该文档发表在《管理世界》2020年第3期，题为《成长品：数据驱动的企业与用户互动创新案例研究》，主要作者为肖静华、胡杨颂、吴瑶（通讯作者）。研究得到国家自然科学基金及中国博士后科学基金等项目资助，并被评为“中国企业管理案例与质性研究论坛（2019）”最佳论文。
学术背景与研究动机 本研究属于工商管理领域，聚焦于数字经济时代的产品创新理论。传统产品创新理论主要围绕“成品”展开，即研发生产后形态和功能基本固定的产品，其更新依赖周期性的代际迭代。然而，在数字经济时代，用户需求呈现出易变性、不确定性、模糊性和复杂性等特征，传统的成品创新模式面临挑战。与此同时，大数据、人工智能等数字技术的成熟，使得企业能够以较低成本实时获取并分析全量用户数据，为产品形态的根本性变革提供了技术条件。实践中已经出现了能够根据用户反馈实时调整自身内容或功能的产品形态，例如程序化创意广告和智能定制护肤品。然而，现有理论未能对这一新兴现象进行有效界定和解释：既缺乏对这类“具有成长特征”产品形态的明确划分与机制探讨，也缺乏超越传统“决策逻辑”和“创生逻辑”的新的创新逻辑来诠释其应对不确定性的方式。针对这两个理论缺口，本研究旨在通过案例研究，提出“成长品”这一新概念，并深入探究其核心特性、成长机制与创新逻辑。
研究方法与详细工作流程 本研究采用单案例、归纳式理论构建方法，旨在探索数字经济时代“成长品”这一新现象。研究流程主要包括研究对象选取、数据收集与数据分析三个阶段。
第一阶段：研究对象选取 研究遵循启示性与匹配度原则，选择了数字广告行业的K公司作为案例企业，并将其核心产品——程序化广告创意产品——作为“成长品”的研究对象。选择依据在于：首先，数字广告行业具有高度数字化和用户互动紧密的特点，是观察数据驱动创新的理想情境；其次，K公司的程序化广告创意产品能够根据用户行为数据实时调整广告内容，完美体现了“成长”特性；最后，K公司及其合作方（广告主、媒体平台）给予了高度的研究配合度，保证了数据获取的深度与三角验证的可能性。该产品通过要素解构与重组、实时优化和量化分析三项关键技术实现其成长性。
第二阶段：数据收集 为全面揭示成长品的成长机制，研究团队采用了多对象、多途径的数据收集策略，时间跨度从2018年2月至2019年8月。 1. 多对象访谈：不仅深度访谈了K公司内部高管、产品、设计、运营、技术等不同部门的19名员工（共计26人次），还扩展调研了与其合作的1家媒体平台和3家广告主的13名管理人员（共计14人次），以确保从产品设计方、投放平台方和需求方（广告主）多个视角交叉验证信息的可靠性。 2. 多途径收集：主要数据来源为半结构化深度访谈（平均每人次70分钟）和现场观察（观察产品操作流程）。辅助数据来源包括与非正式访谈以及与受访者的后续沟通。此外，研究团队还收集了大量二手资料，包括企业官网信息、新闻报道、行业报告、内部PPT及设计指引等文件，总计186页，用于补充和验证访谈数据。所有访谈均录音并转录，最终形成63.3万字的文字记录。
第三阶段：数据分析 数据分析采用规范的质性编码流程，旨在从大量文本数据中提炼概念、构建理论。 1. 编码策略：研究采用“背靠背”编码与“持续比较”相结合的策略。由有经验的研究者主导编码，其他成员扮演“辩护者”角色，不断质疑并提出替代性解释，以提升编码的严谨性。通过在不同编码者之间、不同轮次编码之间持续比较，清晰界定概念边界。 2. 三级数据结构构建：通过对访谈文本的逐级抽象，构建了由一阶编码、二阶编码和总类属组成的数据结构。 * 一阶编码：直接提炼受访者的原话，例如“对这些创意要素进行定义”、“每15分钟，系统会自动回流过去投放的数据”。 * 二阶编码：对一阶编码进行归纳，形成主题，例如“要素定义”、“即时反馈”、“联合分析”、“智能拆分和归类”。 * 总类属：进一步整合具有相似性的二阶编码，最终提炼出描述成长品成长机制的三个核心类属：“解构与重组”、“成长性验证”、“多样化匹配”，以及一个作为支撑条件的类属：“数据驱动”。 3. 理论框架构建：在明确核心类属的基础上，研究人员不断在数据、初步框架和现有理论之间进行迭代比对，厘清“解构与重组”、“成长性验证”、“多样化匹配”三个过程之间的逻辑关系，以及“数据驱动”如何贯穿并赋能这三个过程，从而构建起关于成长品成长机制的初步理论模型。
主要研究发现与结果 基于对K公司程序化广告创意产品的深入分析，本研究揭示了成长品从生成到持续优化的完整成长机制，该机制包含三个紧密衔接、循环迭代的关键过程，并由数据与智能算法全程驱动。
过程一：要素解构与重组——成长品多样化的基础 此过程旨在将产品转化为可数据化管理和灵活组合的要素集合，以应对用户需求的多样性。传统广告作为“成品”，其效果难以评估，部分原因在于无法区分具体哪些要素（如文案、模特、背景）起作用。K公司的解决方案是： 1. 要素解构：首先，利用图像识别、智能抠图等AI技术，将广告原始图自动拆解为商品、文案、模特、Logo、背景等基本要素，并为每个要素赋予唯一的数字ID。其次，对每个要素从设计、营销等多个维度进行“打标签”（例如，将“买二赠一”文案标记为“有赠品”属性），形成分层分类的标签库。这个过程被称为“降维”，将复杂创意转化为结构化数据。 2. 要素重组：基于要素库和标签库，智能算法根据预设的营销规则（如针对女性群体，选择偏女性化的文案和模特）和美学逻辑（如避免颜色冲突、比例失调），对要素进行自动化排列组合，生成海量、系列化的广告方案。研究表明，通过算法设定规则来控制要素间的匹配性，可以大规模生成多样化且符合逻辑的创意组合，为后续的投放验证提供了丰富的“候选方案池”。
过程二：成长性验证——数据驱动的实时有效性测试 此过程旨在通过与用户的实时互动，以数据验证哪些要素组合有效及其原因，取代传统的经验预测或事后评估。 1. 与用户互动：算法将重组生成的多样化广告方案，与从媒体平台获取的目标人群数据包（包含性别、年龄、场景偏好等标签）进行智能匹配，实现“千人千面”的精准投放。 2. 即时反馈：用户看到广告后产生的浏览、点击、购买等行为数据，通过API接口被实时回传至K公司的系统。 3. 联合分析：核心环节。系统利用智能算法对回传数据进行实时分析，特别是采用“联合分析”方法。该方法能解构用户对整体广告的偏好，量化计算出每个独立要素（如不同文案、不同模特姿势）对促成用户点击或转化的“相对重要性”和“效用值”。例如，分析可能显示，对于同一人群，“抢888红包”文案比“抢1212红包”文案的点击率更高。同时，算法会持续追踪每个要素效果随时间变化的趋势，一旦发现某个要素的点击率持续下降（创意衰减），便会自动标记。
过程三：多样化匹配——基于反馈的持续自适应优化 此过程是成长品“成长”的核心体现，即根据验证结果实时调整产品，以持续匹配动态变化的用户需求。 1. 要素即时更新：基于成长性验证的结果，算法自动对要素库进行排序和更新。效果变差的要素（次优要素）会被降级或淘汰，效果好的要素（较优要素）则会在后续的组合中被更频繁地采用。 2. 组合即时优化：算法同时调整要素的组合逻辑。例如，当数据表明某一人群对“明星代言”和“限时折扣”组合反应最佳时，算法会优先生成并投放包含这两种要素的广告。 3. 动态个性化匹配：整个过程是动态、持续、自动化的。只要有新的用户数据反馈，算法就会驱动新一轮的分析与优化，从而使广告产品能够像生物一样，实时适应用户偏好的变化，实现“一人千变”。
研究发现的内在逻辑：这三个过程构成了一个完整的“数据驱动”闭环。解构与重组是前提，为验证和优化提供了可操作的、数据化的要素单元。成长性验证是核心环节，它通过实时数据反馈和智能分析，将“黑箱”式的用户偏好转化为可量化的要素效用值，为决策提供依据。多样化匹配是结果和新的起点，它依据验证结论实施调整，调整后的新产品形态又进入下一轮验证，如此循环往复，推动产品持续成长。而数据交互（实时数据反馈）和智能算法（自动化分析、决策与执行） 是贯穿并赋能这三个过程的关键技术条件。
研究结论与价值 本研究的主要结论与理论贡献如下： 1. 提出了“成长品”新概念及产品二分法：研究明确界定了“成长品”是指能够根据用户动态需求，在功能或形态上进行即时调整、持续匹配用户需求的产品，并指出其具有发展方向难以预测、即时反馈和即时调整三大特性。这区别于传统的、固化的“成品”，从而提出了一种适用于数字经济时代的新产品形态二分法：成品与成长品。 2. 构建了成长品的三阶段成长模型：提炼出成长品成长的三个关键过程——要素解构与重组、成长性验证、多样化匹配，并阐明数据交互与智能算法是其实现成长的技术基础。该模型清晰地揭示了数据如何驱动产品从固定形态走向动态演化。 3. 提出了第三种创新逻辑——“适应逻辑”：研究指出，现有应对创新不确定性的两种逻辑——旨在降低不确定性的“决策逻辑”和旨在增加多样性的“创生逻辑”——在解释成长品现象时存在局限。成长品的创新遵循生物演化的“适应逻辑”，即不追求事前精准预测或依赖多主体协调创生，而是通过构建一个能够实时反馈、快速试错、自然选择（优胜劣汰）的系统，让产品自身在市场中随用户需求偏好的差异和变化而实时调整，实现持续适应。 4. 实践启示：研究为数字经济时代的企业产品创新提供了新思路。企业可以借鉴成长品逻辑，利用数字技术将产品“数据化”、“模块化”，建立与用户实时互动的数据闭环，通过持续的“测试-学习-优化”循环，使产品具备自适应能力，从而在VUCA环境中保持竞争力。
研究亮点 1. 理论创新性强：首次系统性地提出了“成长品”这一具有原创性的概念，并构建了相应的理论模型，是对传统产品创新理论的重要补充和发展。 2. 方法论严谨：采用经典的质性案例研究方法，通过多来源、多轮次的数据收集与三角验证，以及规范的编码分析流程，保证了研究发现扎根于丰富的经验数据，结论扎实可靠。 3. 实践联系紧密：研究源于前沿的企业实践（程序化创意），提炼的理论又能直接反哺和指导企业的数字化转型与产品创新，具有很高的应用价值。 4. 跨学科视野：成功地将生物演化论中的“适应”概念引入管理学领域，用以解释数字经济下的产品创新逻辑，展现了跨学科的理论洞察力。