目選擇策略和績(jī)效特征，有利于對(duì)電子商務(wù)平臺(tái)評(píng)估新生網(wǎng)商的成長(zhǎng)過程，并提供個(gè)性化服務(wù)。

2 理論模型

根據(jù)Penrose企業(yè)成長(zhǎng)理論[8]以及以此為基礎(chǔ)對(duì)新生企業(yè)成長(zhǎng)特征的研究[9]，本研究認(rèn)為出新生網(wǎng)商成長(zhǎng)模式包括成長(zhǎng)軌跡(具有路徑依賴特征)和成長(zhǎng)波動(dòng)。首先，新生網(wǎng)商成長(zhǎng)模式包括具有路徑依賴的成長(zhǎng)軌跡。新生網(wǎng)商的成長(zhǎng)表現(xiàn)出路徑依賴特征[30]，即以前階段形成的成長(zhǎng)結(jié)果會(huì)影響下一階段的成長(zhǎng)，且該路徑依賴可體現(xiàn)于“成長(zhǎng)曲線”之中[8]。新生網(wǎng)商在電子商務(wù)平臺(tái)上創(chuàng)辦網(wǎng)店的過程中，與線下企業(yè)相類似，通過試錯(cuò)和學(xué)習(xí)來摸索創(chuàng)業(yè)和管理經(jīng)驗(yàn)[7]，通過總結(jié)經(jīng)驗(yàn)教訓(xùn)來完善管理服務(wù)技能[31]，贏得客戶和聲譽(yù)，從而實(shí)現(xiàn)成長(zhǎng)目標(biāo)。該階段成長(zhǎng)過程中的資源積累會(huì)影響下一階段的成長(zhǎng)活動(dòng)，即路徑依賴。在一定時(shí)間范圍內(nèi)，這種路徑依賴特征將體現(xiàn)在成長(zhǎng)時(shí)序軌跡中，即新生網(wǎng)商成長(zhǎng)模式應(yīng)包括具有路徑依賴的成長(zhǎng)軌跡。其次，新生網(wǎng)商成長(zhǎng)模式包括成長(zhǎng)波動(dòng)。成長(zhǎng)不僅意味著盈利，更意味著經(jīng)營(yíng)風(fēng)險(xiǎn)和成本[31]，由于在成長(zhǎng)初期面臨來自自身資源匱乏和外部競(jìng)爭(zhēng)的壓力，新生企業(yè)鮮能持續(xù)、線性式增長(zhǎng)[9]。新生網(wǎng)商由于成長(zhǎng)不確定性高，交易波動(dòng)大，成長(zhǎng)波動(dòng)在成長(zhǎng)過程普遍存在，且成長(zhǎng)波動(dòng)的大小直接反映出成長(zhǎng)穩(wěn)定性，因此成長(zhǎng)波動(dòng)在成長(zhǎng)模式也應(yīng)當(dāng)有所體現(xiàn)。綜上所述，本文認(rèn)為新生網(wǎng)商的成長(zhǎng)模式可用成長(zhǎng)軌跡(該軌跡路徑依賴)和成長(zhǎng)波動(dòng)形成的二維矩陣表示。

基于過程研究范式，當(dāng)獲得成長(zhǎng)模式后，可將其看做傳統(tǒng)意義上的變量，討論其影響因素和結(jié)果變量[14-15]，因此本文提出理論模型如圖1所示，其含義為新生網(wǎng)商所選擇的產(chǎn)品類目(簡(jiǎn)稱類目)影響新生網(wǎng)商的成長(zhǎng)模式形成，而不同成長(zhǎng)模式下的新生網(wǎng)商具有特定的績(jī)效特征。第一，以往研究表明，新生企業(yè)所選擇的行業(yè)環(huán)境將會(huì)影響新生企業(yè)的成長(zhǎng)[30]。對(duì)于新生網(wǎng)商而言，基于電子商務(wù)市場(chǎng)對(duì)產(chǎn)品類目的管理實(shí)踐，我們認(rèn)為類目與行業(yè)本質(zhì)上類似。產(chǎn)品類目選擇策略就是在電子商務(wù)環(huán)境下的市場(chǎng)進(jìn)入策略。新生網(wǎng)商一旦選擇了特定類目便進(jìn)入了特定的市場(chǎng)，因此由于所選擇類目不同，新生網(wǎng)商所面臨的市場(chǎng)環(huán)境特征、所具有的成長(zhǎng)資源和外部環(huán)境的匹配度不同，在不同的類目下新生網(wǎng)商在一段時(shí)間內(nèi)表現(xiàn)出不同的成長(zhǎng)路徑，也就是可能形成的成長(zhǎng)模式不同。如新生網(wǎng)商分別選擇“服裝”和“數(shù)碼產(chǎn)品”類目便進(jìn)入了“服裝”市場(chǎng)和“數(shù)碼產(chǎn)品”市場(chǎng)，所面臨的市場(chǎng)所處階段、外部市場(chǎng)機(jī)會(huì)和競(jìng)爭(zhēng)程度均可能不同，因此可能形成的成長(zhǎng)模式有所差異。第二，企業(yè)的成長(zhǎng)模式是經(jīng)營(yíng)水平、市場(chǎng)機(jī)遇等內(nèi)外因素共同作用的結(jié)果，體現(xiàn)出企業(yè)成長(zhǎng)的潛力，說明企業(yè)在成長(zhǎng)過程中積累了不同的資源[32]，而資源異質(zhì)性導(dǎo)致其下一階段能夠開展的交易活動(dòng)和提供的產(chǎn)品服務(wù)質(zhì)量不同，從而帶來不同績(jī)效水平[31]，因此由該成長(zhǎng)路徑依賴特點(diǎn)可推斷，成長(zhǎng)前期的成長(zhǎng)軌跡能影響后期績(jī)效表現(xiàn)；另一方面，成長(zhǎng)波動(dòng)是網(wǎng)商成長(zhǎng)質(zhì)量的信號(hào)，它影響新生網(wǎng)商經(jīng)營(yíng)管理，如安排庫(kù)存、制定營(yíng)銷策略等，波動(dòng)越大，說明企業(yè)成長(zhǎng)過程中具有不穩(wěn)定因素越多，可能造成新生網(wǎng)商在管理決策上存在偏差失誤，從而影響下一階段的績(jī)效水平，可歸納為前期的波動(dòng)對(duì)后期的績(jī)效會(huì)有負(fù)向影響[33]。因此在成長(zhǎng)軌跡和成長(zhǎng)波動(dòng)共同作用下，新生網(wǎng)商成長(zhǎng)模式與網(wǎng)商績(jī)效有相關(guān)關(guān)系。

圖1 理論模型圖示

3 研究方法

3.1 樣本描述

本文研究對(duì)象為電子商務(wù)平臺(tái)上的新生網(wǎng)商，其創(chuàng)立時(shí)間短、企業(yè)規(guī)模小[3]?；诖颂卣鞅疚倪x取目前中國(guó)最大電子商務(wù)平臺(tái)[1,16]于2010年3月份開始營(yíng)業(yè)(46546家)，且在開始營(yíng)業(yè)的前半年內(nèi)[7,26,34]有連續(xù)銷售量的新生網(wǎng)商5582家，分析數(shù)據(jù)為2010年3月到2011年2月，共12個(gè)月數(shù)據(jù)的月度數(shù)據(jù)。第一，樣本數(shù)據(jù)質(zhì)量高。樣本中的新生網(wǎng)商是從在該平臺(tái)經(jīng)營(yíng)的所有網(wǎng)商(超過800萬)中選出，是基于全樣本的選擇；且其經(jīng)營(yíng)的產(chǎn)品覆蓋該電子商務(wù)平臺(tái)所有產(chǎn)品類目。第二，避免企業(yè)年齡對(duì)成長(zhǎng)模式的影響。企業(yè)年齡已被證明對(duì)成長(zhǎng)有重要影響[35]，本文所選取的樣本中新生網(wǎng)商從同一月份開始營(yíng)業(yè)，可認(rèn)為具有相同企業(yè)年齡，從而避免了企業(yè)年齡對(duì)分析結(jié)果帶來的誤差；第三，本文樣本是典型的具有成長(zhǎng)性的線上企業(yè)。本文研究重點(diǎn)為新生網(wǎng)商“如何成長(zhǎng)”，不考慮“生存偏差”帶來的影響[36]，暗含研究對(duì)象需要具有一定的成長(zhǎng)性，一般線下企業(yè)中有成長(zhǎng)性企業(yè)在所有企業(yè)的比例為10%左右[7,18]，而該5582新生網(wǎng)商約占網(wǎng)商總數(shù)的11.8%，占比與線下成長(zhǎng)型企業(yè)在所有企業(yè)占比接近，可認(rèn)為其具有成長(zhǎng)性。

3.2 變量及測(cè)度

1)成長(zhǎng)軌跡

成長(zhǎng)軌跡是在新生網(wǎng)商在成長(zhǎng)過程中表現(xiàn)出典型時(shí)序成長(zhǎng)路徑。本文選擇銷售量作為成長(zhǎng)的指標(biāo)，因?yàn)殇N售量是衡量新生企業(yè)成長(zhǎng)最常用的指標(biāo)[30,37-39]，能夠被用于跨類目情境研究[40]。銷售量的增長(zhǎng)暗示消費(fèi)者不斷接受企業(yè)提供的產(chǎn)品和服務(wù)，意味著企業(yè)市場(chǎng)地位和經(jīng)營(yíng)活動(dòng)的提升，因此也是業(yè)界管理者最為看重、最常使用的指標(biāo)[41-42]。測(cè)度使用銷售指標(biāo)一般利用相對(duì)增長(zhǎng)率來測(cè)量[33]，但考慮到網(wǎng)商交易不連續(xù)性，即經(jīng)?？赡苊媾R某月銷售為零的情況下，傳統(tǒng)的相對(duì)增長(zhǎng)率指標(biāo)分母可能為零，因此不適用于電子商務(wù)環(huán)境下成長(zhǎng)的測(cè)量。利用過程研究中變量及測(cè)度可用軌跡表示[14]的思路，結(jié)合新生網(wǎng)商交易不連續(xù)、路徑依賴的特點(diǎn)[9]，提出時(shí)序相對(duì)擴(kuò)張軌跡作為成長(zhǎng)軌跡的測(cè)量。首先，提出相對(duì)擴(kuò)張率作為某時(shí)刻成長(zhǎng)的測(cè)度，第i個(gè)新生網(wǎng)商(i=1,2…n)在l時(shí)刻(l=1,2…T)的相對(duì)擴(kuò)張率Ri,l如公式(1)所示：

(1)

2)成長(zhǎng)波動(dòng)

成長(zhǎng)波動(dòng)是指在一段時(shí)間內(nèi)新生網(wǎng)商成長(zhǎng)的不穩(wěn)定程度。成長(zhǎng)指標(biāo)仍用銷售量的增長(zhǎng)表示，測(cè)度使用銷售量相對(duì)離散程度[7]。選取該指標(biāo)的理由是其他常用指標(biāo)無法適應(yīng)研究情境。由于新生網(wǎng)商成長(zhǎng)不連續(xù)，采用增長(zhǎng)率測(cè)度成長(zhǎng)波動(dòng)[43-44]無法避免測(cè)度分母為零的問題。而中小網(wǎng)商分布于服裝等十七個(gè)類目，不同類目之間企業(yè)規(guī)模差別很大，使用絕對(duì)離散程度[40]測(cè)度成長(zhǎng)波動(dòng)無法排除企業(yè)規(guī)模的影響，因此，第i個(gè)網(wǎng)商成長(zhǎng)波動(dòng)表示如公式(2)。

GrowthVolatilityi=

(2)

3)類目策略

如圖2所示，該電子商務(wù)平臺(tái)所提供的產(chǎn)品類目結(jié)構(gòu)包括一級(jí)類目和二級(jí)類目，一級(jí)類目包括服飾、數(shù)碼產(chǎn)品、珠寶手表等17個(gè)，一級(jí)類目又可細(xì)分為共計(jì)81個(gè)二級(jí)類目，從而形成兩層樹狀類目結(jié)構(gòu)。該類目是基于類目?jī)?nèi)部專家評(píng)分，并經(jīng)過了多年的類目實(shí)踐總結(jié)而來，具有較高可信度。我們將其主營(yíng)產(chǎn)品的一級(jí)產(chǎn)品類目定義為“類目”，認(rèn)為該層類目對(duì)于新生網(wǎng)商的發(fā)展起到了與線下企業(yè)所在行業(yè)類似的功能，理由是對(duì)于新生網(wǎng)商而言，選擇某類目意味著面臨不同的市場(chǎng)環(huán)境，該產(chǎn)品類目的選擇將影響其庫(kù)存管理、營(yíng)銷活動(dòng)、客戶服務(wù)等方面的管理經(jīng)營(yíng)策略；同時(shí)同一類目網(wǎng)商共同決定包括市場(chǎng)激烈程度、集中度等特征，這些特征與傳統(tǒng)意義上的行業(yè)特征類似。由于成長(zhǎng)模式與從屬行業(yè)相關(guān)[7,17-18,45-46]，因?yàn)橥茢喑砷L(zhǎng)模式與產(chǎn)品類目相關(guān)。行業(yè)作為重要的外部環(huán)境因素，對(duì)成長(zhǎng)的影響是多方面的[47]，類似地我們考慮網(wǎng)商的初始進(jìn)入類目以及在經(jīng)營(yíng)管理中的類目策略變動(dòng)情況。第一，網(wǎng)商經(jīng)營(yíng)的類目可能涉及多個(gè)類目，但由于主營(yíng)類目是網(wǎng)商經(jīng)營(yíng)重點(diǎn)，而電子商務(wù)平臺(tái)一般依據(jù)主營(yíng)產(chǎn)品類目將網(wǎng)商歸入某類目下進(jìn)行排序等，消費(fèi)者也往往根據(jù)一級(jí)類目選擇網(wǎng)商，因此本文中的類目測(cè)度依賴于主營(yíng)類目；第二，根據(jù)二級(jí)類目和文獻(xiàn)中產(chǎn)品產(chǎn)品類型劃分策略[48-53]劃分該電子商務(wù)平臺(tái)的產(chǎn)品類型，如主營(yíng)二級(jí)類目中，“女裝”屬于“體驗(yàn)型產(chǎn)品”，“相機(jī)”屬于“搜索型產(chǎn)品”；同時(shí)考慮進(jìn)入電子商務(wù)平臺(tái)后第一個(gè)月主營(yíng)類目(初始主營(yíng)類目)和前半年每月主營(yíng)次數(shù)最多類目(從屬主營(yíng)類目)[7,18,45]以及前半年轉(zhuǎn)換類目次數(shù)(類目轉(zhuǎn)換次數(shù))[16]，初始主營(yíng)類目和從屬主營(yíng)類目反映了在短期和長(zhǎng)期的類目策略，而類目轉(zhuǎn)換次數(shù)反映了其類目選擇的穩(wěn)定程度。

圖2 某電子商務(wù)平臺(tái)產(chǎn)品類目結(jié)構(gòu)示意圖

4)網(wǎng)商績(jī)效

網(wǎng)商績(jī)效特征包括銷售收入和信譽(yù)等級(jí)兩方面。銷售收入是企業(yè)創(chuàng)造利潤(rùn)的直接來源，是企業(yè)其他經(jīng)營(yíng)層面成長(zhǎng)的基礎(chǔ)[42]，也是在電子商務(wù)環(huán)境下大部分商家所追求的經(jīng)營(yíng)目標(biāo)[16]?？?jī)效特征不僅僅包含其水平高低，績(jī)效穩(wěn)定性同樣是反映績(jī)效特征的重要變量。因此本文使用前12個(gè)月的累積銷售收入和在該累積銷售收入計(jì)算的最后一個(gè)月銷售收入分別代表整體/月銷售收入水平。

在成長(zhǎng)不確定性高的電子商務(wù)平臺(tái)，信譽(yù)是新生網(wǎng)商的重要資產(chǎn)[16, 53]，因?yàn)榫W(wǎng)商信譽(yù)被作為商品和網(wǎng)商的質(zhì)量信號(hào)[54]，影響消費(fèi)者對(duì)網(wǎng)商的信任[55]，并使得商家獲得價(jià)格溢價(jià)[56]。信譽(yù)等級(jí)在淘寶信譽(yù)體系是衡量網(wǎng)商的重要指標(biāo)，對(duì)消費(fèi)者決策有重要影響，因此將信譽(yù)等級(jí)作為網(wǎng)商績(jī)效的測(cè)度之一[16]。網(wǎng)商信譽(yù)等級(jí)是指顯示于店鋪的賣家信用星級(jí)，根據(jù)該電子商務(wù)平臺(tái)店鋪信用評(píng)價(jià)規(guī)則，根據(jù)對(duì)商家的累積評(píng)價(jià)積分的區(qū)間得到賣家信譽(yù)等級(jí)的階躍函數(shù)，按照從低到高的順序劃分“心”、“鉆”、“藍(lán)冠”、“黃冠”四個(gè)等級(jí)，并在每個(gè)等級(jí)內(nèi)細(xì)分五個(gè)子等級(jí)，從而得到信譽(yù)等級(jí)與評(píng)分的關(guān)系。與銷售績(jī)效指標(biāo)類似，使用其信譽(yù)等級(jí)高低水平及其標(biāo)準(zhǔn)差作為測(cè)度。

3.3 分析方法

本文通過使用成長(zhǎng)軌跡(具有路徑依賴特征)和成長(zhǎng)波動(dòng)所構(gòu)成的二維矩陣來表示成長(zhǎng)模式。成長(zhǎng)軌跡通過對(duì)相對(duì)擴(kuò)張軌跡進(jìn)行時(shí)序K-means聚類(kml)[29]獲得。該方法聚類效果良好，同時(shí)在處理大規(guī)模數(shù)據(jù)時(shí)表現(xiàn)穩(wěn)定[28]。其具體步驟如下：

1)通過測(cè)度標(biāo)準(zhǔn)化(相對(duì)擴(kuò)張軌跡)從而消除異常值，以避免聚類分析對(duì)異常值敏感的問題[18]，并使用Frechet距離作為距離測(cè)度[57]；

2)將樣本按2/3的比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集[17]，訓(xùn)練集用來得到最優(yōu)聚類數(shù)[18]，測(cè)試集驗(yàn)證最優(yōu)聚類數(shù)是否穩(wěn)健[17-18]。

在此基礎(chǔ)上對(duì)樣本按照最優(yōu)聚類數(shù)進(jìn)行時(shí)序k-means聚類，并對(duì)不同長(zhǎng)度的時(shí)間段聚類以進(jìn)行敏感性分析，由此得到不同類別的成長(zhǎng)軌跡。同時(shí)，通過與樣本整體成長(zhǎng)波動(dòng)(銷售量相對(duì)離散程度中位數(shù))的比較，將樣本劃分出成長(zhǎng)波動(dòng)的“高/低”。由于不滿足方差齊次性假設(shè)，本文在對(duì)成長(zhǎng)模式和網(wǎng)商績(jī)效的關(guān)系上使用了ANOVA[15,18]中未假定方差齊次性的檢驗(yàn)的Dunnett’s T3(3) 檢驗(yàn)和Kruskal-Walls 檢驗(yàn)[19]進(jìn)行分析；對(duì)成長(zhǎng)模式類目策略的探究使用成長(zhǎng)模式為因變量，類目為自變量的列聯(lián)分析[31]。

4 結(jié)果及討論

4.1 成長(zhǎng)模式

首先，對(duì)訓(xùn)練集進(jìn)行kml聚類發(fā)現(xiàn)成長(zhǎng)軌跡的最優(yōu)聚類數(shù)為3，并將最優(yōu)聚類數(shù)運(yùn)用到測(cè)試集，所得各類成長(zhǎng)模式網(wǎng)商比例與訓(xùn)練集結(jié)果基本一致。其次發(fā)現(xiàn)對(duì)樣本進(jìn)行kml聚類，結(jié)果與訓(xùn)練集保持一致。為了保證結(jié)果的穩(wěn)健性，在對(duì)前六個(gè)月相對(duì)擴(kuò)張指標(biāo)軌跡的kml聚類分析中，使用最常用的Caliński & Harabazt標(biāo)準(zhǔn)[58]發(fā)現(xiàn)最優(yōu)聚類數(shù)為3；另外使用Ray & Turi 標(biāo)準(zhǔn)和Davies & Bouldin 標(biāo)準(zhǔn)進(jìn)行一致性檢驗(yàn)[28]也得到類似結(jié)果，同時(shí)根據(jù)Caliński & Harabazt 標(biāo)準(zhǔn)，本文選取時(shí)間長(zhǎng)度為九個(gè)月和十二個(gè)月進(jìn)行分析，得到最優(yōu)聚類數(shù)仍為3。因此可以認(rèn)為新生網(wǎng)商存在三種典型成長(zhǎng)軌跡。最終得到聚類結(jié)果如圖3所示，橫軸代表月份，縱軸代表當(dāng)月的相對(duì)軌跡指標(biāo)其中A、B、C條曲線分別具有近似線性、凸形和凹形的形狀，分別命名為勻速(A曲線，43.5%)、加速(B曲線，31.6%)和減速(C曲線，24.9%)。觀察不同成長(zhǎng)軌跡下網(wǎng)商的在開始營(yíng)業(yè)后半年的銷售量動(dòng)態(tài)變化，我們發(fā)現(xiàn)，“減速”成長(zhǎng)的新生網(wǎng)商在前期有一定銷售量，之后月份銷售量很少，或者前期有銷售量，但第一個(gè)月或者第二個(gè)月有相對(duì)較高銷售量(相比之后月份)，甚至銷售量增長(zhǎng)率為負(fù)，可以推測(cè)此類網(wǎng)商有可能逐漸退出市場(chǎng)；同“減速”新生網(wǎng)商相比，“勻速”新生網(wǎng)商在前半年有銷售的月份有所增加，但是存在期間部分月份銷售為零的情況，這說明雖然銷售量時(shí)高時(shí)低，該類網(wǎng)商的經(jīng)營(yíng)活動(dòng)仍然有著較為持續(xù)的發(fā)展；同“勻速”成長(zhǎng)的新生網(wǎng)商相比，“加速”成長(zhǎng)的新生網(wǎng)商有銷售量的月份明顯增多，且呈現(xiàn)出較強(qiáng)的增長(zhǎng)趨勢(shì)，可以推測(cè)該類新生網(wǎng)商可能持續(xù)成長(zhǎng)，實(shí)現(xiàn)較高的業(yè)績(jī)規(guī)模。

圖3 新生網(wǎng)商的kml聚類結(jié)果(N=5582)

按照個(gè)體的成長(zhǎng)波動(dòng)與整體成長(zhǎng)波動(dòng)(銷售量相對(duì)離散程度中位數(shù))的關(guān)系，分為高波動(dòng)(50.7%)和低波動(dòng)(49.3%)兩類；為了厘清成長(zhǎng)波動(dòng)與聚類中的成長(zhǎng)軌跡本身的波動(dòng)(相對(duì)擴(kuò)張指標(biāo)的離散程度)兩個(gè)概念，進(jìn)行Pearson’s相關(guān)性檢驗(yàn)，得到二者相關(guān)系數(shù)為0.158且結(jié)果統(tǒng)計(jì)上不顯著(p>0.1)，即可認(rèn)為不存在線性相關(guān)。分別以成長(zhǎng)軌跡和成長(zhǎng)波動(dòng)為橫軸和縱軸，得到3*2的矩陣，形成新生網(wǎng)商的六類成長(zhǎng)模式，并根據(jù)成長(zhǎng)軌跡(加速/勻速/減速)和成長(zhǎng)波動(dòng)(高波動(dòng)/低波動(dòng))命名。類別占比如圖4所示，勻速/低波動(dòng)的新生網(wǎng)商占比最大(30.81%)，減速/低波動(dòng)的新生網(wǎng)商占比最小(7.27%)。

圖4 新生網(wǎng)商成長(zhǎng)模式劃分及其所占比例

為進(jìn)一步觀察六種成長(zhǎng)模式新生網(wǎng)商特點(diǎn)并加以區(qū)別，并為之后的成長(zhǎng)模式與網(wǎng)商績(jī)效討論做準(zhǔn)備，我們做出了新生網(wǎng)商銷售量規(guī)模和信譽(yù)等級(jí)在觀察期內(nèi)的(12個(gè)月)平均值時(shí)序路徑圖(虛線部分為市場(chǎng)所有新生網(wǎng)商平均路徑，作為基準(zhǔn)值)。如圖5(a)所示，不同成長(zhǎng)模式的新生網(wǎng)商銷售路徑和信譽(yù)等級(jí)路徑具有明顯差異，“減速”、“勻速”、“加速”成長(zhǎng)趨勢(shì)依次遞增，這也與圖4(a)的觀察結(jié)果一致?！暗退?低波動(dòng)”和“低速/高波動(dòng)”相對(duì)比，“低速/高波動(dòng)”在觀察期內(nèi)的銷售量路徑始終保持在“低速/低波動(dòng)”的銷售量路徑之上，而“勻速/低波動(dòng)”和“勻速/高波動(dòng)”的對(duì)比卻呈現(xiàn)出相反趨勢(shì)。如圖5(b)所示，不同成長(zhǎng)模式新生網(wǎng)商信譽(yù)等級(jí)在觀察前期差別較小，但是隨著時(shí)間推移，呈現(xiàn)出清晰的路徑差異。其中，“加速/低波動(dòng)”的新生網(wǎng)商信譽(yù)等級(jí)路徑在觀察期內(nèi)一直處于“加速/高波動(dòng)”網(wǎng)商信譽(yù)等級(jí)路徑之上，“勻速/低波動(dòng)”和“勻速/高波動(dòng)”新生網(wǎng)商信譽(yù)等級(jí)路徑差別較??；而“減速/低波動(dòng)”新生網(wǎng)商信譽(yù)等級(jí)路徑與其他路徑相比，始終處于最下端。綜上所述，我們發(fā)現(xiàn)新生網(wǎng)商存在六種典型成長(zhǎng)模式，且不同成長(zhǎng)模式新生網(wǎng)商的銷售量和網(wǎng)商信譽(yù)等級(jí)路徑呈現(xiàn)出差異。

圖5(a) 不同成長(zhǎng)模式新生網(wǎng)商銷售量路徑圖

圖5(b) 不同成長(zhǎng)模式新生網(wǎng)商信譽(yù)等級(jí)路徑圖

4.2 類目策略與成長(zhǎng)模式

從描述性分析圖6(a)所示，新生網(wǎng)商初始主營(yíng)類目中，“服裝”(16.9%)和“珠寶手表”(16.5%)的占比遠(yuǎn)高于其他類目，其次是“文化玩樂”(8.1%)和“其他”(8.0%)；如圖6(b)所示，從屬主營(yíng)類目中，“服裝”(18.3%)和“珠寶手表”(14.4%)仍在所有類目中占比最高，其次是“其他”(8.7%)和“文化玩樂”(7.8%)。但從屬主營(yíng)類目占比與初始主營(yíng)類目占比相比，“服裝”升高1.5%，“珠寶手表”降低2.1%，“其他”占比升高0.6%，而“文化玩樂”基本保持不變。

圖6(a) 新生網(wǎng)商初始主營(yíng)類目直方圖

圖6(b) 新生網(wǎng)商從屬主營(yíng)類目直方圖

首先，新生網(wǎng)商的成長(zhǎng)模式與類目選擇策略變量的相關(guān)關(guān)系統(tǒng)計(jì)顯著。如表 2所示，卡方檢驗(yàn)統(tǒng)計(jì)量結(jié)果顯示皮爾遜卡方統(tǒng)計(jì)雙側(cè)漸近顯著性水平均小于 0.01，可在1%的顯著性水平下拒絕初始主營(yíng)類目等多個(gè)類目測(cè)度和成長(zhǎng)模式之間不存在關(guān)聯(lián)性的原假設(shè)，即新生網(wǎng)商的成長(zhǎng)模式與其經(jīng)營(yíng)的產(chǎn)品類型、初始主營(yíng)類目、從屬主營(yíng)類目的相關(guān)關(guān)系統(tǒng)計(jì)顯著 (p<0.01)。進(jìn)一步利用名義變量列聯(lián)表的定向測(cè)度分析[60]，得到以成長(zhǎng)模式為因變量所得到的Lambda系數(shù)，分別以初始主營(yíng)類目等測(cè)度作為自變量對(duì)成長(zhǎng)模式進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)可以減少的預(yù)測(cè)誤差降低幅度，最高可在2.1%左右(初始主營(yíng)類目，Lambda系數(shù)=0.021, p<0.001)，即新生網(wǎng)商所選擇的初始主營(yíng)類目對(duì)成長(zhǎng)模式的影響最大(2.1%)，同時(shí)發(fā)現(xiàn)類目轉(zhuǎn)換次數(shù)對(duì)于成長(zhǎng)模式進(jìn)行預(yù)測(cè)所降低的誤差幅度不顯著，即類目轉(zhuǎn)換次數(shù)對(duì)于成長(zhǎng)模式的形成沒有顯著影響(p=0.238)。

表2 成長(zhǎng)模式與類目列聯(lián)分析檢驗(yàn)

注：顯著性.c表示(因?yàn)闈u進(jìn)誤差為零而無法計(jì)算)， ‘***’ p<0.01，‘**’ p<0.05 ，‘*’p< 0.1

為了更好地探究網(wǎng)商所隸屬類目與其成長(zhǎng)模式的關(guān)系，以初始主營(yíng)類目和從屬主營(yíng)類目作為分母，得到某種類目中特定成長(zhǎng)模式的占比，從而根據(jù)其所在類目判斷成長(zhǎng)模式，總結(jié)如表3所示。分析發(fā)現(xiàn)“珠寶手表”、“服裝”、“數(shù)碼產(chǎn)品”和“虛擬產(chǎn)品”四個(gè)類目下的網(wǎng)商成長(zhǎng)模式分布具有明顯特征。其類目下的產(chǎn)品雖然同隸屬于體驗(yàn)型產(chǎn)品[49]，“服裝”和“珠寶手表”的產(chǎn)品，其類目?jī)?nèi)部的網(wǎng)商成長(zhǎng)模式的占比呈現(xiàn)相反趨勢(shì)：“珠寶手表”中減速/低波動(dòng)占比遠(yuǎn)高于其他類目，甚至超過了勻速/低波動(dòng)網(wǎng)商的占比，說明如果進(jìn)入“珠寶手表”，新生網(wǎng)商成為減速/低波動(dòng)型網(wǎng)商的可能性遠(yuǎn)高于其他十六個(gè)類目；而“服裝”中網(wǎng)商成為勻速/高波動(dòng)網(wǎng)商的可能性比其他類目更大。分析這一現(xiàn)象發(fā)現(xiàn)，其可能原因是類目集中度不同。具體來說，兩個(gè)類目的新生網(wǎng)商數(shù)量大致相當(dāng)(分別為服裝943，珠寶手表921，下同)，其類目累積銷售額也相近(55,734,336，60,578,177)，但是“珠寶手表”的赫芬達(dá)爾—赫希曼指數(shù)(Herfindahl-Hirschman Index，HHI)是“服裝”HHI指數(shù)的兩倍(0.0078，0.0164)，HHI越大表明市場(chǎng)集中度越高，該結(jié)果說明服裝類目的集中度小于珠寶手表類目。而對(duì)于“數(shù)碼產(chǎn)品”和“虛擬產(chǎn)品”的分析，也得出類似的結(jié)論。因此可以認(rèn)為在新生網(wǎng)商的成長(zhǎng)模式形成影響因素中，不能僅憑傳統(tǒng)的體驗(yàn)型/搜索型產(chǎn)品分類標(biāo)準(zhǔn)，還需要細(xì)分產(chǎn)品類目，考慮所在一級(jí)類目集中度等類目特征。

表3 不同類目成長(zhǎng)模式占比總結(jié)

綜上所述，成長(zhǎng)模式與產(chǎn)品類型、初始主營(yíng)類目、從屬主營(yíng)類目的列聯(lián)分析發(fā)現(xiàn)，成長(zhǎng)模式與類目選擇策略具有統(tǒng)計(jì)顯著的相關(guān)性，從而說明具有特定成長(zhǎng)模式的新生網(wǎng)商表現(xiàn)出不同的類目分布；初始主營(yíng)類目對(duì)于成長(zhǎng)模式可能的影響最大；“服裝”、“珠寶手表”、“數(shù)碼產(chǎn)品”以及“虛擬產(chǎn)品”中某種成長(zhǎng)模式網(wǎng)商的占比在其他類目的占比更高。

4.3 成長(zhǎng)模式與網(wǎng)商績(jī)效

不同成長(zhǎng)模式下的新生網(wǎng)商在銷售績(jī)效和信譽(yù)等級(jí)兩個(gè)維度具有顯著的統(tǒng)計(jì)差異。具體說來，通過對(duì)第十二個(gè)月銷售收入，前十二個(gè)月的累積銷售收入和第十二個(gè)月的信譽(yù)等級(jí)分別進(jìn)行ANOVA檢驗(yàn)[15]和Kruskal-Walls檢驗(yàn)[19]，發(fā)現(xiàn)六種成長(zhǎng)模式的新生網(wǎng)商的績(jī)效在統(tǒng)計(jì)上存在顯著差異(p<0.001)，同時(shí)發(fā)現(xiàn)加速/高波動(dòng)的新生網(wǎng)商與其他成長(zhǎng)模式的新生網(wǎng)商銷售績(jī)效差異最大。由此進(jìn)一步觀察新生網(wǎng)商成長(zhǎng)模式與銷售績(jī)效及信譽(yù)等級(jí)的關(guān)系。對(duì)銷售績(jī)效，如圖7(a)和圖7(b)所示，在減速或勻速成長(zhǎng)軌跡下，高波動(dòng)的網(wǎng)商第十二月份銷售收入和前十二個(gè)月銷售收入(平均值)更低，但是當(dāng)成長(zhǎng)軌跡為加速時(shí)，高波動(dòng)的網(wǎng)商在該兩個(gè)指標(biāo)上反而更高。根據(jù)以往成長(zhǎng)波動(dòng)研究[33]，低成長(zhǎng)波動(dòng)下的新生網(wǎng)商具有更加穩(wěn)定的銷售績(jī)效，穩(wěn)定的績(jī)效將帶來更多的資源積累，從而獲得更多的競(jìng)爭(zhēng)優(yōu)勢(shì)，取得更好的績(jī)效。但是本文發(fā)現(xiàn)在加速成長(zhǎng)軌跡下，卻表現(xiàn)出與此以往研究相反的規(guī)律，加速成長(zhǎng)軌跡下，高成長(zhǎng)波動(dòng)的新生網(wǎng)商的績(jī)效平均水平反而比低成長(zhǎng)波動(dòng)的網(wǎng)商的更高，可以推斷成長(zhǎng)波動(dòng)對(duì)于績(jī)效的影響，考慮成長(zhǎng)軌跡的情況下表現(xiàn)出以往研究推斷不同的地方；而從成長(zhǎng)軌跡的角度看，在同一成長(zhǎng)軌跡下，高波動(dòng)和低波動(dòng)的網(wǎng)商的績(jī)效水平也有顯著差異，說明成長(zhǎng)軌跡與銷售績(jī)效的相關(guān)關(guān)系受到了成長(zhǎng)波動(dòng)的影響，因此可以說明成長(zhǎng)模式并不是成長(zhǎng)軌跡和成長(zhǎng)波動(dòng)的線性加和，而是二者的共同作用，進(jìn)一步說明本文提出的二維分類框架的合理性。

對(duì)信譽(yù)等級(jí)，如圖7(c)所示，加速成長(zhǎng)軌跡下，加速/低波動(dòng)的網(wǎng)商信譽(yù)等級(jí)，比加速/高波動(dòng)的企業(yè)的，且該成長(zhǎng)模式下的新生網(wǎng)商信譽(yù)等級(jí)所得平均分更高。發(fā)現(xiàn)在減速成長(zhǎng)軌跡下，高波動(dòng)的網(wǎng)商比低波動(dòng)的網(wǎng)商在第十二個(gè)月份夠取得更高的信譽(yù)等級(jí)。與銷售績(jī)效的分析類似，我們認(rèn)為這也說明利用成長(zhǎng)軌跡和成長(zhǎng)波動(dòng)劃的二維矩陣來定義成長(zhǎng)模式的合理性。

圖7(a) 第十二月銷售收入平均值

圖7(b) 前十二月銷售收入平均值

圖7(c) 第十二月信譽(yù)等級(jí)平均值

5 結(jié)語(yǔ)

本文旨在探究電子商務(wù)平臺(tái)新生網(wǎng)商的成長(zhǎng)模式及不同成長(zhǎng)模式的網(wǎng)商所具有的績(jī)效和類目選擇策略。同傳統(tǒng)線下企業(yè)的成長(zhǎng)相比，新生網(wǎng)商成長(zhǎng)具有更高的不確定性。本文利用Penrose企業(yè)成長(zhǎng)理論[8]及對(duì)新生企業(yè)成長(zhǎng)特點(diǎn)[9]的分析，認(rèn)為新生網(wǎng)商在成長(zhǎng)過程中形成的成長(zhǎng)模式可由成長(zhǎng)軌跡(具有路徑依賴特征)和成長(zhǎng)波動(dòng)共同反映，不同成長(zhǎng)模式的網(wǎng)商的銷售績(jī)效和賣家信譽(yù)等級(jí)存在差異，且該差異統(tǒng)計(jì)顯著。特別地，加速/高波動(dòng)的網(wǎng)商績(jī)效特征最為明顯；新生網(wǎng)商的成長(zhǎng)模式與產(chǎn)品類型、初始主營(yíng)類目、從屬主營(yíng)類目等類目測(cè)度有顯著統(tǒng)計(jì)相關(guān)性，不同成長(zhǎng)模式網(wǎng)商在產(chǎn)品類型、初始主營(yíng)類目、從屬主營(yíng)類目和類目轉(zhuǎn)換次數(shù)上存在顯著差異，初始主營(yíng)類目對(duì)于新生網(wǎng)商成長(zhǎng)模式的形成影響最大，服裝、珠寶手表、數(shù)碼產(chǎn)品以及虛擬產(chǎn)品四類類目中具有成長(zhǎng)模式中占比特征顯著。

本文將成長(zhǎng)模式的研究對(duì)象拓展到電子商務(wù)環(huán)境下的新生網(wǎng)商這一特殊群體，提出來一種成長(zhǎng)模式的可操縱定義，同時(shí)分別探究了不同成長(zhǎng)模式與類目策略和績(jī)效水平的關(guān)系，擴(kuò)展了企業(yè)成長(zhǎng)模式相關(guān)研究邊界。具體地，用成長(zhǎng)軌跡(具有路徑依賴特征)和成長(zhǎng)波動(dòng)的二維矩陣表示，對(duì)網(wǎng)商類目策略和績(jī)效水平的分析發(fā)現(xiàn)該成長(zhǎng)模式的定義具有較高的內(nèi)部效度。其次，提出新的時(shí)序成長(zhǎng)軌跡測(cè)度，該相對(duì)測(cè)度揭示新生企業(yè)成長(zhǎng)軌跡的依賴特征，避免企業(yè)規(guī)模和分母為零所帶來的影響，利用聚類方法得到典型成長(zhǎng)軌跡，克服以往軌跡研究勻速使用閾值來劃分“高/中/低”標(biāo)準(zhǔn)的邊界問題[17]。

本文所得的成長(zhǎng)模式具有實(shí)踐價(jià)值和管理啟示。對(duì)電子商務(wù)平臺(tái)，本文所得出的成長(zhǎng)模式可作為對(duì)新生網(wǎng)商進(jìn)行信用評(píng)級(jí)并提供個(gè)性化服務(wù)的依據(jù)之一。電子商務(wù)平臺(tái)的主要功能包括“孵化”新生創(chuàng)業(yè)者和企業(yè)，該功能主要體現(xiàn)為“評(píng)價(jià)”和“服務(wù)”兩方面。本文所提出的成長(zhǎng)模式將有利于該兩大職能的實(shí)現(xiàn)。其一，本文所提出成長(zhǎng)模式關(guān)注新生網(wǎng)商成長(zhǎng)過程，并且可以預(yù)測(cè)下一階段績(jī)效情況，因此可將作為傳統(tǒng)信用評(píng)價(jià)指標(biāo)和認(rèn)證方法的補(bǔ)充，并以此作為融資擔(dān)保、銀行放貸等提供的信用評(píng)級(jí)證明依據(jù)之一，從而更加全面評(píng)價(jià)新生網(wǎng)商。其二，不同成長(zhǎng)模式的新生網(wǎng)商具有不同的成長(zhǎng)特征，所需要的配套資源和服務(wù)也可能不同，電子商務(wù)平臺(tái)可通過辨識(shí)出不同類型的新生網(wǎng)商，依據(jù)其所處的成長(zhǎng)模式來提供個(gè)性化的服務(wù)支持，如針對(duì)“加速成長(zhǎng)/高波動(dòng)”和“減速/低波動(dòng)”的新生網(wǎng)商在累積信譽(yù)等級(jí)路徑上存在一定劣勢(shì)，可提供不同的經(jīng)營(yíng)培訓(xùn)服務(wù)并推薦個(gè)性化課程學(xué)習(xí)進(jìn)行相應(yīng)改善，從而更好地實(shí)現(xiàn)電子商務(wù)平臺(tái)的“服務(wù)”功能。同時(shí)，對(duì)新生網(wǎng)商而言，可了解自身所處成長(zhǎng)狀況，并利用成長(zhǎng)模式與類目選擇策略的關(guān)系發(fā)現(xiàn)新的成長(zhǎng)機(jī)會(huì)，管理經(jīng)營(yíng)產(chǎn)品類目,如新生網(wǎng)商可通過了解成長(zhǎng)模式來判斷在某一階段的成長(zhǎng)情況，并以此對(duì)下一階段的經(jīng)營(yíng)策略進(jìn)行調(diào)整；同時(shí)有針對(duì)性地選擇不同的產(chǎn)品類目來改變成長(zhǎng)模式，以實(shí)現(xiàn)理想績(jī)效目標(biāo)。

本文存在不足與需拓展之處，如時(shí)序聚類分析所獲得的成長(zhǎng)軌跡可與外在創(chuàng)業(yè)動(dòng)機(jī)、企業(yè)成長(zhǎng)策略等相結(jié)合；對(duì)于新生企業(yè)的成長(zhǎng)來說，外界環(huán)境起到了重要作用[8]，后續(xù)研究工作將在已有類目選擇策略討論的基礎(chǔ)上，進(jìn)一步探索市場(chǎng)集中度等類目特征指標(biāo)等市場(chǎng)環(huán)境對(duì)成長(zhǎng)模式的影響。

參考文獻(xiàn)：

[1] Wang Youwei, Wang Shan, Fang Yulin, et al. Store survival in online marketplace: An empirical investigation[J]. Decision Support Systems, 2013 (56):482-493.

[2] 王萌，郭迅華，陳國(guó)青，等. 在線關(guān)系對(duì)中小網(wǎng)商績(jī)效影響的實(shí)證分析[J].中國(guó)管理科學(xué), 2016, 24(10): 156-163.

[3] 左手“淘寶”，右手“造物”-2017年網(wǎng)商報(bào)告之創(chuàng)新生態(tài)[R]，阿里研究院，2017.

[4] Annual Report from Amazon in 2016[R], Amazon, 2016.

[5] 淘寶集市個(gè)體店家的社會(huì)和執(zhí)業(yè)特征[R], 北京大學(xué)經(jīng)濟(jì)發(fā)展研究中心及阿里巴巴研究中心, 2012.

[6] Dooley KJ, Van de Ven AH. Explaining complex organizational dynamics[J]. Organization Science, 1999, 10(3):358-372.

[7] Coad A, Frankish J, Roberts R G, et al. Growth paths and survival chances: An application of Gambler's Ruin theory [J]. Journal of Business Venturing, 2013, 28(5): 615 -632.

[8] Penrose E T. The theory of the growth of the firm [M], Oxford: Oxford University Press, 1959.

[9] Garnsey E, Stam E, Heffernan P. New firm growth: Exploring processes and paths [J]. Industry and Innovation, 2006, 13(1): 1-20.

[10] Brenner T, Schimke A. Growth development paths of firms-A study of smaller businesses [J]. Journal of Small BusinessManagement, 2015, 53(2): 539-557.

[11] Bottazzi G, Secchi A. Why are distributions of firm growth rates tent-shaped? [J]. Economics Letters, 2003, 80(3): 415-420.

[12] Stam E. Growth beyond Gibrat: Firm growth processes and strategies [J]. Small Business Economics, 2010, 35(2): 129-135.

[13] McKelvie A, Wiklund J. Advancing firm growth research: A focus on growth mode instead of growth rate [J]. Entrepreneurship Theory and Practice, 2010, 34(2): 261-288.

[14] Poole M S, Van de Ven A H, Dooley K, et al. Organizational change and innovation processes: Theory and methods for research[M]. Oxford: Oxford University Press,2000.

[15] Joseph D, Boh W F, Ang S, et al. The career paths less (or more) traveled: A sequence analysis of IT career histories, mobility patterns, and career success[J]. MIS Quarterly, 2012, 36(2): 427-452.

[16] Fan Ying, Ju Jiandong, Xiao Mo. Reputation premium and reputation management: Evidence from the largest e-commerce platform in china[J]. International Journal of Industrial Organization, 2016, 46: 63-76.

[17] Diambeidou M B, Gailly B. A taxonomy of the early growth of Belgian start-ups [J]. Journal of Small Business and Enterprise Development, 2011, 18(2): 194-218.

[18] Delmar F, Davidsson P, Gartner W B. Arriving at the high-growth firm [J]. Journal of Business Venturing, 2003, 18(2): 189-216.

[19] McMahon R G. Deriving an empirical development taxonomy for manufacturing SMEs using data from Australia's business longitudinal survey[J]. Small Business Economics, 2001, 17(3): 197-212.

[20] Acs Z J. High-impact firms: Gazelles revisited[M]//Fritsch M. Handbook of research on entrepreneurship and regional Development: National and regional perspectives. Massachusetts: Edward Elgar Publishing, 2011: 133-174.

[21] Kemp R G, Verhoeven W. Growth patterns of medium-sized fast-growing firms [M], Zoetermeer: EIM Business & Policy Research, 2002.

[22] Lee C. A theory of firm growth: Learning capability, knowledge threshold, and patterns of growth [J]. Research Policy, 2010, 39(2): 278-289.

[23] Goldmanis M, Horta?su A, Syverson C, et al. Ecommerce and the market structure of retail industries [J]. The Economic Journal, 2010, 120(545): 651-682.

[24] Grewal D, Iyer GR, Levy M. Internet retailing: Enablers, limiters and market consequences [J]. Journal of Business Research, 2004, 57(7): 703-713.

[25] Singh N, Kundu S. Explaining the growth of e-commerce corporations (ECCs): An extension and application of the eclectic paradigm [J]. Journal of International Business Studies, 2002, 33(4): 679-697.

[26] Ba S, Pavlou P A. Evidence of the effect of trust building technology in electronic markets: Price premiums and buyer behavior [J]. MIS quarterly, 2002: 243-268.

[27] 鄧愛民, 陶寶, 馬瑩瑩. 網(wǎng)絡(luò)購(gòu)物顧客忠誠(chéng)度影響因素的實(shí)證研究 [J]. 中國(guó)管理科學(xué), 2014, 22(6): 94-102.

[28] Genolini C, Falissard B. KmL: A package to cluster longitudinal data [J]. Computer Methods and Programs in Biomedicine, 2011, 104(3): 112-121.

[29] Genolini C, Falissard B. KmL: K-means for longitudinal data [J]. Computational Statistics, 2010, 25(2): 317-328.

[30] Gilbert B A, McDougall P M, Audretsch D B. New venture growth: A review and extension [J]. Journal of Management, 2006, 32(6): 926-950.

[31] Delmar F, McKelvie A, Wennberg K. Untangling the relationships among growth, profitability and survival in new firms [J]. Technovation, 2013, 33(8-9): 276-291.

[32] Pettus M L. The resource-based view as a developmental growth process: Evidence from the deregulated trucking industry [J]. Academy of Management Journal, 2001，44(4)：878-896.

[33] Reichstein T, Dahl M S. Are firm growth rates random? Analysing patterns and dependencies [J]. International Review of Applied Economics, 2004, 18(2): 225-246.

[34] Cabral L, Horta?su A. The dynamics of seller reputation: Evidence from eBay [J]. The Journal of Industrial Economics, 2010, 58(1): 54-78.

[35] Coad A, Segarra A, Teruel M. Like milk or wine: Does firm performance improve with age? [J]. Structural Change and Economic Dynamics, 2013, 24(0): 173-189.

[36] Chandler G N, McKelvie A, Davidsson P. Asset specificity and behavioral uncertainty asmoderators of the sales growth-employment growth relationship in emerging ventures [J]. Journal of Business Venturing, 2009, 24(4): 373-387.

[37] Daunfeldt S, Elert N, Johansson D. The economic contribution of high-growth firms: Do policy implications depend on the choice of growth indicator? [J]. Journal of Industry, Competition and Trade, 2014 (14): 337-365.

[38] Murphy G B, Trailer J W, Hill R C. Measuring performance in entrepreneurship research [J]. Journal of Business Research, 1996, 36(1): 15-23.

[39] Weinzimmer L G, Nystrom P C, Freeman S J. Measuring organizational growth: Issues, consequences and guidelines [J]. Journal of Management, 1998, 24(2): 235-262.

[40] Davidsson P, Achtenhagen L, Naldi L. Small firm growth [M]. Boston: Now Publishers Inc, 2010.

[41] Achtenhagen L, Naldi L, Melin L. “Business growth”-Do practitioners and scholars really talk about the same thing? [J]. Entrepreneurship Theory and Practice, 2010, 34(2): 289-316.

[42] Shepherd D, Wiklund J. Are we comparing apples with apples or apples with oranges? Appropriateness of knowledge accumulation across growth Studies [J]. Entrepreneurship Theory and Practice, 2009, 33(1): 105-123.

[43] Comin D, Mulani S. A theory of growth and volatility at the aggregate and firm level [J]. Journal of Monetary Economics, 2009, 56(8): 1023-1042.

[44] Davis S J, Haltiwanger J, Jarmin R， et al. Volatility and dispersion in business growth rates: Publicly traded versus privately held firms [M]. Cambridge MA: MIT Press: 2007.

[45] Frankish J S, Roberts R G, Coad A，et al. Do entrepreneurs really learn? Or do they just tell us that they do? [J]. Industrial and Corporate Change, 2013, 22(1): 73-106.

[46] Dobbs M, Hamilton R T. Small business growth: Recent evidence and new directions[J]. International Journal of Entrepreneurial Behaviour & Research, 2007, 13(5): 296-322.

[47] Wiklund J, Patzelt H, Shepherd D. Building an integrative model of small business growth [J]. Small Business Economics, 2009, 32(4): 351-374.

[48] Nelson P. Information and consumer behavior[J]. Journal of Political Economy, 1970，78(2), 311-329.

[49] Girard T, Dion P. Validating the search, experience, and credence product classification framework[J]. Journal of Business Research, 2010, 63(9): 1079-1087.

[50] Korgaonkar P, Silverblatt R, Girard T. Online retailing, product classifications, and consumer preferences[J]. Internet Research, 2006,16(3)： 267-288.

[51] Hsieh Y C, Chiu H C, Chiang M Y. Maintaining a committed online customer: A study across search-experience-credence products[J]. Journal of Retailing, 2005，81(1)： 75-82.

[52] Huang Peng, Lurie N H, Mitra S. Searching for experience on the web: An empirical examination of consumer behavior for search and experience goods[J]. Journal of Marketing, 2009,73(2): 55-69.

[53] Rice S C. Reputation and uncertainty in online markets: An experimental study [J]. Information Systems Research, 2012, 23(2): 436-452.

[54] Mavlanova T, Benbunan F R, Koufaris M. Signaling theory and information asymmetry in online commerce [J]. Information & Management, 2012, 49(5): 240-247.

[55] Zhou Ming, Dresner M, Windle R. Revisiting feedback systems: Trust building in digital markets [J]. Information & Management, 2009, 46(5): 279-284.

[56] Dellarocas C. How often should reputation mechanisms update a trader's reputation profile? [J]. Information Systems Research, 2006, 17(3): 271-285.

[57] Chouakria A D, Nagabhushan P N. Adaptive dissimilarity index for measuring time series proximity[J]. Advances in Data Analysis and Classification, 2007, 1(1): 5-21.

[58] Caliński T, Harabasz J. A dendrite method for cluster analysis [J]. Communications in Statistics-theory and Methods, 1974, 3(1): 1-27.

[59] Costner, Herbert L. Criteria for measures of association [J]. American Sociological Review，1965，30(3): 341-353.