基于演化博弈的企業(yè)應對微博負面輿情策略研究

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，分別針對成長期和蔓延、爆發(fā)期兩個階段的企業(yè)和微博用戶建模并得到進化穩(wěn)定策略。分析不同類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”事件作為案例驗證模型的合理性，為企業(yè)應對負面輿情提供建議。

關鍵詞：危機管理；微博負面輿情；演化博弈

DOI：10.13956/j.ss.1001-8409.2016.08.23

中圖分類號：F272；F7133 文獻標識碼：A 文章編號：1001-8409（2016）08-0101-06

1引言

移動互聯(lián)網(wǎng)時代，以微博、微信和客戶端為代表的“兩微一端”作為移動輿論場的重心深刻影響輿情的發(fā)展趨勢。用戶不僅在社交網(wǎng)絡上曬心情，也積極討論熱點話題，這些平臺儼然成為“輿論集散地”。網(wǎng)絡輿情傳播的時效性和廣泛性為企業(yè)應對負面輿情帶來了挑戰(zhàn)。上市公司負面輿情不僅關乎企業(yè)自身品牌形象，也與投資者的收益密切相關。2015年多家上市企業(yè)受到了負面輿情的波及，如汽車品牌“暴利4S店”、部分進口品牌服裝抽檢不合格等造成企業(yè)股價下跌，嚴重影響企業(yè)的利潤和形象。然而，許多企業(yè)在應對負面輿情時存在明顯缺陷，在輿情的動態(tài)發(fā)展過程中，未適當采取補救策略，因此，提升應對負面輿情的危機管理能力刻不容緩。

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)展過程與Web20下網(wǎng)絡輿情的特點相結合，李綱[1]提出了六階段網(wǎng)絡輿情傳播過程，包括潛伏、成長、蔓延、爆發(fā)、衰退和死亡期（如圖1）。引發(fā)網(wǎng)絡輿情危機的原因包括消費

圖1網(wǎng)絡輿情傳播過程

者對商品和售后服務的不滿，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、微信等擴大影響力，輿情發(fā)展進入成長期，若得到有效控制將直接進入衰退期。否則，輿情蔓延引發(fā)更多網(wǎng)民的評論、轉發(fā)進入爆發(fā)期，媒體跟蹤報道和意見領袖的推動，企業(yè)將面臨更嚴重的輿情危機。企業(yè)能采取控制策略的主要階段為成長期、蔓延期和爆發(fā)期，成長期主要為普通微博用戶的傳播，意見領袖在蔓延、爆發(fā)期對輿情傳播起關鍵作用。

本文利用演化博弈分階段討論負面輿情處于成長期和蔓延、爆發(fā)期的企業(yè)及微博用戶的進化穩(wěn)定策略，并用實際案例驗證模型的合理性，為企業(yè)應對負面輿情提供建議。

參考文獻：

[1]李綱，董琦.Web20環(huán)境下企業(yè)網(wǎng)絡輿情傳播過程的研究及實證分析[J].情報科學，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)絡輿情關鍵節(jié)點識別——以“7·23動車事故”為例[J].公共管理學報，2012（3）：101-111.

[6]趙金樓，成俊會.基于SNA的突發(fā)事件微博輿情傳播網(wǎng)絡結構分析——以“420四川雅安地震”為例[J].管理評論，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)事件中輿情傳播機制與演化博弈分析[J].中國管理科學，2014（11）：87-96.

[14]趙俊，霍良安.兩個輿論場中的網(wǎng)絡群體性事件交互演化模型[J].軟科學，2015（5）：135-139.

[15]韓少春，劉云，張彥超，等.基于動態(tài)演化博弈論的輿論傳播羊群效應[J].系統(tǒng)工程學報，2011（2）：275-281.

[16]宋彪，朱建明，黃啟發(fā).基于群集動力學和演化博弈論的網(wǎng)絡輿情疏導模型[J].系統(tǒng)工程理論與實踐，2014（11）：2984-2994.

[17]王長春，陳超.基于復雜網(wǎng)絡的謠言傳播模型[J].系統(tǒng)工程理論與實踐，2012（1）：203-210.

[18]林敏.網(wǎng)絡輿情：影響因素及其作用機制研究[D].浙江大學，2013：67-73.

（責任編輯：王惠萍）