彭賡 熊燁明
摘要:根據(jù)輿情傳播不同階段的特征引入演化博弈理論,分別針對(duì)成長(zhǎng)期和蔓延、爆發(fā)期兩個(gè)階段的企業(yè)和微博用戶建模并得到進(jìn)化穩(wěn)定策略。分析不同類(lèi)型輿情事件下偏好不同企業(yè)的策略選擇,用“大眾DSG變速器故障”事件作為案例驗(yàn)證模型的合理性,為企業(yè)應(yīng)對(duì)負(fù)面輿情提供建議。
關(guān)鍵詞:危機(jī)管理;微博負(fù)面輿情;演化博弈
DOI:10.13956/j.ss.1001-8409.2016.08.23
中圖分類(lèi)號(hào):F272;F7133 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1001-8409(2016)08-0101-06
1引言
移動(dòng)互聯(lián)網(wǎng)時(shí)代,以微博、微信和客戶端為代表的“兩微一端”作為移動(dòng)輿論場(chǎng)的重心深刻影響輿情的發(fā)展趨勢(shì)。用戶不僅在社交網(wǎng)絡(luò)上曬心情,也積極討論熱點(diǎn)話題,這些平臺(tái)儼然成為“輿論集散地”。網(wǎng)絡(luò)輿情傳播的時(shí)效性和廣泛性為企業(yè)應(yīng)對(duì)負(fù)面輿情帶來(lái)了挑戰(zhàn)。上市公司負(fù)面輿情不僅關(guān)乎企業(yè)自身品牌形象,也與投資者的收益密切相關(guān)。2015年多家上市企業(yè)受到了負(fù)面輿情的波及,如汽車(chē)品牌“暴利4S店”、部分進(jìn)口品牌服裝抽檢不合格等造成企業(yè)股價(jià)下跌,嚴(yán)重影響企業(yè)的利潤(rùn)和形象。然而,許多企業(yè)在應(yīng)對(duì)負(fù)面輿情時(shí)存在明顯缺陷,在輿情的動(dòng)態(tài)發(fā)展過(guò)程中,未適當(dāng)采取補(bǔ)救策略,因此,提升應(yīng)對(duì)負(fù)面輿情的危機(jī)管理能力刻不容緩。
微博以其裂變式的傳播速度打破了由傳統(tǒng)媒體壟斷的信息發(fā)布格局,在突發(fā)事件中效果顯著。將輿情發(fā)展過(guò)程與Web20下網(wǎng)絡(luò)輿情的特點(diǎn)相結(jié)合,李綱[1]提出了六階段網(wǎng)絡(luò)輿情傳播過(guò)程,包括潛伏、成長(zhǎng)、蔓延、爆發(fā)、衰退和死亡期(如圖1)。引發(fā)網(wǎng)絡(luò)輿情危機(jī)的原因包括消費(fèi)
圖1網(wǎng)絡(luò)輿情傳播過(guò)程
者對(duì)商品和售后服務(wù)的不滿,以及高管辭職、企業(yè)管理漏洞等。信息發(fā)布者為了使更多網(wǎng)民了解該事件使用微博、微信等擴(kuò)大影響力,輿情發(fā)展進(jìn)入成長(zhǎng)期,若得到有效控制將直接進(jìn)入衰退期。否則,輿情蔓延引發(fā)更多網(wǎng)民的評(píng)論、轉(zhuǎn)發(fā)進(jìn)入爆發(fā)期,媒體跟蹤報(bào)道和意見(jiàn)領(lǐng)袖的推動(dòng),企業(yè)將面臨更嚴(yán)重的輿情危機(jī)。企業(yè)能采取控制策略的主要階段為成長(zhǎng)期、蔓延期和爆發(fā)期,成長(zhǎng)期主要為普通微博用戶的傳播,意見(jiàn)領(lǐng)袖在蔓延、爆發(fā)期對(duì)輿情傳播起關(guān)鍵作用。
本文利用演化博弈分階段討論負(fù)面輿情處于成長(zhǎng)期和蔓延、爆發(fā)期的企業(yè)及微博用戶的進(jìn)化穩(wěn)定策略,并用實(shí)際案例驗(yàn)證模型的合理性,為企業(yè)應(yīng)對(duì)負(fù)面輿情提供建議。
參考文獻(xiàn):
[1]李綱,董琦.Web20環(huán)境下企業(yè)網(wǎng)絡(luò)輿情傳播過(guò)程的研究及實(shí)證分析[J].情報(bào)科學(xué),2011(12):1810-1814.
[2]Lachlan K A, Spence P R, Lin X, et al. Social Media and Crisis Management: CERC, Search Strategies and Twitter Content[J]. Computers in Human Behavior, 2016, 54: 647-652.
[3]Vieweg S, Hughes A L, Starbird K, et al. Microblogging during Two Natural Hazards Events: What Twitter May Contribute to Situational Awareness[C]. ACM, 2010. 1079-1088.
[4]Kavanaugh A L, Fox E A, Sheetz S D, et al. Social Media Use by Government: From the Routine to the Critical[J]. Government Information Quarterly, 2012, 29(4): 480-491.
[5]康偉.基于SNA的突發(fā)事件網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點(diǎn)識(shí)別——以“7·23動(dòng)車(chē)事故”為例[J].公共管理學(xué)報(bào),2012(3):101-111.
[6]趙金樓,成俊會(huì).基于SNA的突發(fā)事件微博輿情傳播網(wǎng)絡(luò)結(jié)構(gòu)分析——以“420四川雅安地震”為例[J].管理評(píng)論,2015(1):148-157.
[7]Cha M, Benevenuto F, Haddadi H, et al. The World of Connections and Information Flow in Twitter[J]. IEEE Transactions on Systems, Man and Cybernetics-Part A: Systems and Humans, 2012, 42(4): 991-998.
[8]Zhou T, Medo M, Cimini G, et al. Emergence of Scale-Free Leadership Structure in Social Recommender Systems[J]. PLOS ONE, 2011, 6(7)20648.
[9]Sznajd-Weron K, Sznajd J. Opinion Evolution in Closed Community[J]. International Journal of Modern Physics, 2000, 11(6): 1157-1165.
[10]Crokidakis N. Effects of Mass Media on Opinion Spreading in the Sznajd Sociophysics Model[J]. Physica A: Statistical Mechanics and its Applications, 2012, 391(4): 1729-1734.
[11]Xiong F, Liu Y. Opinion Formation on Social Media: An Empirical Approach[J]. Chaos: An Interdisciplinary Journal of Nonlinear Science, 2014, 24(1): 013130.
[12]Ding F, Liu Y, Shen B, et al. An Evolutionary Game Theory Model of Binary Opinion Formation[J]. Physica A: Statistical Mechanics and its Applications, 2010, 389(8): 1745-1752.
[13]李勇建,王治瑩.突發(fā)事件中輿情傳播機(jī)制與演化博弈分析[J].中國(guó)管理科學(xué),2014(11):87-96.
[14]趙俊,霍良安.兩個(gè)輿論場(chǎng)中的網(wǎng)絡(luò)群體性事件交互演化模型[J].軟科學(xué),2015(5):135-139.
[15]韓少春,劉云,張彥超,等.基于動(dòng)態(tài)演化博弈論的輿論傳播羊群效應(yīng)[J].系統(tǒng)工程學(xué)報(bào),2011(2):275-281.
[16]宋彪,朱建明,黃啟發(fā).基于群集動(dòng)力學(xué)和演化博弈論的網(wǎng)絡(luò)輿情疏導(dǎo)模型[J].系統(tǒng)工程理論與實(shí)踐,2014(11):2984-2994.
[17]王長(zhǎng)春,陳超.基于復(fù)雜網(wǎng)絡(luò)的謠言傳播模型[J].系統(tǒng)工程理論與實(shí)踐,2012(1):203-210.
[18]林敏.網(wǎng)絡(luò)輿情:影響因素及其作用機(jī)制研究[D].浙江大學(xué),2013:67-73.
(責(zé)任編輯:王惠萍)