劉滸 夏志杰 張晨芳

上海工程技術(shù)大學(xué)管理學(xué)院 上海 201620

引言

社交媒體用戶對(duì)企業(yè)的印象好壞影響著企業(yè)的發(fā)展[1]。社交平臺(tái)中頻繁產(chǎn)生的話題構(gòu)建出的輿論場(chǎng)，會(huì)讓社交媒體用戶的態(tài)度發(fā)生變化[2]，隨之引發(fā)的公眾參與行為，影響著社交媒體用戶對(duì)企業(yè)的印象。“魏則西事件”話題的引爆及之后失敗的印象管理策略，使得百度的輿情危機(jī)進(jìn)一步惡化；而海底撈憑借口碑和對(duì)用戶群體特征及情緒的把控，在“后廚門”事件中短時(shí)間“轉(zhuǎn)危為安”[3]。因此，企業(yè)在社交平臺(tái)上進(jìn)行有效地印象管理尤為重要。

現(xiàn)有對(duì)于企業(yè)印象管理的研究，大多以企業(yè)為主體，從兩個(gè)視角探討這些問(wèn)題：一類通過(guò)研究企業(yè)發(fā)布的企業(yè)社會(huì)責(zé)任（Corporate social responsibility，CSR）報(bào)告，分析其中和企業(yè)印象管理相關(guān)的影響因素，比如CSR 報(bào)告中的信息披露質(zhì)量[4]、信息披露的易讀難度[5]、企業(yè)陳述動(dòng)機(jī)和感知?jiǎng)訖C(jī)[6]等；另一類基于扎根理論對(duì)具體案例進(jìn)行分析，研究不同的印象管理策略的實(shí)施效果，從而給出相應(yīng)的建議，包括盡量少地逃避問(wèn)題[7]、完善危機(jī)公關(guān)體系[8]等，并都強(qiáng)調(diào)了承擔(dān)責(zé)任的重要性[9]，需要建立良好的企業(yè)形象來(lái)吸引和留住用戶[10]。這些研究從企業(yè)的各個(gè)方面進(jìn)行深入研究，為企業(yè)印象管理策略的選擇提供了寶貴的參考意見，而社交媒體用戶作為企業(yè)印象管理的目標(biāo)群體之一[11]，不同社交媒體用戶群體呈現(xiàn)出不同的行為特征和差異化情緒表達(dá)[12]。但是，目前從社交媒體用戶視角出發(fā)的研究較少，忽視了企業(yè)輿情事件中，不同特征的社交媒體用戶主體表現(xiàn)出的差異化情緒演變，使得企業(yè)的印象管理策略缺少針對(duì)性，不能達(dá)到預(yù)期的效果。

鑒于此，本研究從社交媒體用戶的視角出發(fā)，通過(guò)采集企業(yè)相關(guān)微博數(shù)據(jù)以及用戶顯性資料，根據(jù)獲取的發(fā)文數(shù)據(jù)進(jìn)行主題劃分和情感分類以描述用戶的隱性特征，整合用戶顯隱性特征從而進(jìn)行用戶情緒的預(yù)測(cè)。最后根據(jù)預(yù)測(cè)結(jié)果進(jìn)行用戶畫像的構(gòu)建，深入挖掘話題類型、情感極性和用戶特征三者的關(guān)聯(lián)，從而對(duì)于企業(yè)印象管理提供相對(duì)合理有效的建議。

1 文獻(xiàn)回顧

1.1 企業(yè)印象管理策略

印象管理最初由美國(guó)著名社會(huì)學(xué)家戈夫曼于1959 年提出，其內(nèi)涵是行動(dòng)者通過(guò)信息調(diào)控，管理和控制他人對(duì)自己形成印象的過(guò)程[13]。相比于其他社會(huì)輿情主要會(huì)由政府以多種管控策略加以控制，企業(yè)對(duì)于管控輿情能做的舉措相對(duì)較少，只能通過(guò)引導(dǎo)的形式進(jìn)行。因而隨著社交媒體平臺(tái)的普及，越來(lái)越多的企業(yè)開始重視社交媒體的印象管理。

社交媒體中的企業(yè)印象往往反映于其在用戶間形成的口碑。網(wǎng)絡(luò)口碑是消費(fèi)者對(duì)于產(chǎn)品或服務(wù)的正面、負(fù)面或中性評(píng)價(jià)的非正式溝通[14]，會(huì)對(duì)其他用戶的決策產(chǎn)生影響。根據(jù)預(yù)期效果可以將印象管理策略劃分為獲得型印象管理和防御型印象管理。獲得型印象管理旨在最大化正面效應(yīng)，比如自我推銷和承擔(dān)社會(huì)責(zé)任；而防御型印象管理則是為了最小化負(fù)面效應(yīng)，比如企業(yè)在面臨負(fù)面事件時(shí)往往會(huì)選擇辯解、道歉和隱瞞等[15]。

相比于之前的印象管理，在社交媒體時(shí)代，企業(yè)印象管理策略的制定，依賴于企業(yè)對(duì)于網(wǎng)絡(luò)輿情的研究和分析。通過(guò)利用社交媒體輿情研究方法，分析用戶在社交網(wǎng)絡(luò)中發(fā)布的內(nèi)容，可以相對(duì)客觀而準(zhǔn)確地為企業(yè)進(jìn)行印象管理提出建議。

1.2 社交媒體輿情研究方法

社交媒體輿情研究主要是指運(yùn)用各種技術(shù)方法，對(duì)社交媒體平臺(tái)中獲取的輿情數(shù)據(jù)進(jìn)行分析，挖掘輿情中存在的規(guī)律，目的是為了提高輿情管控的有效性[16]。國(guó)內(nèi)外社交媒體輿情的研究主要包括以下三個(gè)方面：

（1）輿情演化分析。通過(guò)選擇不同層次和維度的指標(biāo)量化模擬信息的傳播過(guò)程[17]，包括輿情影響力指標(biāo)的設(shè)計(jì)和輿情的傳播過(guò)程，學(xué)者通常采用SIR 傳染病模型及其優(yōu)化模型[18]、復(fù)雜網(wǎng)絡(luò)分析[19]、社會(huì)網(wǎng)絡(luò)分析[20]、系統(tǒng)仿真[21]等方法來(lái)識(shí)別輿情的演化過(guò)程和關(guān)鍵節(jié)點(diǎn)。

（2）輿情內(nèi)容分析。很多學(xué)者利用自然語(yǔ)言處理技術(shù)，比如由詞、主題和文檔三層結(jié)構(gòu)組成的貝葉斯概率模型LDA 模型[22]對(duì)文本聚類，進(jìn)而在大量文本中提取主要話題、發(fā)現(xiàn)輿情熱點(diǎn)，但是該模型存在處理短文本時(shí)表現(xiàn)不佳的缺點(diǎn)[23]。近幾年提出的語(yǔ)言表征模型BERT，利用雙向編碼器表示的Transformer 層和一個(gè)進(jìn)行微調(diào)（fine-tuning）的額外輸出層，通過(guò)聯(lián)合調(diào)節(jié)所有層中的上下文來(lái)預(yù)先訓(xùn)練深度雙向表示[24]，使得其對(duì)于短文本有較好的表示能力，但是BERT 模型并不適合無(wú)監(jiān)督任務(wù)，如文本聚類。Sentence-BERT（SBERT）模型的提出解決了這一問(wèn)題，其通過(guò)將BERT 模型和孿生網(wǎng)絡(luò)兩部分結(jié)合在一起[25]，使得訓(xùn)練得到的句子嵌入能夠?qū)ξ谋鞠嗨贫冗M(jìn)行度量，從而適用于文本語(yǔ)義搜索和語(yǔ)義聚類等無(wú)監(jiān)督任務(wù)[26]。

（3）輿情情感分析。通過(guò)分析網(wǎng)民觀點(diǎn)的情感極性，有助于構(gòu)建網(wǎng)民對(duì)于輿情的情感結(jié)構(gòu)，輔助企業(yè)或政府進(jìn)行網(wǎng)民情緒的引導(dǎo)，王晰巍[27]等基于情感分析構(gòu)建了群體情感結(jié)構(gòu)，探討在輿情的管控中如何利用群體優(yōu)勢(shì)，引導(dǎo)情感發(fā)展；王雪秋[28]利用突發(fā)金融輿情事件的微博數(shù)據(jù)發(fā)現(xiàn)用戶情感分布規(guī)律，為突發(fā)金融輿情事件的管理提出了用戶情感引導(dǎo)的策略。

因此，本研究嘗試整合這三個(gè)方面的研究方法，在輿情的演化中通過(guò)結(jié)合輿情內(nèi)容和情感的分析，從用戶的視角對(duì)社交媒體中的企業(yè)輿情進(jìn)行深入的探討。

1.3 社交媒體用戶畫像

畫像技術(shù)通常是使用定性數(shù)據(jù)收集技術(shù)創(chuàng)建的，形式化地表現(xiàn)一個(gè)用戶主要特征的方法[29]。一般性信息行為理論指出：用戶的不同特征會(huì)對(duì)其信息行為產(chǎn)生重要的影響[30]。用戶畫像便是通過(guò)對(duì)用戶的屬性和行為進(jìn)行勾勒，呈現(xiàn)更為清晰、直觀的用戶需求，將用戶信息標(biāo)簽化有助于應(yīng)對(duì)不同業(yè)務(wù)需求角度的用戶細(xì)分。

常見的用戶畫像方法包括統(tǒng)計(jì)分析、聚類分析和主題模型等方法[31]。對(duì)用戶進(jìn)行用戶畫像時(shí)，不同的研究學(xué)者的數(shù)據(jù)不同，用戶名稱、發(fā)文時(shí)間、文本內(nèi)容等用戶顯性信息是常見的指標(biāo)，為了提高用戶畫像的準(zhǔn)確性，學(xué)者往往會(huì)深度挖掘用戶隱形信息如發(fā)文頻率、社交關(guān)系等來(lái)深入刻畫用戶。趙曉罡等[32]從基礎(chǔ)標(biāo)簽、興趣標(biāo)簽、用戶影響力三方面，比較了兩家企業(yè)在社交網(wǎng)絡(luò)中的商業(yè)意見領(lǐng)袖的用戶畫像，為企業(yè)選擇和管理媒體平臺(tái)商業(yè)意見領(lǐng)袖提供決策依據(jù)；安璐等[33]通過(guò)結(jié)合用戶基本信息和博文基本屬性確定影響力指標(biāo)的權(quán)重，從而構(gòu)建出了高影響力用戶的完整畫像。

現(xiàn)有研究較少將用戶與企業(yè)相結(jié)合，本研究從用戶對(duì)企業(yè)印象的角度進(jìn)行用戶畫像的構(gòu)建，進(jìn)而在大量不同特征的企業(yè)輿情受眾群體中，識(shí)別具有共性特征的用戶并針對(duì)性地提出建議。

2 研究框架與設(shè)計(jì)

2.1 研究框架

本研究基于態(tài)勢(shì)感知理論，從用戶的視角對(duì)企業(yè)輿情事件中，用戶情緒演變及用戶畫像特征進(jìn)行研究。態(tài)勢(shì)感知（Situation awareness，SA）理論最早起源于20 世紀(jì)80 年代，被美國(guó)空軍提出并應(yīng)用于航空領(lǐng)域的研究[34]。態(tài)勢(shì)是事物發(fā)展過(guò)程中的狀態(tài)和趨勢(shì)[35]，是描述事物狀態(tài)變化過(guò)程中客觀事實(shí)的集合。態(tài)勢(shì)感知即從時(shí)間和空間的角度，獲取、理解、評(píng)估和顯示環(huán)境中的各種要素，并對(duì)其未來(lái)狀態(tài)進(jìn)行預(yù)測(cè)的過(guò)程[36]，包括感知環(huán)境各種要素的感知層，綜合理解各種要素、衡量要素重要程度的理解層和預(yù)測(cè)環(huán)境中各要素下一步的狀態(tài)行為的預(yù)測(cè)層。態(tài)勢(shì)感知理論從多個(gè)視角按照感知、理解和預(yù)測(cè)三個(gè)步驟，合理而全面地評(píng)估事件的要素，而企業(yè)輿情用戶畫像構(gòu)建中的信息收集、主題-情感分析和畫像構(gòu)建三個(gè)過(guò)程與該理論相契合，根據(jù)態(tài)勢(shì)感知理論構(gòu)建的社交媒體用戶情緒演變畫像的研究框架如圖1所示，主要分為三個(gè)步驟：

圖1 研究框架設(shè)計(jì)圖

(1)事件態(tài)勢(shì)感知，即企業(yè)輿情事件中各個(gè)要素的獲取過(guò)程。本階段通過(guò)獲取網(wǎng)民的發(fā)文數(shù)據(jù)及用戶的顯性特征，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。

(2)事件態(tài)勢(shì)理解，即對(duì)企業(yè)輿情事件的參與主體和事件主體進(jìn)行多方位的分析。本階段通過(guò)文本分析法進(jìn)行主題劃分和情感分類，從而獲取用戶的隱性特征。

(3)事件態(tài)勢(shì)預(yù)測(cè)，即對(duì)企業(yè)輿情事件中社交媒體用戶表現(xiàn)出的不同情緒演變特征進(jìn)行深入挖掘以預(yù)測(cè)未來(lái)的演化風(fēng)險(xiǎn)。本階段通過(guò)整合用戶的顯隱性特征進(jìn)行用戶情緒的預(yù)測(cè)，對(duì)預(yù)測(cè)結(jié)果進(jìn)行用戶群體畫像的構(gòu)建，分析社交媒體用戶特征及用戶情緒演變的原因，從而為企業(yè)印象管理策略提出建議。

2.2 研究設(shè)計(jì)

2.2.1 事件態(tài)勢(shì)感知

本階段在確認(rèn)研究的目標(biāo)企業(yè)后，獲取社交媒體平臺(tái)上的企業(yè)相關(guān)數(shù)據(jù)。新浪微博作為中國(guó)用戶量最多的社交媒體平臺(tái)，2021 年月活躍用戶高達(dá)5.73 億，廣泛的覆蓋人群使得數(shù)據(jù)具有很強(qiáng)的代表性。因此，本研究以微博為例獲取一定時(shí)間段內(nèi)涉及企業(yè)名稱的原創(chuàng)微博及發(fā)文用戶的資料信息作為研究數(shù)據(jù)。

對(duì)于文本預(yù)處理，應(yīng)用中文分詞工具Jieba分詞對(duì)清洗后的數(shù)據(jù)進(jìn)行詞語(yǔ)劃分，然后根據(jù)哈工大停用詞、百度停用詞和四川大學(xué)機(jī)器智能實(shí)驗(yàn)室停用詞庫(kù)構(gòu)建的停用詞表，對(duì)分詞后的微博文本刪除停用詞，從而獲得后續(xù)情感劃分和主題提取過(guò)程中所需的文本分詞數(shù)據(jù)。對(duì)于用戶的顯性信息，通過(guò)采集用戶微博主頁(yè)的基本信息和博文信息，包括個(gè)人資料頁(yè)面中的賬戶級(jí)別、關(guān)注者數(shù)量、粉絲數(shù)量、微博數(shù)量、認(rèn)證情況等用戶基本屬性指標(biāo)及各條微博下的點(diǎn)贊數(shù)、評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)等博文屬性指標(biāo)。

2.2.2 事件態(tài)勢(shì)理解

本階段采用內(nèi)容主題和文本情感兩部分相結(jié)合的方式，對(duì)文本進(jìn)行描述。

對(duì)于內(nèi)容主題劃分，SBERT 中的paraphrase-multilingual-mpnet-base-v2 預(yù)訓(xùn)練模型通過(guò)將多語(yǔ)種文本映射到768 維的向量空間，對(duì)中文文本的語(yǔ)義搜索和聚類具有良好的適用效果。本文利用SBERT 模型對(duì)各條文本數(shù)據(jù)獲得句向量，利用K-means 對(duì)句向量進(jìn)行聚類，構(gòu)建隨主題數(shù)量遞減的殘差SSE 和輪廓系數(shù)隨主題數(shù)量的變化曲線，觀察圖像分布選取最適合的主題數(shù)量，進(jìn)而得到各個(gè)主題的詞分布。在此基礎(chǔ)上統(tǒng)計(jì)各個(gè)文檔包含詞語(yǔ)的主題計(jì)數(shù)，得到各個(gè)文檔的主題分布。對(duì)于文本情感識(shí)別，本研究結(jié)合以情感詞匯本體、漢語(yǔ)情感極值表、知網(wǎng)Hownet 情感詞典等成型的情感詞典，并且加入了微博常用情感詞匯，整合成為新的包含了情感詞語(yǔ)與程度副詞的情感詞典，利用騰訊云的自然語(yǔ)言處理nlp 端口，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)義識(shí)別和分類功能輔助，將采集的微博語(yǔ)料按照文本情感傾向分為：負(fù)面、中立和正面三類，從而實(shí)現(xiàn)在不同主題分類下進(jìn)行情感分類的構(gòu)建。對(duì)于用戶隱形特征，通過(guò)整合用戶動(dòng)態(tài)行為特征數(shù)據(jù)和用戶發(fā)文的主題-情感特征數(shù)據(jù)，構(gòu)建發(fā)文反饋、用戶偏好和話題參與三類隱性特征。最終構(gòu)建出來(lái)供事件態(tài)勢(shì)預(yù)測(cè)的用戶特征，包括用戶顯性特征、用戶發(fā)文特征、文本偏好特征和參與企業(yè)話題的特征四個(gè)類別，具體屬性如表1 所述。

表1 用戶畫像屬性描述

2.2.3 事件態(tài)勢(shì)預(yù)測(cè)

本階段通過(guò)整合用戶的顯性特征與隱性特征，對(duì)用戶情緒演變情況進(jìn)行預(yù)測(cè)。

研究首先對(duì)用戶在企業(yè)事件發(fā)生后的發(fā)文情緒進(jìn)行描述，結(jié)合用戶各類特征利用決策樹對(duì)用戶情緒進(jìn)行分類預(yù)測(cè)；其次依據(jù)決策樹中的各個(gè)葉子結(jié)點(diǎn)實(shí)現(xiàn)不同群體的劃分，通過(guò)提取其到根節(jié)點(diǎn)路徑上的屬性作為主要?jiǎng)澐忠罁?jù)，對(duì)每個(gè)用戶群體進(jìn)行用戶群體畫像的構(gòu)建；最后通過(guò)分析各類群體的特征差異，挖掘影響社交媒體用戶情緒演變的原因，從而為企業(yè)印象管理策略提出建議。

3 實(shí)證分析

3.1 數(shù)據(jù)來(lái)源

拼多多企業(yè)自成立初帶來(lái)的商業(yè)奇跡，使得其在社交媒體中始終保持較高熱度，而從2020 年底的國(guó)家支持社區(qū)團(tuán)購(gòu)新電商模式、多多買菜向全國(guó)發(fā)展和股價(jià)暴漲到2021 年初的員工猝死事件、被爆出拼多多退出2021 年春晚，輿情熱度更是居高不下，有豐富的研究數(shù)據(jù)樣本。因此本文以拼多多企業(yè)為研究目標(biāo)，通過(guò)在新浪微博平臺(tái)檢索“拼多多”關(guān)鍵詞獲取了2020 年12 月1 日—2021 年1 月31 日的原創(chuàng)微博共189890 條。經(jīng)過(guò)篩選，刪除垃圾用戶發(fā)送的廣告微博及與企業(yè)內(nèi)容無(wú)關(guān)的微博之后，得到用于研究的數(shù)據(jù)，共計(jì)153945 條微博及112341 個(gè)發(fā)博用戶。

3.2 話題及情感分析

利用SBERT 預(yù)訓(xùn)練模型對(duì)獲取的所有微博數(shù)據(jù)進(jìn)行主題構(gòu)建，根據(jù)SSE 和輪廓系數(shù)隨話題數(shù)變化的折線圖如圖2、圖3 所示。選取8個(gè)話題作為整體文本的話題數(shù)量，觀察話題分布圖發(fā)現(xiàn)各話題差異比較顯著，話題數(shù)量選取有效。

圖2 話題數(shù)-SSE 折線圖

圖3 話題數(shù)-輪廓系數(shù)折線圖

通過(guò)Jieba 分詞數(shù)據(jù)對(duì)各話題進(jìn)行詞語(yǔ)歸納結(jié)果如表2，對(duì)8 個(gè)主題分別進(jìn)行命名，并從日常企業(yè)話題、日常受眾話題和熱點(diǎn)事件話題三個(gè)方向進(jìn)行分類，得到企業(yè)角度的“股市市價(jià)變化”和“企業(yè)負(fù)面行為”兩個(gè)主題，受眾角度的“優(yōu)惠助力活動(dòng)”“網(wǎng)上購(gòu)物反饋”和“顧客投訴行為”三個(gè)主題，以及熱點(diǎn)事件角度的“社區(qū)團(tuán)購(gòu)應(yīng)用”“員工猝死事件”和“企業(yè)回應(yīng)態(tài)度”三個(gè)主題。

表2 各類別話題歸納及相關(guān)詞語(yǔ)表

通過(guò)文本分析得到不同主題下的用戶情緒，對(duì)各用戶的情緒變化情況進(jìn)行描述，整合話題-情感分布圖如圖4 所示，各話題下的極性情緒（正、負(fù)面情緒）占多數(shù)，情感的抒發(fā)始終是社交平臺(tái)企業(yè)輿情中的主要內(nèi)容。社交媒體用戶對(duì)于企業(yè)熱點(diǎn)事件話題持有更高的負(fù)面情緒，而用戶對(duì)于企業(yè)做出的印象管理策略包括企業(yè)回應(yīng)態(tài)度、優(yōu)惠活動(dòng)等有著較高的積極反饋。印象管理的有效性需要結(jié)合后續(xù)用戶畫像的研究進(jìn)行進(jìn)一步分析。

圖4 各話題情感分布圖

3.3 用戶情緒演變預(yù)測(cè)

為了研究影響用戶情緒演變的因素，從全部用戶中篩選出在拼多多企業(yè)負(fù)面事件前后都發(fā)文的用戶共2581 名。結(jié)合用戶各類特征數(shù)據(jù)的描述，對(duì)用戶在企業(yè)負(fù)面事件后的發(fā)文態(tài)度構(gòu)建了決策樹，取60%作為訓(xùn)練集，40%作為測(cè)試集驗(yàn)證預(yù)測(cè)效果，在防止過(guò)擬合的情況下確定葉子結(jié)點(diǎn)個(gè)數(shù)為9 個(gè)，如圖5 所示。

圖5 決策樹訓(xùn)練結(jié)果圖

通過(guò)決策樹分析用戶各類特征，得到用戶情緒演變情況擬合決策樹如圖6 所示。本研究構(gòu)建的用戶畫像與預(yù)測(cè)模型結(jié)果良好，準(zhǔn)確率達(dá)到67.8%。

圖6 用戶情緒演變情況擬合決策樹

3.4 用戶畫像構(gòu)建

決策樹各葉子結(jié)點(diǎn)代表著一個(gè)用戶子群體，相互結(jié)點(diǎn)之間獨(dú)立，能夠用來(lái)描述具有相似特性而又相互有差異的不同類別的用戶群體，通過(guò)剪枝獲得9 類群體的用戶畫像。

（1）負(fù)面情緒的用戶畫像

負(fù)面情緒中的用戶畫像共四類，每一類中用戶特征情況的分析如表3 所示。類別1 和類別2的初始情感都為負(fù)面且影響力較低，屬于一般用戶群體。其中，類別1 主要性別為男性，原創(chuàng)率較高，對(duì)于企業(yè)負(fù)面行為和企業(yè)平臺(tái)中的商家負(fù)面行為會(huì)產(chǎn)生負(fù)面情緒，而實(shí)惠的購(gòu)物體驗(yàn)會(huì)產(chǎn)生正面的情緒；類別2 主要性別為女性，原創(chuàng)率較低，對(duì)于員工的猝死事件會(huì)同時(shí)持有祝福和悲傷的情緒。類別3 的初始情感為中立，具有較高的影響力和比較龐大的粉絲群體，屬于娛樂(lè)、新聞?lì)愓J(rèn)證用戶，經(jīng)常對(duì)時(shí)事進(jìn)行討論，為企業(yè)行為和員工猝死事件發(fā)聲。類別4 用戶對(duì)于企業(yè)具有較好的初始印象，具有一定影響力，會(huì)因?yàn)槠髽I(yè)的優(yōu)惠活動(dòng)提高印象，但是企業(yè)負(fù)面行為也會(huì)嚴(yán)重影響該類用戶對(duì)企業(yè)的態(tài)度。

表3 負(fù)面情緒用戶畫像結(jié)果

（2）中立情緒的用戶畫像

中立情緒中的用戶畫像共三類，每一類中用戶特征情況的分析如表4 所示。類別5 的原創(chuàng)率較高且活躍度較高，屬于有一定影響力的群體，經(jīng)常發(fā)表觀點(diǎn)，對(duì)于企業(yè)回應(yīng)持有負(fù)面態(tài)度。類別6 和類別7 用戶的初始印象都為中立，其中類別6 屬于高影響力的新聞?lì)愓J(rèn)證用戶群體，對(duì)于企業(yè)沒(méi)有明顯的極性情緒表達(dá)；類別7 具有一定的影響力，主要性別為女性，發(fā)布的微博主要為了記錄和分享生活，員工猝死事件會(huì)在一定程度上影響該類群體的情緒。

表4 中立情緒用戶畫像結(jié)果

（3）正面情緒的用戶畫像

正面情緒中的用戶畫像共兩類，每一類中用戶特征情況的分析如表5 所示。類別8 和類別9的初始情感都為正面且主要性別都為女性，其中類別8用戶的影響力和粉絲關(guān)注比都較低，屬于一般用戶，主要參與的企業(yè)話題是互助助力活動(dòng)；而類別9 的粉絲關(guān)注比較高，屬于娛樂(lè)型的認(rèn)證用戶，主要參與的話題是好物推薦和購(gòu)物反饋，這兩類群體基本都不參與企業(yè)負(fù)面行為的發(fā)聲。

表5 正面情緒用戶畫像結(jié)果

4 結(jié)論與建議

4.1 研究結(jié)論

本研究基于態(tài)勢(shì)感知理論從用戶的視角出發(fā)，對(duì)用戶發(fā)布的涉及拼多多企業(yè)的原創(chuàng)微博信息進(jìn)行了分析，并根據(jù)用戶特征及情緒演變情況進(jìn)行了用戶畫像構(gòu)建，得出以下結(jié)論：

(1)企業(yè)輿情事件發(fā)生前社交媒體用戶對(duì)企業(yè)的初始情感，對(duì)用戶的情緒演變起到了很重要的影響作用。從整體來(lái)看，不考慮擬合失敗的情況下只有21.1%的用戶發(fā)生了情緒上的變化，對(duì)于企業(yè)的初始態(tài)度極大地影響著社交媒體用戶面對(duì)企業(yè)輿情的情緒。在“首因效應(yīng)”的影響下，即心理上人們對(duì)事物的第一印象會(huì)影響其對(duì)事物的總體認(rèn)知[37]，用戶對(duì)于企業(yè)的印象保持在相對(duì)穩(wěn)定的水平，證實(shí)了企業(yè)先前的聲譽(yù)確實(shí)影響著企業(yè)的危機(jī)應(yīng)對(duì)效果[38]。

(2)用戶影響力與社交媒體用戶的情緒演變存在聯(lián)系。影響力較高的用戶群體大都是認(rèn)證用戶，認(rèn)證比例都超過(guò)60%，新聞型認(rèn)證用戶（類別6）陳述觀點(diǎn)時(shí)相對(duì)客觀，對(duì)企業(yè)保持中立的態(tài)度。娛樂(lè)、新聞型認(rèn)證用戶（類別3）在參與企業(yè)話題時(shí)常常帶有自己的情緒傾向，社交媒體“流量為王”的趨勢(shì)中，企業(yè)熱點(diǎn)話題是高影響力的流量大V 們的關(guān)注焦點(diǎn)，他們利用自身影響力發(fā)布情緒化的觀點(diǎn)，通過(guò)推動(dòng)觀點(diǎn)趨于極端獲得流量[39]。相比之下，中影響力用戶往往通過(guò)構(gòu)建親切的個(gè)人形象，增加人際信任、引發(fā)用戶認(rèn)同，從而形成流量聚集效應(yīng)[40]，如類別9 的中影響力娛樂(lè)型認(rèn)證用戶不會(huì)直接對(duì)企業(yè)時(shí)事話題發(fā)表觀點(diǎn)，該類用戶占比較低，但是情緒表達(dá)相對(duì)積極且仍然具有較大的影響力。

(3)用戶特質(zhì)與社交媒體用戶的情緒演變存在聯(lián)系。社交媒體中男性感知到的壓力往往要顯著高于女性，更容易產(chǎn)生負(fù)面情緒[41]。對(duì)于同一類情感的用戶，相比于男性用戶群體（如類別1 和類別5）更直接地表達(dá)對(duì)企業(yè)的負(fù)面態(tài)度，女性用戶群體（如類別2 和類別7）會(huì)因?yàn)楦嗟貜膯T工視角而非直接的企業(yè)視角出發(fā)對(duì)員工遭遇表示難過(guò)，反而出現(xiàn)了因祝福和安慰員工而表達(dá)出的正面情緒。同時(shí)，對(duì)于低影響力用戶群體，與原創(chuàng)率較高的用戶群體更關(guān)注企業(yè)的行為和回應(yīng)存在差異，原創(chuàng)率較低的用戶群體往往更關(guān)注事件本身。

(4)圈層結(jié)構(gòu)影響社交媒體用戶的情緒演變。本研究中存在并不直接受企業(yè)輿情事件影響的用戶群體（類別8），該群體影響力和粉絲關(guān)注比都較低，卻在用戶群體中占據(jù)較大的數(shù)量比例。該用戶群體聚集于微博超話社區(qū)中，用戶之間的相互助力成為該社區(qū)信息分享和溝通交流的驅(qū)動(dòng)力，在銳化效應(yīng)和回聲室效應(yīng)的作用下，孤立的個(gè)體因共同的愛好以極低的成本實(shí)現(xiàn)了集結(jié)，呈現(xiàn)出高度組織化的狀態(tài)[42]，用戶接觸的信息往往更少地直接受外界干擾，表現(xiàn)出了群體的封閉性和團(tuán)結(jié)性[43]。

4.2 管理啟示

綜合以上討論，為提高企業(yè)印象管理策略的有效性，得到了以下管理啟示：

(1)企業(yè)需要重視印象管理，尤其在平時(shí)注重企業(yè)形象的建立。社交媒體用戶的情緒演變并不常見，他們先前對(duì)于企業(yè)的印象很大程度上影響著他們?cè)谄髽I(yè)負(fù)面輿情中的態(tài)度。從企業(yè)戰(zhàn)略視角來(lái)看，拼多多企業(yè)以低價(jià)拼團(tuán)的社交電商作為底層邏輯來(lái)?yè)屨枷鲁潦袌?chǎng)[44]，雖然企業(yè)試圖擺脫最初“廉價(jià)劣質(zhì)”的印象，依靠品牌“百億補(bǔ)貼”追求“便宜優(yōu)質(zhì)”的印象，但是扭轉(zhuǎn)用戶印象的效果并不理想，因此企業(yè)在最初的企業(yè)形象定位上就要注意對(duì)用戶良好初始印象的建立。如果企業(yè)經(jīng)常在社交媒體上與公眾互動(dòng)，當(dāng)危機(jī)降臨時(shí)，這種危機(jī)前參與有助于獲得公眾對(duì)其危機(jī)管理策略的認(rèn)可，并保護(hù)公司免受聲譽(yù)損害。

(2)要善于借助合適的意見領(lǐng)袖去建立用戶信任。意見領(lǐng)袖具有一定的影響力，同時(shí)他們往往擁有豐富的專業(yè)知識(shí)、消費(fèi)經(jīng)歷和主動(dòng)的分享意識(shí)，會(huì)進(jìn)一步促進(jìn)用戶的信任和企業(yè)印象的建立。相比于高影響力的認(rèn)證用戶群體，中影響力的娛樂(lè)型認(rèn)證用戶雖然沒(méi)有龐大的粉絲群體，但是會(huì)較少地直接參與企業(yè)負(fù)面輿情，可以通過(guò)增加和該類用戶的合作進(jìn)行企業(yè)品牌推廣，從滿意購(gòu)物和優(yōu)惠活動(dòng)的角度側(cè)面回避企業(yè)直接發(fā)聲。

(3)采取具有針對(duì)性的舉措。企業(yè)應(yīng)該實(shí)時(shí)關(guān)注不同特質(zhì)的社交媒體用戶，以及因特質(zhì)產(chǎn)生的利益訴求差異和其帶來(lái)的情緒變化。本研究中發(fā)現(xiàn)存在部分更多地從員工視角而非直接的企業(yè)視角看待問(wèn)題的用戶群體，根據(jù)印象管理策略，企業(yè)的自我推銷和誠(chéng)懇表達(dá)有助于提高印象管理的有效性。因此企業(yè)可以使用道歉策略，減少由于拒絕承認(rèn)問(wèn)題帶來(lái)的更消極的影響，并在道歉中使用更為人性化的表達(dá)方式，會(huì)有助于提高用戶對(duì)企業(yè)的印象。

(4)關(guān)注集群型的用戶社交圈層，即具有相同社會(huì)屬性且社交密切的組織或群體[45]。如本研究中的超話社區(qū)用戶群體值得企業(yè)關(guān)注，該群體發(fā)文行為具有比較穩(wěn)定的特征，更多的發(fā)文內(nèi)容都是與企業(yè)相關(guān)的活動(dòng)且較為活躍。社交媒體的圈群可以方便地互動(dòng)交流，關(guān)注并參與這些用戶已經(jīng)構(gòu)建形成的網(wǎng)絡(luò)社區(qū)如“拼多多助力互助超話”等可以降低與用戶的接觸成本并有效地提高接觸，同時(shí)企業(yè)使用有效地自我推銷策略，使這類用戶達(dá)到不受外界環(huán)境與轉(zhuǎn)換壓力的影響持續(xù)關(guān)注與使用社區(qū)的穩(wěn)定心理狀態(tài)，從而實(shí)現(xiàn)提升用戶黏性的效果。

5 結(jié)語(yǔ)

本文主要對(duì)企業(yè)輿情中社交媒體用戶情緒演變畫像進(jìn)行了研究，從用戶的視角出發(fā)，基于態(tài)勢(shì)感知理論，構(gòu)建了企業(yè)輿情用戶畫像研究框架。通過(guò)整合用戶的顯隱性特征進(jìn)行用戶畫像的構(gòu)建，挖掘社交媒體用戶情緒演變的原因。通過(guò)本研究提出的模型，構(gòu)建的用戶畫像擬合有效性較好，有助于企業(yè)預(yù)測(cè)社交媒體用戶面對(duì)企業(yè)突發(fā)輿情事件的情緒、輔助企業(yè)進(jìn)行印象管理策略的制定，為企業(yè)輿情管理與應(yīng)急決策提供方法與數(shù)據(jù)支持。同時(shí)該研究框架和方法適用于其他輿情事件的研究，有助于相關(guān)部門根據(jù)用戶特征針對(duì)性地對(duì)用戶生成內(nèi)容進(jìn)行輿情管理、幫助控制社交媒體中的輿情發(fā)展。

在未來(lái)的研究中，一方面，還需要考慮具體情境下的文本內(nèi)涵，提高文本主題劃分和情感分類的準(zhǔn)確性；另一方面，可以通過(guò)整合用戶發(fā)文下的評(píng)論特征以豐富用戶群體的畫像特征，從而提高企業(yè)決策的有效性。