本研究名为“something old, something new: a longitudinal study of search behavior and new product introduction”，由 riitta katila（斯坦福大学）和 gautam ahuja（密歇根大学）合作完成，发表于 academy of management journal 2002年第45卷第6期。

学术背景 该研究属于组织学习与创新管理领域。传统组织学习研究认为，企业的搜索或问题解决行为存在于一个一维的连续谱中，一端是“利用性搜索（local search）”，另一端是“探索性搜索（distant/exploratory search）”，两者是此消彼长的权衡关系。然而，作者指出这一经典框架存在局限，未能完全捕捉企业搜索行为的复杂性。企业开发新产品的能力是其创新能力的核心，但企业常常感到创新困难。本研究旨在从企业搜索行为的视角，解释其新产品引入的绩效。作者提出，企业的搜索努力并非单一维度，而是同时体现在两个独立维度上：搜索深度（search depth）——指企业重复利用其既有知识的频率；搜索广度（search scope）——指企业探索新知识范围的广泛程度。本研究的目标是，在全球化工业机器人产业背景下，实证检验搜索深度、搜索广度及其交互作用如何影响企业引入新产品的数量，从而深化对组织搜索与产品创新关系的理解。

详细工作流程 1. 研究样本与数据选择：研究样本选自欧洲、日本和北美工业机器人行业的公司。选择该行业的原因包括：行业研发密集度高，适合分析新产品搜索；机器人技术是电子、新材料、光学等多技术复合且快速演变的领域，缺乏统一标准，搜索活动涉及复杂问题解决。通过查阅行业杂志、目录及咨询专家，研究者构建了公司名单，最终样本为124家公司（78家日本、27家美国、19家欧洲），公司规模差异显著。数据时间跨度为多年。主要使用两类数据源：新产品引入公告和专利数据。 2. 变量测量： * 因变量：新产品数量（number of new products）。采用Martin & Mitchell（1998）的定义，即产品设计特征的任何变化。通过机器人技术及贸易杂志的编辑控制新产品公告版块、产品目录等渠道收集，并交叉验证可靠性，最终共识别出1898个新产品引入事件。 * 核心自变量：使用企业专利申请活动来衡量搜索行为。认为专利包含技术问题和解决方案的描述，能反映企业如何解决问题（搜索）。 * 搜索深度（search depth）：衡量对已有知识重复利用的经验积累。操作化为：在当年（t-1年）专利申请引用的文献中，计算每篇引用文献在过去五年内被该公司重复使用的平均次数。 * 搜索广度（search scope）：衡量对新知识的探索程度。操作化为：在当年（t-1年）专利申请的引用文献中，新引用（即在过去五年内未出现过的引用）所占的比例。 * 控制变量：包括协作频率、企业绩效（资产回报率ROA）、研发支出、产品多元化程度（使用熵指数）、国家效应虚拟变量（美国公司、欧洲公司，日本公司为参照组）、公司规模（员工数）以及年份虚拟变量以控制时间趋势。 3. 数据分析方法：因变量（新产品数量）为计数数据，因此研究采用面板泊松回归（panel poisson regression）。为了控制公司层面的异质性以及时间序列上的自相关性，研究使用了广义估计方程（generalized estimating equations, GEE）回归方法。所有自变量和控制变量均滞后一期。为了处理潜在的数据过度分散问题，报告了稳健标准误。在回归分析中，对搜索深度和搜索广度变量进行了中心化处理，然后创建它们的交互项。

主要结果 1. 描述性统计与相关性：样本公司平均每年引入约1个新产品。搜索广度平均值为0.74（即约74%的引用是新的），搜索深度平均值为0.22（即每个引用在之后五年内平均被重复使用0.22次）。重要的是，搜索深度与搜索广度之间的相关性很低且不显著（-0.003），支持了它们是两个独立维度的论点。 2. 假设检验结果（基于完整的模型6）： * 假设1：预测搜索深度与新产品创新呈倒U型关系。结果支持该假设。搜索深度的系数显著为正，其平方项的系数显著为负，表明适度重复利用现有知识有益于新产品产出，但过度依赖（深度过大）会导致产出下降，支持了存在收益递减和组织刚性的观点。 * 假设2：预测搜索广度与新产品创新呈倒U型关系。此假设未得到完全支持。虽然加入了搜索广度的平方项（模型7）并未显著改善模型拟合，但搜索广度的一次项系数（模型6）显著为正。这表明，在研究的样本范围内，搜索广度与新产品产出呈现正向线性关系，而非倒U型关系。作者推测可能的原因是，企业很少在广度维度上“过度搜索”，因为探索新知识成本较高，大多数企业更倾向于本地搜索。 * 假设3：预测搜索深度与搜索广度的交互作用对新产品创新有正向影响。结果支持该假设。搜索深度与搜索广度的交互项系数显著为正，表明深度搜索和广度搜索能够相互促进，结合使用比单独使用任何一种都能产生更多的新产品。这种互补效应与吸收能力（现有知识有助于吸收和开发新知识）和创造独特组合的理论预期一致。 3. 控制变量的影响：研发支出和协作频率对新产品数量有正向影响。与现有文献一致，日本机器人公司在创新方面表现优于欧美竞争对手。 4. 稳健性检验：研究进行了多项敏感性分析以验证结果的稳健性，包括：控制行业需求（全球机器人安装量）、替换公司规模为控制变量、同时纳入研发和规模变量、使用研发强度替代研发支出、控制收购活动、使用不同数据源测量搜索变量（如结合美国及外国专利数据、延长回溯期至六年、排除自我引用、使用机器人应用领域数据替代专利数据）以及采用多种方法处理未观测异质性（如滞后因变量、预样本控制变量、负二项回归等）。所有检验均一致支持主要研究结论。

结论与意义 本研究的主要结论是，企业的产品搜索行为是一个二维构念，包含搜索深度和搜索广度两个独立维度。两者对新产品创新均有重要且不同的影响：搜索深度存在倒U型影响，搜索广度（在观测范围内）有正向线性影响，且两者存在显著的互补效应。这一发现挑战了传统上将探索（exploration）与利用（exploitation）视为单一连续谱两端的观点，将其扩展为一个二维框架。研究表明，企业不仅可以在探索新事物的程度上有所区分，也可以在精通现有事物的程度上有所区分。成功的搜索战略需要平衡和结合这两个维度——即同时利用熟悉的知识和探索不熟悉的知识，而非非此即彼。

从理论价值看，本研究为组织学习和搜索文献做出了贡献，详细剖析了搜索行为的不同维度及其绩效影响机制，响应了学界对知识创造过程（相对于知识保留和转移）更多研究的需求。它也将动态能力理论具体化，探讨了问题解决（搜索）这一核心动态能力，表明企业搜索方式的差异是绩效差异的来源之一，这为资源异质性观点提供了支持。

从实践价值看，研究提醒管理者，最有效的产品开发搜索策略位于深度利用和广度探索的交叉点。企业应监控自身在深度和广度上的搜索行为，并努力实现两者的平衡与结合。研究还提供了一种基于公开专利数据度量搜索深度和广度的实用方法，管理者可以跨时间和竞争对手计算这些指标，为跟踪、聚焦和调整公司的搜索努力提供参考框架。

研究亮点 1. 理论创新：首次明确提出并实证验证了“搜索深度”与“搜索广度”这一二维搜索框架，突破了传统的“利用-探索”一维权衡模型，是对组织学习理论的重要拓展。 2. 方法严谨：采用纵向研究设计（跨度十余年），结合行业产品公告与专利数据，构建了可量化的搜索深度与广度指标。使用了适合计数数据的面板泊松回归和GEE方法，并进行了广泛而系统的稳健性检验，确保了研究结论的可靠性。 3. 研究发现深刻：不仅证实了搜索深度与广度的独立效应，更重要的是发现了二者之间积极的交互作用，表明企业可以且应该同时进行深度学习和广度探索，这为企业的创新管理提供了更精细、更具操作性的战略指导。 4. 意外发现的启示：搜索广度未呈现预期的倒U型关系，而是线性正相关，这一发现本身具有启发性。它可能反映了在高技术复杂行业中，由于新知识探索本身难度大、成本高，企业很少会“过度”进行广度搜索，因此主要表现出其收益递增的一面。这呼应了现实中企业倾向于本地搜索的现象。

其他有价值内容 研究在讨论部分指出了未来研究方向：本研究主要使用档案专利数据测量搜索过程，建议未来可采用调查、案例研究等互补方法进行深入探索。此外，理解那些成功管理深度与广度搜索组合的组织与那些失败的组织之间的差异，也是一个富有前景的研究方向。研究还暗示，其框架可能适用于其他高科技行业（如制药、电信、计算机行业），但需在未来研究中进一步验证。最后，研究强调了内部搜索能力作为竞争优势来源的稳定性，这比依赖外部获取可能更具战略意义。