史乃尹 金玉蘭

摘? ?要：基于社會網(wǎng)絡(luò)理論及SHIR傳播模型，采用多主體建模的方法，構(gòu)建了一個售后客服負性情緒傳播網(wǎng)絡(luò)模型。為了研究售后客服內(nèi)部負性情緒的傳播機理，通過Netlogo 6.2.1仿真平臺設(shè)置售后客服負性情緒傳播主體、網(wǎng)絡(luò)、參數(shù)等，實現(xiàn)對售后客服負性情緒傳播網(wǎng)絡(luò)模型的仿真，并通過傳播網(wǎng)絡(luò)的可視化仿真觀察宏觀規(guī)律的涌現(xiàn)，研究網(wǎng)絡(luò)聚集度和初始人員狀態(tài)等因素對售后客服內(nèi)部負性情緒傳播的影響，為售后客服內(nèi)部負性情緒傳播管理提供有效依據(jù)。

關(guān)鍵詞：售后客服；負性情緒；SHIR模型；Netlogo

中圖分類號：TP391.9? ? ? ?文獻標志碼：A? ? ? 文章編號：1673-291X（2024）04-0040-06

引言

情緒傳播是一種由個體的情緒體驗誘發(fā)他人產(chǎn)生相似情緒的現(xiàn)象，是兼具生理屬性和社會屬性的特殊傳播[1]。因為負性情緒更易傳播[2]，因此關(guān)于負性情緒在群體內(nèi)部傳播規(guī)律和控制機制已經(jīng)成為研究的關(guān)注重點。

Bosse等人基于熱力學(xué)理論，提出吸收模型模擬群體內(nèi)的情緒傳染，來監(jiān)控預(yù)測群體內(nèi)部的情緒水平，防止群體陷入負性情緒[3]。謝科范[4]通過建立智能體仿真模型研究疏散人群中恐慌情緒的傳播。楊雪[5]通過系統(tǒng)動力學(xué)的方法，從礦工群體、社交網(wǎng)絡(luò)和企業(yè)三個層面構(gòu)建礦工不安全情緒影響因素的模型。此外，還有不少學(xué)者從傳染病學(xué)的角度對負性情緒傳播開展研究。例如，李佳洋[6]以SIS（Susceptible-Infectious-Susceptible）模型為基礎(chǔ)構(gòu)造了人員情緒更新函數(shù)，通過仿真實驗對所構(gòu)建動態(tài)情緒驅(qū)動人員疏散運動模型的性能開展分析。Fu等[7]通過將元胞自動機與SIR傳染病模型（Susceptible-

Infected-Recovered）結(jié)合來模擬人群中的情緒傳播狀態(tài)過程。萬立軍[8]以SIRS（Susceptible-Infected-Recovered

- Susceptible）模型為基礎(chǔ)構(gòu)建輿情傳播的動態(tài)演化模型，分析輿情不同演化狀態(tài)下的閾值特征，研究網(wǎng)絡(luò)輿情的傳播與預(yù)警。

雖然眾多學(xué)者已經(jīng)從系統(tǒng)動力學(xué)、智能體、傳染病模型等角度研究了負性情緒在群體內(nèi)傳播的規(guī)律和控制方法，但是目前的研究對象主要集中于網(wǎng)民，較少對不同類型的負性情緒傳播的主體開展研究，尤其是從事情緒勞動的就業(yè)人員。而售后客服作為一種需要長時間、高強度提供情緒勞動，且長時間暴露在顧客的負性情緒下的職業(yè)，其群體內(nèi)部負性情緒的傳播在理論和實踐上都極具研究意義。而且目前傳染病模型情緒傳播的研究已經(jīng)取得不少成果。但是大部分采用的模型都是經(jīng)典的SIR模型，與傳統(tǒng)的SIR模型相比，SHIR（Susceptible-Hesitated-Infected-Recovered）模型中多了一類H（Hesitated）猶豫者，充分考慮了個體接觸到負性情緒后有一個過渡的過程，更加貼合實際[9]。為了研究售后客服負性情緒在其群體內(nèi)的傳播規(guī)律，本文以SHIR傳播模型為理論基礎(chǔ)，依托Netlogo 6.2.1平臺構(gòu)建售后客服負性情緒傳播網(wǎng)絡(luò)模型，并進行可視化仿真。

一、基于多Agent的網(wǎng)絡(luò)傳播模型構(gòu)建

根據(jù)售后客服的工作環(huán)境和負性情緒的傳播過程，本文將顧客和售后客服作為研究的行為主體。顧客Agent和售后客服Agent各自具有不同的屬性，它們之間根據(jù)交互規(guī)則進行信息的交換，從而互相影響，改變狀態(tài)與屬性，最后通過觀測Agent微觀行為的變化，得到整體宏觀規(guī)律的涌現(xiàn)[10]。

（一）Agent建模

1.顧客Agent

顧客是售后客服提供服務(wù)的對象，也是整個仿真實驗的重要環(huán)境組成部分，其具體屬性的模擬如下：

（1）顧客數(shù)量與位置。Netlogo的世界是由一片片patch組成的。在本文的實驗中，每一片patch代表一名需要售后服務(wù)的顧客和他所處的位置，顧客的數(shù)量即整個仿真世界的大小，實驗取系統(tǒng)的默認值40×40，共計1600個patches。

（2）顧客服務(wù)時長，即一個售后客服服務(wù)完一個顧客所需的時間，用Random-One表示，在仿真模擬中取1—5ticks。

（3）顧客狀態(tài)。用顏色區(qū)分完成服務(wù)前和完成服務(wù)后的顧客。還未得到售后客服接待的顧客用棕色的patches表示，已經(jīng)完成售后服務(wù)的顧客用灰色的patches表示。

2.售后客服Agent

作為負性情緒傳播網(wǎng)絡(luò)的主體，售后客服的個體特征也會影響負性情緒在群體間的傳播，其屬性設(shè)置具體如下：

（1）數(shù)量，售后客服的人數(shù)將用全局變量num-of-

employees表示，并在可視窗口用滑塊調(diào)整數(shù)量。

（2）位置，指每個售后客服在仿真世界中的坐標，用Position-One表示，取值為（X1，Y1），其中（X1，Y1）∈（-20，20）。

（3）傳播狀態(tài)，指每個售后客服在SHIR傳播模型中所處的傳播狀態(tài)，共分為四類，即未知者（S）、猶豫者（H）、傳播者（I）和免疫者（R）。用不同顏色以區(qū)分售后客服所處的不同傳播階段。用白色表示未知者狀態(tài)，黃色代表猶豫者狀態(tài)，紅色代表傳播者狀態(tài)，紫色代表免疫者狀態(tài)。

（4）工作單數(shù)，用worktimes表示，即一個售后客服在工作期間接待的客戶數(shù)量。

（5）差評單數(shù)，用bad-review-times表示，即售后客服在服務(wù)結(jié)束后收到顧客差評的數(shù)量。

（二）網(wǎng)絡(luò)模型構(gòu)建

依據(jù)社會網(wǎng)絡(luò)理論和SHIR傳播模型，為了構(gòu)建合理并切合實際情況的售后客服負性情緒傳播模型，本文對社會網(wǎng)絡(luò)理論及SHIR傳播模型進行合理化處理，所構(gòu)建售后客服負性情緒傳播模型如下。

1.售后客服負性情緒傳播網(wǎng)絡(luò)的節(jié)點與邊

售后客服內(nèi)部的負性情緒傳播可以視為一張有N個節(jié)點和M條無方向無權(quán)重邊的網(wǎng)絡(luò)，其中，N代表傳播網(wǎng)絡(luò)中售后客服的數(shù)量，M則代表售后客服之間的聯(lián)系。在構(gòu)建的模型中，這N個節(jié)點將以一定的網(wǎng)絡(luò)度隨機與自己附近的節(jié)點建立連接。

2.售后客服負性情緒傳播網(wǎng)絡(luò)的網(wǎng)絡(luò)平均度

在售后客服負性情緒傳播網(wǎng)絡(luò)模型中，某一個節(jié)點Ni與其他節(jié)點連接的數(shù)量就是網(wǎng)絡(luò)度。而網(wǎng)絡(luò)平均度則是傳播網(wǎng)絡(luò)中所有節(jié)點的網(wǎng)絡(luò)度的和的平均值，具體表示如下：

其中，M 表示傳播網(wǎng)絡(luò)中邊的數(shù)量，即售后客服間的聯(lián)系數(shù)量；N 表示傳播網(wǎng)絡(luò)中節(jié)點的數(shù)量，即售后客服的人數(shù)。

3.售后客服負性情緒傳播網(wǎng)絡(luò)的聚集系數(shù)

網(wǎng)絡(luò)聚集系數(shù)是網(wǎng)絡(luò)平均度與節(jié)點數(shù)N之比，網(wǎng)絡(luò)聚集系數(shù)越大，則網(wǎng)絡(luò)中節(jié)點之間的關(guān)系越密切，即售后客服內(nèi)部負性情緒傳播途徑越多。網(wǎng)絡(luò)聚集系數(shù)是衡量售后客服負性情緒傳播網(wǎng)絡(luò)的重要指標之一，具體表示如下：

4.售后客服負性情緒傳播機制

根據(jù)SHIR傳播模型理論，將售后客服負性情緒傳播模型中的節(jié)點分為4類，包括處于未知階段的售后客服S、處于猶豫階段的售后客服H、處于傳播階段的售后客服I以及處于免疫階段的售后客服R。將S類售后客服定義為：還未參與售后服務(wù)工作，還未受顧客負性情緒影響的處于未知狀態(tài)的售后客服，一旦開始工作便會改變其傳播狀態(tài)。將H類售后客服定義為：已經(jīng)參與工作，且已經(jīng)接收到來自顧客或者其他售后客服的負性情緒，但當(dāng)前并未選擇傳播負性情緒的售后客服，這類售后客服會隨著工作時間的增加改變傳播狀態(tài)。將I類售后客服定義為：由于在工作中受到來自顧客負性情緒的影響，所以在工作間隙選擇向其他處于工作間隙中的售后客服傳播負性情緒的售后客服。將R類售后客服定義為：已經(jīng)接觸到來自顧客或其他售后客服的負性情緒，但不選擇擴散負性情緒的售后客服。處于免疫階段的售后客服將不會再改變自身的傳播狀態(tài)。

本文建立的負性情緒傳播機制如圖1所示：S類售后客服在接收到來自顧客和其他售后客服的負性情緒之后，有α1的概率轉(zhuǎn)變?yōu)镠類售后客服，也有α2的概率轉(zhuǎn)變?yōu)镮類售后客服；當(dāng)H類售后客服持續(xù)接觸負性情緒時，有β1的概率轉(zhuǎn)變?yōu)镮類售后客服，向其他處于工作間隙的售后客服傳播負性情緒，同時也有β2的概率轉(zhuǎn)變?yōu)槊庖哒?，擺脫負性情緒的傳播影響；最后當(dāng)I類售后客服被管理者識別出來并采取干預(yù)措施后，也會有γ的概率轉(zhuǎn)變?yōu)镽類售后客服。

5.售后客服負性情緒傳播的宏觀規(guī)則

（1）研究對象為售后客服，在負性情緒傳播網(wǎng)絡(luò)的節(jié)點中不包含其他客戶服務(wù)的上下游崗位，僅由售后客服組成。

（2）不考慮售后客服之間的親疏關(guān)系，將負性情緒傳播網(wǎng)絡(luò)視為由無向無權(quán)重的邊構(gòu)成的網(wǎng)絡(luò)。

（3）僅研究工作期間售后客服負性情緒傳播的情況，不考慮下班、交接班等情況下的負性情緒傳播。

二、傳播網(wǎng)絡(luò)模型可視化仿真

（一）仿真算法

為了在Netlogo 6.2.1 平臺上實現(xiàn)對售后客服負性情緒傳播模型的模擬，建立仿真算法如下。

1.初始化創(chuàng)建N個孤立的節(jié)點，將節(jié)點形狀設(shè)置為“person”，依據(jù)實驗需求，改變節(jié)點的傳播狀態(tài)和顏色。同時，將網(wǎng)絡(luò)平均度設(shè)置為可變的滑動模塊，根據(jù)不同的網(wǎng)絡(luò)平均度，確定每個節(jié)點與其他節(jié)點的連接數(shù)量，然后隨機產(chǎn)生售后客服負性情緒傳播網(wǎng)絡(luò)，如圖2所示。

模型仿真初始狀態(tài)示意圖

2.程序開始運行，售后客服節(jié)點通過移動坐標來到代表需要客戶服務(wù)的顧客的棕色patch提供服務(wù)，完成服務(wù)后顧客離開，對應(yīng)的patch變色，且售后客服會有一定概率改變傳播狀態(tài)。當(dāng)售后客服處于工作狀態(tài)時，不受客服群體內(nèi)部負性情緒的影響；而當(dāng)售后客服處于工作間隙時，即暫時沒有需要服務(wù)的顧客時，則各類售后客服節(jié)點按照上文構(gòu)建傳播規(guī)則進行負性情緒傳播。

3.當(dāng)售后客服節(jié)點處于傳播者（I）階段時，有一定概率獲得顧客的差評。

4.當(dāng)售后客服負性情緒傳播網(wǎng)絡(luò)中既不存在未知者（S）狀態(tài)員工，也不存在傳播者（I）狀態(tài)員工時，負性情緒傳播結(jié)束，仿真終止，并將各類數(shù)據(jù)輸出成Excel文件。

5.重新開始則重復(fù)上述步驟。

（二）仿真初始化

根據(jù)天貓、淘寶、京東等電商平臺客服調(diào)研情況，結(jié)合《2021客服行業(yè)分析報告》內(nèi)的相關(guān)數(shù)據(jù)，本文仿真實驗的初始參數(shù)設(shè)定如表1所示。同時，為了方便模擬仿真及符合實際，設(shè)置了7個可調(diào)節(jié)變量，在Netlogo 6.2.1平臺中以滑動條的形式實現(xiàn)，具體參數(shù)控制模塊如圖3所示，具體解釋如下。

1.初始總?cè)藬?shù)：該仿真環(huán)境內(nèi)S、H、I、R這四類售后客服的總?cè)藬?shù)為N。

2.節(jié)點平均連接數(shù)：根據(jù)網(wǎng)絡(luò)平均度來確定每一個節(jié)點與其他節(jié)點連接的平均數(shù)量，反映售后客服群體內(nèi)部負性情緒傳播途徑的數(shù)量水平。

3.傳播狀態(tài)更新頻率：每隔一定仿真步長就會更新所有售后客服當(dāng)前所處的傳播狀態(tài)，但處于工作狀態(tài)的售后客服只會在工作結(jié)束后才更新狀態(tài)。

4.售后客服猶豫率：S類售后客服接受負性情緒后轉(zhuǎn)變?yōu)镠類售后客服的概率。

5.負性情緒傳播概率：在程序運行中，I類售后客服將負性情緒傳播給S類售后客服或H類售后客服的概率。

6.售后客服恢復(fù)率：I類售后客服轉(zhuǎn)變?yōu)镠類售后客服的概率。

7.售后客服免疫率：指H類售后客服和I類售后客服轉(zhuǎn)變?yōu)镽類售后客服的概率。

三、仿真結(jié)果分析

（一）網(wǎng)絡(luò)聚集度對負性情緒傳播網(wǎng)絡(luò)模型的影響

在控制初始參數(shù)設(shè)置不變且所有售后客服的初始狀態(tài)為未知者的情況下，通過改變售后客服傳播網(wǎng)絡(luò)的聚集度，研究售后客服節(jié)點的聯(lián)系密度對于售后客服負性情緒傳播的影響。隨著可視化仿真的進行，可以實時輸出S、H、I、R四類售后客服的人員占比數(shù)據(jù)，如圖4所示。其中，橫坐標代表程序運行時間（ticks），縱坐標代表四個傳播階段的售后客服在總?cè)藬?shù)中所占百分比（%）。經(jīng)過9次重復(fù)實驗后，得到的從網(wǎng)絡(luò)聚集度0.1到0.9的負性情緒傳播網(wǎng)絡(luò)仿真實驗數(shù)據(jù)，整理后如表2所示。

當(dāng)網(wǎng)絡(luò)聚集度為0.1時，經(jīng)過了720 ticks整個負性情緒傳播，網(wǎng)絡(luò)中的傳播者數(shù)量才下降為0，且該網(wǎng)絡(luò)中的100名售后客服在整個仿真過程中服務(wù)了共計44 403名顧客，其中7 764名顧客給出了差評，差評率達到了17.49%。隨著網(wǎng)絡(luò)聚集度的增加，仿真步長呈現(xiàn)出先減少后增加的趨勢，從網(wǎng)絡(luò)聚集度0.1到網(wǎng)絡(luò)聚集度0.6，仿真步長也從720ticks下降到了最低值487 ticks；而網(wǎng)絡(luò)聚集度從0.7開始，仿真步長又開始逐步增加，從最低值的487 ticks增長到了網(wǎng)絡(luò)聚集度0.9時的750 ticks。仿真步長的變化說明了網(wǎng)絡(luò)聚集度的變化對于負性情緒傳播網(wǎng)絡(luò)中傳播者數(shù)量的影響，當(dāng)網(wǎng)絡(luò)聚集度小于0.6時，隨著網(wǎng)絡(luò)聚集度的增加，整個負性情緒傳播網(wǎng)絡(luò)中的傳播者數(shù)量的下降速度是逐漸提升的；而當(dāng)網(wǎng)絡(luò)聚集度大于0.6時，隨著網(wǎng)絡(luò)聚集度的增大，傳播者數(shù)量的下降速度逐漸放緩。

網(wǎng)絡(luò)聚集度的變化不只影響著傳播網(wǎng)絡(luò)中傳播者的數(shù)量變化和仿真步長的變化，同時也影響著差評率的變化，當(dāng)網(wǎng)絡(luò)聚集度處于0.4—0.7的范圍內(nèi)時，該負性情緒傳播網(wǎng)絡(luò)內(nèi)的售后客服的差評率大于20%；而當(dāng)網(wǎng)絡(luò)聚集度小于0.4或者大于0.7時，差評率就會有所下降。

（二）不同網(wǎng)絡(luò)聚集度下初始狀態(tài)的改變對負性情緒傳播網(wǎng)絡(luò)模型的影響

在控制參數(shù)不變的情況下，通過改變負性情緒傳播網(wǎng)絡(luò)中售后客服節(jié)點的初始傳播狀態(tài)，即從原先的全部節(jié)點初始為未知者狀態(tài)，改變?yōu)椤拔粗?猶豫者”“未知者+傳播者”“未知者+免疫者”這三種初始狀態(tài)，通過調(diào)整兩種傳播狀態(tài)初始狀態(tài)的比例，橫向研究負性情緒傳播網(wǎng)絡(luò)初始狀態(tài)的改變對于負性情緒傳播的影響。同時，在不同網(wǎng)絡(luò)聚集度下，重復(fù)實驗，縱向研究在不同網(wǎng)絡(luò)聚集度下初始狀態(tài)的改變對于負性情緒傳播網(wǎng)絡(luò)的影響。

1.不同網(wǎng)絡(luò)聚集度下傳播者售后客服初始比例對負性情緒傳播網(wǎng)絡(luò)模型的影響

在初始化負性情緒傳播網(wǎng)絡(luò)節(jié)點時，將其中90%節(jié)點的初始狀態(tài)設(shè)置為未知者，剩余10%的節(jié)點設(shè)置為傳播者，每次實驗按照10%的比例改變初始未知者與初始傳播者的數(shù)量，重復(fù)實驗9次，得到初始未知者與初始傳播者之比從9：1到1：9的實驗數(shù)據(jù)，并將上述實驗在網(wǎng)絡(luò)聚集度為0.1、0.3、0.5、0.7、0.9的情況下重復(fù)5次。

將在不同網(wǎng)絡(luò)聚集度情況下，售后客服負性情緒傳播網(wǎng)絡(luò)中初始傳播者節(jié)點等比例改變實驗得到的仿真步長和顧客差評率的數(shù)據(jù)繪制成3D散點圖，得到的結(jié)果如圖5、圖6所示。

隨著負性情緒傳播網(wǎng)絡(luò)模型中初始傳播者節(jié)點的增多，實驗的仿真步長呈現(xiàn)出先下降后上升的趨勢，且在不同的網(wǎng)絡(luò)聚集度下重復(fù)實驗時，得到的結(jié)果亦是如此，所以整個3D散點圖呈現(xiàn)出“四周高、中心低”的特征。由于在售后客服負性情緒傳播網(wǎng)絡(luò)模型中，根據(jù)模擬仿真的條件，傳播者節(jié)點的數(shù)量會先上升再下降最后歸零，而初始傳播者節(jié)點的出現(xiàn)加速了傳播者節(jié)點上升的速度，所以剛開始時隨著初始傳播者節(jié)點的增加仿真步長呈現(xiàn)出下降的趨勢。而當(dāng)初始傳播者節(jié)點的比例大于50%時，整張網(wǎng)絡(luò)中由于傳播者節(jié)點的比例過高，且由于要等到整個傳播網(wǎng)絡(luò)中的傳播者數(shù)量為零時負性情緒傳播才會停止，所以實驗的仿真步長反而呈現(xiàn)出上升趨勢，且這一趨勢會隨著網(wǎng)絡(luò)聚集度的增加而增加。當(dāng)網(wǎng)絡(luò)聚集度為0.9且初始傳播者比例為90%時，實驗的仿真步長達到最大值865ticks；而當(dāng)網(wǎng)絡(luò)聚集度為0.7且初始傳播者比例為50%時，實驗的仿真步長為最小值567ticks。

隨著負性情緒傳播網(wǎng)絡(luò)模型中初始傳播者節(jié)點的增多，顧客的差評率呈現(xiàn)上升趨勢，且隨著網(wǎng)絡(luò)聚集度的增加而增加。所以，當(dāng)網(wǎng)絡(luò)聚集度為0.1且初始傳播者比例為10%時，顧客的差評率最低為21.68%；而當(dāng)網(wǎng)絡(luò)聚集度為0.9且初始傳播者比例為90%時，顧客的差評率達到最大值31.04%。

2.不同網(wǎng)絡(luò)聚集度下免疫者售后客服初始比例對負性情緒傳播網(wǎng)絡(luò)模型的影響

將在不同網(wǎng)絡(luò)聚集度情況下售后客服負性情緒傳播網(wǎng)絡(luò)中初始免疫者節(jié)點等比例改變實驗得到的仿真步長和顧客差評率的數(shù)據(jù)繪制成3D散點圖，得到的結(jié)果如圖7、圖8所示。

由圖可得，初始免疫者節(jié)點的數(shù)量的變化對售后客服負性情緒傳播網(wǎng)絡(luò)有著直接影響。當(dāng)初始免疫者節(jié)點的比例為10%時，在不同網(wǎng)絡(luò)聚集度的實驗下，仿真步長均超過600ticks，最高達到了814ticks，顧客差評率均超過12%，最高達到了15.29%；而初始免疫者節(jié)點的比例提升到90%時，在不同網(wǎng)絡(luò)聚集度的實驗下，仿真步長均低于100ticks，最低為23ticks顧客差評率均低于5%，最低為3.41%。所以，免疫者數(shù)量越多、顧客差評率就越低，仿真步長就越短，即負性情緒傳播網(wǎng)絡(luò)停止傳播的時間越早，且在不同的網(wǎng)絡(luò)聚集度下重復(fù)實驗時得到的結(jié)果不變。

3.不同網(wǎng)絡(luò)聚集度下猶豫者售后客服初始比例對負性情緒傳播網(wǎng)絡(luò)模型的影響

將在不同網(wǎng)絡(luò)聚集度情況下售后客服負性情緒傳播網(wǎng)絡(luò)中初始猶豫者節(jié)點等比例改變實驗得到的仿真步長和顧客差評率的數(shù)據(jù)繪制成3D散點圖，得到的結(jié)果如圖9和圖10所示。隨著初始猶豫者比例的上升以及網(wǎng)絡(luò)聚集度的變化，每次實驗的仿真步長的變化范圍在541 ticks至688 ticks之間，且平均仿真步長為617 ticks，說明在負性情緒傳播網(wǎng)絡(luò)中，當(dāng)部分節(jié)點的初始狀態(tài)從未知者改變?yōu)楠q豫者，且隨著初始網(wǎng)絡(luò)中猶豫者節(jié)點比例上升時，對整個負性情緒傳播網(wǎng)絡(luò)傳播時長的影響是有限的。因為當(dāng)整個負性情緒傳播網(wǎng)絡(luò)中的傳播者數(shù)量為零時，仿真自動停止，所以仿真步長代表這個網(wǎng)絡(luò)停止傳播負性情緒的時刻。

圖9? 不同網(wǎng)絡(luò)聚集度初始猶豫者節(jié)點比例改變時的

負性情緒傳播網(wǎng)絡(luò)模型的仿真步長

圖10? 不同網(wǎng)絡(luò)聚集度初始猶豫者節(jié)點比例改變時

的負性情緒傳播網(wǎng)絡(luò)模型的差評率

同樣，隨著初始猶豫者節(jié)點比例的上升，顧客差評率的變化范圍在15.10%—16.89%，且平均差評率為15.76%，說明初始網(wǎng)絡(luò)中猶豫者數(shù)量增多對于整個網(wǎng)絡(luò)的顧客差評率的影響是有限的。且上述實驗均在不同網(wǎng)絡(luò)聚集度的情況下重復(fù)，說明在不同網(wǎng)絡(luò)聚集度下，上述實驗結(jié)論依然成立。

四、結(jié)論

本文通過Netlogo仿真平臺對售后客服負性情緒傳播網(wǎng)絡(luò)模型的建模仿真，得到的結(jié)論如下。

1.當(dāng)售后客服負性情緒傳播網(wǎng)絡(luò)的初始節(jié)點都是未知者時，隨著網(wǎng)絡(luò)聚集度的增加，負性情緒傳播網(wǎng)絡(luò)的傳播時長會先下降再上升；而顧客差評率的改變則正好相反，呈現(xiàn)出先上升再下降的趨勢。

2.當(dāng)售后客服負性情緒傳播網(wǎng)絡(luò)的初始節(jié)點出現(xiàn)傳播者時，隨著傳播者節(jié)點的增多，負性情緒傳播網(wǎng)絡(luò)的傳播時長呈現(xiàn)出先下降再上升的趨勢，且在不同的網(wǎng)絡(luò)聚集度下保持不變，而顧客差評率則是隨著初始傳播者比例和網(wǎng)絡(luò)聚集度的增加而增加。

3.當(dāng)售后客服負性情緒傳播網(wǎng)絡(luò)的初始節(jié)點出現(xiàn)免疫者時，隨著免疫者節(jié)點的增多，負性情緒傳播網(wǎng)絡(luò)的傳播時長和顧客差評率均會呈現(xiàn)出明顯下降的趨勢。

4.當(dāng)售后客服負性情緒傳播網(wǎng)絡(luò)的初始節(jié)點出現(xiàn)猶豫者時，猶豫者節(jié)點數(shù)量的變化對于負性情緒傳播網(wǎng)絡(luò)的傳播時長和顧客差評率的影響均不明顯，且網(wǎng)絡(luò)聚集度的改變也不影響這一結(jié)果。

參考文獻：

[1]? ?王瀟，李文忠，杜建剛.情緒感染理論研究述評[J].心理科學(xué)進展，2010，18（8）：1236-1245.

[2]? ?LIU Z，ZHANG T，LAN Q. An extended SIS a model for sentiment contagion[J].Discrete in Nature &Society，2014（4）：1-7.

[3]? ?Bosse T，Duell R，Memon Z A，et al. A Multi-agent Model for Emotion Contagion Spirals Integrated within a Supporting Ambient Agent Model[C].International Conference on Principles of Practice in Multi-Agent Systems，2009：48-67.

[4]? ?謝科范，宋鈺，梁本部.人群疏散中的恐慌傳播與干預(yù)策略研究[J].管理學(xué)報，2019，16（2）：273-279.

[5]? ?楊雪，楊娟，張瀚元.基于系統(tǒng)動力學(xué)的礦工情緒演化機理研究[J].煤礦安全，2021，52（1）：252-256.

[6]? ?李佳洋，唐加福，郭恩銘.基于動態(tài)情緒驅(qū)動的人員應(yīng)急疏散模型[J].東北大學(xué)學(xué)報（自然科學(xué)版），2021，42（11）：1656-1662.

[7]? ?Fu Libi，Song Weiguo，Lv Wei，et al. Simulation of emotional contagion using modified SIR model：A cellular automaton approach[J].Physical A Statistical Mechanics & Its Applications，2014（405）：380-391.

[8]? ?萬立軍，郭爽，侯日冉.基于SIRS模型的微博社區(qū)輿情傳播與預(yù)警研究[J].情報科學(xué)，2021，39（2）：137-145.

[9]? ?馬宇紅，趙媛媛，強亞蓉.社交網(wǎng)絡(luò)中謠言傳播的從眾效應(yīng)和權(quán)威效應(yīng)[J].計算機應(yīng)用，2019，39（1）：232-238.

[10]? ?劉小波.基于NetLogo平臺的輿情演化模型實現(xiàn)[J].情報資料工作，2012（1）：55-60.

[責(zé)任編輯? ?彥? ?文]