企業負面新聞事件下社交媒體多類型信息競爭演化研究

阮文翠 夏志杰 王家輝

摘要：研究企業負面新聞爆發后社交媒體平臺產生的多類型信息的競爭傳播規律有助于企業負面新聞的應對。企業負面新聞爆發后社交媒體平臺隨之產生虛假新聞、不確定性新聞信息及真實新聞信息。以生態學種群理論為基礎，引入生物種群競爭Lotka-Volterra模型來刻畫三者之間的動態競爭過程，并進行仿真和實證分析。不確定性新聞信息及真實新聞信息對虛假新聞的競爭系數影響虛假新聞的生存狀態；三種新聞信息達到平衡狀態只與三者之間的競爭系數有關；三種信息傳播的拐點受競爭系數、信息擴散率及信息初始值的影響。

關鍵詞：虛假新聞；競爭傳播；Lotka-Volterra模型；灰色估計

中圖分類號：G206文獻標識碼： ADOI：10.3969/j.issn.1003-8256.2020.04.010

開放科學（資源服務）標識碼（OSID）：

基金項目：國家社會科學基金項目（14BTQ026）；國家自然科學基金青年項目（71503163）；上海工程技術大學研究生科研創新項目“基于情感分析的熱點話題微博意見領袖的識別”

0引言

Web2.0及社會化媒體的發展，使得社交媒體用戶在信息傳播過程中的主動參與性與交互共享性大大增強[1]。用戶不再僅僅是信息接受者，更是信息創造者和傳播者[2]。由于用戶的廣泛性及媒介素養不均性，導致出現虛假新聞泛濫，多種信息競爭傳播，事實真假難辨的局面[3]。部分企業也因此遭受惡意抹黑的負面新聞事件的重創。與此同時，多種信息伴隨著企業負面新聞事件在社交媒體中擴散，若企業應對不利，可能誘發次生危害[4]。如2018年“星巴克咖啡致癌”事件發生后，雖然星巴克在社交媒體平臺發布公告，但人們普遍質疑，最終引發用戶對整個咖啡行業的攻擊。因此，研究企業負面新聞事件下多種信息間的傳播機制具有重要的現實意義。

當前，有關企業負面新聞事件下多種信息的研究主要包括定性研究[5-7]及建模仿真[7-11]。定性研究方面，Pal等[8]將企業負面新聞事件爆發后產生的信息分為虛假新聞信息、真實新聞信息及不確定性新聞信息三類，并研究三種信息的內容特征。Banerjee等[9]建立情感極性分類模型，將企業負面新聞事件下的信息分為正面、負面、中立三類。建模仿真方面，國內外學者分別構建了D-K模型[10]、Bass模型[11]、傳染病模型[12]及元胞自動機模型[13]對負面新聞事件中的多種信息傳播規律進行研究。部分學者考慮到信息在傳播過程中的競爭作用，故采用Lotka-Volterra（LV）模型來刻畫多種信息之間的競爭傳播過程。鐘琪[14]建立了危機情境下真實信息與虛假信息競爭傳播的LV模型，劉詠梅[15]建立了突發事件輿論場中謠言和反謠言競爭傳播的LV模型，張亮等[16]建立了食品安全網絡輿論中正面和反面觀點競爭傳播的LV模型。盡管企業負面新聞事件下多信息競爭傳播建模研究取得一定進展，但還存在以下不足：只考慮多種信息中虛假新聞信息與真實新聞信息的競爭傳播，忽視了不確定性新聞的作用。不確定性新聞信息產生于模糊的、復雜的、不可預測的或概率性的情境中，表達了對事件的質疑及了解真相的訴求，用戶為了解真相積極參與信息搜索及意見發表。不確定信息是群體溝通和“感知”過程的一部分，因此可以通過不確定性新聞了解在線集體感知，預測新聞真實性[17]。

基于此，本文在定性研究企業負面新聞爆發后產生的信息特征和分類的基礎上，構建信息競爭演化的LV模型進行模擬仿真，從定量的視角分析影響三種信息演化的關鍵因素。以新浪微博中“星巴克致癌”事件為樣本數據進行實證分析，為企業應對負面新聞輿情提出相應對策。

1企業負面新聞事件下的三種信息相互競爭模型

1.1理論模型

生物學中Lotka-Volterra模型最初被用來刻畫生物種群間的動態競爭情形。由于社會經濟活動與生物種群間的動態發展類似，故該模型逐漸被引入社會經濟管理相關領域中。社交媒體平臺是一個開放自由的場所，任何用戶都可以發表自己的觀點、內容。針對任意事件，社交媒體用戶都能采取轉發、評論、點贊等方式表達自己對該事件的態度和觀點。由于社交媒體平臺的易用性和便利性，某一事件爆發后總會引發不同觀點的輿論，且隨著信息的傳播擴散，多種代表不同觀點的輿論總是會形成相互競爭或者相互補充的關系。社交媒體平臺類似于一個生態系統，支持同一種觀點的信息可以看作是一個信息種群。信息種群的數量受到以下幾種因素的影響：信息自身傳播的潛力、其他觀點信息的競爭力以及這種信息所能影響的受眾最大值。因此，我們可以引入Lotka-Volterra模型來刻畫企業負面新聞爆發后，社交媒體平臺產生的三種新聞信息競爭傳播演化規律。企業負面新聞爆發后社交媒體平臺產生的信息種群：（1）虛假新聞種群：由虛假新聞構成，這些虛假新聞是由網絡推手或者企業競爭對手等用戶捏造的、與事實不符、通常是聳人聽聞的信息；（2）不確定性新聞信息種群：由不確定性新聞信息構成，部分企業追隨者或利益相關者發布的，既不贊同也不否定負面新聞事件，對負面新聞事件表示質疑，包含了解真相的訴求；（3）真實新聞種群：由真實新聞信息構成，由企業官方或權威人士發布的，揭露真相、駁斥虛假新聞的信息，真實新聞的發布能夠減少用戶對虛假新聞的信任。三種新聞種群之間相互競爭，共同構成企業負面新聞輿情生態系統。基于此，建立生態概念模型如圖1。

1.2數據模型

以企業負面信息爆發后社交媒體平臺上出現的虛假新聞、真實新聞及不確定性新聞信息為研究對象，涉及的符號定義如下：

x1（t）、x2（t）、x3（t）：企業負面新聞爆發后社交媒體平臺中的虛假新聞、不確定性新聞信息及真實新聞隨著時間t變化的數量；r1、r2、r3：虛假新聞、不確定性新聞信息、真實新聞信息固有增長率（即不考慮外界因素，信息內容自身特征主導的增長）；K1、K2、K3：虛假新聞、不確定性新聞信息、真實新聞信息可以爭取到的用戶信任數量的最大限額；α12、α13：不確定性新聞信息、真實新聞對虛假新聞的競爭系數；α21、α23：虛假新聞、真實新聞對不確定性新聞信息的競爭系數。α31、α32：虛假新聞、不確定性新聞信息對真實新聞的競爭系數。

根據Lotka-Volterra模型生態原理，企業負面新聞爆發后產生的虛假新聞在擴散的過程中，受到自身的發展的限制，還受到同一輿論場中不確定性新聞信息的競爭作用及真實新聞種群的捕食作用。因此虛假新聞的logistic增長方程為：

同理，不確定性新聞信息受到自身增長阻滯作用及虛假新聞和真實新聞的抑制作用，其logistic增長方程為：

2三種信息競爭傳播模型仿真與分析

為了研究企業負面新聞爆發后三種信息的之間的競爭關系，使用MATLAB軟件對企業負面新聞爆發后三種信息競爭傳播情況進行仿真。

2.1基于穩定條件的三種信息競爭結果分析

假設虛假新聞、不確定性新聞信息、真實新聞的信任者最大限度K分別為：K1= 1000，K2= 1200，K3= 1500。種群增長率分別為：r1= 1，r2= 1，r3= 1。競爭周期t = 100。

由仿真結果可知（圖2），虛假新聞、不確定性新聞信息、真實新聞在輿論場中競爭傳播的平衡狀態受三種新聞之間的抑制系數α的影響。按最終競爭結果將平衡點分為三類：對企業不利狀態、對企業最優狀態、對企業次優狀態。

（1）對企業不利狀態：平衡點P2、P3、P5，在平衡點P2由于企業未能及時發布澄清事實的真實新聞或發布的真實新聞內容未能清晰揭露真相等原因，導致虛假新聞迅速擴散，并穩定在一定規模。不確定性新聞信息和真實新聞數量逐漸趨向于0，在這種情況下，虛假新聞在整個輿論場占優，企業受到嚴重負面影響。在平衡點P3虛假新聞和真實新聞新聞逐漸減少并趨向于0，不確定性新聞信息還存在一定數量并達到穩定狀態，用戶對企業負面新聞事件的真實性依舊無法判定。在平衡點P5不確定性新聞信息與虛假新聞迅速傳播并達到穩定狀態，真實新聞不被用戶接受，數量趨向于0，企業應對負面新聞事件的措施失敗。

（2）對企業最優狀態：平衡點P4，企業應對措施得當，真實新聞較快傳播并達到穩定狀態，虛假新聞與不確定性新聞信息逐漸減少并趨向于0。

（3）對企業次優狀態：平衡點P6、P7、P8，在平衡點P6不確定性新聞信息趨向于0，虛假新聞和真實新聞占優并達到穩定狀態，說明虛假新聞與真實新聞競爭力很強，即將繼續處于競爭狀態。在平衡點P7虛假新聞逐漸趨向于0，未證實的新聞信息與真實新聞競爭力都較強，將處于持續競爭狀態。在平衡點P8不確定性新聞信息、虛假新聞和真實新聞共存，這說明雖然真實新聞抑制虛假新聞傳播、對不確定性新聞信息有引導作用，但虛假新聞及不確定性新聞信息的生命力很強，導致信息一直處于競爭狀態。在企業短時間內無法有效應對負面新聞的情況下，真實新聞與虛假新聞或不確定性新聞信息的持續競爭是企業應對負面新聞的次優狀態。

2.2三種信息競爭傳播平衡狀態與信息初始數量的關系

令α12= 0.3，α13= 0.5，α21= 0.7，α23= 0.4，α31= 0.6，α32= 0.8，r1= 0.4，r2= 0.6，r3= 0.9，并分別取x0= （20，10，30）及x0= （30，60，5），仿真結果如圖3所示：虛假新聞、不確定性新聞信息、真實新聞相互競爭，最終的平衡狀態下，虛假新聞占上風，真實新聞處于最劣勢，該平衡狀態與三種信息的初始值x0無關，但信息傳播的拐點與初始值相關，即：三種新聞信息最終的競爭結果與信息的初始數量無關。負面新聞事件爆發后，社交媒體平臺中最先占據有利地位的信息，越早出現信息遞減的趨勢。

2.3三種信息競爭傳播平衡狀態與信息擴散率的關系

令α12= 0.3，α13= 0.5，α21= 0.7，α23= 0.4，α31= 0.6，α32= 0.8，x0= （30，60，5）并分別令r1= 0.4，r2= 0.6，r3= 0.9及r1= 0.9，r2= 0.5，r3= 0.1，得到仿真結果如下圖4：虛假新聞、不確定性新聞信息、真實新聞互相競爭的結果為虛假新聞占優，真實新聞處于最劣勢地位，平衡狀態與擴散率r的大小無關，但是達到平衡狀態所需要的時間與擴散率r的大小相關。即：三種新聞信息的傳播速度大小不影響整個輿情的最終狀態，但影響達到穩定狀態所需要的時間。傳播速度越快，達到穩定狀態的時間越短。

3實證分析

3.1案例背景

現以“星巴克致癌”事件為例，驗證以上新聞信息競爭傳播模型的合理性。“星巴克咖啡致癌”消息最早是2018年3月31號下午由自媒體“澳洲Mirror”發布，31號19∶00在微博平臺上開始擴散，博文引發了很多自媒體的關注，開始紛紛跟進“星巴克事件”，微博用戶也在熱烈的討論“咖啡是否致癌”。2018年4月1日下午開始，一些傳統的媒體開始介入。丁香醫生發文表示：適當的喝咖啡對身體無害；“人民日報”微信公眾號推送標題為《比起星巴克咖啡致癌，更可怕的是國外中文造謠媒體》一文，嚴厲點名批評“澳洲Mirror”的造謠行為，并為廣大讀者辟謠。星巴克官方也在微博上發聲明表示此消息為虛假新聞。2018年4月2日，虛假新聞逐漸滅絕，真實新聞占優勢地位，整個輿論場逐漸趨于穩定狀態。

3.2數據收集

本文使用“八爪魚”爬蟲軟件，以“星巴克致癌”為檢索詞，檢索到1341條博文，在刪除了321條不相關的推文之后，剩余1020條博文被用作樣本數據。以每小時為單位，將樣本數據按照虛假新聞、不確定性新聞信息、真實新聞進行分類，統計每小時虛假新聞、不確定性新聞信息、真實新聞的數量并繪制三種信息的擴散圖如下圖5所示：

3.3參數估計與模型擬合

目前研究對Lotka—Volterra模型進行參數估計主要集中在非線性最小二乘法及灰色估計法：熊熊等[18]利用非線性最小二乘法估算出韓國期貨市場KSE與KOSDAQ兩個股票的競爭與合作系數。趙旭等[19]使用灰色估計法估計出新加坡港和巴生港之間的影響系數，并對港口競爭趨勢進行擬合和預測。灰色估計法的優點是對數據要求較少，且算法較易實現，故實證部分使用灰色估計法對已建立的模型進行參數估計。將（4）式轉化為（7）式：

將系數還原回原方程組的系數可知：

（1）r1< r2< r3，說明在“星巴克致癌”事件的整個輿情演化過程中，真實新聞的增長率最高，不確定性新聞信息次之，虛假新聞的增長率最低，真實新聞得到了微博用戶的信任，有效的抑制了虛假新聞的傳播。

（2）α12< 0，α21< 0，說明“星巴克致癌”事件的輿情中，虛假新聞對不確定性新聞信息有負向作用，不確定性新聞信息對虛假新聞有負向作用，兩者之間為競爭關系。α13< 0，α31< 0，虛假新聞與真實新聞互為負向作用，真實新聞與虛假新聞有著互相競爭的關系。α23< 0，α32< 0真實新聞與不確定性新聞信息互為負向作用，兩者為競爭關系。

在該案例中，企業官方與權威人士發布真實新聞較為及時，真實新聞得到較多社交媒體用戶的信任和轉發，且真實新聞來源的可靠性較高，擴散速度大于虛假新聞及不確定性新聞信息，因此在較短時間內抑制了虛假新聞及不確定性新聞信息的負面作用。

4結果及建議

本文根據企業遭受負面新聞攻擊后輿論場的虛假新聞、不確定性新聞信息、真實新聞傳播的生物種群特征，建立企業負面新聞爆發后的三種信息種群競爭模型，并采用從微博案例中爬取的數據對該模型進行了較好的擬合。研究結果表明：不確定性新聞信息及真實新聞信息對虛假新聞的競爭系數α影響虛假新聞的生存狀態；三種新聞信息的傳播速度r的大小不影響整個輿情的最終狀態，但影響達到穩定狀態所需要的時間。傳播速度越快，達到穩定狀態的時間越短；三種新聞信息最終的競爭結果與信息的初始數量x0無關。負面新聞事件爆發后，社交媒體平臺中最先占據有利地位的信息，越早出現信息遞減的趨勢。

根據研究結果，本文提出以下建議：

（1）提升真實新聞對虛假新聞及不確定性新聞信息的競爭系數，即增大競爭模型中的α13、α23。從真實新聞的內容入手，提升信息內容中證據的完整性和真實性，可采取在信息中添加附加信息如：圖片、視頻、定位、鏈接及認證信息等措施以增加信息的可信度[20]。另一方面也可以改善真實新聞的發布方式，直接反駁虛假新聞容易造成“逆火效應”，因此采取真相陳述而非否定式陳述的方式發布真實信息，提升用戶對真實新聞的信任度，增強真實新聞的競爭系數。

（2）提升真實新聞的擴散率，即增大競爭模型中的r3。重視意見領袖及權威人士在企業負面新聞爆發后的作用。社交媒體中的意見領袖及權威人士在輿情信息擴散的過程中可以引導輿情的走向，因此，借助意見領袖及權威人士的影響力，企業要與意見領袖及時溝通和交流，鼓勵意見領袖及權威人士對真實信息進行轉發及擴散，從而提升真實新聞的擴散率，在最短的時間達到穩定狀態。

（3）在虛假新聞爆發的第一時間源源不斷地發布揭露真相的真實新聞，即增大模型中真實新聞的x0，使真實新聞在最短時間內獲得用戶的信任并達到穩定狀態。虛假新聞爆發后，回應迅速、反應及時是危機管理的首要原則[21]，在負面危機事件溝通處理上，企業作為危機主體必須做到快速說明，及時并且高頻率地發布真實信息。

（4）重視社交媒體用戶群體智慧的力量，群體因其異質性，具有批判性思維等特點[22]，能在企業負面新聞爆發之后對虛假新聞提出不同的觀點，并互相學習以形成較為理性的判斷。群體的質疑、反駁及舉證產生更多的真實信息，對企業負面新聞爆發后的虛假新聞有一定的抑制作用，更好地發揮群體智慧的作用，對模型中參數α13、α12、r2、r3、x0都具有正向影響。

5結語

文章在生物種群競爭理論和Lotka-Volterra模型基礎上，分析企業負面新聞爆發后虛假新聞、不確定性新聞信息、真實新聞信息的競爭傳播機理，構建三種信息競爭傳播模型，分析競爭平衡點及影響因素，并利用MATLAB對模型進行模擬仿真，得出了一些有意義的結論。根據這些結論提出了應對企業負面新聞傳播的策略。文章將不確定性新聞信息作用引入競爭模型彌補了只考慮虛假新聞與真實新聞競爭傳播的缺陷，但也存在一定的局限：并未考慮三種信息的外部環境因素，實證分析選取的例子較少，且數據量較小，模型在未來的大數據樣本環境下還需要進一步的檢驗和改進。

參考文獻：

[1]托馬斯J，約翰遜，芭芭拉K凱.互聯網與傳統媒介信息可信度的比較[J].國際新聞界， 1999（5）：56-59.

[2]蔣盛益，陳東沂，龐觀松，等.微博信息可信度分析研究綜述[J].圖書情報工作， 2013，57（12）：136-142.

[3]謝冬.網絡學術信息可信度分析[D].南昌：南昌大學， 2014.

[4]王治瑩，王偉康.突發事件下多種信息交互傳播的動力機制與調控策略[J].中國安全生產科學技術， 2018，14（2）：12-19.

[5]徐琴峰.淺析大數據時代上市公司負面輿情的應對策略[J].納稅， 2017（31）：133.

[6]陳憲宇.社會化媒體時代企業危機的應對策略[J].企業改革與管理， 2014（1）：4-9.

[7]馬詩雨，楊越，呂廷杰，等.企業危機事件網絡輿情應對研究——以"海底撈老鼠門"為例[J].現代商業，2018（19）：98-102.

[8]PAL A， ALTON Y C， GOH D H. Does KFC sell rat？ Analysis of tweets in the wake of a rumor outbreak[J]. Aslib Journal of Information Management， 2017， 69（6）： 660-673.

[9]BANERJEE， SNEHASISH， CHUAAYK. Theorizing the textual differences between authentic and fictitious reviews Validation across positive， negative and moderate polarities[J]. Internet Research， 2017， 27（2）： 321-337.

[10] CHENG J J， YUN， BO S， et al. An epidemic model of rumor diffusion in online social networks[J]. The European Physical Journal. B， 2013， 86（1）： 1-7.

[11]王穎暉，劉西林.基于Bass模型的競爭產品市場擴散研究[J].西安電子科技大學學報（社會科學版）， 2006，16（4）：11-15.

[12]王長峰，莊文英，于長鉞.基于改進SIR模型的群體意見競爭演化研究[J].情報雜志， 2017， 36（10）：97-103， 136.

[13]方薇，何留進，孫凱，等.采用元胞自動機的網絡輿情傳播模型研究[J].計算機應用， 2010，30（3）：751-755.

[14]鐘琪，戚巍，張樂. Lotka-Volterra系統下的社會型危機信息擴散模型[J].系統工程理論與實踐， 2012， 32（1）：104-110.

[15]劉詠梅，彭琳，趙振軍.基于Lotka-Volterra的微博謠言事件演進分析[J].情報雜志， 2013，32（11）：110-116.

[16]張亮，任立肖，姚偉.食品安全網絡輿論競爭傳播分析[J].食品研究與開發， 2014，35（18）：189-191， 192.

[17]霍良安.突發事件發生后不實信息的傳播問題研究[D].上海：上海交通大學， 2012.

[18]熊熊，張維，李帥，等.基于Lotka-Volterra模型的股指期貨市場競爭分析[J].系統工程學報， 2009， 24（5）：581-588.

[19]趙旭，高蘇紅，周巧琳，等. 21世紀海上絲綢之路沿線港口體系演化研究——基于Logistics、Lotka-Volterra模型[J].運籌與管理， 2018， 27（8）：172-181.

[20]鄧勝利，付少雄.社交媒體附加信息對用戶信任與分享健康類謠言的影響分析[J].情報科學， 2018，36（3）：51-57.

[21] REGESTER M， LARKIN J. Risk Issues and Crisis Management[M]. London： Kogan Page Publishers， 2002：36

[22]葛濤.群體智慧抑制社交媒體不實信息傳播的機理研究[D].上海：上海工程技術大學， 2016.

Research on the Evolution of Multi-Type Information Competition in Social Media Under Negative News Events of Enterprises

RUAN Wencui，XIA Zhijie，WANG Jiahui（ School of Administration， Shanghai University of Engineering Science， Shanghai 201620， China ）

Abstract： To discuss the rules of competition and dissemination of multiple types of information generated by social media platform after the outbreak of negative news will help enterprises cope with negative news. After the outbreak of negative news， social media platforms produce false news， uncertain news information and real news information. Based on the ecological population theory， the Lotka-Volterra model of biological population competition was introduced to describe the dynamic competition process among the three groups， and the simulation and empirical analysis were carried out. Uncertain news information and the competition coefficient of real news information on false news affect the existence of false news； The balance of the three kinds of news and information is only related to the competition coefficient among them. The inflection points of three kinds of information propagation are affected by competition coefficient， information diffusion rate and initial value of information.

Keywords： fake news；competition to spread；Lotka-Volterra model；Gray estimate