基于演化博弈的企业应对微博负面舆情策略研究

彭赓 熊烨明

摘要：根据舆情传播不同阶段的特征引入演化博弈理论，分别针对成长期和蔓延、爆发期两个阶段的企业和微博用户建模并得到进化稳定策略。分析不同类型舆情事件下偏好不同企业的策略选择，用“大众DSG变速器故障”事件作为案例验证模型的合理性，为企业应对负面舆情提供建议。

关键词：危机管理；微博负面舆情；演化博弈

DOI：10.13956/j.ss.1001-8409.2016.08.23

中图分类号：F272；F7133 文献标识码：A 文章编号：1001-8409（2016）08-0101-06

1引言

移动互联网时代，以微博、微信和客户端为代表的“两微一端”作为移动舆论场的重心深刻影响舆情的发展趋势。用户不仅在社交网络上晒心情，也积极讨论热点话题，这些平台俨然成为“舆论集散地”。网络舆情传播的时效性和广泛性为企业应对负面舆情带来了挑战。上市公司负面舆情不仅关乎企业自身品牌形象，也与投资者的收益密切相关。2015年多家上市企业受到了负面舆情的波及，如汽车品牌“暴利4S店”、部分进口品牌服装抽检不合格等造成企业股价下跌，严重影响企业的利润和形象。然而，许多企业在应对负面舆情时存在明显缺陷，在舆情的动态发展过程中，未适当采取补救策略，因此，提升应对负面舆情的危机管理能力刻不容缓。

微博以其裂变式的传播速度打破了由传统媒体垄断的信息发布格局，在突发事件中效果显著。将舆情发展过程与Web20下网络舆情的特点相结合，李纲[1]提出了六阶段网络舆情传播过程，包括潜伏、成长、蔓延、爆发、衰退和死亡期（如图1）。引发网络舆情危机的原因包括消费

图1网络舆情传播过程

者对商品和售后服务的不满，以及高管辞职、企业管理漏洞等。信息发布者为了使更多网民了解该事件使用微博、微信等扩大影响力，舆情发展进入成长期，若得到有效控制将直接进入衰退期。否则，舆情蔓延引发更多网民的评论、转发进入爆发期，媒体跟踪报道和意见领袖的推动，企业将面临更严重的舆情危机。企业能采取控制策略的主要阶段为成长期、蔓延期和爆发期，成长期主要为普通微博用户的传播，意见领袖在蔓延、爆发期对舆情传播起关键作用。

本文利用演化博弈分阶段讨论负面舆情处于成长期和蔓延、爆发期的企业及微博用户的进化稳定策略，并用实际案例验证模型的合理性，为企业应对负面舆情提供建议。

参考文献：

[1]李纲，董琦.Web20环境下企业网络舆情传播过程的研究及实证分析[J].情报科学，2011（12）：1810-1814.

[2]Lachlan K A， Spence P R， Lin X， et al. Social Media and Crisis Management： CERC， Search Strategies and Twitter Content[J]. Computers in Human Behavior， 2016， 54： 647-652.

[3]Vieweg S， Hughes A L， Starbird K， et al. Microblogging during Two Natural Hazards Events： What Twitter May Contribute to Situational Awareness[C]. ACM， 2010. 1079-1088.

[4]Kavanaugh A L， Fox E A， Sheetz S D， et al. Social Media Use by Government： From the Routine to the Critical[J]. Government Information Quarterly， 2012， 29（4）： 480-491.

[5]康伟.基于SNA的突发事件网络舆情关键节点识别——以“7·23动车事故”为例[J].公共管理学报，2012（3）：101-111.

[6]赵金楼，成俊会.基于SNA的突发事件微博舆情传播网络结构分析——以“420四川雅安地震”为例[J].管理评论，2015（1）：148-157.

[7]Cha M， Benevenuto F， Haddadi H， et al. The World of Connections and Information Flow in Twitter[J]. IEEE Transactions on Systems， Man and Cybernetics-Part A： Systems and Humans， 2012， 42（4）： 991-998.

[8]Zhou T， Medo M， Cimini G， et al. Emergence of Scale-Free Leadership Structure in Social Recommender Systems[J]. PLOS ONE， 2011， 6（7）20648.

[9]Sznajd-Weron K， Sznajd J. Opinion Evolution in Closed Community[J]. International Journal of Modern Physics， 2000， 11（6）： 1157-1165.

[10]Crokidakis N. Effects of Mass Media on Opinion Spreading in the Sznajd Sociophysics Model[J]. Physica A： Statistical Mechanics and its Applications， 2012， 391（4）： 1729-1734.

[11]Xiong F， Liu Y. Opinion Formation on Social Media： An Empirical Approach[J]. Chaos： An Interdisciplinary Journal of Nonlinear Science， 2014， 24（1）： 013130.

[12]Ding F， Liu Y， Shen B， et al. An Evolutionary Game Theory Model of Binary Opinion Formation[J]. Physica A： Statistical Mechanics and its Applications， 2010， 389（8）： 1745-1752.

[13]李勇建，王治莹.突发事件中舆情传播机制与演化博弈分析[J].中国管理科学，2014（11）：87-96.

[14]赵俊，霍良安.两个舆论场中的网络群体性事件交互演化模型[J].软科学，2015（5）：135-139.

[15]韩少春，刘云，张彦超，等.基于动态演化博弈论的舆论传播羊群效应[J].系统工程学报，2011（2）：275-281.

[16]宋彪，朱建明，黄启发.基于群集动力学和演化博弈论的网络舆情疏导模型[J].系统工程理论与实践，2014（11）：2984-2994.

[17]王长春，陈超.基于复杂网络的谣言传播模型[J].系统工程理论与实践，2012（1）：203-210.

[18]林敏.网络舆情：影响因素及其作用机制研究[D].浙江大学，2013：67-73.

（责任编辑：王惠萍）