企業(yè)危機事件中網絡輿情熱度生成影響因素研究

許成斌 夏志杰

摘要：[目的/意義]企業(yè)危機事件頻發(fā)導致高熱度網絡輿情不斷涌現(xiàn)，這給企業(yè)處理突發(fā)危機輿情的能力帶來重大挑戰(zhàn)，因此如何把握危機輿情熱度生成規(guī)律成為企業(yè)危機管理中亟待處理的問題。[方法/過程]選擇企業(yè)危機輿情作為研究對象，基于拉斯韋爾5W傳播要素理論，運用模糊集定性比較分析（fsQCA）方法，基于組態(tài)視角探索5W傳播要素相互作用對于輿情熱度生成的多條路徑，通過綜合考慮分析傳播要素之間的協(xié)同驅動關系及作用，試圖厘清企業(yè)危機事件中網絡輿情熱度生成的路徑及內在機理。[結果/結論]研究發(fā)現(xiàn)：傳播效率中的峰值傳播速度以及信息人中的領袖媒體占比是企業(yè)危機事件網絡輿情熱度生成的關鍵條件，在高熱度生成結果中，高峰值傳播速度以及高領袖媒體占比發(fā)揮核心驅動作用；在低熱度生成結果中，低領袖媒體占比發(fā)揮核心驅動作用。各個傳播要素以多條協(xié)同路徑共同作用于企業(yè)危機事件輿情熱度生成結果。

關鍵詞：企業(yè)危機事件；網絡輿情；拉斯韋爾5W；fsQCA

分類號：G206

引用格式：許成斌， 夏志杰. 企業(yè)危機事件中網絡輿情熱度生成影響因素研究——基于60個企業(yè)危機事件網絡輿情案例的fsQCA分析[J/OL]. 知識管理論壇， 2024， 9（2）： 195-207 [引用日期]. http：//www.kmf.ac.cn/p/387/. （Citation： Xu Chengbin， Xia Zhijie. Research on the Influencing Factors of Online Public Opinion Heat Generation in Corporate Crisis Events： Based on fsQCA Analysis of 60 Online Public Opinion Cases in Corporate Crisis Events[J/OL]. Knowledge Management Forum， 2024， 9（2）： 195-207 [cite date]. http：//www.kmf.ac.cn/p/387/.）

1? 引言/Introduction

在當今數字智能時代，社交機器人、ChatGPT以及深度偽造等智能技術的加入，使得網絡輿情的傳播發(fā)生了新的變化，網絡輿情治理也因此變得更為復雜。企業(yè)危機事件是指對企業(yè)生產經營、業(yè)務發(fā)展、乃至立身之所具有潛在的重大威脅的事件[1]，其與常規(guī)危機事件相比所引發(fā)的網絡輿情傳播速度更快，留給企業(yè)反應的時間較短[2]。危機事件信息在社交媒體平臺上迅速擴散并衍生，形成以涉事企業(yè)為矛頭指向的危機網絡輿情[3]。隨著近年來國內高熱度企業(yè)危機事件輿情頻發(fā)，有關企業(yè)危機輿情的研究也越來越受學者關注。

當前關于危機輿情傳播領域的研究主要包括主體行為、影響因素、傳播機制以及生成機理4個方面：①主體行為領域，何奇龍等[4]通過隨機演化博弈理論，重點研究網民圈群式分布結構對突發(fā)危機事件負面網絡輿情演化規(guī)律的影響，主要對公眾的傳播行為進行研究；孫瑞英[5]在主體數量上進行拓展研究，分析網絡輿情傳播利益主體之間的策略互動關系。②影響因素領域，胡吉明等[6]結合信息生態(tài)理論建構影響因素模型，從眾多影響因素之間識別了突發(fā)公共事件網絡輿情中的9個關鍵影響因素。③通過傳播主體行為以及傳播的影響因素研究，馮佳昊等[7]對輿情傳播機制進行研究，通過仿真實驗探究相關因素對突發(fā)公共衛(wèi)生事件輿情傳播的影響機制；李艷微等[8]通過對我國話語輿情傳播的生成因素、特征分析以及演化過程，具體提出三大機制：風險預判機制、輿情化解機制和安全監(jiān)督機制。④隨著傳統(tǒng)傳播研究的深入，有學者開始嘗試從源頭解決問題，即進行輿情信息生成機理研究，楊波等[9]基于信息生態(tài)組態(tài)的視角探討要素驅動輿情傳播態(tài)勢生成的聯(lián)合效應與因果機制，張亞明等結合實際，圍繞網絡輿情反轉現(xiàn)象，嘗試總結網絡輿情反轉的生成機理[10]。

上述研究通過多個維度由淺入深的分析，推動了學界對網絡輿情傳播領域研究的深入，但是仍有可繼續(xù)拓展的空間：①對于從整體視角下的多因素協(xié)同驅動效應分析較為欠缺；? ? ②學界中對于涉及企業(yè)的危機輿情研究較少，絕大部分是選擇突發(fā)事件網絡輿情為研究對象。基于此，筆者選擇企業(yè)危機輿情作為研究對象，以拉斯韋爾的5W傳播要素理論作為分析框架，使用模糊集定性比較分析方法從整體視角，基于組態(tài)分析理論探索5W傳播要素相互作用對輿情熱度生成的多條路徑，通過綜合考慮分析傳播要素之間的協(xié)同驅動關系及作用，試圖厘清企業(yè)危機事件中網絡輿情熱度生成的路徑及內在機理。

2? 理論基礎及分析框架/Theoretical foundation and analytical framework

2.1? 理論基礎：拉斯韋爾5W傳播要素理論

拉斯韋爾5W傳播理論的核心概念主要包括5個：①所涉主體，指與事件直接相關的擔責主體或者組織[9]，在企業(yè)危機事件輿情研究中主要指涉事企業(yè)。②事件本體。網絡信息因其自身特性（包括即時化、個體化、碎片化），容易導致所承載信息主體失真，而對事件的重要性、危害性進行橫向縱向擴大化或片面化傳播會更易造成風險傳播放大和公眾的感知偏差[11]，本文主要指事件風險程度。③媒介或者環(huán)境，指事件信息傳播所需的媒介。網絡輿情作為一個復雜的動態(tài)網絡系統(tǒng)[12]，輿情信息傳播的環(huán)境主要指其所處的網絡空間和社會空間，主要包含由網絡媒介環(huán)境和傳播媒介環(huán)境組成的技術硬環(huán)境，以及社會結構壓力組成的社會軟環(huán)境[13]。而本文主要考慮技術硬環(huán)境，表現(xiàn)為平臺輿論占比。④受眾，即公眾，是事件信息主要的傳達者。公眾參與網絡輿情治理是國家治理現(xiàn)代化的題中應有之義，大數據應用的普及也促進了公眾網絡輿情治理的進程[14]。⑤傳播效果。這是傳播過程的最終環(huán)節(jié)，要考慮效果對熱度的反饋機制，即其對企業(yè)危機輿情熱度生成的影響作用。

2.2? 分析框架：企業(yè)危機事件網絡輿情熱度生成機理框架

首先從系統(tǒng)層面出發(fā)，通過拉斯韋爾5W傳播要素理論構建分析框架，條件變量包括：涉事企業(yè)、受眾、傳播媒介、事件內容以及傳播效果；結果變量是企業(yè)危機事件網絡輿情熱度高低，其主要關注危機輿情高熱度生成和低熱度生成的不同路徑及其因果機制；最后基于組態(tài)理論分析不同組態(tài)路徑的各傳播要素之間的協(xié)同驅動關系，重點考察各個傳播要素是如何通過組態(tài)效應聯(lián)合驅動輿情傳播（高/低）熱度的生成，試圖總結出網絡輿情熱度這一動態(tài)對象的生成演化規(guī)律。綜上，筆者構建了企業(yè)危機事件網絡輿情熱度生成機理框架，如圖1所示：

3? 研究設計/Research design

3.1? 研究方法

定性比較分析（qualitative comparative analysis， QCA）是由美國學者拉金[15]首次提出，該分析方法關注不同組態(tài)路徑與結果之間的復雜因果機制。QCA基于整體性視角，認為局部存在于整體之中，二者互相依存，并不是彼此孤立的，單個或局部要素的變動會改變整體結果的情況，因此不同要素條件組態(tài)的復雜性導致了因果機制的復雜性，并以“集合論”分析原因條件構成的組態(tài)對于結果的影響。筆者選擇模糊集定性比較分析方法（focused stepwise quantitative case analysis， fsQCA）方法，主要出于以下考慮：首先，目前關于企業(yè)危機網絡輿情熱度生成影響因素的研究，對于從整體視角下的多因素協(xié)同驅動效應分析較為欠缺，而fsQCA方法基于整體論的組態(tài)視角，能夠較好地解決本文研究問題；其次，fsQCA方法可以對同一結果下的不同偏差情況進行非排他性的解釋[3]。

對于本文的研究問題，QCA方法可以促進企業(yè)危機網絡輿情各利益相關者厘清企業(yè)危機事件網絡輿情熱度生成的復雜因果機制。同時，QCA方法兼具定性與定量分析的優(yōu)勢，通過跨案例的比較分析，能夠在一定程度上彌補案例研究存在的結論普適性問題[3]。最后，將目前QCA變體分析方法依據集合形式進行分類：清晰集定性比較（csQCA）、多值集定性比較（mvQCA）、模糊集定性比較（fsQCA）。csQCA是由拉金和德拉斯[16]在1987年設計的QCA的第一個變體，是一種將一個變量轉換為0和1的二分法[17]。mvQCA可以看作是csQCA的擴展，它將變量視為多值變量，不僅僅是以往單純的二分變量。而fsQCA則是根據自身數據需求將變量取值范圍劃定在0和1之間的部分隸屬度分數，這解決了csQCA的二分法限制。fsQCA主要有以下優(yōu)點：①fsQCA在數據分析時使用模糊集可以減少信息丟失[18]；②fsQCA可用于小樣本和大樣本；③最重要的一點，fsQCA是從整體的角度分析變量之間的因果關系。鑒于本文的數據類型主要為連續(xù)型，因此選擇fsQCA方法來進行研究。

3.2? 案例選擇

案例篩選原則具體如下：①數據可得性高，是指所選取樣本案例相關數據容易通過一定渠道獲得，對于條件和結果變量數據的獲取提供良好支撐；②確保樣本案例多樣化，也即所選取的樣本案例包含所有的條件和結果，避免有變量未涉及到，以此確保最終研究結果路徑的普遍性以及可解釋度；③廣泛傳播性，是指所選取的樣本案例具有一定的熱度和影響力，即曾出現(xiàn)在微博熱搜榜等。

具體的考慮如下：①時效性和相關性，可以確保所選擇的案例具有時效性和相關性，能夠反映出近期的危機管理趨勢和實踐；②新冠疫情逐漸退去對企業(yè)危機管理的影響，探究在疫情退去之后一段時間內的企業(yè)危機管理趨勢；③數據可得性和完整性，選擇近期的案例更容易獲取相關數據和資料，與較早發(fā)生的案例相比，這些案例的數據可能更加完整、詳實，有利于分析研究的開展；④確保所選案例為熱點事件，所選案例因其同時在微博、知微、百度等平臺都有熱搜、事件標簽以及搜索指數，能夠反映在當時屬于熱點事件。結合以上選取標準和具體考慮，筆者最終確定選取2022年5月至2023年3月共60起企業(yè)危機事件網絡輿情組成樣本案例集（見表1），案例選取來源于知微危機匯平臺，其中數據來源包括微博話題數據、“知微事見”平臺傳播大數據以及百度指數。

3.3? 變量選擇與編碼

3.3.1? 條件和結果的測量

（1）條件的測量。

涉事企業(yè)。企業(yè)危機事件爆發(fā)后，對于企業(yè)來說如何維護與利益相關方的良好關系尤為重要，其關鍵在于在危機網絡輿情之前，能夠使用社交媒體讓自己的信息快速填充信息真空并保持和利益相關者的溝通[18]，即公開回應，如召開新聞發(fā)布會、官網聲明以及官方微博聲明等線上回應方式。具體地，本文使用知微事見中的“公開回應次數”來衡量涉事企業(yè)。

事件內容。事件自身的因素無疑會對企業(yè)危機網絡輿情熱度生成產生影響，包括事件風險程度、事件所屬行業(yè)、事件信息透明度等等，筆者選取“事件風險程度”作為表征事件內容的變量，根據知微危機匯網站對風險程度的劃分，采用三分均值錨點法分別賦值為0.05、0.5、0.95。

受眾。公眾參與會促使輿情信息快速傳播和充分聚合，如果企業(yè)危機事件持續(xù)不斷獲得公眾廣泛關注，可以更快揭曉真相[19]。各大社媒平臺中巨量的事件輿情咨詢形成強大的群體智慧，會倒逼事件真相浮出水面，加速危機網絡輿情演化進程。因此筆者選取“百度咨詢指數”（通過加權求和的方式，對事件在輿論場上的活躍程度進行全面描述，由網民的閱讀、評論、轉發(fā)、點贊等行為的數量得出）來衡量受眾這一條件變量。

傳播媒介。當前危機事件頻發(fā)，危機事件信息在多平臺同時傳播，其中新浪微博作為國內最具影響力的社交媒體平臺之一，再加之其開放、互動、連通以及去中心化等特征，使其成為輿論傳播的主要渠道[3]，因此選取“微博平臺輿論占比”作為一個數據指標，因為領袖媒體在輿情傳播中具有重要的引導作用[20]，因此選取“領袖媒體占比”（事件在單位時間內在自媒體和網絡媒體上的傳播效果）作為另一個數據指標。具體的數據來源為知微危機匯平臺。

傳播效率。當下各種新型智能技術（AIGC模型、深度偽造、社交機器人、智能推薦技術等）的出現(xiàn)和發(fā)展，使得傳播效率越來越高，因此選取轉評贊總量作為衡量傳播效率的一個指標；考慮到傳播過程中的速度影響，因此選取“峰值傳播速度”作為另一個指標，所謂峰值傳播速度即字面意思，是指某事件熱度上升期間轉發(fā)評論數最大的一小時，即峰值傳播速度，短時間內峰值傳播速度越高則越不可控，因而引發(fā)公眾情感共鳴，推動危機輿情熱度上漲[21]。

（2）結果的測量。危機輿情事件熱度。筆者選取輿情熱度指數作為結果變量來對企業(yè)危機輿情事件熱度生成機理的評估指標，采用知微事見平臺中收錄的“事件熱度”（單位時間內事件在自媒體和網絡媒體上的傳播效果）這一指標來衡量。

3.3.2? 條件和結果的校準

通過上述條件和結果變量的測量，下面需要對條件和結果變量進行校準，在使用QCA進行分析時，需要為每個案例賦予集合隸屬分數，筆者參考主流研究的校準過程，采用QCA分析技術中的“三值模糊集校準法”。“三值模糊集校準法”依據案例在結果變量和條件變量上的隸屬度高低進行[0.05-0.5-0.95]三分校準，“0.95”表示完全隸屬，“0.05”表示完全不隸屬，“0.5”為交叉點表示條件變量在結果變量上沒有影響，“0.05-0.95”之間數值越高，表示案例在此變量的隸屬度越高。通過fsQCA4.1中的calibrate進行校準得出隸屬度值，通過設定這3個校準錨點，可以對結果變量和條件變量進行評估，確定每個案例在集合中的位置，深入探究因果復雜性，具體校準錨點見表2。

4? 結果分析/ Results analysis

4.1? 單變量必要性分析

主流的QCA研究過程[23-25]首先是進行單個條件的必要性分析，所以本文研究過程也需要先對單個條件變量的必要性進行分析，用來檢驗是否存在一個單一條件及其非集構成企業(yè)

危機事件網絡輿情（高/低）熱度結果的必要條件。在fsQCA方法中，一致性衡量了一種共享程度，當案例在某個條件變量上共享程度較高時，其測量值接近于1，反之則越低，具體來講，當某個條件變量的一致性測量值大于0.9時，就可以說該條件是導致某一結果的必要條件。在本文中，使用fsQCA4.0軟件對每個單一條件變量進行必要性分析，具體結果見表3。

根據表3的結果，可以看到所有條件變量及其非集變量的一致性水平都不高于0.9。這意味著單一條件變量不足以構成企業(yè)危機事件網絡輿情熱度高低狀態(tài)的必要條件。因此可以認為，企業(yè)危機事件的輿情表現(xiàn)復雜且系統(tǒng)性充分，傳播理論中的單一要素無法充分解釋整體傳播趨勢。這也暗示著單個傳播要素無法單獨決定其輿情熱度的高低狀態(tài)。

4.2? 組態(tài)充分性分析

相對于必要條件分析，組態(tài)分析側重于研究多個條件的組合，以確定其充分性，從而導致特定結果的產生。筆者參考借鑒了FISS[17]標準以及主流研究[23-25]，取組態(tài)充分一致性閾值為0.8，PRI一致性（consistency for prime implicants）閾值為0.75，案例頻數閾值根據樣本規(guī)模將其設置為1。在fsQCA的計算過程中，可以得到3種解，包括簡約解（parsimonious solution）、中間解（intermediate solution）以及復雜解（complex solution）。可以從以往的研究中得出推出結論的具體過程：將中間解視為組態(tài)分析結果的標準路徑解，中間解也同時結合簡約解的信息。在區(qū)分條件變量重要性上，將核心條件認定為同時在中間解與簡約解的條件變量，輔助邊緣條件認定為只出現(xiàn)在中間解中的條件變量。筆者通過fsQCA4.0軟件進行QCA分析，最終得出企業(yè)危機事件網絡輿情熱度（高/低）的兩類組態(tài)結果，其中，高熱度生成產生6條組態(tài)路徑（見表4），低熱度生成產生5條組態(tài)路徑（見表5）。

（1）高熱度企業(yè)危機輿情傳播態(tài)勢的組態(tài)分析。企業(yè)危機事件網絡輿情高熱度生成的條件組合路徑共有6條（見表4），其整體覆蓋度（solution coverage）為0.648，整體一致性（solution consistency）為0.959。6條路徑表示企業(yè)危機事件網絡輿情高熱度生成的路徑不一，存在多種情況，也說明這6條路徑能夠比較全面地覆蓋和分析企業(yè)危機事件網絡輿情高熱度生成情況。根據各路徑的原始覆蓋率由高到低排序，發(fā)現(xiàn)路徑6、路徑1和路徑3是企業(yè)危機事件網絡輿情高熱度生成的核心路徑，它們的原始覆蓋率分別為39%、38%和37%。下面主要對路徑1、3和6進行詳細分析。

在路徑1中，峰值傳播速度與領袖媒體參與發(fā)揮核心作用。該組態(tài)表明，對于公眾關注程度低、微博輿論占比低，但涉事企業(yè)回應積極的高風險危機事件來說，無論轉評贊總量高低，在領袖媒體主導下同時擁有較高的峰值傳播速度時，相應的該危機事件網絡輿情熱度較高。該組態(tài)對應的典型案例包括“搜狐員工遭內部郵件詐騙事件”和“蔚來汽車墜樓兩名試車員身亡事件”。結合實際案例可解釋為：在主流媒體發(fā)揮意見領袖功能并廣泛參與的同時，新技術的應用顯著提升了信息傳播效率，共同作用于事件風險較高的背景下，涉事企業(yè)迅速采取了積極的應對措施。然而，由于企業(yè)危機事件網絡輿情的橫向傳播范圍廣泛，導致單一輿論場中的公眾活躍度相對較低。盡管如此，由于傳播效率的提升，現(xiàn)有傳播平臺所受到的影響以及傳播上漲數值的累加，足以引發(fā)整體危機事件的高熱度生成。這一現(xiàn)象充分展示了主流媒體、新技術應用以及事件風險等多重因素在危機事件輿情傳播中的共同作用。綜上，將該組態(tài)命名為“領袖主導的全平臺積極傳播型”。

在路徑3中，同樣由峰值傳播速度以及領袖媒體發(fā)揮核心作用。該組態(tài)表明，對于高風險企業(yè)危機事件，無論公眾關注程度高低，當領袖媒體主導下的微博輿論場傳播效率高漲，涉事企業(yè)采用消極策略進行回應，會引發(fā)更大規(guī)模的公眾討論，這類特點的危機輿情會生成更高熱度的傳播趨勢。這一組態(tài)的典型案例有“波司登淘寶旗艦店被曝先提價再打折”。結合實際案例可以解釋為，在主流媒體高度關注及報道下，由于涉事企業(yè)回應次數較少，再加之輿論場主要集中于微博平臺，又因為事件風險程度較高以及相對高效的傳播效率，使得該企業(yè)危機事件輿情的傳播態(tài)勢熱度愈高。因此，將該組態(tài)命名為“領袖主導的單平臺輿情高熱型”。

在路徑6中，同樣由峰值傳播速度以及領袖媒體發(fā)揮核心作用。該組態(tài)表明，對于高風險企業(yè)危機事件，當領袖媒體主導下的主流媒體活躍且公眾高度關注時，此時事件信息傳播主要集中在微博平臺，并且傳播效率較高，此時無論涉事企業(yè)采取積極回應還是消極回應策略，最終都會導致這類危機輿情生成更高熱度的傳播態(tài)勢。這類組態(tài)的典型案例有“愛奇藝被曝限制投屏和HDMI連線播放”。結合實際案例可以解釋為：在主流媒體以及公眾高度關注及報道下，大量輿論主要集中于一個平臺進行快速傳播，此時無論涉事企業(yè)態(tài)度如何，最終都會使得該事件輿情熱度愈來愈高。因此，將該組態(tài)命名為“領袖主導的多平臺高熱傳播型”。

（2）低熱度企業(yè)危機輿情傳播態(tài)勢的組態(tài)分析。企業(yè)危機事件網絡輿情低熱度生成的條件組合路徑共有5條（見表5），其整體覆蓋度為0.533，整體一致性為0.967。5條路徑表示企業(yè)危機事件網絡輿情低熱度生成的路徑不一，存在多種情況，也說明這5條路徑能夠比較全面地覆蓋和分析企業(yè)危機事件網絡輿情低熱度生成情況。根據各路徑的原始覆蓋率由高到低排序，發(fā)現(xiàn)路徑2和路徑4是企業(yè)危機事件網絡輿情低熱度生成的核心路徑，它們的原始覆蓋率分別為33.08%和32.84%。下面主要對路徑2和路徑4進行詳細分析。

在路徑2中，“～領袖媒體占比”發(fā)揮核心作用。該組態(tài)表明，對于涉事企業(yè)積極回應、微博輿論占比高，但轉評贊總量、百度咨詢指數以及峰值傳播速度都低的低風險危機事件來說，會抑制危機輿情熱度的生成，使得低熱度生成。該組態(tài)對應的典型案例包括“古茗直播間系統(tǒng)自動退單”。結合實際案例可以解釋為：對于風險程度較低的危機事件，具有意見領袖功能的主流媒體較低層次的參與，再加之涉事企業(yè)積極回應，及時發(fā)布相關公關信息和處理結果，以及危機事件輿情信息較低程度的橫向傳播，使得主要輿論信息集中在微博平臺，便于對輿論進行統(tǒng)一引導，由此轉評贊總量以及百度咨詢指數下降，從而抑制危機輿情高熱度的生成。綜上，將該組態(tài)命名為“低風險的單平臺低熱傳播型”。

在路徑4中，同樣是“～領袖媒體占比”發(fā)揮核心作用。該組態(tài)表明，對于涉事企業(yè)積極回應，但微博輿論占比、轉評贊總量、百度咨詢指數以及峰值傳播速度都較低的高風險危機事件來說，以上這種情況會抑制危機輿情熱度的生成，進而導致輿情低熱度。該組態(tài)對應的典型案例包括“悅鮮活牛奶廣告用詞被質疑不尊重女性”“高和汽車被曝銷售欺詐”以及“學習通疑似數據泄露”。結合實際案例可以解釋為：針對風險程度較高的危機事件，若主流媒體作為意見領袖的參與度較低或缺失，而涉事企業(yè)積極回應，迅速通過線上發(fā)布會等方式發(fā)布相關信息，以回應公眾疑慮，即使輿情信息在多個線上平臺間廣泛傳播，造成輿論信息的分散，從而增加了輿情引導的難度。這種情況下，轉評贊總量和百度咨詢指數的下降，會抑制高風險危機事件輿情高熱度的生成，最終產生低熱度現(xiàn)象。綜上，將該組態(tài)命名為“高風險的全平臺低熱傳播模型”。

5? 結論與啟示/ Conclusions and implications

5.1? 研究結論

在本研究中，筆者采用60個企業(yè)危機事件的網絡輿情案例數據集，以組態(tài)視角探索5W傳播要素和輿情熱度之間的相互影響和驅動路徑。并揭示了在生成高或低熱度的情況下，所涉及的核心路徑以及不同組態(tài)背后的因果機制。最終，得出以下結論：①企業(yè)危機事件網絡輿情熱度生成的背后是多個傳播要素共同作用的結果，這些傳播要素之間以協(xié)同驅動的方式助力最終危機輿情熱度的生成，或許不同傳播要素協(xié)同作用的路徑有所不同，但最終達成的結果具有一致性。②在企業(yè)危機事件輿情高熱度生成結果中，峰值傳播速度以及信息人中的領袖媒體占比發(fā)揮核心驅動作用，各傳播要素在領袖媒體主導下以及保持高峰值傳播速度的基礎下，以多條組態(tài)路徑共同產生企業(yè)危機事件網絡輿情高熱度這一共同結果。③在企業(yè)危機事件輿情低熱度生成結果中，只有信息人中的領袖媒體占比發(fā)揮核心的驅動作用，各傳播要素才能在領袖媒體參與程度較低的基礎上協(xié)同驅動企業(yè)危機事件網絡輿情低熱度的生成。

5.2? 理論啟示

筆者采用組態(tài)視角結合拉斯韋爾5W傳播要素理論，研究了企業(yè)危機輿情傳播熱度生成的復雜機制。與以往的研究不同，本文側重于多要素以及組態(tài)分析，從組態(tài)理論的視角出發(fā)揭示了企業(yè)危機事件網絡輿情熱度生成路徑及其背后的因果機制，填補了以往的研究空白。此外，鑒于傳統(tǒng)信息生態(tài)理論在傳播效率方面的不足，筆者基于拉斯韋爾的5W傳播要素理論構建了企業(yè)危機事件網絡輿情熱度生成的框架。通過模糊集定性比較分析，發(fā)現(xiàn)了企業(yè)危機輿情傳播熱度生成的重要組態(tài)驅動路徑，為未來關于企業(yè)網絡輿情傳播的研究提供了新的角度。最重要的是，鑒于企業(yè)危機事件具有其特殊性，與一般危機事件有一些不同之處，本文的研究結果也為未來在企業(yè)危機事件輿情傳播領域的研究提供了新的思路。

5.3? 管理啟示

一是傳播媒介是企業(yè)危機事件網絡輿情熱度生成的關鍵條件。從條件組態(tài)路徑中可以看出，領袖媒體參與在輿情高熱度生成以及降低輿情熱度方面均起到核心作用。因此對于領袖媒體，換句話來說對于意見領袖，首先企業(yè)運維以及公關部門要加強同意見領袖的合作聯(lián)系，應該將注意力從大規(guī)模的民間輿論，轉向領袖媒體（意見領袖）的關鍵輿論，積極與意見領袖們溝通合作，借助意見領袖之手了解公眾利益訴求以及其他需要，通過意見領袖之音回應危機輿情中的重要節(jié)點事件，以此來減少高熱度、情緒煽動、高風險的危機輿情規(guī)模的進一步擴大。其次作為管理者要未雨綢繆，謀危機之未起，積極培育和轉化專業(yè)的企業(yè)危機意見領袖，加強同社交平臺中的應急管理、危機管理專家學者的聯(lián)系[26]，充分發(fā)揮專業(yè)意見領袖的作用。

二是傳播效率亦是企業(yè)危機事件網絡輿情熱度生成的關鍵條件。從實證結果中可以看出，峰值傳播速度或者說傳播效率高，則相應輿情熱度就高，由此看出傳播效率之于輿情高熱度生成的高度一致性。對于企業(yè)部署危機管理及應急管理相關工作時，傳播效率即峰值傳播速度意味著企業(yè)應用社交媒體程度，也即企業(yè)應用新型技術程度或者從某一方面來說意味著企業(yè)信息數字化程度。那么如何平息高熱度危機輿情，就變成如何抑制傳播速度的問題，企業(yè)可以通過社交媒體進行信息遮蔽行為，對一些負面極端的信息采取付費刪帖等具體措施，然而這些措施在合法性和合規(guī)性方面存在疑問。因此，企業(yè)需要尋找更加合理且合法的方式來應對。例如企業(yè)可以通過社交媒體等平臺，積極發(fā)布正面信息，包括企業(yè)文化、社會責任、產品優(yōu)勢等，以平衡負面信息的影響，提升公眾對企業(yè)的正面認知。基于組態(tài)分析進行分類，面對公眾熱情類型時，涉事企業(yè)要積極地面對和尋求解決危機事件的方法，對于應該承擔的社會責任予以接受，以此塑造并改善線上企業(yè)形象，并提升企業(yè)公信力，爭取將危機程度下降，也即“大事化小，小事化無”。對于風險程度較低的企業(yè)危機事件，企業(yè)管理者更應該注重公眾的情感宣泄總體水平以及針對危機事件所持相關利益訴求，并及時對公眾反應和平臺反饋做出回應，針對反饋的類型采取不同的應對措施，以此來降低危機事件對公眾情緒的影響，企業(yè)要積極采取熱情型回應機制。除此之外還應該實時監(jiān)測一些惡意散布極端情緒、不良信息的行為，未雨綢繆，防微杜漸，通過及時有效的預防措施進一步消減企業(yè)危機事件網絡輿情的負面?zhèn)鞑姟⑵髽I(yè)乃至社會造成的不良影響。

三是重視群體智慧的邊緣作用。在這里，群體智慧是指企業(yè)相關管理者可以通過用戶生成內容（user-generated content， UGC）與專業(yè)生成內容（professional generated content/professionally-produced content， PGC/PPC）的互相補充、舉證、質疑、糾錯等的結構性關系，包括組態(tài)分析中使用的代表受眾的百度咨詢指數，其得出過程也源自于輿情受眾的諸多行為，可以算作是另一種形式的群體智慧。企業(yè)在危機管理以及應急管理時，需要注意時刻掌握受眾輿論情緒，確保在可控范圍之內；通過大數據技術、內容提取技術、深度學習技術等新興技術對危機輿情過程中的大量輿論進行分析，根據輿論反饋改進公司管理措施，以此降低危機輿情高熱度的生成概率。

5.4? 研究創(chuàng)新性與展望

本文的研究創(chuàng)新體現(xiàn)在兩個方面：①采用了新的研究視角。當前的相關研究主要集中在單獨研究每個要素對結果的影響，這樣雖然可以追求精確性，但卻忽略了整體性的考慮。雖然有一些研究嘗試從整體的角度去考慮各個要素之間的相互作用，但這些研究通常只限于定性分析，缺乏深入的定量分析。而本文采用系統(tǒng)整體的研究視角，在原有定性分析的基礎上添加融合了定量分析，通過組態(tài)分析理論深入研究探討5W傳播要素彼此之間的作用關系以及協(xié)同對輿情熱度生成的作用，從而更全面地解釋危機輿情熱度生成現(xiàn)象。②運用了新的理論方法。通過拉斯韋爾5W傳播要素理論，構建了分析框架與理論模型，并對企業(yè)危機輿情熱度生成結果進行分析，是對fsQCA方法的一次創(chuàng)新性拓展。最后，研究對象的創(chuàng)新，選擇企業(yè)危機事件這一研究對象，探究企業(yè)危機事件網絡輿情熱度生成機理，其與一般危機事件存在一些不同，有助于豐富危機輿情研究。

局限性與不足主要表現(xiàn)為：首先，未分析時間變量的影響機制。網絡輿情的演變是一個動態(tài)過程，不同時間段內的影響機制可能存在差異。本文只考慮了危機輿情傳播的整體過程中的要素影響機制，而未考慮時間因素。因此，未來的研究可以進一步探討不同階段的傳播要素作用機制。其次，研究中選取了60個案例，符合以往對中小樣本的要求。然而，這一樣本規(guī)模可能限制了研究結論的普適性。未來的研究可以考慮收集更多不同類型的案例，以進行更大規(guī)模的分類研究，從而提高結論的普適性。

參考文獻/References：

[1] 王滿倉， 佘鏡懷， 王偉. 現(xiàn)代企業(yè)危機管理理論綜述[J]. 經濟學動態(tài)， 2004（3）： 80-83. （WANG M C， SHE J H， WANG W. A review of modern enterprise crisis management theories[J]. Economics news， 2004（3）： 80-83.）

[2] 閻海燕， 詹凌云， 陳明明， 等. 基于系統(tǒng)動力學的企業(yè)危機事件網絡輿情傳播與應對研究[J]. 系統(tǒng)科學學報， 2021， 29（1）： 92-97. （YANG H Y， ZHAN L Y， CHEN M M， et al. A study of online public opinion dissemination and response to corporate crisis events based on system dynamics[J]. Journal of systems science， 2021， 29（1）： 92-97.）

[3] 謝樂， 楊波， 楊美芳， 等. 企業(yè)危機事件網絡輿情負性偏向驅動機制研究——基于40個案例的兩階段fsQCA分析[J]. 管理評論， 2023， 35（7）： 339-352. （XIE L， YANG B， YANG M F， et al. Research on the diving mechanism of negative bias of online public opinion in corporate crisis events—a two-stage fsQCA analysis based on 40 cases[J]. Management commentary， 2023， 35（7）： 339-352.）

[4] 何奇龍， 羅興， 王先甲. 突發(fā)危機事件負面網絡輿情化解的隨機演化博弈分析[J]. 經濟與管理， 2023， 37（2）： 20-29. （HE Q L， LUO X， WANG X J. Stochastic evolutionary game analysis of negative online public opinion resolution in unexpected crisis events[J]. Economy and management， 2023， 37（2）： 20-29.）

[5] 孫瑞英. 網絡輿情治理的協(xié)調性懲罰自組織演化機制研究[J]. 現(xiàn)代情報， 2020， 40（5）： 122-129， 168. （SUN R Y. Research on the self-organized evolution mechanism of coordinative punishment for online public opinion governance[J]. Modern intelligence， 2020， 40（5）： 122-129， 168.）

[6] 胡吉明， 楊澤賢. 突發(fā)公共事件網絡輿情熱度關鍵影響因素識別研究[J]. 情報雜志， 2022， 41（5）： 112-117， 182. （HU J M， YANG Z X. A study on the identification of key influencing factors on the heat of online public opinion of public emergencies[J]. Journal of intelligence， 2022， 41（5）： 112-117， 182.）

[7] 馮佳昊， 韓瑋， 陳安. 基于BDI-Agent模型的突發(fā)公共衛(wèi)生事件公眾應急信息傳播機制建模研究[J]. 現(xiàn)代情報， 2022， 42（10）： 110-122. （FENG J H， HAN W， CHEN A. Modeling research on public emergency information dissemination mechanism for public health emergencies based on BDI-Agent model[J]. Modern intelligence， 2022， 42（10）： 110-122.）

[8] 李艷微， 包磊. 基于融媒體技術的中國話語輿情傳播引導機制研究[J]. 情報科學， 2022， 40（11）： 40-48， 109. （LI Y W， BAO L. Research on the dissemination and guidance mechanism of Chinese discourse and public opinion based on integrated media technology[J]. Intelligence science， 2022， 40（11）： 40-48， 109.）

[9] 楊波， 謝樂. 企業(yè)危機事件網絡輿情傳播態(tài)勢生成機理研究——基于信息生態(tài)的多階段fsQCA分析[J]. 管理評論， 2022， 34（7）： 339-352. （YANG B， XIE L. Research on the mechanism of generating online public opinion communication posture in corporate crisis events--a multi-stage fsQCA analysis based on information ecology[J]. Management review， 2022， 34（7）： 339-352.）

[10] 張亞明， 高祎晴， 宋雯婕等.信息生態(tài)視域下網絡輿情反轉生成機理研究——基于40個案例的模糊集定性比較分析[J]. 情報科學， 2023， 41（3）： 66-73. （ZHANG Y M， GAO Y Q， SONG W J， et al. Research on the generation mechanism of online public opinion reversal under the view of information ecology--a qualitative comparative analysis of fuzzy sets based on 40 cases[J]. Intelligence science， 2023， 41（3）： 66-73.）

[11] 胡象明， 劉騰.突發(fā)公共衛(wèi)生事件網絡輿情影響力生成機理及風險規(guī)避[J]. 山東社會科學， 2023（2）： 96-107. （HU X M， LIU T. Generation mechanism and risk avoidance of network public opinion influence on public health emergencies[J]. Shandong social science， 2023（2）： 96-107.）

[12] MENG L ， QI K ， HAN C ， et al. A multi-agent model for simulation of public crisis information dissemination[J]. International journal of wireless & mobile computing， 2016， 11（1）： 33-41.

[13] 孫倬， 趙紅， 王宗水. 網絡輿情研究進展及其主題關聯(lián)關系路徑分析[J]. 圖書情報工作， 2021， 65（7）： 143-154. （SUN Z， ZHAO H， WANG Z S. Progress of network public opinion research and its path analysis of thematic correlation relationship[J]. Library and intelligence work， 2021， 65（7）： 143-154.）

[14] 張世昌. 大數據時代網絡輿情治理中公眾參與的困境與完善[J]. 新疆社會科學， 2023（1）： 128-136， 146. （ZHANG S C. Dilemma and improvement of public participation in online public opinion governance in the era of big data[J]. Xinjiang social science， 2023（1）： 128-136， 146.）

[15] RAGIN C. C. Redesigning social inquiry： fuzzy sets and beyond[J]. Social forces， 2010， 88（4）： 1936-1938.

[16] ROIG-TIERNO N， GONZALEZ-CRUZ T F， LLOPIS-MARTINEZ J. An overview of qualitative comparative analysis： a bibliometric analysis[J]. Journal of innovation & knowledge， 2017， 2（1）： 15-23.

[17] CHIARA C， CORTESE D， MOSCA F， et al. Paradoxes and strategies in social enterprises dual logics enactment： a csQCA between Italy and the United Kingdom[J]. Journal of business research， 2020， 115（1）： 334-347.

[18] FISS P C. A set-theoretic approach to organizational configurations[J]. Academy of management review， 2007， 32（4）， 1180-1198.

[19] 吳芃， 陳依旋， 盧珊， 等.企業(yè)負面事件社交媒體回應策略及其市場反應：來自新浪微博的證據[J]. 東南大學學報（哲學社會科學版）， 2022， 24（4）： 82-100， 147-148. （WU P， CHEN Y C， LU S， et al. Social media response strategies to negative corporate events and their market reactions： evidence from Sina Weibo[J]. Journal of Southeast University （Philosophy and Social Science Edition）， 2022， 24（4）： 82-100， 147-148.）

[20] 鄭思佳， 汪雪鋒， 劉玉琴， 等. 關鍵核心技術競爭態(tài)勢評估研究[J]. 科研管理， 2021， 42（10）： 1-10. （ZHENG S J， WANG X F， LIU Y Q， et al. Research on the assessment of competitive situation of key core technologies[J]. Research management， 2021， 42（10）： 1-10.）

[21] 李磊， 支梅， 李睿涵. 新冠肺炎突發(fā)公共衛(wèi)生事件網絡輿情傳播動力學[J]. 西安科技大學學報， 2022， 42（1）： 47-54. （LI L， ZHI M， LI R H. Dynamics of online public opinion dissemination of the new coronary pneumonia public health emergencies[J]. Journal of Xi'an University of Science and Technology， 2022， 42（1）： 47-54.）

[22] 朱珺彤， 單曉紅. 突發(fā)事件網絡輿情危機的生成機理研究——基于21個突發(fā)事件網絡輿情案例的fsQCA分析[J]. 情報探索， 2022（3）： 40-48. （ZHU J T， SHAN X H. A study on the generation mechanism of critical incident online public opinion crisis--an fsQCA analysis based on 21 critical incident online public opinion cases[J]. Intelligence exploration， 2022（3）： 40-48.）

[23] 杜運周， 劉秋辰， 陳凱薇， 等.營商環(huán)境生態(tài)、全要素生產率與城市高質量發(fā)展的多元模式——基于復雜系統(tǒng)觀的組態(tài)分析[J]. 管理世界， 2022， 38（9）： 127-145. （DU Y Z， LIU Q C， CHEN K W， et al. Multiple models of business environment ecology， total factor productivity and urban high-quality development - a group analysis based on the complex system view[J]. Management world， 2022， 38（9）： 127-145.）

[24] 杜運周， 劉秋辰， 程建青.什么樣的營商環(huán)境生態(tài)產生城市高創(chuàng)業(yè)活躍度？——基于制度組態(tài)的分析[J]. 管理世界， 2020， 36（9）： 141-155. （DU Y Z， LIU Q C， CHENG J Q. What kind of business environment ecology generates high entrepreneurial activity in cities？ --an analysis based on institutional grouping[J]. Management world， 2020， 36（9）： 141-155.）

[25] 杜運周， 賈良定. 組態(tài)視角與定性比較分析 （QCA）： 管理學研究的一條新道路[J]. 管理世界， 2017， 28（6）： 155-167. （DU Y Z， JIA L D. Group perspective and qualitative comparative analysis （QCA）： a new path for management research[J]. Management world， 2017， 28（6）： 155-167.）

[26] 李晚蓮， 高光涵.突發(fā)公共事件網絡輿情熱度生成機理研究——基于48個案例的模糊集定性比較分析（fsQCA）[J]. 情報雜志， 2020， 39（7）： 94-100. （LI W L， GAO G H. Research on the mechanism of generating online public opinion heat in public emergencies--fuzzy set qualitative comparative analysis （fsQCA） based on 48 cases[J]. Journal of intelligence， 2020， 39（7）： 94-100.）

作者貢獻說明/Author contributions：

許成斌：確定論文主題，進行數據收集與論文撰寫；

夏志杰：指導研究思路，修改論文。

Research on the Influencing Factors of Online Public Opinion Heat Generation in Corporate Crisis Events：Based on fsQCA Analysis of 60 Online Public Opinion Cases in Corporate Crisis Events

Xu Chengbin? Xia Zhijie

School of Management， Shanghai University of Engineering Science， Shanghai 201620

Abstract： [Purpose/Significance] The frequent occurrence of corporate crisis events has led to the emergence of high-heat online public opinion， which has brought significant challenges to the ability of corporations to deal with sudden crisis public opinion， so how to grasp the law of generating heat of crisis public opinion has become an urgent issue to be dealt with in corporate crisis management. [Methodology/Process] Selecting corporate crisis public opinion as the research object， based on Lasswells 5W communication element theory， using fuzzy set qualitative comparative analysis （fsQCA） method， exploring the multiple paths of the interaction of the 5W communication elements for the generation of public opinion heat based on the grouping perspective， and analyzing the synergistic driving relationship and the role of the communication elements， we attempted to clarify the paths of the generation of online public opinion heat in corporate crisis events by considering the synergistic driving relationship and the role of the communication elements. and the inner mechanism. [Result/Conclusion] The study found that the peak communication speed in communication efficiency and the leader media share among informants are the key conditions for generating online public opinion heat of corporate crisis events. In the high heat generation results， the peak communication speed and the high leader media share play a core driving role; in the low heat generation results， the low leader media share plays a core driving role. Various communication elements work together in multiple synergistic paths to generate the public opinion heat of corporate crisis events.

Keywords： corporate crisis events? ? online public opinion? ? Laswell 5W? ? FsQCA

Fund project（s）： This work is supported by National Social Science Fund of China titled “Research on Intelligent Governance Mechanism and Operation Strategy of Internet Rumors Supported by Big Data” （Grant No. 21BGL243）， and Shanghai Philosophy and Social Science Planning Grant Program “Study on the Characteristics of Pseudo-Health Information Dissemination and Multi-subject Collaborative Intervention in the Era of Big Data” （Grant No. 2020BGL005）.

Author（s）： Xu Chengbin， master candidate; Xia Zhijie， professor， PhD， doctoral supervisor， corresponding author， E-mail： xia_zhijie@163.com.

Received： 2023-08-01? ? Published： 2024-04-24