大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情分析在企業(yè)管理中的應(yīng)用研究

余宏

（豫章師范學(xué)院數(shù)學(xué)與計(jì)算機(jī)分院，南昌330103）

0 引言

1 網(wǎng)絡(luò)輿情與企業(yè)網(wǎng)絡(luò)輿情

1.1 網(wǎng)絡(luò)輿情的大數(shù)據(jù)特征

輿情是指在一定的社會(huì)空間內(nèi)，作為主體的民眾對(duì)作為客體的企業(yè)、組織、個(gè)人及相關(guān)的中介性社會(huì)事件的發(fā)生、發(fā)展和變化所持有的信念、態(tài)度、意見和情緒的總和。網(wǎng)絡(luò)輿情是社會(huì)輿情在網(wǎng)絡(luò)空間中的映射，是社會(huì)輿情的直接反映。隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，人們更習(xí)慣于通過網(wǎng)絡(luò)途徑表達(dá)自己對(duì)社會(huì)熱點(diǎn)事件的態(tài)度和看法，網(wǎng)絡(luò)已經(jīng)成為反映社會(huì)輿情的最主要的載體之一。

大數(shù)據(jù)（Big Data）是指數(shù)據(jù)規(guī)模大到無法通過常規(guī)軟件工具在一定時(shí)間范圍內(nèi)進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合。大數(shù)據(jù)不但表現(xiàn)為數(shù)據(jù)體量巨大（Vol?ume），而且具有數(shù)據(jù)產(chǎn)生的速度快（Velocity）、數(shù)據(jù)類型多樣（Variety）、價(jià)值密度低（Veracity）等特點(diǎn)，簡稱大數(shù)據(jù)的4V特征。由于互聯(lián)網(wǎng)的開放性，加上移動(dòng)互聯(lián)網(wǎng)應(yīng)用的普及，使得廣大的網(wǎng)民和社會(huì)群體通過網(wǎng)絡(luò)發(fā)表言論、上傳多媒體數(shù)據(jù)變得空前的便捷。這使得網(wǎng)絡(luò)輿情數(shù)據(jù)呈現(xiàn)海量式增長。其次，人們通過博客（Blog）、微信、論壇等應(yīng)用平臺(tái)參與評(píng)論時(shí)不僅有文本文字，還可以是圖片和視頻等非結(jié)構(gòu)化的數(shù)據(jù)，使得網(wǎng)絡(luò)輿情數(shù)據(jù)類型呈現(xiàn)多樣性特征。再次，網(wǎng)民參與網(wǎng)絡(luò)言論表達(dá)自由度大、輿論內(nèi)容的觀點(diǎn)多元而且多變，由于缺乏理性引導(dǎo)，網(wǎng)絡(luò)輿情環(huán)境復(fù)雜、變化快。最后，網(wǎng)絡(luò)輿情知識(shí)并不是在互聯(lián)網(wǎng)中直接存在，而是要通過信息技術(shù)手段從海量的網(wǎng)絡(luò)輿情來源數(shù)據(jù)中經(jīng)過挖掘獲得。可見，網(wǎng)絡(luò)輿情數(shù)據(jù)具備大數(shù)據(jù)的4V特征。

1.2 網(wǎng)絡(luò)輿情的社會(huì)網(wǎng)絡(luò)化特征

1.3 企業(yè)網(wǎng)絡(luò)輿情的特征

企業(yè)網(wǎng)絡(luò)輿情是網(wǎng)絡(luò)輿情在互聯(lián)網(wǎng)空間的進(jìn)一步降維映射，是以企業(yè)為對(duì)象、事件為核心，公眾借助網(wǎng)絡(luò)對(duì)企業(yè)事件表達(dá)的多種情緒、態(tài)度和意見的集合。

在當(dāng)前社會(huì)網(wǎng)絡(luò)大數(shù)據(jù)背景下，企業(yè)網(wǎng)絡(luò)輿情主要通過網(wǎng)絡(luò)博客、新聞網(wǎng)站、論壇、社交網(wǎng)絡(luò)應(yīng)用平臺(tái)（微信、微博、QQ等）及電子商務(wù)平臺(tái)進(jìn)行傳播，這種傳播方式使得企業(yè)網(wǎng)絡(luò)輿情與其他社會(huì)網(wǎng)絡(luò)輿情一樣，具有以下共同特征：

（1）互聯(lián)網(wǎng)的無形無界及開放性結(jié)構(gòu)打破了人與人之間交流的時(shí)空限制，使得輿情信息的存在空間呈現(xiàn)開放性和虛擬性；

（2）移動(dòng)互聯(lián)網(wǎng)應(yīng)用技術(shù)的發(fā)展增強(qiáng)了移動(dòng)端信息推送功能，使得網(wǎng)絡(luò)輿情信息的傳播具有實(shí)時(shí)性；

本研究中，與≥90分組患者相比，<70分組患者LVEF較低、pro-BNP較高、住院時(shí)間更長、消化道出血更多見，心臟破裂或室間隔穿孔發(fā)生有增加趨勢。<70分組患者年齡更大、女性比例更高、因STEMI就診比例更高、急診介入治療比例更高、入院時(shí)收縮壓血壓稍低，這可能是其轉(zhuǎn)歸較差的原因。

（3）網(wǎng)絡(luò)參與主體可以通過網(wǎng)絡(luò)交互操作發(fā)表和傳播各種信息，使得網(wǎng)絡(luò)輿情具有交互性；

企業(yè)級(jí)網(wǎng)絡(luò)輿情與社會(huì)網(wǎng)絡(luò)輿情又存在一些區(qū)別：

（1）在輿情信息處理規(guī)模上：前者僅針對(duì)互聯(lián)網(wǎng)上與本行業(yè)企業(yè)相關(guān)的輿情信息進(jìn)行處理。因此，在使

社會(huì)網(wǎng)絡(luò)（Social Network）是指社會(huì)個(gè)體成員之間因?yàn)榛?dòng)而形成的相對(duì)穩(wěn)定的關(guān)系體系。在社會(huì)網(wǎng)絡(luò)中，個(gè)體之間會(huì)形成“社交圈”和“興趣圈”等關(guān)系。

進(jìn)行網(wǎng)絡(luò)輿情分析的數(shù)據(jù)來源分為兩大類：一類是網(wǎng)民為表達(dá)自己針對(duì)某社會(huì)熱點(diǎn)事件的情緒、態(tài)度和意見而通過網(wǎng)絡(luò)發(fā)表的傾向性言論，可以是文字、圖片或視頻的形式。還有一類是反映參與輿論創(chuàng)建和傳播的網(wǎng)民之間的關(guān)系的數(shù)據(jù)。例如，網(wǎng)絡(luò)社交平臺(tái)用戶之間相互“加關(guān)注”成為“粉圈”，平臺(tái)服務(wù)器能將該類反映人際關(guān)系的數(shù)據(jù)進(jìn)行記錄，并描述成平臺(tái)用戶構(gòu)成的社會(huì)化網(wǎng)絡(luò)。以人人網(wǎng)為代表的社交網(wǎng)站用戶之間形成了“社交圈”網(wǎng)絡(luò)；以微博、知識(shí)分享平臺(tái)、消費(fèi)點(diǎn)評(píng)網(wǎng)、團(tuán)購網(wǎng)站等平臺(tái)的用戶之間其實(shí)都屬于基于興趣形成的社會(huì)化的關(guān)系網(wǎng)絡(luò)。相對(duì)于大眾網(wǎng)絡(luò)來說，這些“社交圈”和“興趣圈”對(duì)于企業(yè)進(jìn)行網(wǎng)絡(luò)營銷來說無疑有著更積極的促進(jìn)作用，優(yōu)勢更為明顯。用計(jì)算機(jī)搜索技術(shù)從網(wǎng)絡(luò)上獲取輿情原始數(shù)據(jù)時(shí)，可以通過構(gòu)建“企業(yè)信息關(guān)鍵詞詞典”，過濾出與企業(yè)相關(guān)的輿情信息，從而極大地降低企業(yè)輿情信息的處理負(fù)擔(dān)。

（2）在語料的積累和交互歷史的積累上：企業(yè)級(jí)的輿情數(shù)據(jù)往往比較集中在產(chǎn)品銷售平臺(tái)、企業(yè)的微信公眾號(hào)、官方微博及行業(yè)論壇，因此輿情數(shù)據(jù)采集比較簡單；而政府級(jí)的社會(huì)輿情數(shù)據(jù)來源是比較分散的，收集輿情資料難度大。

（3）在靶向目標(biāo)方面：企業(yè)輿情管理主要針對(duì)企業(yè)客戶、行業(yè)競爭者、合作伙伴等。相比之下，政府級(jí)的社會(huì)輿情管理范圍更廣，涉及社會(huì)的方方面面，靶向性較企業(yè)較弱。

（4）在輿情的處理方式上：企業(yè)輿情管理側(cè)重于在充分研究社會(huì)網(wǎng)絡(luò)的基礎(chǔ)上，主動(dòng)對(duì)行業(yè)狀況、競爭對(duì)手動(dòng)態(tài)及熱點(diǎn)事件相關(guān)的資訊進(jìn)行收集、分析，然后運(yùn)用輿情分析的結(jié)果作出相應(yīng)的決策并實(shí)施相關(guān)的動(dòng)作，以維護(hù)企業(yè)的切身利益。而政府輿情管理則重在監(jiān)督和防范，對(duì)不利于社會(huì)穩(wěn)定的輿論進(jìn)行疏導(dǎo)和處理，降低對(duì)社會(huì)的危害。

2 網(wǎng)絡(luò)輿情大數(shù)據(jù)分析方法

目前典型的網(wǎng)絡(luò)輿情分析方法主要有網(wǎng)絡(luò)調(diào)查法、基于文本內(nèi)容的輿情挖掘方法、Web使用挖掘及社會(huì)網(wǎng)絡(luò)計(jì)算等。

2.1 基于網(wǎng)絡(luò)調(diào)查的輿情分析

網(wǎng)絡(luò)調(diào)查法指的是利用互聯(lián)網(wǎng)的交互式信息溝通渠道來收集有關(guān)統(tǒng)計(jì)數(shù)據(jù)的一種方法，具體做法通常是在某網(wǎng)站或應(yīng)用平臺(tái)上發(fā)布問卷，由網(wǎng)民自行選擇填答，以獲取民眾對(duì)相關(guān)問題的態(tài)度或傾向性。

通過網(wǎng)絡(luò)調(diào)查獲取輿情信息有利于輿情管理工作化被動(dòng)為主動(dòng)，信息反饋及時(shí)、針對(duì)性強(qiáng)，便于更確切地了解網(wǎng)絡(luò)輿情的動(dòng)向。缺點(diǎn)是調(diào)查結(jié)果的可靠性受受試者影響大，很難選取調(diào)查的“最優(yōu)抽樣”樣本。

2.2 基于文本內(nèi)容挖掘的網(wǎng)絡(luò)輿情分析

廣義上，網(wǎng)絡(luò)輿情分析包括從輿情數(shù)據(jù)的采集開始到提供輿情知識(shí)服務(wù)這一系列的過程，如圖1所示：首先是通過網(wǎng)絡(luò)爬蟲從互聯(lián)網(wǎng)上抓取輿情數(shù)據(jù)，對(duì)抓取的網(wǎng)頁進(jìn)行數(shù)據(jù)預(yù)處理，在數(shù)據(jù)預(yù)處理的基礎(chǔ)上抽取文本特征項(xiàng)并對(duì)文本進(jìn)行建模；然后利用數(shù)據(jù)分類和聚類等算法進(jìn)行輿情知識(shí)的挖掘；最后將分析結(jié)果以可視化、易理解的形式提供給用戶。

圖1 基于內(nèi)容挖掘的網(wǎng)絡(luò)輿情分析流程

上述過程除了要用到搜索引擎技術(shù)和自然語言處理技術(shù)外，最核心的技術(shù)包括網(wǎng)絡(luò)輿情話題發(fā)現(xiàn)與追蹤技術(shù)、網(wǎng)絡(luò)文本情感傾向性分析技術(shù)。

網(wǎng)絡(luò)輿情話題發(fā)現(xiàn)與追蹤指的是從互聯(lián)網(wǎng)上眾多討論話題的海量信息中找到熱點(diǎn)、敏感話題。傳統(tǒng)的做法是抽取文本關(guān)鍵詞作為文本特征，通過關(guān)鍵詞的相似性度量來進(jìn)行文本的聚類，但該方法產(chǎn)生的話題準(zhǔn)確性和可讀性不高。有學(xué)者提出將文本聚類問題轉(zhuǎn)換為話題特征聚類問題，并依據(jù)事件語言文本信息流進(jìn)行重新組織和利用，實(shí)現(xiàn)了話題的發(fā)現(xiàn)與追蹤，且話題分類的準(zhǔn)確度和可讀性大為提高。

文本情感傾向性分析主要借助包括自然語言處理、機(jī)器學(xué)習(xí)、文本挖掘等計(jì)算機(jī)智能技術(shù)計(jì)算出網(wǎng)絡(luò)評(píng)論者的情感傾向。其中，支持向量機(jī)算法、樸素貝葉斯算法和基于字符的N-Gram模型這三種標(biāo)準(zhǔn)的監(jiān)督機(jī)器學(xué)習(xí)方法被證明是較好的情感分類算法。而且，文本內(nèi)容越短，其情感分析效果越好，這主要是因?yàn)殚L文本中所包含的不利于情感計(jì)算的噪音數(shù)據(jù)較多。

2.3 基于WWeebb使用挖掘的網(wǎng)絡(luò)輿情分析

網(wǎng)絡(luò)用戶在進(jìn)行網(wǎng)頁瀏覽和使用搜索引擎進(jìn)行信息搜索時(shí)都會(huì)在服務(wù)器上留下“足跡”，包括用戶的IP地址、訪問時(shí)間、訪問頁面的URL地址、搜索詞等日志信息。

根據(jù)Web瀏覽日志采集被高頻訪問的網(wǎng)頁樣本進(jìn)行聚類，根據(jù)聚類結(jié)果，選取用戶所關(guān)注的熱點(diǎn)頁面簇進(jìn)行特征詞抽取并構(gòu)建頁面簇特征向量，然后對(duì)全部網(wǎng)頁使用頁面簇特征向量進(jìn)行二次聚類，得出與熱點(diǎn)頁面相關(guān)度更高的網(wǎng)絡(luò)輿情網(wǎng)頁集，進(jìn)而可以了解網(wǎng)絡(luò)輿情的變化趨勢。

通過搜索日志記錄的某段時(shí)間的搜索詞進(jìn)行分析，可以推理出網(wǎng)民關(guān)注的熱點(diǎn)動(dòng)向；通過對(duì)網(wǎng)絡(luò)用戶點(diǎn)擊瀏覽的搜索結(jié)果相關(guān)頁面進(jìn)行聚類分析，可以發(fā)現(xiàn)熱點(diǎn)事件及網(wǎng)絡(luò)輿情產(chǎn)生、變化的源頭。谷歌就通過搜索引擎服務(wù)器里記錄的搜索日志分析成功預(yù)測了禽流感爆發(fā)的時(shí)間和規(guī)模。

2.4 基于社會(huì)網(wǎng)絡(luò)計(jì)算的網(wǎng)絡(luò)輿情分析

所謂社會(huì)網(wǎng)絡(luò)計(jì)算就是通過計(jì)算機(jī)技術(shù)對(duì)社會(huì)數(shù)字軌跡進(jìn)行智能分析，了解社會(huì)已經(jīng)發(fā)生，監(jiān)控正在發(fā)生和預(yù)測將要發(fā)生的事情，為虛擬網(wǎng)絡(luò)社會(huì)的科學(xué)管理提供有效的參考依據(jù)。

在社會(huì)網(wǎng)絡(luò)中，有一大類是社交網(wǎng)絡(luò)，這類網(wǎng)絡(luò)的用戶，不但有內(nèi)容，用戶之間還相互關(guān)注、評(píng)論、轉(zhuǎn)帖，用戶之間的這種相互“關(guān)注”關(guān)系可以采用結(jié)構(gòu)圖來表示。在不同的社會(huì)網(wǎng)絡(luò)中，把內(nèi)部聯(lián)系緊密、外部聯(lián)系稀疏的一群用戶稱為社區(qū)，它代表著不同應(yīng)用領(lǐng)域的實(shí)體關(guān)系群。在社區(qū)中信息傳播的速度更快，社區(qū)中的網(wǎng)絡(luò)輿情主體之間進(jìn)行頻繁聯(lián)系，例如關(guān)注、評(píng)論、轉(zhuǎn)帖等互動(dòng)過程，從而會(huì)產(chǎn)生社區(qū)輿論的“意見領(lǐng)袖”，他們很大程度上決定著整個(gè)社區(qū)的輿論走向。因此，從浩大的社會(huì)網(wǎng)絡(luò)中通過社區(qū)發(fā)現(xiàn)算法（如LCA算法）挖掘出高質(zhì)量的社區(qū)；以及從社區(qū)中找出意見領(lǐng)袖是社會(huì)網(wǎng)絡(luò)計(jì)算的基本任務(wù)。

3 網(wǎng)絡(luò)輿情分析與企業(yè)管理的結(jié)合

在互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代，新媒體已經(jīng)成為公眾表達(dá)訴求的重要平臺(tái)與載體，特別是隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的不斷創(chuàng)新和自媒體的快速發(fā)展，公眾關(guān)注社會(huì)熱點(diǎn)事件更加的便利，輿情信息的負(fù)向效應(yīng)容易迅速放大，從而引發(fā)熱點(diǎn)輿情事件。企業(yè)如果在輿情分析與應(yīng)對(duì)方面滯后，容易導(dǎo)致企業(yè)聲譽(yù)受損、經(jīng)營業(yè)績下降，給企業(yè)帶來重大負(fù)面影響。因此，如何全面、及時(shí)、準(zhǔn)確對(duì)網(wǎng)絡(luò)輿情信息進(jìn)行有效監(jiān)測，提高網(wǎng)絡(luò)輿情管理能力，是當(dāng)代企業(yè)保持良好形象、維護(hù)品牌口碑、提高市場銷售業(yè)績及促進(jìn)企業(yè)穩(wěn)健發(fā)展的重要戰(zhàn)略。

3.1 基于網(wǎng)絡(luò)輿情分析實(shí)現(xiàn)品牌危機(jī)管理

企業(yè)的品牌危機(jī)管理不是等到危機(jī)出現(xiàn)以后才去匆忙應(yīng)對(duì)，而應(yīng)該在企業(yè)的日常管理中有一套監(jiān)測和預(yù)警機(jī)制。企業(yè)可以根據(jù)自身所處的行業(yè)性質(zhì)、所生產(chǎn)的產(chǎn)品和服務(wù)以及企業(yè)品牌等相關(guān)信息確定輿情監(jiān)測的主題。利用主題特征關(guān)鍵詞對(duì)各大門戶網(wǎng)站新聞評(píng)論、論壇、大眾點(diǎn)評(píng)網(wǎng)、微博平臺(tái)等容易形成突發(fā)輿情事件的“爆發(fā)點(diǎn)”進(jìn)行布控，通過基于內(nèi)容的主題網(wǎng)絡(luò)輿情挖掘技術(shù)識(shí)別出某個(gè)時(shí)間段出現(xiàn)的有關(guān)本企業(yè)形象和品牌的熱門話題并對(duì)其進(jìn)行追蹤。一旦鎖定某輿情事件與本企業(yè)有關(guān)，接下來就要把握輿情事件的輿論動(dòng)向，通過輿情文本情感傾向性分析技術(shù)了解網(wǎng)絡(luò)民眾對(duì)突發(fā)事件的態(tài)度和立場，從而為制定危機(jī)應(yīng)對(duì)策略提供依據(jù)。企業(yè)在采取了相關(guān)應(yīng)對(duì)措施后，可以通過網(wǎng)絡(luò)輿情主題跟蹤技術(shù)，分析近段時(shí)間新發(fā)表和轉(zhuǎn)發(fā)的文章、帖子的主題及文本的情感傾向性是否與輿情事件爆發(fā)初期相同，從而觀察和確定消費(fèi)者、公眾和媒體等方面的輿論關(guān)注點(diǎn)、態(tài)度的變化，如果發(fā)現(xiàn)危機(jī)得到緩和，要采取措施轉(zhuǎn)移事件的關(guān)注點(diǎn)，以恢復(fù)和提升品牌形象。

3.2 基于網(wǎng)絡(luò)輿情分析實(shí)現(xiàn) .2 BB營銷

與傳統(tǒng)的B2C營銷模式相反，C2B（Customer to Business）是從消費(fèi)者到企業(yè)的商業(yè)模式，即先有消費(fèi)者提出個(gè)性化需求，后有企業(yè)按客戶需求進(jìn)行產(chǎn)品定制化生產(chǎn)。在傳統(tǒng)環(huán)境下，企業(yè)為單個(gè)用戶量身設(shè)計(jì)和定做一件產(chǎn)品的成本非常高企、價(jià)格昂貴。但隨著Web2.0的發(fā)展，在社會(huì)網(wǎng)絡(luò)大數(shù)據(jù)環(huán)境下，具有相同需求的消費(fèi)者形成一個(gè)特殊的網(wǎng)絡(luò)子群，群里的用戶可以團(tuán)購定制某個(gè)特殊產(chǎn)品，訂購數(shù)量達(dá)到一定規(guī)模后，就能達(dá)到降低生產(chǎn)成本和售價(jià)的目的，從而使得企業(yè)采用C2B營銷模式實(shí)現(xiàn)盈利成為可能。

因此企業(yè)首先需要通過社會(huì)網(wǎng)絡(luò)計(jì)算，從浩大的社會(huì)網(wǎng)絡(luò)中挖掘出對(duì)某類產(chǎn)品有共同興趣的用戶群；接下來需要采用情感傾向性分析技術(shù)，對(duì)“興趣圈”子群內(nèi)客戶發(fā)表的輿情信息（如客戶對(duì)產(chǎn)品或賣家的相關(guān)評(píng)論）進(jìn)行挖掘以了解用戶的意圖；企業(yè)還可以參與興趣用戶群的討論，并優(yōu)化企業(yè)輿情管理。

3.3 基于網(wǎng)絡(luò)輿情分析實(shí)現(xiàn)信息推薦系統(tǒng)

當(dāng)今，互聯(lián)網(wǎng)已成為人們獲取信息的重要途徑，然而互聯(lián)網(wǎng)上的“信息泛濫”使人們很容易在海量的信息中迷失，商品信息推薦系統(tǒng)就是要根據(jù)用戶的不同需要、興趣、習(xí)慣等個(gè)性化因素，向用戶提供差異化的商品或服務(wù)以滿足用戶的個(gè)性化需求。其核心就是通過采集和分析用戶信息來獲取用戶的偏好特點(diǎn)和行為模式，然后把滿足該特點(diǎn)和模式的商品或服務(wù)信息傳送給潛在目標(biāo)用戶，以解決“信息泛濫”的問題。

常用的推薦方法有基于Web使用日志挖掘進(jìn)行關(guān)聯(lián)推薦和社會(huì)網(wǎng)絡(luò)信任關(guān)系推薦。例如，通過分析用戶在Web日志、搜索日志及購物清單中留下的瀏覽、搜索、購買商品的“痕跡”，獲取用戶的購物習(xí)慣、偏好及潛在需求商品的屬性，然后利用關(guān)聯(lián)規(guī)則技術(shù)找出與該商品屬性相似的產(chǎn)品，并在用戶瀏覽商品時(shí)進(jìn)行自動(dòng)推薦。像京東商城、亞馬遜和天貓等就是采用該方法進(jìn)行商品個(gè)性化推薦。

社會(huì)網(wǎng)絡(luò)個(gè)性化信息推薦可以分為用戶之間的信息推薦、及企業(yè)對(duì)用戶的信息推薦。社會(huì)網(wǎng)絡(luò)中潛藏著用戶之間的信任關(guān)系，信任關(guān)系強(qiáng)的用戶之間預(yù)示著他們之間進(jìn)行信息傳播更便捷、更頻繁。因此挖掘出群體用戶之間的行為依賴關(guān)系有助于社會(huì)網(wǎng)絡(luò)中信息的個(gè)性化推薦的應(yīng)用。另外，通過社會(huì)網(wǎng)絡(luò)計(jì)算找出興趣群社區(qū)中的權(quán)威用戶，企業(yè)管理者可以和發(fā)現(xiàn)的權(quán)威用戶建立友好關(guān)系，讓其經(jīng)常轉(zhuǎn)發(fā)或評(píng)述與企業(yè)有關(guān)的正面信息；而對(duì)于企業(yè)的負(fù)面信息，力爭使權(quán)威用戶的鄰居少進(jìn)行或不進(jìn)行擴(kuò)散。

4 結(jié)語

隨著Web2.0技術(shù)的廣泛應(yīng)用，網(wǎng)絡(luò)用戶成為互聯(lián)網(wǎng)內(nèi)容的創(chuàng)造者，可以輕松發(fā)布關(guān)于企業(yè)動(dòng)態(tài)的信息，表達(dá)自己的情緒和意見，反饋使用產(chǎn)品的體驗(yàn)等企業(yè)輿情信息。同時(shí)，由于網(wǎng)絡(luò)用戶的社會(huì)網(wǎng)絡(luò)化特征，網(wǎng)絡(luò)用戶發(fā)布的網(wǎng)絡(luò)輿情信息會(huì)推送至“社交圈”、“興趣圈”內(nèi)的好友與關(guān)注者，并通過他們的轉(zhuǎn)發(fā)、分享等操作傳播至更廣的范圍，從而給企業(yè)的品牌聲譽(yù)和經(jīng)營效益產(chǎn)生重大影響。為此，企業(yè)應(yīng)該對(duì)與自身相關(guān)的網(wǎng)絡(luò)輿情進(jìn)行密切監(jiān)控與引導(dǎo)，降低負(fù)面輿情對(duì)企業(yè)的影響；通過對(duì)企業(yè)網(wǎng)絡(luò)輿情的深入分析，挖掘出有價(jià)值的輿情知識(shí)服務(wù)于企業(yè)的管理創(chuàng)新。