胡振華 舒行鋼

摘 要：基于知識(shí)圖譜方法，依據(jù)Python爬取的數(shù)據(jù)，考量媒體輿論對(duì)社區(qū)團(tuán)購(gòu)的情感傾向。結(jié)果顯示：不正當(dāng)競(jìng)爭(zhēng)、價(jià)格混亂、缺乏售后以及供應(yīng)鏈條不暢等，導(dǎo)致媒體輿論對(duì)社區(qū)團(tuán)購(gòu)的情感傾向以“消極”為主。鑒此，應(yīng)建立健全市場(chǎng)競(jìng)爭(zhēng)機(jī)制和監(jiān)管機(jī)制、完善質(zhì)量導(dǎo)向定價(jià)機(jī)制、改進(jìn)團(tuán)長(zhǎng)主理人培育機(jī)制、優(yōu)化供應(yīng)鏈共享合作模式等，以促進(jìn)社區(qū)團(tuán)購(gòu)長(zhǎng)效健康發(fā)展。

關(guān)鍵詞： 社區(qū)團(tuán)購(gòu);媒體輿論;情感傾向;知識(shí)圖譜

一、引 言

隨著社交媒體軟件的廣泛應(yīng)用，具有“社交屬性”的網(wǎng)絡(luò)團(tuán)購(gòu)銷售模式逐漸興起[1]，社區(qū)團(tuán)購(gòu)作為網(wǎng)絡(luò)團(tuán)購(gòu)的衍生物[2]，自2016年出現(xiàn)以來迅速發(fā)展。社區(qū)團(tuán)購(gòu)兼顧社區(qū)購(gòu)物和網(wǎng)絡(luò)團(tuán)購(gòu)的特性[3]，是一種依托互聯(lián)網(wǎng)等技術(shù)并以社區(qū)為基本單位為社區(qū)居民提供產(chǎn)品與服務(wù)的團(tuán)體銷售模式。京東、騰訊、美團(tuán)等相關(guān)企業(yè)紛紛布局促使社區(qū)團(tuán)購(gòu)呈現(xiàn)爆發(fā)式增長(zhǎng)，艾媒咨詢數(shù)據(jù)顯示，2022年我國(guó)社區(qū)團(tuán)購(gòu)市場(chǎng)規(guī)模預(yù)計(jì)將有可能達(dá)到千億級(jí)別[4]。新冠疫情的沖擊進(jìn)一步刺激了社區(qū)團(tuán)購(gòu)的發(fā)展，多多買菜僅兩個(gè)月覆蓋城市數(shù)量就高達(dá)60座[5]。部分人認(rèn)為社區(qū)團(tuán)購(gòu)的集采和預(yù)售模式有利于簡(jiǎn)化中間環(huán)節(jié)、降低庫存成本和損耗;也有部分人認(rèn)為社區(qū)團(tuán)購(gòu)存在商品質(zhì)量難以保證、維權(quán)困難和人們的剛需“菜籃子”受到互聯(lián)網(wǎng)平臺(tái)威脅等弊端。因此，當(dāng)前人們對(duì)社區(qū)團(tuán)購(gòu)關(guān)注的焦點(diǎn)，以及社會(huì)輿論對(duì)社區(qū)團(tuán)購(gòu)持有的普遍態(tài)度等問題有待進(jìn)一步研究。

相關(guān)研究主要集中在團(tuán)購(gòu)、消費(fèi)者社區(qū)團(tuán)購(gòu)意愿等方面。團(tuán)購(gòu)研究主要體現(xiàn)在：團(tuán)購(gòu)策略對(duì)消費(fèi)者影響方面，Kauffman Wang（2001）和Yuan等（2004）指出消費(fèi)者形成購(gòu)物團(tuán)體可增加影響力從而獲取更低的折扣價(jià)格[6，7]。有學(xué)者認(rèn)為團(tuán)購(gòu)并非總對(duì)消費(fèi)者有利，如胡東濱等（2014）對(duì)比團(tuán)購(gòu)與傳統(tǒng)邊際策略發(fā)現(xiàn)消費(fèi)者信息異質(zhì)性較小時(shí)團(tuán)購(gòu)并非最佳策略[8]。影響消費(fèi)者參與團(tuán)購(gòu)的因素方面，Hsu等（2014）、韓金星等（2016）、Hsu等（2018）發(fā)現(xiàn)消費(fèi)者之間的社交信任、網(wǎng)絡(luò)團(tuán)購(gòu)中社會(huì)互動(dòng)、消費(fèi)者評(píng)價(jià)等會(huì)顯著影響購(gòu)買意向或購(gòu)買行為[9-11]。消費(fèi)者團(tuán)購(gòu)策略對(duì)企業(yè)的影響方面，范麗繁和王滿四（2016）基于Bertand模型研究雙寡頭商家的團(tuán)購(gòu)定價(jià)策略，發(fā)現(xiàn)團(tuán)購(gòu)可以使商家和消費(fèi)者實(shí)現(xiàn)共贏[12]。以上更多考慮團(tuán)購(gòu)對(duì)消費(fèi)者和商家的影響，隨著團(tuán)購(gòu)業(yè)務(wù)的發(fā)展，社區(qū)團(tuán)購(gòu)模式應(yīng)運(yùn)而生，有學(xué)者對(duì)此進(jìn)行了研究。如薛曉麗（2011）主要關(guān)注社區(qū)團(tuán)購(gòu)如何產(chǎn)生[2]，Jing等（2015）分析便利性和產(chǎn)品服務(wù)如何影響社區(qū)團(tuán)購(gòu)[13]。李琪等（2020）研究消費(fèi)者社區(qū)團(tuán)購(gòu)行為，發(fā)現(xiàn)信任、滿意度和關(guān)系承諾在其中發(fā)揮作用[3]。Shui和Li（2020）針對(duì)社區(qū)團(tuán)購(gòu)新鮮農(nóng)產(chǎn)品提出協(xié)作優(yōu)化機(jī)制以應(yīng)對(duì)開發(fā)和運(yùn)營(yíng)同質(zhì)化競(jìng)爭(zhēng)問題[14]。不同于以往多采用傳統(tǒng)實(shí)證研究方法、從單一主體角度研究社區(qū)團(tuán)購(gòu)問題的文獻(xiàn)，本研究擬通過爬取主流媒體對(duì)社區(qū)團(tuán)購(gòu)的評(píng)價(jià)，提取關(guān)鍵詞、構(gòu)建知識(shí)圖譜，更全面解析不同主體和問題之間的緊密度，分析公眾對(duì)社區(qū)團(tuán)購(gòu)的情感傾向。

少數(shù)學(xué)者研究了消費(fèi)者社區(qū)團(tuán)購(gòu)的意愿。李勇等（2019）發(fā)現(xiàn)購(gòu)買方便和節(jié)約時(shí)間是農(nóng)村用戶生鮮團(tuán)購(gòu)的主要?jiǎng)訖C(jī)，并為發(fā)展農(nóng)村社群電商提供建議[15]。簡(jiǎn)惠云和楊歡（2020）研究了社區(qū)電商技術(shù)特性和信任對(duì)消費(fèi)者購(gòu)買意愿的影響，發(fā)現(xiàn)情感信任和認(rèn)知信任都會(huì)對(duì)消費(fèi)者購(gòu)買意愿產(chǎn)生顯著積極的影響[16]。李連英等（2020）發(fā)現(xiàn)傾向型、中間型和無感型三種類群的消費(fèi)者購(gòu)買社區(qū)電商生鮮農(nóng)產(chǎn)品意愿及其影響因素都存在差異，故需采取差異化營(yíng)銷方式以實(shí)現(xiàn)對(duì)目標(biāo)顧客的準(zhǔn)確定位和精準(zhǔn)營(yíng)銷[17]。本研究在已有文獻(xiàn)基礎(chǔ)上采用大數(shù)據(jù)技術(shù)，分析影響消費(fèi)者社區(qū)團(tuán)購(gòu)意愿的主要因素。

現(xiàn)有研究更多關(guān)注消費(fèi)者參與團(tuán)購(gòu)的影響因素及團(tuán)購(gòu)策略對(duì)消費(fèi)者和商家的影響，且多從單一主體視角采用調(diào)查問卷等方法進(jìn)行研究，鮮有學(xué)者探討消費(fèi)者社區(qū)團(tuán)購(gòu)意愿和社區(qū)團(tuán)購(gòu)的關(guān)鍵影響因素?；诖?，擬在現(xiàn)有研究的基礎(chǔ)上，運(yùn)用爬蟲技術(shù)獲取主流媒體對(duì)社區(qū)團(tuán)購(gòu)的評(píng)價(jià)數(shù)據(jù)，構(gòu)建知識(shí)圖譜分析不同焦點(diǎn)之間的聯(lián)系，并通過情感傾向分析提取媒體對(duì)社區(qū)團(tuán)購(gòu)的不同觀點(diǎn)和態(tài)度，提煉當(dāng)前社區(qū)團(tuán)購(gòu)存在的問題，以此提出針對(duì)性的管理建議。

二、樣本選取與研究方法

本研究圍繞“社區(qū)團(tuán)購(gòu)”這一中心詞搜索了截止到2020年12月15日媒體上報(bào)道的相關(guān)文章，經(jīng)過初步比較不同新聞網(wǎng)站和社交平臺(tái)中有關(guān)“社區(qū)團(tuán)購(gòu)”的相關(guān)輿論，發(fā)現(xiàn)新浪網(wǎng)對(duì)當(dāng)今主流媒體報(bào)道的覆蓋比較全面，數(shù)據(jù)完整。因此，以新浪網(wǎng)為數(shù)據(jù)搜索平臺(tái)，選取相關(guān)新聞報(bào)道為研究樣本。借助Python爬蟲技術(shù)，通過運(yùn)行代碼獲取新浪網(wǎng)新聞標(biāo)題中帶有中心詞的每條新聞鏈接，以此建立循環(huán)，借助代碼點(diǎn)擊鏈接，爬取該網(wǎng)頁內(nèi)屬于新聞文本的部分，直至所有已獲取鏈接都被點(diǎn)擊、新聞文本均被抓取，循環(huán)終止。本次爬取的數(shù)據(jù)主要包括新聞標(biāo)題、鏈接、正文、發(fā)布時(shí)間、作者以及文章來源六個(gè)部分。導(dǎo)出數(shù)據(jù)進(jìn)行去重和清洗之后收集包括上述六個(gè)部分的共355條記錄，再結(jié)合Excel自動(dòng)去重功能與人工檢查，確保篩除掉重復(fù)的新聞報(bào)道，最終剩余247條記錄，每一條記錄均為一篇媒體或自媒體文章，數(shù)據(jù)搜索有效率為69.58%。

知識(shí)圖譜在圖書情報(bào)界稱為知識(shí)域可視化或知識(shí)領(lǐng)域映射地圖，是顯示知識(shí)發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列圖形，是將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科理論、方法與計(jì)量學(xué)引文分析等相結(jié)合，運(yùn)用可視化技術(shù)描述知識(shí)資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識(shí)及它們之間的聯(lián)系的一種方法，能實(shí)現(xiàn)多學(xué)科融合，可為相關(guān)主題研究提供切實(shí)的、有價(jià)值的參考。本質(zhì)上，知識(shí)圖譜旨在描述真實(shí)世界中存在的各種實(shí)體或概念及其關(guān)系，構(gòu)成一張巨大的語義網(wǎng)絡(luò)圖，節(jié)點(diǎn)表示實(shí)體或概念，邊則由屬性或關(guān)系構(gòu)成。

三、基于知識(shí)圖譜的情感傾向分析

（一）關(guān)鍵詞提取

選取新浪網(wǎng)關(guān)于社區(qū)團(tuán)購(gòu)的247篇文章，得到50余萬字的龐大文本數(shù)據(jù)。在此基礎(chǔ)上，使用Python中的Jieba分詞包對(duì)爬取的網(wǎng)絡(luò)文本進(jìn)行精確分詞，采用NLPIR-ICTCLAS漢語分詞系統(tǒng)兼容的標(biāo)記法對(duì)切割好的單詞進(jìn)行詞性標(biāo)注，去除無效的停用詞和功能詞后進(jìn)行詞性過濾，選擇有效名詞，最后使用TF-IDF算法提取關(guān)鍵名詞，在分詞完成后自動(dòng)統(tǒng)計(jì)詞頻。輸出出現(xiàn)頻率前30位的詞語如表1所示。

從表1可以看出，社區(qū)團(tuán)購(gòu)的核心詞匯是“社區(qū)”和“平臺(tái)”，可能因?yàn)樯鐓^(qū)團(tuán)購(gòu)是以社區(qū)為核心、以平臺(tái)為載體?！盎ヂ?lián)網(wǎng)”“市場(chǎng)”“公司”分別排第1—第5位，說明社區(qū)團(tuán)購(gòu)是依托互聯(lián)網(wǎng)企業(yè)與市場(chǎng)成長(zhǎng)起來的?！皥F(tuán)長(zhǎng)”排在第6位，團(tuán)長(zhǎng)是社區(qū)團(tuán)購(gòu)的主要線下負(fù)責(zé)人，每一次購(gòu)買都離不開團(tuán)長(zhǎng)提貨。“價(jià)格”排在第8位，說明社區(qū)團(tuán)購(gòu)的消費(fèi)者可能為價(jià)格敏感型用戶。近期熱度很高的互聯(lián)網(wǎng)平臺(tái)利用價(jià)格補(bǔ)貼入駐社區(qū)團(tuán)購(gòu)相關(guān)新聞也在詞頻表中有所體現(xiàn)，“補(bǔ)貼”和“資本”分別位于詞頻的14和15位?！皦艛唷背霈F(xiàn)在第29位，說明互聯(lián)網(wǎng)巨頭入駐引發(fā)的關(guān)于行業(yè)壟斷的問題也常被提及。

（二）知識(shí)圖譜構(gòu)建

構(gòu)建網(wǎng)絡(luò)文本關(guān)鍵詞共現(xiàn)矩陣。獲得網(wǎng)絡(luò)文本中所有關(guān)鍵名詞后，統(tǒng)計(jì)出現(xiàn)頻率前100的關(guān)鍵詞，借此構(gòu)建關(guān)鍵詞共現(xiàn)矩陣（Co-occurrence Matrix）。首先，構(gòu)造前100位關(guān)鍵詞的二維數(shù)組，建立關(guān)鍵詞長(zhǎng)度（維度為100）的高維稀疏矩陣，賦值矩陣的第一行和第一列為文章關(guān)鍵詞，設(shè)置矩陣的對(duì)角線為0。隨后，取出的行關(guān)鍵詞和列關(guān)鍵詞進(jìn)行排列組合，對(duì)所有網(wǎng)絡(luò)文本進(jìn)行迭代遍歷，如兩個(gè)關(guān)鍵詞同時(shí)出現(xiàn)在一句話中，則共現(xiàn)頻率加一，遍歷網(wǎng)絡(luò)文本后，可得所有關(guān)鍵詞組合的共現(xiàn)頻率。設(shè)置關(guān)鍵詞共現(xiàn)頻率閾值為50，共獲得4700+關(guān)鍵詞組合。此時(shí)數(shù)據(jù)過大難以分析，再次篩選后僅保留共現(xiàn)頻率高于5000的關(guān)鍵詞組合。

構(gòu)建知識(shí)圖譜的網(wǎng)絡(luò)布局。將關(guān)鍵詞作為知識(shí)圖譜中的實(shí)體節(jié)點(diǎn)，關(guān)鍵詞共線矩陣為實(shí)體之間的關(guān)聯(lián)關(guān)系，由此構(gòu)建網(wǎng)狀的無向度關(guān)聯(lián)結(jié)構(gòu)。將數(shù)據(jù)導(dǎo)入Gephi軟件中，使用力引導(dǎo)布局中的FR算法（Fruchterman-Reingold Algorithm）對(duì)所有關(guān)鍵詞節(jié)點(diǎn)進(jìn)行布局，通過多次迭代，各實(shí)體節(jié)點(diǎn)及節(jié)點(diǎn)的關(guān)聯(lián)趨于穩(wěn)定，整體布局達(dá)到動(dòng)態(tài)平衡。所得知識(shí)圖譜共有67個(gè)節(jié)點(diǎn)，152條邊，以社區(qū)團(tuán)購(gòu)相關(guān)的網(wǎng)絡(luò)輿論熱點(diǎn)話題為基礎(chǔ)的知識(shí)圖譜構(gòu)建完成，如圖1所示。通過高頻共現(xiàn)關(guān)鍵詞知識(shí)圖譜可以發(fā)現(xiàn)，高頻關(guān)鍵詞的分布呈現(xiàn)中心擴(kuò)散特征，以出現(xiàn)頻率最高的社區(qū)為中心節(jié)點(diǎn)，以平臺(tái)、巨頭、團(tuán)長(zhǎng)等內(nèi)容為二級(jí)節(jié)點(diǎn)依次擴(kuò)散，最后的三級(jí)節(jié)點(diǎn)為菜市場(chǎng)、商業(yè)模型、訂單、疫情等話題，可通過知識(shí)圖譜發(fā)現(xiàn)媒體的關(guān)注焦點(diǎn)。

話題社區(qū)分類及主題聚焦。社區(qū)發(fā)現(xiàn)算法（Community Detection）一般用來探測(cè)網(wǎng)絡(luò)中的塊（Cluster）或者社區(qū)（Community），通過算法解析網(wǎng)絡(luò)間的抽象拓?fù)溥B接結(jié)構(gòu)，根據(jù)關(guān)聯(lián)的疏密程度劃分為不同的社區(qū)。基于高頻共現(xiàn)關(guān)鍵詞知識(shí)圖譜各節(jié)點(diǎn)的之間關(guān)聯(lián)度的稀疏程度，通過Louvain算法進(jìn)行迭代解析，增加每個(gè)模塊的模塊度，以0.6的解析度標(biāo)準(zhǔn)對(duì)知識(shí)圖譜進(jìn)行社區(qū)劃分。共劃分四個(gè)社區(qū)，即數(shù)據(jù)大致可以分為四大研究群組，且覆蓋了社區(qū)團(tuán)購(gòu)的整個(gè)產(chǎn)業(yè)鏈條。如圖2所示，社區(qū)團(tuán)購(gòu)輿論四個(gè)焦點(diǎn)分別為：

一是社區(qū)層面。以“社區(qū)”為中心詞，涵蓋供應(yīng)鏈、互聯(lián)網(wǎng)、巨頭、補(bǔ)貼、資本、流量、商業(yè)模式等關(guān)鍵詞。2016年B2B平臺(tái)芙蓉興盛推出拼團(tuán)模式時(shí)并無互聯(lián)網(wǎng)巨頭進(jìn)駐，隨著疫情爆發(fā)，更多用戶通過線上渠道購(gòu)買蔬菜、糧油等商品，大批互聯(lián)網(wǎng)巨頭投資、成立社區(qū)團(tuán)購(gòu)平臺(tái)，如京東加碼七億美元投資興盛優(yōu)選。社區(qū)團(tuán)購(gòu)本意為創(chuàng)新商業(yè)模式，通過線上渠道滿足消費(fèi)者團(tuán)購(gòu)需求，但由于資本入駐，商業(yè)模式異化為以高額補(bǔ)貼吸引客戶量，形成行業(yè)壟斷后再提價(jià)獲取利潤(rùn)，因此社區(qū)團(tuán)購(gòu)商業(yè)模式成為媒體關(guān)注的焦點(diǎn)問題。

二是平臺(tái)層面。關(guān)鍵詞主要包含平臺(tái)、渠道、供應(yīng)商、經(jīng)銷商和低價(jià)。社區(qū)團(tuán)購(gòu)產(chǎn)業(yè)共有三級(jí)節(jié)點(diǎn)，經(jīng)銷商進(jìn)行貨物分發(fā)，社區(qū)團(tuán)購(gòu)平臺(tái)進(jìn)行商品轉(zhuǎn)售，社區(qū)消費(fèi)者作為產(chǎn)業(yè)鏈條終端承接商品。社區(qū)節(jié)點(diǎn)在知識(shí)圖譜中連接度為67，即和所有話題相關(guān)聯(lián)。社區(qū)團(tuán)購(gòu)的主要承載中介為各個(gè)平臺(tái)，平臺(tái)聯(lián)通經(jīng)銷商、供貨商和社區(qū)團(tuán)購(gòu)企業(yè)，為消費(fèi)者進(jìn)行商品配送。

三是消費(fèi)者層面。集中于消費(fèi)者、用戶、團(tuán)長(zhǎng)等內(nèi)容。社區(qū)團(tuán)購(gòu)是團(tuán)長(zhǎng)發(fā)單、消費(fèi)者拼團(tuán)的新型共享團(tuán)購(gòu)。團(tuán)長(zhǎng)是連接團(tuán)購(gòu)平臺(tái)和社區(qū)用戶的關(guān)鍵節(jié)點(diǎn)，負(fù)責(zé)擴(kuò)展用戶、商品訂購(gòu)和分發(fā)，對(duì)平臺(tái)意義重大。目前團(tuán)長(zhǎng)多數(shù)是從社區(qū)中自發(fā)形成，缺乏專業(yè)訓(xùn)練，部分團(tuán)長(zhǎng)由于不能落實(shí)商品訂購(gòu)和售后服務(wù)導(dǎo)致客戶流失。因此，優(yōu)秀的團(tuán)長(zhǎng)成為諸多平臺(tái)爭(zhēng)搶的對(duì)象，有的平臺(tái)甚至開出月薪三萬的高薪吸引優(yōu)秀團(tuán)長(zhǎng)加入，“團(tuán)長(zhǎng)”也成為媒體熱論的內(nèi)容之一。

四是企業(yè)層面。關(guān)鍵詞為企業(yè)、公司、經(jīng)銷商和供應(yīng)商等。媒體對(duì)公司和經(jīng)銷商等的關(guān)注集中于后疫情時(shí)代下水產(chǎn)、冷鏈供貨帶來的不確定風(fēng)險(xiǎn)。同時(shí)，由于部分社區(qū)團(tuán)購(gòu)經(jīng)銷商缺乏管理，使未經(jīng)過安全檢測(cè)的冷鏈產(chǎn)品分發(fā)給消費(fèi)者，影響水產(chǎn)和冷鏈商品的市場(chǎng)和供貨。因此，如何對(duì)水產(chǎn)和冷鏈相關(guān)商品進(jìn)行抽檢，確保安全性，也是媒體關(guān)注的內(nèi)容。

（三）媒體輿論對(duì)社區(qū)團(tuán)購(gòu)的情感傾向分析

基于上述分析，根據(jù)知識(shí)圖譜顯示的中心詞及關(guān)聯(lián)詞對(duì)相關(guān)新聞進(jìn)行觀點(diǎn)抽取，概括出媒體輿論對(duì)社區(qū)團(tuán)購(gòu)的情感傾向。通過調(diào)用百度AI平臺(tái)中的自然語言處理模塊API，使用百度AI文本情感分析的知識(shí)增強(qiáng)預(yù)處理算法對(duì)文本進(jìn)行情感分析。將情感傾向分為積極、中性和消極三種，積極表明正面、肯定的態(tài)度，消極表示負(fù)面、否定的態(tài)度，中性則表示未有情感傾向?？紤]到數(shù)據(jù)眾多及分析的可行性，僅保留共現(xiàn)頻率高于5000的關(guān)聯(lián)詞。

表2分析了以“社區(qū)”為中心詞的情感傾向，關(guān)聯(lián)詞主要包括供應(yīng)鏈、互聯(lián)網(wǎng)、客戶、補(bǔ)貼、巨頭和壟斷。搜索包含所有高頻關(guān)聯(lián)詞的媒體評(píng)論共7條，其中4條評(píng)論持消極情感，約占總評(píng)論的57.1%，表明媒體在談及社區(qū)的輿論中更多的是持否定消極的態(tài)度。進(jìn)一步分析發(fā)現(xiàn)，媒體談及社區(qū)與巨頭、互聯(lián)網(wǎng)、供應(yīng)鏈、客戶、補(bǔ)貼、壟斷這些關(guān)聯(lián)詞時(shí)均以“消極”傾向?yàn)橹?，分別約占總評(píng)論數(shù)的55.3%、52.5%、57.8%、55.4%、49.0%，61.4%，尤其在報(bào)道社區(qū)與壟斷的新聞中消極傾向最大。這是由于互聯(lián)網(wǎng)巨頭試圖通過補(bǔ)貼和超低銷售價(jià)格等壟斷社區(qū)團(tuán)購(gòu)市場(chǎng)，使供應(yīng)商只能以極低價(jià)格在團(tuán)購(gòu)平臺(tái)上銷售產(chǎn)品，嚴(yán)重打擊供應(yīng)鏈各主體進(jìn)行優(yōu)質(zhì)生產(chǎn)的積極性，破壞了供應(yīng)鏈效率并且最終后果由客戶買單，由此催生媒體的負(fù)面態(tài)度。供應(yīng)鏈配送效率低下、售后服務(wù)不到位等也是導(dǎo)致負(fù)面評(píng)價(jià)的主要因素。

表3分析了以“平臺(tái)”為中心詞的情感傾向，關(guān)聯(lián)詞主要包括價(jià)格、渠道和商品。包含所有高頻關(guān)聯(lián)詞的媒體評(píng)論共30條，其中15條持消極情感。分析發(fā)現(xiàn)媒體主要對(duì)平臺(tái)與價(jià)格、渠道、商品抱以“消極”傾向，分別約占總評(píng)論數(shù)的59.3%、57.9%、55.2%，尤其在報(bào)道平臺(tái)與價(jià)格的新聞中負(fù)面報(bào)道最多，如“價(jià)格亂了，惱火得很”，有些也涉及社區(qū)團(tuán)購(gòu)平臺(tái)大額補(bǔ)貼的情況，“之前出現(xiàn)過兩次平臺(tái)某款瓜子售價(jià)低于出廠價(jià)的情況，所以停了平臺(tái)的貨”。由于商品價(jià)格的差異，也出現(xiàn)了不同平臺(tái)上商品質(zhì)量的差異，破壞了消費(fèi)市場(chǎng)規(guī)范性，對(duì)商業(yè)模式和商品渠道都是挑戰(zhàn)。

表4分析了以“用戶”為中心詞的情感傾向，關(guān)聯(lián)詞主要包括市場(chǎng)和消費(fèi)者。涉及所有高頻關(guān)聯(lián)詞的41條相關(guān)媒體評(píng)論中，持消極情感的評(píng)論有24條，約占總評(píng)論的58.5%，表明媒體在談及用戶的輿論中更多持否定消極的態(tài)度。媒體報(bào)道用戶與市場(chǎng)、消費(fèi)者時(shí)均以“消極”傾向?yàn)橹鳎謩e約占總評(píng)論數(shù)的53.6%、55.3%。深入分析媒體報(bào)道的內(nèi)容可知，社區(qū)團(tuán)購(gòu)加深了用戶與市場(chǎng)和消費(fèi)者之間的負(fù)面情感，如“社區(qū)團(tuán)購(gòu)平臺(tái)暴露了虛假宣傳、非法收集個(gè)人信息等問題”。報(bào)道中也有一些積極的情感，如“通過分布在各小區(qū)的團(tuán)長(zhǎng)，為居民提供快捷便利的服務(wù)體驗(yàn)”，作為連接團(tuán)購(gòu)平臺(tái)和社區(qū)用戶的節(jié)點(diǎn)，團(tuán)長(zhǎng)的作用非常重要。

表5分析了以“公司”為中心詞的情感傾向，關(guān)聯(lián)詞主要包括市場(chǎng)、供貨和水產(chǎn)。涉及包含所有高頻關(guān)聯(lián)詞的8條相關(guān)媒體評(píng)論中，有7條持消極情感，約占總評(píng)論的87.5%，表明當(dāng)媒體談及公司時(shí)持否定消極的情感傾向更加明顯。媒體報(bào)道公司與市場(chǎng)、供貨和水產(chǎn)時(shí) “消極”傾向分別約占總評(píng)論數(shù)的55.8%、68.4%、71.4%。進(jìn)一步分析媒體報(bào)道的內(nèi)容，發(fā)現(xiàn)其中涉及上市公司的債務(wù)、股票等信息，公司與市場(chǎng)和供貨商的關(guān)系受到金融等因素的影響從而增加了負(fù)面情感。而水產(chǎn)質(zhì)量難以保證的問題，導(dǎo)致負(fù)面情感的報(bào)道比例居高不下。

四、基于社區(qū)團(tuán)購(gòu)輿論的管理建議

（一）建立健全市場(chǎng)競(jìng)爭(zhēng)機(jī)制和監(jiān)管機(jī)制

電商巨頭的過度投資或補(bǔ)貼，可能會(huì)形成社區(qū)團(tuán)購(gòu)行業(yè)的壟斷，影響市場(chǎng)正常運(yùn)行，需要穩(wěn)健的社區(qū)團(tuán)購(gòu)市場(chǎng)競(jìng)爭(zhēng)機(jī)制和市場(chǎng)監(jiān)督機(jī)制推進(jìn)社區(qū)團(tuán)購(gòu)的健康發(fā)展。一是形成傳統(tǒng)企業(yè)與電子商務(wù)企業(yè)的雙贏發(fā)展格局。通過加強(qiáng)對(duì)社區(qū)團(tuán)購(gòu)的有效引導(dǎo)，重新建立社區(qū)團(tuán)購(gòu)市場(chǎng)競(jìng)爭(zhēng)秩序，確保整體市場(chǎng)的有序競(jìng)爭(zhēng)。二是明確多方主體的責(zé)任監(jiān)管。社區(qū)團(tuán)購(gòu)參與主體多元性決定了社區(qū)監(jiān)管機(jī)制存在多方主體，加強(qiáng)對(duì)平臺(tái)、供應(yīng)商、經(jīng)銷商、團(tuán)長(zhǎng)等主體的監(jiān)管，有益于社區(qū)平臺(tái)的可持續(xù)發(fā)展。

（二）完善質(zhì)量導(dǎo)向定價(jià)機(jī)制

有效的價(jià)格機(jī)制有利于正確引導(dǎo)企業(yè)生產(chǎn)行為，促進(jìn)高質(zhì)量產(chǎn)品的有效供給，因此，社區(qū)團(tuán)購(gòu)供貨平臺(tái)需要完善以質(zhì)量為導(dǎo)向的定價(jià)機(jī)制。一是形成以質(zhì)量為導(dǎo)向的差異化定價(jià)機(jī)制。社區(qū)團(tuán)購(gòu)平臺(tái)需把控產(chǎn)品的質(zhì)量，以質(zhì)量為依據(jù)進(jìn)行差異化定價(jià)，服務(wù)不同的消費(fèi)者類型。二是建立社區(qū)團(tuán)購(gòu)供應(yīng)鏈的質(zhì)量溯源系統(tǒng)。社區(qū)團(tuán)購(gòu)在本質(zhì)上也是網(wǎng)購(gòu)，具有信息不對(duì)稱的特點(diǎn)，基于大數(shù)據(jù)、物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)建立產(chǎn)品溯源體系，有利于實(shí)現(xiàn)平臺(tái)各供應(yīng)主體或銷售主體的信息共享，降低道德風(fēng)險(xiǎn)，同時(shí)能幫助消費(fèi)者了解產(chǎn)品質(zhì)量，提高信任度。

（三）改進(jìn)團(tuán)長(zhǎng)主理人培育機(jī)制

團(tuán)長(zhǎng)是連接團(tuán)購(gòu)平臺(tái)和社區(qū)用戶的關(guān)鍵節(jié)點(diǎn)，兼具銷售、倉配、售后等職責(zé)，應(yīng)改進(jìn)團(tuán)長(zhǎng)主理人培育機(jī)制，以便更加妥善處理團(tuán)長(zhǎng)和消費(fèi)者在這些環(huán)節(jié)上的關(guān)系。一是完善團(tuán)長(zhǎng)選拔制度。提高團(tuán)長(zhǎng)隊(duì)伍的素質(zhì)水平可以創(chuàng)造更多的銷量，擴(kuò)張團(tuán)長(zhǎng)隊(duì)伍有助于擴(kuò)大銷售規(guī)模，搶占市場(chǎng)份額。因此，可以從源頭抓起，通過完善團(tuán)長(zhǎng)選拔流程，培育與團(tuán)長(zhǎng)職位相匹配的人才隊(duì)伍，同時(shí)增加入職培訓(xùn)等提高團(tuán)長(zhǎng)隊(duì)伍整體素質(zhì)。二是建立敏捷售后管理機(jī)制。社區(qū)團(tuán)購(gòu)平臺(tái)在依賴資本快速擴(kuò)張的同時(shí)，更要注重“精細(xì)運(yùn)營(yíng)”，借助團(tuán)長(zhǎng)直接與消費(fèi)者接觸的優(yōu)勢(shì)，了解消費(fèi)者需求，完善平臺(tái)售后服務(wù)流程，真正關(guān)注平臺(tái)消費(fèi)者的購(gòu)物體驗(yàn)。依托互聯(lián)網(wǎng)技術(shù)與信息技術(shù)，搭建良好的信息流通渠道，建立相應(yīng)的敏捷售后管理機(jī)制，保證消費(fèi)者反饋的問題責(zé)任到人，可以快速處理消費(fèi)者反映的問題，提高團(tuán)長(zhǎng)統(tǒng)籌協(xié)調(diào)能力。

（四）優(yōu)化供應(yīng)鏈共享合作模式

社區(qū)團(tuán)購(gòu)供應(yīng)鏈模式主要分為三類：以興盛優(yōu)選為代表的撮合模式，平臺(tái)通過邀請(qǐng)商家入駐，集單后統(tǒng)一采購(gòu);以你我您為代表的依托中轉(zhuǎn)倉的直銷供應(yīng)鏈，通過建造區(qū)域中轉(zhuǎn)倉直采直銷;以蘇小團(tuán)為代表的同時(shí)依托中轉(zhuǎn)倉和前置倉的供應(yīng)鏈。推進(jìn)不同模式的融合，加強(qiáng)各主體間的聯(lián)合互動(dòng)，創(chuàng)建長(zhǎng)效的共享供應(yīng)鏈合作模式是保障社區(qū)團(tuán)購(gòu)健康發(fā)展的重要舉措。一是打造社區(qū)團(tuán)購(gòu)全局供應(yīng)鏈框架，優(yōu)化整體運(yùn)營(yíng)效率。根據(jù)需求發(fā)生-訂單匯總-集采-分揀-配送流程合理規(guī)劃供應(yīng)鏈每個(gè)環(huán)節(jié)的工作，提高供應(yīng)鏈時(shí)效性與敏捷性，滿足消費(fèi)者對(duì)社區(qū)團(tuán)購(gòu)運(yùn)營(yíng)效率的要求。二是優(yōu)化供應(yīng)鏈各環(huán)節(jié)。采購(gòu)環(huán)節(jié)優(yōu)化供應(yīng)商管理，與品牌供應(yīng)商建立長(zhǎng)期合作關(guān)系;物流環(huán)節(jié)合理規(guī)劃分揀倉布局和物流路線，減少中間環(huán)節(jié)的成本和損耗;銷售環(huán)節(jié)充分了解消費(fèi)者實(shí)際需求，以需求定供給，最終實(shí)現(xiàn)共享供應(yīng)鏈的合作模式。

參考文獻(xiàn)：

[1] 張陽， 徐兵. 基于社交團(tuán)購(gòu)的電商平臺(tái)引導(dǎo)拼團(tuán)策略研究[J]. 管理評(píng)論， 2019， 31（10）： 133-141.

[2] 薛曉麗. 基于社區(qū)的網(wǎng)絡(luò)團(tuán)購(gòu)平臺(tái)構(gòu)建研究[J]. 電子商務(wù)， 2011（9）： 19-20.

[3] 李琪， 李欣， 魏修建. 整合SOR和承諾信任理論的消費(fèi)者社區(qū)團(tuán)購(gòu)研究[J]. 西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2020， 40（2）： 25-35.

[4] 艾媒咨詢. 2020上半年中國(guó)社區(qū)團(tuán)購(gòu)行業(yè)專題研究報(bào)告[EB/OL]. https：//www.iimedia.cn/c400/74181.html， 2020-09-11.

[5] 觀察者網(wǎng). 互聯(lián)網(wǎng)混戰(zhàn)社區(qū)團(tuán)購(gòu)[EB/OL]. http：//www.southmoney.com/caijing/caijingyaowen/202012/7886860_2.html， 2020-12-05.

[6] Kauffman R J， Wang B. New buyers' arrival under dynamic pricing market microstructure： The case of group-buying discounts on the Internet[J]. Journal of Management Information Systems， 2001， 18（2）： 157-188.

[7] Yuan S， Lin Y. Credit based group negotiation for aggregate sell/buy in e-markets[J]. Electronic Commerce Research and Applications， 2004， 3（1）： 74-94.

[8] 胡東濱， 李洋， 陳曉紅， 等. 基于信息共享角度的團(tuán)購(gòu)策略研究[J]. 系統(tǒng)工程理論與實(shí)踐， 2014， 34（11）： 2849-2861.

[9] Hsu M， Chuang L， Hsu C. Understanding online shopping intention： The roles of four types of trust and their antecedents[J]. Internet Research， 2014， 24（3）： 332-352

[10]韓金星， 張喆， 古晨妍. 網(wǎng)絡(luò)團(tuán)購(gòu)中消費(fèi)者社會(huì)互動(dòng)對(duì)團(tuán)購(gòu)信任的影響[J]. 管理評(píng)論， 2016， 28（9）： 148-162.

[11]Hsu S， Qing F， Wang C， et al. Evaluation of service quality in Facebook-based group-buying[J]. Electronic Commerce Research and Applications， 2018， 28： 30-36.

[12]范麗繁， 王滿四. 基于Bertrand模型的雙寡頭商家的團(tuán)購(gòu)定價(jià)策略[J]. 系統(tǒng)工程， 2016， 34（4）： 62-69.

[13]Jing R， Yu Y， Lin Z. How service-related factors affect the survival of B2T providers： A sentiment analysis approach[J]. Journal of Organizational Computing and Electronic Commerce， 2015， 25（3）： 316-336.

[14]Shui W， Li M. Integrated pricing and distribution planning for community group purchase of fresh agricultural products[J]. Scientific Programming， 2020（3）：1-15.

[15]李勇， 劉我， 譚小玲， 等. 基于線上線下數(shù)據(jù)的農(nóng)村用戶生鮮團(tuán)購(gòu)需求挖掘[J]. 農(nóng)村經(jīng)濟(jì)與科技， 2019， 30（19）： 118-120.

[16]簡(jiǎn)惠云， 楊歡. 社區(qū)電商技術(shù)特性對(duì)消費(fèi)者購(gòu)買意愿的影響[J]. 商業(yè)經(jīng)濟(jì)研究， 2020（23）： 99-102.

[17]李連英， 聶樂玲， 傅青. 不同類群消費(fèi)者購(gòu)買社區(qū)電商生鮮農(nóng)產(chǎn)品意愿的差異性分析——基于南昌市578位消費(fèi)者的實(shí)證[J]. 農(nóng)林經(jīng)濟(jì)管理學(xué)報(bào)， 2020， 19（4）： 457-463.

（責(zé)任編輯：鐘 瑤）