MISQ: 生成平台内容的平台信令

本文是针对论文《生成平台内容的平台信令（Platform Signaling for Generating Platform Content）》的一篇论文解析， 该论文于2020年9月发表于MIS Quarterly。该研究的作者分别是来自哥本哈根商学院的Philipp Hukal、迈阿密大学的Ola Henfridsson、伦敦国王学院的Maha Shaikh和达特茅斯学院的Geoffrey Parker。

研究背景

平台内容的生成对于平台成长和竞争至关重要。数据、应用程序或媒体形式的平台内容的持续供应增加了平台对于用户的价值。在许多情况下，这种内容是由平台补充者产生的，其为互补产品或服务提供投入。然而，压倒性数量的平台补充者使得平台运营商不可能与每个补充者就期望哪些内容贡献进行广泛的交流。因此，平台运营商需要找到一种方式向平台互补者传达战略利益。本文采用混合方法设计，使用来自地理数据平台OpenStreetMap的数据来开发和测试两种不同类型的平台信号：(1)机会信号，旨在刺激平台新领域的活动；(2)认可信号，旨在增加平台现有领域的活动，探究平台的两种信号如何影响平台内容的生成（平台上信息的数量和多样性）。

模型建立

文章采用混合方法，使用数量主导的方法实现了顺序设计。文章作者首先利用平台文献来假设两种信号类型的存在和影响，以及它们背后的战略利益。其次，对论坛数据进行深入的内容分析，为开放街道地图平台运营商使用的每种信号类型提供证据。最终，使用来自OpenStreetMap的两个标记地理数据的原始数据集，使用定量分析技术来测试提出的假设。

假设提出

发出与平台合作的新机会的信号通常是出于促进平台双方进一步活动的愿望。例如谷歌在观察到类似服务的足够需求后，决定在安卓平台上提供自己的照片应用程序，研究发现，这一决定增加了相应应用程序类别以及新用例邻近区域的需求。因此假设使用信号来提醒补充者平台上的新机会将对内容的生成产生积极的影响（H1a）。另外，在平台上创造新的机会可旨在增加不同类型内容的生成。对于平台运营商来说，至关重要的是启用真正补充现有活动概况的新活动。表达平台运营商对提供新活动的战略兴趣的信号提醒平台上的补充者新机会。最终，这将影响平台上各种新颖内容的生成。这样的信号让平台运营商的未来愿望变得清晰。它传达了在平台上哪个活动领域需要互动，以及通过平台上提供的新的和相邻领域的活动的相互作用，期望新的内容组合。因此假设就多样性而言，发出新机会的信号也会增加平台内容的生成（H1b）。

平台运营商在平台现有活动领域产生内容方面也有战略利益。认可信号表示对第三方的支持，可以包括满足第三方请求、认证补充者或促进理想的第三方行为。认可信号旨在通过有选择地支持第三方行为者，鼓励互补者参与现有的活动领域。一方面，这种信号向补充者保证，从长远来看，他们对平台的承诺是值得的；另一方面，获得认可的互补者享有突出的地位，而其他互补者可能希望复制他们的成功。因此，假设对补充者活动的认可信号刺激了平台内容在数量上的生成（H2a）。此外，平台运营商必须在刺激平台活动的同时避免过度拥挤之间进行权衡。在这种情况下，平台运营者需要通过补充者来管理大量并发输入，以刺激不仅更多而且不同种类的内容的生成。通过表明对支持平台上特定活动的兴趣，认可信号通过关注平台内容的生成与运营商的兴趣相一致的领域来解决过度拥挤的问题。此外，认可信号有助于克服平台上固有的信息不对称，并引导新型平台内容的生成。因此，作者假设通过引导平台内容生成的理想变化，对特定活动的信号认可也有利于平台内容的多样性（H2b）。

内容分析

作者通过从OpenStreetMap维基论坛收集数据来识别平台信号，抽样了10个通用标签，为了反映平台上生成的内容的数量和多样性，根据使用(对象数量)、多样性(键=值标签对的数量)和目的(对广泛应用的有用性)的相似性标准对标签进行了采样。OpenStreetMap论坛是接受标签的核心。标签通常通过平台社区成员发起的投票过程来接受。作者分析了标签接受建议，并研究数据库中每个抽样标签的操作员投票，以识别平台上的信号。当对标签的接受是出于对向新的活动领域开放平台的兴趣时，会将标签接受分类为机会信号。当标签的接受是由第三方用例的选择性支持所驱动时，将标签分类为认可信号。表1总结了作者对两种一般信号类型的概念化。

验证性假设检验

在OpenStreetMap的背景中，内容生成与数据库中地理数据对象的数量和详细程度有关。因此，基于以上对内容生成的概念化，将标签用法和标签出现作为表示平台上信息量和多样性的增长的两个因变量。作者利用OpenStreetMap数据库中2009年5月到2014年12月在欧洲创建的所有地理数据对象的完整历史，生成了两个数据集，每个数据集都关注平台增长的重要方面：平台内容的数量和多样性。为了分析信号对平台内容量的影响，文章使用logistic回归来评估根据信号接受的标签是否可能比平台的其他部分增长得更快。为了研究信号对平台内容多样性的影响，文章使用了一个quasi-Poisson模型来比较接受对每个标签在接受前后提供的细节水平的影响。在这两种情况下，作者利用广义线性建模框架，通过线性推理来分析非正常数据结构，同时确保可解释性。假设检验结果如下图所示：机会信号在数量和多样性上增加了平台内容，而认可信号在数量上增加了内容，但在多样性上没有增加。

研究贡献

本文研究平台信号及其对平台内容生成的影响。该研究扩展了现有的平台治理文献，详细阐述了平台信号如何引导数字平台上的内容生成。平台运营商可以使用信号来制定策略，并传达平台上哪里以及需要哪些内容贡献。如果平台运营商能够正确识别和传达所需的内容质量，信号可以在数量和多样性方面指导平台上的内容生成。为了提高信号的功效，平台运营商应注意刺激生成所需内容、属性或特征所需的信号通信的强度和一致性。如果执行得当，信号可以提供一个强大的杠杆，平台运营商可以利用它来指导数字平台上内容的生成，从而支持平台的增长。

参考文献:

Philipp Hukal, Ola Henfridsson, Maha Shaikh, Geoffrey Parker (2020) Platform Signaling for Generating Platform Content. 44(3):1177-1205, 10.25300/MISQ/2020/15190.