人工智能如何重构商业模式匹配性？——新电商拼多多案例研究.docVIP

人工智能如何重构商业模式匹配性？——新电商拼多多案例研究 摘要：人工智能重构了商业模式匹配性，但其过程机理仍不甚清晰。本文立足于人工智能在零售电商个性化推荐的具体应用情境，从人货匹配的研究视角出发，基于服务主导逻辑的理论基础，依据商业模式画布和零售业本质构造出针对零售电商企业“人”“货”“场”的模块划分，并通过对新电商拼多多的案例研究，归纳出人工智能重构商业模式匹配性的机理。研究表明，伴随匹配逻辑由商品主导逻辑向服务主导逻辑的转变，人工智能通过对“人”的中心化、社群化和场景化的协同性重构刻画用户特征，通过对“货”的在线化、精准化和情感化的协同性重构丰富产品属性，基于人工智能对“人”和“货”的重构，“场”突出了多元化场景下用户特征与产品属性的精准对接，使得人货匹配路径由“人找货”转变为“货找人”，其特征差异表现为匹配方式由“物以类聚”转变为“人以群分”，匹配程度由“千人一面”转变为“一人千面”。本文在一定程度上打开了人工智能重构商业模式匹配性的“黑箱”，为零售电商企业进行人工智能赋能下的商业模式创新提供了理论和实践层面的指导。 关键词：人工智能，商业模式匹配性，人货匹配，服务主导逻辑，拼多多 一、引言 人工智能（artificial intelligence，AI）指计算机基于大数据、机器学习算法和算力，模拟人类系统思维和自主决策能力，进而替代人类更高效地完成特定工作的技术。得益于互联网时代大数据、云计算、物联网等底层技术及软硬件资源的积累和提升，人工智能进入了快速发展阶段，并且逐渐成熟至满足商业化条件①。深度学习②是当前人工智能商业化进程中应用最广泛的一种机器学习方式，它能够基于用户特征和产品属性等关键信息的提取实现营销场景的个性化预测、推荐和匹配。例如，新电商平台拼多多利用其领先的分布式AI技术，实现了商品消费环节基于人人以及人机交互的智能推荐，类似的情境还有淘宝的“猜你喜欢”，以及今日头条的“你关心的，才是头条”。可见，人工智能重构了商业模式匹配性，业界众多的实践表明，“人”（即用户，也是顾客、消费者、买家等的统称）与“货”（即产品，也是商品、信息、服务等的统称）的匹配路径正在由“人找货”转变为“货找人”，但其背后究竟隐藏着怎样的机理呢？ 人工智能商业化及其对商业模式匹配性的重构也吸引了学界的关注。现有文献多从宏观概念（Kaplan和Haenlein，2019）、产业结构（郭凯明，2019；陈彦斌等，2019）、伦理冲突（Wright和Schultz，2018；谢洪明等，2019）、监管治理（贾开，2019；唐钧，2019）以及对传统理论的颠覆（何大安，2018；高山行和刘嘉慧，2018）等方面对人工智能展开探讨，少量文献开始关注人工智能商业化应用为企业带来的管理变革，例如，徐鹏和徐向艺（2020）从管理属性、管理对象、管理决策以及管理伦理四个方面梳理了人工智能商业化应用下企业管理变革的逻辑，提出了诸如管理过程的“技术性”“人工智能员工”“最优决策”等一系列新概念和新问题，但此类文献缺乏对人工智能商业化具体应用情境下具体应对举措的探究。同时，随着开放平台、开源算法的应用，人工智能的使用门槛正逐步降低，企业可利用人工智能来为细分行业和具体场景赋能，这一方面促进了人工智能商业化的应用进程，另一方面也对人工智能下的商业模式提出了新的要求（Garbuio和Lin，2019）。商业模式（business model）是描述企业如何创造、传递以及获取价值的基本原理（Teece，2010；Osterwalder和Pigneur，2010），人工智能的发展推动着商业模式的变革，其所蕴藏的潜在价值也需要通过商业模式的落地实施得以释放（Chesbrough，2010），此过程将不可避免地重构商业模式匹配性。商业模式匹配性（the fit of business model）指商业模式内部要素和外部环境、交易主体和交易客体，亦或供给和需求之间对接、撮合以及交互的方式（Amit和Zott，2001；Teece，2010；Osterwalder和Pigneur，2010）。普遍认为，零售业是连接“人”与“货”的“场”，“场”即人货匹配，人工智能技术使得“人”与“货”实现更高效率的匹配，进而重构商业模式的运行机理（刘润，2018；江积海，2019），但是现有相关文献主要探讨商业模式属性特征及其影响因素的不同匹配如何作用于企业绩效（Zott和Amit，2007，2008），较少基于人工智能商业化应用情境下针对零售电商个性化推荐的人货匹配视角，来探究商业模式匹配性重构的机理。更进一步地，人工智能的商业化应用诞生于信息与通讯技术（ICT）迅猛发展、顾客需求日趋个性化与多元化、企业竞争日益全球化与白热化的互联网时代，而服务主导逻辑（service domin