基于微博平臺的企業網絡口碑危機預警研究

李明　王高飛

摘要：自媒體時代下，信息傳播凸顯出迅速和隱蔽的特點.網絡口碑預警變得尤為必要。本文以微博為研究平臺，在詳細分析微博口碑影響因素和自身屬性的基礎上，運用層次分析法建立了微博口碑指標體系，進而構建出微博口碑預警模型。最后對未來的研究趨勢進行展望，以期為網絡口碑后續的相關研究提供借鑒和參考。

關鍵詞：自媒體；微博口碑；口碑預警；預警模型

中圖分類號：F270 文獻標識碼：A

文章編號：1005-913X（2016）08-0042-02

互聯網時代的到來誕生了許多新興媒體，尤其是自媒體的發展已然使網民成為信息發布和傳播的主體。而近些年被互聯網用戶廣泛使用的微博，在信息的發布與傳播過程中其地位越來越重要。據新浪微博數據中心統計，截至2015年年末，微博月活躍用戶已達2.36億，新增用戶為6000萬，日活躍用戶達到1.06億，新增用戶3200萬。對于政府來講，互聯網是政府了解社情民意、制定決策的窗口。而對于企業來講，互聯網是其正常運轉的工具，由網絡平臺挖掘出的數據和信息對于企業的決策起到了舉足輕重的作用。而微博平臺則是其中一種最重要和最具代表性的信息渠道和平臺。微博平臺具備虛擬性、簡明性：時效性、隱蔽性等顯著特點，這使得信息的傳播更為隨意、更為快捷。而也正是由于微博具有的這些特性，容易出現各種背離真相的謠言或帶有挑唆、鼓動的負面言論，這些都會給企業的口碑帶來不利的影響，而企業口碑的好壞幾乎決定了企業的生死。因此，在自媒體時代如何塑造良好的企業網絡口碑，如何及時的對企業存在的負面網絡口碑進行預警，消除不利于企業的網絡口碑，具有重要的理論價值與現實意義。

一、微博口碑預警研究現狀

關于微博口碑傳播的研究，學者們主要從傳播的相關理論以及傳播的周期與模型等方面進行研究。而國外在這些方面開展的研究較早，國內學者結合我國的具體國情將這些相關理論及模型進行優化與完善。在理論方面，學者比較常用的有“沉默的螺旋”理論、“六度分割”理論、“社會網絡”理論等等，而近些年在研究中常用到的模型主要有Deffuant模型、Sznaid模型、Hegselman-Krase模型等等。而針對網絡傳播的元胞自動機傳播模型、“傳染病模型”、基于小世界網絡和無標度網絡的傳播模型等則是近年國內取得的較為典型的研究成果。元胞自動機主要透過中心元胞來研究其領域權重及鑒定度對于傳播的作用。傳染病模型能清晰地觀察隨著時間變化網絡口碑演變過程，并考慮了口碑信息“裂變式”傳播特性及口碑話題的衍生性。小世界網絡和無標度網絡的傳播模型是建立在社會網絡的基礎上的，具備真實性和聯系性。微博口碑的傳播模式大多集中在以表征傳播過程及結構的模式，如劉繼等將微博口碑信息傳播模式分為單關鍵點型、鏈式型、多關鍵點型在傳播效應研究方面，主要有聚合效應、關聯效應、從眾效應、傳染效應、蝴蝶效應等，這些效用對于網絡口碑的傳播過程和演化方向都會有影響。此外，長尾理論、羊群理論、自組織理論、突變理論等也被廣泛地運用于口碑傳播規律特征的研究中，這些理論不斷地豐富口碑傳播的理論體系。

關于微博口碑演化的研究，由于演變的錯綜復雜性，不同學者基于自身的學科知識，從不同的學科領域和視角對網絡口碑的演變規律進行研究。目前，國內的部分學者通過構建模型來研究口碑的演變。此外，許多學者的研究主要集中于口碑的階段劃分，如方付建則將突發事件網絡口碑演變分為孕育、擴散、變換和衰減4個階段。這類研究主要從網絡口碑演化周期的角度來分析網絡口碑從產生到消解的全過程。在口碑監測模型方面，王君澤等人在充分考慮微博及意見領袖的特性后，構建識別微博意見領袖的多維模型；楊亮等人依據熱點事件發生時微博中不斷爆出的相關情感詞，提出了情感分布語言模型，通過分析相鄰時間內語言模型的差異用以發現熱點事件；蘭月新在突發事件微博口碑影響趨勢的基礎上，利用微分方程模型研究微博口碑擴散規律。指標構建方面，高承實等在微博信息傳播機制的基礎上，結合信息空間模型構建了微博口碑的三維空間，運用層次分析法，建立了微博口碑監測指標體系并給出不同指標的量化計算方法；王長寧等在分析微博口碑傳播特點的基礎上提出了關于微博口碑熱度監測指標，構建微博口碑的預警體系，但該指標缺少對口碑傳播的考量。而針對微博口碑的研究主要有：夏雨禾研究了突發事件中微博輿論的分布形態、構成要素、生成機制和模式；王長寧等對微博口碑熱度監測及預警的指標體系進行研究；付宏等研究了微博傳播的演進模式；肖凝希研究了在輿論生命周期視角下的微博輿論預警。相關文獻查閱結果來看，網絡社群突發口碑預已引起眾多學者的關注，針對微博口碑的研究更多的集中在演化機制、指標預警指標體系等理論探討上，現有的預警模型多為“預案一應對”模式，不能適應動態演化、爆發突然的微博口碑實時監控、迅速預警的需求。

二、微博口碑指標體系設計

要建立有效的微博口碑預警模型，首先要設計出科學有效的微博口碑指標體系，因此必須要對微博口碑的主要影響因素進行深入分析。可以根據口碑從產生到消亡的整個生命周期去尋找影響口碑傳播與演化的具體因素有哪些，盡量羅列出所有的影響因素。當然，盡管要求要確保口碑預警指標的完整性和準確性，而事實上要完全包羅所有的影響因素是不可能的，也是不必要的，只要抓住每個生命周期中對口碑影響較大的指標即可。本文將微博口碑指標體系分為三個層次分別為1個一級指標、4個二級指標和11個三級指標。一級指標包含的二級指標分別為口碑主題信息u1、口碑發布者u2、口碑參與者u3、口碑擴散度u4。二級指標包含的三級指標分別為發布載體影響力u11、主題敏感度u12、素材關注度u13、發布者影響力u21、發布者活躍度u22、瀏覽總數u30、正面回復數u32、負面回復數u33、轉載總數u41、傳播方式分布度u42、小傳播媒體重要度u43。（如圖1），該指標體系包羅了所有口碑生命周期中的關鍵影響因素。

三、微博口碑預警模型

建立一個切實有效的微博口碑預警模型。本文擬從預警的前期、中期、后期即從信息的信息采集與挖掘、信息的處理與量化、預警與可參考方案的三個模塊進行。如圖2所示，該研究擬通過網絡爬蟲獲取一定量的微博評論作為語料，對選取的評論進行信息分析，對信息進行分類，對其中的危機進行研判，當達到一定的閾值時則進行預警，預警的同時采取一定的措施對危機進行處理，如對信息進行及時的發布，并從已有的知識庫尋找可供參考的解決方案，對危機進行處理直至危機恢復。若在知識庫中找不到合適的解決方案則研究新方案，然后將產生的新方案匯人知識庫，為以后預警提供參考。

四、微博口碑預警的趨勢

本文通過對國內外的微博口碑預警現狀進行分析，進而利用層次分析法（AHP）建立微博口碑預警指標體系，進而在此基礎上構建微博口碑預警模型。而近些年，對于微博口碑預警具有以下幾個趨勢。

一是捕捉信息能力的提高。及時捕捉到口碑信息，是進行微博預警的前提。隨著大數據等信息技術的發展，捕捉網絡信息的能力也在不斷加強，而隨著微博、微信、QQ等自媒體平臺用戶的不斷增多，網絡口碑信息的捕獲將變得更加簡單。研究者直接從這些網絡平臺就可以獲取第一手的信息，方便研究者的研究。

二是研究者更注重用戶情感的研究。微博口碑的傳播分為口碑產生期、口碑擴散期、口碑消退期幾個生命周期，而用戶情感貫穿其中，因此從細粒度上研究用戶的情感對口碑的重要作用，針對性的采取口碑預警是今后的一個研究趨勢。

三是口碑預警水平的提高。當前我國微博口碑預警的研究還處在初期，很多網絡口碑預警的方式方法還在研究和實踐中，而隨著相關研究的不斷深入，信息手段的不斷加強，網絡口碑預警的水平定將得到提升。