共享经济的产品赋能机制
——来自小猪平台的证据

林 勇，张 昊

（重庆大学公共管理学院，重庆 400044）

随着信息时代到来，工业时代盛行的创新逻辑正面临互联网技术的冲击与变革。共享经济作为引领新一轮经济增长的新业态，是有效整合资源、共创价值的经济模式。国内较早兴起的共享房屋企业“途家”和“小猪”分别于2011年和2012年创办。途家将重心放在自营公寓上，这区别于全球最大的同类企业Airbnb，是一种B2C模式。小猪模式则与Airbnb更为一致，采用了C2C模式，同时，小猪为房客实地验收房源、安装智能门锁，为房东提供房客的部分身份信息，切实保障交易双方财产及人身安全。因此，相较于Airbnb，小猪的用户社区在中国更活跃，并且凭借这些本土化策略，小猪在极短时间内成长为独角兽企业。这些共享企业在全球市场范围的成功经验表明，除价格优势外，可能还存在更重要的激励因素，亟须探索这类企业的成长黑箱。与此同时，赋能机制（enabling）在近年的企业管理实践中不断被提及，从京东的“零售赋能”战略到阿里巴巴、联想等企业的“赋能者”定位，都预示着赋能机制是互联网时代要素创新的新动力。

赋能机制的相关研究目前有以下3种思路。①组织结构权力配置与职责匹配。这类研究从组织赋能的视角出发，要求组织结构设计应围绕既定目标，协调相应层级与岗位的权力配置，通过责权分配来规范成员行为。其关注点在如何优化组织结构，以便赋予员工自主决策、自主创新、承担责任的权力。代表文献如 KONCZAK 等［1］、SUN 和 FERNANDEZ［2］、罗仲伟等［3］。②赋能领导行为和员工的心理感知。此类研究从关系赋能的视角出发，或主张授权赋能的重心是领导授予员工决策权的管理行为，或关注员工对领导赋能行为的感知程度。相关研究表明，领导授权赋能行为和员工对赋能的感知程度能够提升员工组织承诺、工作效率、创新性［4］。③消费者赋能。部分学者认为，大数据时代的品牌企业倾向于通过社交平台，赋予消费者参与价值创造过程的权力。代表文献如ALI和 STEFANO［5］、HARRISON 和 WAITE［6］。相比于科层式组织结构需要下放决策权以激发创新活力，共享企业的扁平化组织结构具有天然优势，无须过多探讨权责配置问题。而员工对企业的授权感知建立在企业内部的上下级关系的基础之上，但共享经济中企业与卖家却是双方平等的“伙伴关系”，使之不同于关系赋能的前提假设。共享经济的主体是生产者与消费者的统一，消费者赋能视角也难以凸显共享主体在产品赋能中的自主学习和自激励过程。因此，有必要探索新的研究视角来理解赋能机制的作用方式及价值。

在共享经济领域，国外研究主要探讨了信息披露、声誉机制、信任机制对产品销量和价格的影响。如ERT 等［7］研究发现信息披露对产品价格和预订率有显著正向影响，而卖家声誉（信用评分）的作用不显著。原因是信用评分的概率分布为负偏态且方差较小（0.03），导致声誉机制因缺乏差异性，失去了价格信号功能。而声誉机制（星级排名和信用评分）对价格和预订率影响不显著。但也有学者持相反观点，YACOUEL和FLEISCHER［8］、SPARKS和BROWNING［9］研究认为，卖家声誉通常比信息披露在用户的共享决策中更为有用和可信。TUSSYADIAH和PARK［10］利用意大利和英国Airbnb上的502个房东数据，对比了卖家声誉和产品描述对用户购买决策的影响大小，发现卖家声誉、产品描述的贡献度分别为39%和37%，这意味着卖家声誉的作用略大于产品描述。而CONNELLY 等［11］、LIANG 等［12］的研究进一步证实，卖家声誉在减少交易信息不对称中起到了关键作用，能直接影响用户的消费决策。WANG 和NICOLAU［13］研究发现，用户在做出购买决策时更信任房东的自我描述，而非平台共享信息。可见，前期研究对这些交易机制的作用大小，结论并不一致，存在以下3点待改进之处：①欠缺对共享经济核心动力机制的精准刻画，致使共享模式难以与其他平台经济模式区分开；②共享经济拥有双边市场的典型特征，但前期研究多是从消费者需求视角切入，较少以卖家供给视角分析其参与共享市场的动机［14］；③未深入剖析共享企业如何由“协作消费”而非“平台交易”实现产品价值攀升的机理。

针对上述问题，本文认为产品赋能机制是共享企业实现创新激励、形成竞争壁垒的关键。本文将产品赋能定义为生产者在产品价值创造活动中的能力提升结果。共享经济中的产品赋能机制是指平台卖家通过共享网络获取信息、资源和知识，提升产品价值创新能力的作用机制。传统经济中的价值创造活动通常是零和博弈的，企业竞争实质上是创新型人才之间的竞争，企业拥有对产品赋能的决策权。而在共享经济中，价值创造活动是非零和博弈，企业将产品创新决策权转移至平台卖家，并为卖家提供必要资源和信息支持。正是卖家利用自身的创新能力，赋予产品以独特性与新颖性，使市场主体地位向卖方倾斜，从而掌握了价格上的话语权。由此可知，当产品创新成本高于劳动分工的协调成本时，劳动力市场的资源配置效率会比产品市场更高，即企业平台组织成员开展创新活动的成本更低，此时平台组织统一创新的效果会比众卖家独自开展创新的效果更好；相反，当产品创新成本低于劳动分工的协调成本时，产品市场的资源配置效率更高，即企业平台组织成员开展创新活动的成本过高，众卖家独自创新的效果更好。共享房屋的产权结构正是基于后者的理论前提，因而，众卖家的产品赋能行为能否影响房源销量和价格是本文关注的重点。

本文的贡献与创新体现在如下3点。①从赋能理论透镜，分析共享经济中产品赋能机制的作用原理及特征，促进相关研究的前沿推进。②在研究方法上，本文采用自然实验法，打破了问卷调查法的研究传统。③突破了前期多以声誉机制为切入点的研究范式，本文从剩余索取权的新视角出发，构建了产品赋能的两阶段博弈模型。这有助于深入理解卖家参与共享市场的直接动机与路径，为共享企业的成长以及市场规模扩张提供一定的理论支撑。

1 理论基础与模型构建

1.1 产品赋能机制的理论基础

互联网应用扩张下，组织本位开始让位于组织中人的本位；生产者与消费者“绝对二分”的关系日渐融合；组织与成员的“伙伴关系”凸显，由此引致“服务主导逻辑”开始向“顾客主导逻辑”范式转变，产品赋能机制（product enabling mechanism）便是在这一变革中应运而生的。

顾客主导逻辑范式揭示了产品赋能机制的主体及其角色功能。在服务主导逻辑范式下，平台企业的角色是价值创新主导者、顾客是创新协助者。在这一范式下，顾客围绕企业的价值目标，协同参与研发、生产、销售等环节［15］。顾客主导逻辑范式主张顾客才是价值创新的核心，平台企业转而成为创新协助者。这意味着企业的创新主导地位正在被使用公共资源和服务的“创意精英”所取代。平台企业的组织本位开始让位于共享网络节点中人的本位，企业从思考如何进行产品创新转向思考如何为顾客的创新活动提供更便捷的服务。与此同时，顾客突破以企业为中心的价值网络，转向构建以自我为中心的价值网络。后续研究者在这一范式下提出顾客独创价值理论，主张价值创新是顾客在生产消费过程中利用自身知识、技能，对企业提供的产品进行加工重组，从而创造新价值的过程［16］。该理论特别强调价值创造是由顾客单独完成，顾客与企业间并无直接互动。结合共享平台与卖家的职能分工来看：平台负责标准化管理服务，卖家负责产品价值创新。这说明平台创新能力主要依赖于卖家创新能力“输血”，启发了本文对产品赋能主体功能的定位，即卖家是赋能活动中的主导者，平台企业只起后台支持作用。由此可见，产品赋能机制的本质是平台交易活动与卖家价值创新活动高度分工的结果。这一分工模式既保证了平台管理的高度专业化；又将产品价值创新环节从平台业务内部分离出来，转移给高创造力的卖家完成，最大程度地节约了创新成本。

赋能理论揭示了产品赋能机制自激励、自成长、动态竞争、创新迭代的内涵特征。赋能理论认为，企业组织对成员自身的价值目标予以肯定和支持，是成员提升能力的关键［17］。罗仲伟等［3］以韩都衣舍为对象的案例研究表明，组织赋能机制包括自驱动、共同成长、收益共享等内容。但在共享房屋中，由于卖家拥有房源的资产所有权，从而享有对房屋内的资源进行任意组合、自由增减的权利。这为产品赋能提供了较大的自由度，形成与平台企业之间的创新伙伴关系。因此，共享经济中的产品赋能机制不仅具有自激励、自成长的节点特征，而且具备动态竞争、创新迭代的系统特征。一方面，共享房屋的产权结构，不断激发卖家内在的自主创新精神和创造动力，使卖家能主动、自觉地在共享网络中搜寻信息、研究消费需求变化、分析竞争对手和竞争产品特性，从而改良自身产品或服务，不断提升创新能力，实现自我成长。另一方面，消费者角色又可以与卖家的角色相互转化，为扩大双边市场规模提供了便利。消费者通过入住体验，学习室内陈设和设计理念；同时，自己也可以利用闲置房源成为新的卖家。平台卖家在这种动态竞争环境中，不断完善节点创新，成果经由数字化转换扩散至整个网络，从而实现共享系统的创新迭代。

1.2 产品赋能机制的内在机理分析

共享房屋的产品特性分析，是理解产品赋能机制形成与发展的基础。共享房屋具有4个典型特征：①高固定成本和低边际成本；②用户消费需求的短期更迭性；③卖家价值创新能力的异质性；④设计理念的知识外溢性。

首先，共享房屋的资产所有权在卖家一方，高额固定成本（包含购置、装修设计、添置家具等费用）由卖家单方承担；平台企业只承担消费过程中的损耗成本。这一产权结构意味着资源配置主导权并不在平台。这就与企业直接提供产品服务的共享模式（共享单车、共享充电等）区别开来。其次，共享房屋属于体验型产品，用户消费需求日新月异，难以由平台主导的创新来满足其动态变化。本文通过对用户入住评价的内容分析发现，卖家独具匠心的设计风格、室内陈设偏好、家电器具多样性、人性化附加服务都等都能影响用户消费决策。这表明除了房屋面积、价格外，室内设计细节也具有较高的消费吸引力。由此可见，此类产品资源配置的主导权实质上分散在平台卖家。这也使共享房屋有别于搜索型产品（如滴滴出行等）的共享模式。搜索型产品的用户更注重平台企业提供的服务体验（如连接速度、连接便捷性、信息共享等），较少涉及产品本身的价值创新［18］。前者是卖家自生成创新内容，后者则是平台企业主导创新，这突出了卖家赋能产品的重要性。再次，卖家在房屋装修、实用性能、设计理念等方面具有多样性，这揭示了产品赋能机制的核心功能，即为个性化用户提供差异化产品和服务。最后，共享平台汇集大量的创新信息和知识流。这为网络节点的卖家提供了创新能力提升空间，使产品赋能成为一个动态的交互学习和持续更新的过程，是理解产品赋能机制特征的重要线索。

产品赋能机制的有效性建立在非对称性控制权的产权制度安排上，即平台拥有绝对优势的平台控制权和少量的剩余索取权，而卖家占有绝对优势比例的剩余索取权，但不分享平台控制权。由产权界定的个体回报率是创新活动的关键所在。高额的剩余索取权，不仅能吸纳更多的用户转化为卖家角色，将未充分利用的个人资产货币化，更能激励卖家自觉开发使用资源的新方法，增加创新供给。并且，房源由卖家提供的产权主体属性决定了平台企业的控制权与剩余索取权是非对称的。在交易过程中，平台只收取10%的佣金，即对卖家能力支持的服务费，剩余收入全部归卖家所有。这一产权安排遵循“ALCHIANDEMSETZ效应”，即以高回报的剩余索取权替代对卖家行为的外部监督［19］。本文将平台控制权定义为排他性利用卖家资产从事市场营运的决策权。平台控制权主要体现在对市场准入门槛、房源监督管理、卖家激励约束机制的权力上。本文将平台企业的剩余索取权定义为平台分配和享用卖家创造的经济剩余。平台盈利来源于单笔交易中抽取的服务费用，即当高频率交易累积获得的服务费用大于损耗成本时，平台盈利。这意味着，随着卖家市场规模扩大以及产品销售价格和销售频率的提升，平台的边际利润远大于边际成本。因此，平台看重的不仅是当前交易的短期收入，还包含双边市场扩张后总资产增值的长期收入。这种非对称的产权制度安排，一方面使企业突破了资金、资源等限制瓶颈，能够聚焦于为卖家提供专业化的后台支持与管理服务；另一方面使卖家拥有独立、自主的决策权，能积极主动开展产品价值创新活动。从这一层面来看，产品赋能机制是卖家主动选择交易和剩余权结构交互作用的结果，即卖家遵循获取剩余索取权—赋能产品—提升销量的行为路径。由此，提出如下假设。

H1 产品赋能水平与销量呈正相关关系，销量增加是产品赋能水平提升的结果。

1.3 产品赋能的理论模型

卖家剩余索取利润取决于产品销量和价格两个部分。本文参照WAUTHY［20］的纵向差异模型，构建了一个简单的“产品赋能—销量竞争—价格竞争”两阶段博弈模型。第一阶段是卖家对产品赋能的博弈，这一阶段的竞争体现在通过赋能产品来提升销量；第二阶段是卖家对产品定价的博弈。假设发生在第一阶段博弈中产品赋能的交易费用（包含购置、装修、添置家电设备）是固定的，即c(si)= si22。在第二阶段博弈中，卖家有固定的房屋维护成本，且第一阶段成本在这一阶段被看作是沉没成本。假定共享平台上只有两个卖家，他们的赋能水平有差异，即低赋能水平的卖家s1和高赋能水平的卖家s2，已知s2＞s1，而赋能差异表示为Δs= s2- s1＞0；基于赋能水平的产品定价分别为P2和P1。将用户人数标准化为1 且每个用户具有单位需求，即他们要么支付，要么不支付。假定用户具有效用函数U(θ，s)= θs- p，其中用户对产品的赋能偏好，服从［0，M］上的累积分布函数F(θ)，具有连续密度函数f(θ)，且F(0)= 0，F(M)= 1。显然，具有赋能偏好的用户，更愿意租用高水平赋能的产品，则卖家赋能水平越高，用户的效用越大。该效用函数刻画了共享房屋的纵向赋能差异：给定相同价格p，对任何用户而言，其选择高赋能产品所得效用更高。在上述模型设定下，用户的效用函数表示如下。

利用逆向归纳法求得子博弈精炼纳什均衡。如果用户对产品赋能没有偏好，则用户选择房屋1或是房屋2没有任何差异。公式表示如下。

如果用户对产品赋能的偏好满足以下条件，则该用户在小猪平台上租房和不租房是没有差异的。

根据式（3）和式（5）可以得出具有θ ≥θ˜赋能偏好的用户倾向于租用房屋2，其人数比例为

由式（6）和式（7）分别得出高、低赋能水平卖家的需求函数为

在纳什均衡中，卖家依据自身利润最大化来选择定价策略

其中，c是产品的恒定单位生产成本。假定单位生产成本为0，求得一阶导数为

由式（8）和式（10）求得两种赋能产品的价格反应函数为

根据式（11）推导出高、低赋能水平卖家的均衡价格为

由式（12）可进一步推导得到

式（13）意味着在均衡状态下，高赋能水平的卖家会比低赋能水平的卖家设定更高的房屋价格。将（13）代入式（8）得到均衡需求为

由于对竞争对手的价格对卖家i定价的影响有兴趣，可以进一步推导得到

这也预示着价格是竞争策略的重要补充。当卖家i提升产品价格时，他的竞争对手也会相应提高价格。公式表示如下。

由式（16）可知，这种竞争是非对称性的。当低赋能水平卖家提高定价时，高赋能水平卖家的提价反应会更激烈；而当高赋能水平卖家提价时，低赋能水平卖家的提价反应并不会比前者激烈。由此，本文提出如下假设。

H2 产品赋能水平与价格呈正相关关系，价格上涨是产品赋能水平提升的结果。

2 样本选取与计量模型设定

2.1 数据来源与变量选取

本文采用整群抽样，手工收集成都市五大主城区（锦江区、武侯区、青羊区、金牛区、成华区）点评数3条以上的全部房源，共计1 400个样本。据统计，四川省成都市在小猪平台的订单成交量上位居全国城市排名前三，且五大主城区地处成都市核心区域，避免了地理位置优劣带来的取样偏差。由于点评数在3条以下的房源，平台不予进行综合信用评分，本文将这些样本予以删除。研究团队中的5人各自负责一个区域的房源信息，对每日指定房源的订单数进行追踪采集。其中，各区的有效数据分别为锦江区306个、武侯区219个、青羊区381个、金牛区203个、成华区291个，对5个区的样本进行均值和方差检验，显示5个区的数据来自同一总体。样本期间为6月1日～6月30日，选取6月采集样本，是避免法定节日对数据产生结构性冲击，能更真实反映变量影响大小，控制系统误差。

2.1.1 被解释变量 共享房屋的月销售率（Monthsale）采用一月内成功预订房屋的天数除以总天数来衡量。共享房屋的价格（Price）使用价格的月平均值来衡量。由于小猪平台上卖家拥有即时调价的权利，导致样本期间的房屋价格不是固定不变的。卖家会根据用户的反馈评价、周边房屋价格变化、节假日供求变化等因素的影响实时调动价格；特别是周六、周日大多数房源价格会上涨，因而选取月均值作为价格的衡量指标。

2.1.2 核心解释变量 产品赋能水平（Enabling）采用卖家对房源个性描述（包含认知信任、质量信息、情感表达3个维度）的内容评分来衡量。共享房屋的产品描述分为文字描述和图片展示两个方面，但图片展示部分难以量化，故选择文字描述的内容来进行语义编码、分类和评分（见表1）。

表1 产品赋能的主要内容Tab.1 Content of product enabling

2.1.3 控制变量 用户评分（Rating）采用消费者对产品描述相符程度的评分来衡量。VIGLIA等［21］研究发现用户评分对房屋销售率有显著的积极影响。评分每增加0.1，销售率将上升7.5%。预期用户评分会对房源销量和价格产生正向影响。用户评论数（Reviews）采用房源收到的文字评论条目数来衡量。ÖGÜT和TAS［22］研究发现消费者点评的增加会提升酒店的房间价格和销量。预期评论数能够对房源价格和销量产生正向影响。房源面积（Area）采用共享房屋的室内面积来衡量。YANG 等［23］的研究表明房间数、床位数、设施数量会影响共享房屋价格，而房源面积决定了房间数、床位数和家具设施的数量。预期房源面积会对价格产生正向影响，但不会影响房源销量。性别（Gender）采用虚拟变量，将男性取值1，以控制性别差异的作用。区位因素（District）将锦江区的虚拟变量值取1。研究表明，房源选址［13］、距离市中心远近［14］等区位因素会影响房源的销量和价格。预期具有地理位置优势的区域会提升房源销量和价格。其他房源（Others）采用卖家是否拥有多套房源来衡量，将拥有其他房源的虚拟变量取值为1。分析卖家的内容描述发现，拥有多套房源的卖家会对不同房源采用不同的主题设计风格，并且提供相同质量信息的品质保障，以便用户在其他区域寻找房源时能优先考虑该卖家。基于此，预期拥有多套房源会对销量和价格产生正向影响。星级评定（Great）采用平台是否赋予卖家“超棒房东”称号来衡量，将赋予“超棒房东”的虚拟变量取值为1。LAWANI等［25］研究发现，星级评级对华盛顿餐馆收入具有正向影响，评级每增长一星，餐馆收入将增加5%～9%。预期“超棒房东”称号对房源销量和价格有正向影响。

2.2 产品赋能的内容分析

采用Python3.6软件对房源个性描述内容进行词频统计。具体步骤如下：基于前缀词典实现词图扫描；生成语句中汉字有向无环图（DAG）；利用动态规划锁定路径，找出基于词频的最大切分组合；利用Viterbi算法进行计算［26］。然后，由团队成员5人独立归类词语语义，再综合比较5人的归类结果后形成定稿编码，结果如表1所示。

从文本语义分析来看，共享房屋的产品赋能可分为认知信任（价值观、生活方式、个人偏好、风俗文化）、质量信息（品质、卫生、便捷）、情感表达（亲切感、责任感、归属感）3个维度，共10个指标。为保证与其他评分变量统计口径一致，每一指标的描述得分赋值为0.5。然后对每个维度内容评分加总，最后得到产品赋能的总评分。

认知信任是指卖家通过表达自己的价值观、生活方式、个人偏好，获取具有相似偏好的用户信任。相比于平台交易，共享交易模式包含更多额外的身体或心理危险［14］，因此，认知信任在共享交易模式中起着至关重要的作用。且个人特征的相似性能够唤起用户的积极态度，增强对共享产品的好感［42］。当房源的个性描述符合消费者品位时，双方更容易建立双向信任关系［27］。

质量信息主要指卖家对房源室内硬件与软件设施的质量描述，可分为品质描述、卫生条件描述和便捷性描述3类。图片通常不能展示器具已严格消毒、房源能远眺景点等隐性信息；文字描述却能更好地表现房源的此类特征信息，便于用户基于自身偏好选取“质量—价格”匹配房源。

情感表达主要包含卖家对自身服务态度的评价，或是希望用户入住后能获得的情感体验，以赢得潜在用户的情感共鸣。本文将情感表达分为亲切感表达、责任感表达和归属感表达3类。

2.3 计量模型选择

本文采用Tobit 模型进行实证检验。原因在于1 400个样本数据中有271个房源当月订单率为0，导致因变量形成了正值连续分布但以正概率取零值的数据结构。Tobit模型的一个重要特征是因变量yi只能以受限制的方式被观测到，故采用Tobit 模型对数据结构进行拟合最为合适。因变量左侧删失（left censoring）的Tobit模型的基本形式为

其中，y*i是潜变量，yi表示观测到的因变量值。当y*i＞ 0 时，所观测到的yi值等于y*i；当y*i≤ 0，yi= 0。∅(c)和φ(c)分别表示样本在c点的累积分布与概率密度。Tobit模型的边际效应为回归系数乘以调整因子∅(xiβ/σ)，即β∅(xiβ/σ)。

为考察各解释变量的弹性并消除异方差，依次对共享房屋的月销售率（Monthsale）、产品赋能（En⁃abling）、价格（Price）、房源面积（Area）、用户评分（Rating）、评论数（Reviews）取对数。由于Monthsale 的大部分观测值小于1，导致取对数后ln（Monthrate）小于0，因此将Monthsale 加1后再取对数，这种处理方式不会影响数据在0处被截断的特征。本文采用STATA14.0进行数据处理。

3 实证结果及分析

3.1 描述性统计分析

表2为主要变量的描述性统计结果。月销售率差异较大，最低为0，最高为1，平均值为0.20。产品赋能水平差异较大，最低为1，最高为5，平均值为3.18，标准差为1.36。用户评分的差异较小，最低为4.30，最高为5，标准差为0.06。房源价格差异较大，最低为55，最高为3 980，平均值为291.29。房源面积差异较大，最小为6，最大为630。房屋评论数最低为4，最高为248。31%左右的卖家为男性，约81%的卖家拥有两套以上的房源，获得“超棒房东”称号的房源比例约为6%。

表2 变量的描述性统计Tab. 2 Descriptive statistics of variables

此外，Price与Enabling之间的Pearson相关系数为0.067，Spearman相关系数为0.068，并在5%的置信水平上显著。两者的正相关关系说明赋能水平越高的卖家，其房源租用价格越高，即用户愿意为高赋能型房源支付较高溢价，关于不同产品赋能水平对卖家定价策略的影响还需进一步研究。

3.2 产品赋能水平对共享产品销量的影响

表3同时报告了OLS与Tobit模型对主要变量的回归估计结果。

表3 对房源月销售率的回归估计Tab. 3 Regression estimate on monthly sales rate

首先考虑回归方程中加入变量ln（Enabling）、ln（Price）、ln（Rating）的情况。OLS和Tobit估计的模型1和模型3显示上述变量的回归系数都非常显著，且符号与预期一致。从结果来看，两个模型中产品赋能水平对月销售率都呈现显著的正向影响，即赋能水平越高的房源，月销售率越高。此结论证实了理论模型的H1，即提高产品赋能水平能够提高销售率，与赵占波等［28］的研究结论相反。他们采用搜索型产品作为研究对象，发现产品描述相符程度与销量呈负相关关系。这进一步说明了理论分析中体验型产品与搜索型产品的产品特性存在较大差异。由于篇幅有限，这里未报告OLS估计的其他模型。

考虑产品赋能与价格、用户评论数之间可能存在交互效应，使不同价格、不同评论数的产品赋能对销售率的边际效应存在差异。这里将价格分为5段，具体考察不同价格区间的房源对产品赋能的影响。在模型2中加入控制变量以及交互项Price1×ln（Ena）、ln（Rev）×ln（Ena）。加入交互项后，产品赋能仍然对销售率产生显著正向影响。交互项的系数值表明，价格、用户评分在产品赋能作用于销售率的过程中起到重要作用，其中，价格的交互项系数在10%水平下显著为负，用户评分的交互项系数在1%的水平为负，反映出两者对产品赋能正向影响销售率具有抑制作用。

Tobit 回归的模型4 显示，控制变量中用户评分、性别、有无其他房源、区位因素对销售率都有影响。其中，用户评分对销售率在1%水平上显著为正，说明用户对房源的评分越高，月销售率越高。这与前人关于声誉机制的研究结论基本一致，声誉机制通常包含用户评分、评论数和其他能被觉知的交流信息，这些在用户看来比卖家或者平台的广告更可信［29］。而且，用户评分通常被看作信息质量来源，用户通过其他人的点评来规避风险，减少信息不对称。除此之外，拥有其他房源对月销售率有显著的正向影响，表明用户偏好拥有多套房源赋能的卖家，这可能与卖家的口碑效应有关。区位因素的系数在1%水平上显著，表明区位因素对月销售率具有显著的正向影响，这与付东普和王刊良［30］的研究一致，即地理位置是商品数量和销量的重要信号机制，能影响消费者的购买决策。评论数变量的回归结果较不稳定，虽然评论数在模型4中的正向影响不显著，但在其他模型中有较显著的正向影响。而卖家性别、星级评定对月销售率没有影响。限于篇幅，未列出不显著变量的估计结果。

模型5引入交互项Price1×ln（Ena）后，并没有影响产品赋能对月销售率的正向作用，但交互项对销售率的估计结果具有不同的影响。产品赋能与价格的交互项系数在1%的显著水平为负，反映出价格对产品赋能正向影响销售率具有抑制作用。对比模型4和模型5可知，价格对月销售率的负向作用在引入交互项后变得不显著，说明用户不仅看重价格差异，还会考虑房源的赋能效果。用户评论数对月销售率有积极作用，评论数越多的房源，月销售率越高。评论数越多，说明产品的受关注度越高，越能引起潜在消费者的关注热情［31］。其他控制变量的结果基本稳定，系数值和标准差有略微变化。模型6引入交互项ln（Rev）×ln（Ena）后，不仅没有影响产品赋能对月销售率的正向作用，也没有影响评论数对月销售率的正向作用。但产品赋能与用户评分的交互项系数在1%的显著水平为负，反映出用户评分对产品赋能正向影响销售率具有抑制作用。模型7同时引入Price1×ln（Ena）、ln（Rev）×ln（Ena）后，仍然没有影响产品赋能对月销售率的正向作用，而用户评论数的交互项对产品赋能正向影响销售率的抑制作用依然显著。但价格交互项对产品赋能的作用不显著，需要进一步分析。将价格区段与产品赋能交乘，来考察不同价格区间的房源对产品赋能影响月销售率的抑制作用，结果表明，4个交互项系数均在10%水平上显著，说明价格抑制作用的稳定性。

下面根据Tobit估计的模型3来报告边际效应。将模型3的回归系数值乘以调整因子α=0.596（变量取平均值且参数取估计值处），依次得到产品赋能、价格和用户评分3 个变量调整后的估计值，分别为0.053、-0.028、1.126。与OLS回归中的模型1中的估计值相比，产品赋能水平值有所下降，从0.071下降到0.053，表明OLS模型高估了这一变量的边际效应。而且，Tobit回归估计值的R2显著高于OLS回归，验证了计量模型选择的正确性。将各变量的平均值和估计系数代入式（18）求得E［ln（1+Monthsale）|x］，同时换算得到E［Monthsale|x］的差值，可以算出赋能水平（均值为3.18）每增加0.50 分，月销售率将会提升0.75。价格（均值为291.29）每下降10%，月销售率将提升0.24；用户评分（均值为4.97）每提高0.01分，月销量率将提升0.13。可见，月销售率对产品赋能的弹性较大，这是因为共享房源的市场竞争非常激烈，用户对产品赋能水平较为敏感；相较于用户评分，月销售率对价格的弹性也非常大。理论模型中式（16）的推导分析结果，价格是竞争策略的重要补充。

表4主要考察产品赋能的水平区间对销量的影响。回归结论进一步论证了H1，即产品赋能水平对销量具有正向影响。将产品赋能水平分成4个区段（1～2分、2～3分、3～4分、4～5分），共设置3个虚拟变量。同时将价格变量分成5个区段，将评论数分成3个区段。由于将变量分段，这里不再作对数处理。从表4的模型8到模型11的回归结果来看，Ena2-Ena3的系数均不显著，说明产品赋能为1～2分与2～3分卖家销量之间的差别不大，而Ena3-Ena4、Ena4-Ena5这两个变量的系数在1%水平上显著为正。对3个变量系数值进行Wald 检验，并未发现产品赋能对销量有递减效应，表明产品赋能只有超过临界点（3分）才可能影响销量。其他控制变量与表3中Tobit回归模型的估计结果基本一致，说明控制变量的回归结果具有稳定性。

表4 对月销售量的分段Tobit估计Tab. 4 Segmented Tobit regression estimation on monthly sales

3.3 产品赋能水平对共享产品价格的影响

表5主要考察产品赋能对价格的影响。回归结果验证了H2，即产品赋能水平对价格具有积极影响。在模型12至模型16中，产品赋能对价格的影响均在1%水平上显著为正，说明提升卖家产品赋能水平能够为房源定价带来积极作用。下面以模型12为例来说明产品赋能的边际效应，一个具有样本平均特征的卖家（均值为3.18），产品赋能水平每高出0.5分，用户愿意额外支付的价格比率会高出0.05［ln（3.68）-ln（3.18）］=0.32%。进一步考察赋能的水平区段对价格的影响。其中，Ena2-Ena3、Ena3-Ena4的系数都不显著，说明产品赋能为1～2分与2～3、3～4分间对价格的影响差异不大，而Ena4-Ena5这一变量的系数在5%水平上显著为正，表明产品赋能只有超过临界点（4 分）才能提升价格。限于篇幅，省略了回归结果。

模型12中的其他控制变量，房源面积的系数值为0.594，且在1%水平上显著，说明房源面积越大，卖家设定价格越高；月销售率的系数值为0.132，在1%水平上显著，说明月销售率与价格呈反比，符合需求定律。模型13加入了用户评分变量，用户评分的系数为1.515，且在1%水平上显著，表明用户评分对卖家设定价格有积极影响。模型14 加入拥有其他房源，拥有其他房源的系数为0.042，且在5%水平上显著，说明卖家拥有其他房源对价格有积极作用。模型15加入了星级评定变量，星级评定的系数为0.059，且在5%水平上显著，表明平台赋予卖家的“超棒房东”称号对价格具有正向影响；且相较于产品赋能的系数0.05，星级评定的影响更大。模型16加入了区位因素，区位因素的系数为-0.033，且在1%水平上显著，表明处于不同地理位置的共享房屋，其价格具有显著差异。卖家性别和用户评论数对价格的影响不显著，限于篇幅，表5未列出不显著变量的回归结果。

表5 对产品价格的OLS回归估计Tab. 5 OLS regression estimate on product prices

上述结果表明，产品赋能水平对房源价格具有显著正向影响，但其作用较小；只有高于4分的产品赋能水平，才能对价格提升发挥作用。房源价格主要受到用户评分、房源面积的正向影响，以及月销售量的负向影响。除此之外，星级评定、卖家性别、区位因素也在价格竞争中起到了一定作用。获得“超棒房东”称号能够对房源价格产生正向影响。相对于男性卖家而言，女性卖家的房源销售价格更高。位于不同区域的共享房屋，房源价格具有显著差异。

4 研究结论及展望

4.1 研究结论

本文聚焦于共享经济中的产品赋能机制，通过构建模型阐释了这一机制的内涵特征、作用机理，并实证检验了产品赋能机制的经济价值，研究获得了以下发现。①产品赋能机制是共享经济区别于其他平台经济的核心动力机制。它是指卖家通过共享网络获取信息资源和知识，提升产品价值创新能力的作用机制。这一机制遵循顾客主导逻辑范式，具有自激励、自成长、动态竞争、创新迭代的特征。②平台卖家是产品赋能机制的主导者，拥有对产品价值创新的决定性话语权。卖家赋能产品，遵循“获取高额剩余索取权—价值创新—销量竞争—价格竞争”的行为逻辑。③产品赋能对共享产品销量具有正向影响。产品赋能水平的边际效应值为0.05，即产品赋能水平每增加0.50分，月销售率将会提升0.75。但这种影响受到价格和用户评论数的抑制作用，不过这种抑制作用并没有改变产品赋能对销量的正向影响。且只有当产品赋能水平通过临界值（3分）时，才能对产品销量产生积极作用。④产品赋能对共享产品价格具有正向影响。产品赋能水平的边际效应值为0.05，即产品赋能水平每高出0.5分，用户愿意额外支付的价格比率会高出0.32%。且只有当产品赋能水平通过临界值（4分）时，才能对产品价格产生正向影响。

4.2 理论贡献

本文提出了共享经济情境下的产品赋能概念，并阐明其中的赋能主体和主要内容，丰富和拓展了相关理论基础。首先，从用户独创价值出发，突出了用户在价值创造活动中的主导者角色。在传统经济中，企业既要管理生产任务，又要管理创新任务，导致价值创造活动可能缺少灵敏度；在共享经济中，企业将创新环节下放至用户层，能有效实现创新的社群型黏连和个性化服务供给。而以往文献从企业立场出发，将价值创造视为企业与用户间的二元关系互动，忽视了用户才是终极价值创造者。共享经济不是一次性交易，而是一个分享—价值创新—再分享的动态循环过程，使卖家能在“干中学”中不断提升创新能力。其次，利用内容分析法，提炼出产品赋能的认知信任、质量信息和情感表达的3个维度。这一分类有效突出了异质性卖家的价值创新特征。当企业作为价值创新的主导者，将采用标准化、规模化的创新模式；当卖家作为价值创新的主导者，能提供差异化、多元化的创新内容，切实满足用户多样化的消费诉求。实际上，产品的动态创新依赖于劳动分工网络的大小，劳动分工网络又取决于异质性卖家的专业化水平，这正是促进共享企业规模扩张的关键所在。以往的赋能研究多聚焦于平台赋能或平台与用户的互动关系赋能，而本文重新界定了平台卖家的赋能主体地位。

本文揭示了产品赋能机制在共享经济中具有非对称控制权的重要经济特征，即平台与卖家各自拥有绝对优势的控制权和剩余索取权。这为深入理解共享经济中独角兽企业的增长源泉提供了理论支持。伴随平台分工精细化和卖家专业化程度的加深，非对称性产权制度安排不仅给予了卖家自我监督、自觉创新的空间，并且强化了人力资本的资产专用性。共享房屋的高固定成本特性使卖家因高退出成本而长期滞留在平台上，共同承担平台企业的风险。同时，为获取高额剩余所有权，卖家利用平台提供的服务供给不断提升产品赋能水平，形成人力资本的资产专用性。得益于共享经济的动态创新过程，卖家的专业化差异将逐渐缩小。如通过对高销售额或获得“超棒房东”称号产品的赋能技巧进行学习，并在此基础上进行二次创意，大大降低了卖家的创新门槛，提升了创新质量。随后，房源设计或服务之间的差异性减小，将迫使创意精英进行开创性创新，卖家间的专业化能力差异又会逐渐增大。卖家间创新差距的波动过程，最终将汇聚为共享平台的动态比较优势，从根本上重塑了共享平台型企业的创新逻辑。

最后，本文根据用户赋能产品的直接动机，对产品赋能机制的影响路径进行了探究。以往研究讨论了声誉机制、信任机制等交易机制的作用，忽视了产品赋能机制在共享经济中的重要价值。本文在构建的产品赋能博弈模型中发现产品赋能的影响分为两个阶段：第一阶段是卖家通过赋能产品来提升销量，第二阶段是卖家通过赋能产品来提升价格。第一阶段的产品赋能主要指物质资本投入（如房屋装修、家用器具等），具有较高的固定成本。第二阶段的产品赋能主要指人力资本投入，取决于卖家的设计理念、产品或服务的新颖性、独特性。卖家在文化背景、专业技能上的差异，使其赋能水平存在差异。本文将其划分为高、低赋能水平的卖家。本文的研究表明，赋能水平更高的房源，其销量和价格都更高，表明消费者更偏爱高赋能水平的房源。同时，本文的模型表明，产品赋能具有非对称性的竞争特征。即当低赋能卖家提高定价时，高赋能卖家的提价反应会更激烈；而当高赋能卖家提价时，低赋能卖家的提价反应并不会比前者激烈。这一特征将强化人力资本的资产专用性，为平台持续引入新的设计理念和更具创造性的见解。

4.3 管理启示

共享企业的创新逻辑应从平台主导逻辑转向用户主导逻辑。用户主导创新的逻辑，能有效实现交易管理活动与创新活动的高度分工。这一分工既保证了共享平台在交易管理活动中的高度专业化，节约了交易成本；又利用人力资本的资产专用性优势，使产品创新成本低于劳动分工的协调成本，快速而低成本地实现创新迭代。用户主导逻辑下的产品赋能机制，更是催生出专业化的平台卖家，在他所专注的领域增加创新供给、提高创新质量。同时要注意，平台的后台支持是这一机制的重要保障。首先，平台作为网络服务中心，应为卖家提供能充分展示自身卖点和发挥创造力的虚拟空间，协助卖家扩大服务半径。其次，平台应利用高效的服务团队运营和维护共享网络，为卖家提供实时更新的信息、资源和知识。最后，平台应为卖家的产品赋能活动提供良好的支持环境，满足卖家对人身和财产安全的诉求。

产品赋能机制是共享平台实现创新迭代、重塑竞争壁垒的有效激励机制。共享企业应切实优化共享网络，发挥产品赋能机制的激励作用，最终实现品牌声誉溢价。产品赋能机制运行的关键在于卖家有自由配置生产要素的自主权。卖家既可根据消费者对等价产品的赋能需求，更新并改进自己的产品，也可以根据卖家之间有价值的知识传授，提升自身的产品赋能水平。平台的作用主要是将处于不同层次的价值网络节点并具有某种专用资产（能力）的用户联结在一起，共同形成创新网络，增加市场厚度。同时，保障任意节点上卖家的创新成果都能通过数字化转换分享到整个共享网络，为其他成员提供了可参考的创新信息，促进卖家产品赋能水平的提升。这使平台在价值捕获中拥有先发优势，其产品在市场竞争中的生态位重叠度较低，是平台获取高额回报的源泉。

4.4 研究局限与展望

本文存在以下两点局限。①共享经济领域的行业间差异较大，其共享模式及其价值创新方式存在显著区别，导致研究结论可能只适用于体验型共享，难以推广至搜索型共享。②在产品赋能各维度的评分上，可能存在研究者的主观判断等干扰因素，研究结论可能存在一定程度的偏差。

未来研究可向3个方面进行拓展。①深入剖析产品赋能机制，在其他新兴商业模式中的作用机理，对其功能特征加以丰富、完善。②针对产品赋能机制在大众创新、创业中的收入效应，进行多视角分析和检验。③考察产品赋能的具体维度对销量和价格的影响。