基于文本情感分析的企業網絡輿情應對策略比較研究

張堯政　鄧少靈

摘要：本文對京東六六事件和海底撈事件的網絡輿情演化發展進行了比較研究，通過對微博數據的抓取分析，尤其是微博文本的情感分析，揭示了網民情緒的演變路徑。通過比較兩個網絡事件在應對過程中的得失，總結出企業有效應對網絡輿情的策略，進而有助于企業做好網絡輿情危機管理。

關鍵詞：網絡輿情;情感分析;企業應對

引言

微博由于傳播便利、互動快捷等特性成為網民現代生活必不可少的信息傳播和交流溝通的平臺，公眾可以在微博上對企業的負面突發事件發表自身的看法、態度以及觀點，這些情緒在一定程度上可以影響他人，大量的公眾觀點形成了復雜的網絡輿情。由于互聯網中紛繁復雜的信息真偽難辨，網民的情緒，態度極易受到負面消息的影響。再加上競爭對手，消費者等其他因素，企業如若不能對網絡輿情善加利用，將為企業未來發展帶來負面影響。因此，企業要時刻關注網絡輿情的變化，對可能出現的不利輿論進行及時引導，為企業發展營造一個有利的輿論環境。

近幾年來，國內有不少學者對企業應對網絡輿情的策略開展了研究。例如，趙蓉英，王旭1以案例分析，提出了針對突發事件輿情傳播網絡結構本身的控制對策。蔣知義，馬王榮等以“羅一笑”事件為對象，通過分析輿情演化過程每個階段的特征與規律，提出引導與應對網絡輿情的相關建議。陳慶杰3通過分析網絡輿情的特征和問題，從制度、人才建設和思想觀念的轉變和完善上入手，提出相應的應對措施，提升突發事件網絡輿情的處置能力。王康4發現，對網絡輿情應對的事件越早，應對的頻次越多，輿情所造成的負面影響對企業就越小。李婷[5]通過參照政府應對網絡輿情的工作方法，結合中國企業網絡輿情的特征以及演化規律，提出了企業應對網絡輿情的策略和建議。

上述研究主要立足于網絡輿情演化過程，目前少有學者從比較的視角來研究輿情演化發展不同階段，不同應對策略最終導致的不同結果。本文選取了典型的兩個網絡事件：京東六六事件和海底撈事件，基于微博文本的情感分析，分析了此兩事件中網民情緒的變化特點，并對兩個企業不同的應對策略和效果進行了比較。此兩案例的研究也說明如何順應網民的情緒，對網絡輿情進行適時引導。本研究有助于其他企業在遇到類似網絡事件時，能采取正確的引導方式，避免網絡輿情向不利于企業的方向發展。

1、微博數據采集與分析

本文借助新浪微博平臺，以新浪微博作為數據采集對象，以“京東六六”，“海底撈事件”作為搜索關鍵詞，利用python爬蟲抓取京東六六事件2018年3月14日一2018年3月20日的微博數據和海底撈事件2017年8月25日一2017年8月31日的微博數據，通過過濾篩選，排除掉重復的微博數據，然后人工瀏覽刪除收集過程中的不相干數據，最終整理微博數據得到京東六六事件的有效數據20660條，海底撈事件的有效數據8643條。主要采集的數據是：發布用戶、發布時間、發布內容、微博點贊數、轉發數、評論數。分析方法主要采用時間序列分析和詞頻分析。

1.1?時間序列分析

通常情況下，網絡輿情演化過程可以分為開始、擴散、高潮和消退四個階段[6]，但是階段之間并沒有非常嚴格界限要求，針對不同的事件以及事件的嚴重程度，相對應的每個階段的持續時間和影響力也有所不同。本文以小時為統計單位對京東六六事件微博數據和海底撈老鼠門微博數據分別進行相應的時間序列分析，可以得到相關事件微博發布數量隨時間變化的情況，如圖1所示。

通過對比兩個事件的微博發布數量時間序列對比圖，可以發現兩個事件都在經歷了一周之后熱度逐漸降低。海底撈事件整體呈平穩遞減的趨勢，整個事件的輿情演化過程在前期有小幅度的波動。再第二天之后，則直接進入消退階段，隨著時間的推移，微博發布數量逐漸減少。京東六六事件在開始期到擴散期的過程中，微博發布數量逐漸上升，在第二天則直接達到了高潮期，微博數量有一個大幅度的上升。隨后逐漸進入消退期，在消退期的過程中，又出現了一個比較大的波動。

1.2?詞頻分析

網絡輿情在演化過程中會受企業應對措施的影響。企業應對網絡輿情的時間節點、次數以及內容都會影響網民的看法觀點，這些都體現在網名發布的微博內容中，而微博的文本內容就是網民針對這一事件最直觀的看法。因此，企業只要分析網民微博文本內容，就能掌握公眾對企業網絡輿情的看法、為引導和應對網絡輿情提供依據。本文分別分析了京東六六事件以及海底撈事件中網民在一周內發布的微博文本內容，京東六六事件在一周內的有效參與網民人數為87460人，相關微博發布數量為20660條，微博文本中出現的詞語有8201個。海底撈事件在一周內的有效參與網民人數為35016人，相關微博發布數量為8643條，微博文本中出現的詞語有3400個。

通過分析統計所得，在京東六六事件微博文本中詞頻達到1000以上的詞語如圖2所示，詞頻達到3000以上的詞語有“京東”“客服”“假貨”“六六”等詞。而詞頻達到5000的詞語“假貨”和“客服”等詞在一定程度反映了網民對京東六六事件的整體看法，引發了公眾對網上購物信任和企業售后服務的不滿。

在海底撈事件微博文本中詞頻達到1000以上的詞語如圖3所示，詞頻達到1000以上的詞語有“海底撈”“老鼠”“公關”“衛生”“服務”等詞。而詞頻達到2000以上的詞語“公關”“衛生”等詞在一定程度反映了網民對海底撈事件的整體看法，可以看出，海底撈事件因為食品衛生和公關處理的問題引起了廣泛的關注。

本文為了更加明顯的對比分析企業應對網絡輿情的過程，通過表1對比京東六六事件和海底撈事件的信息特征。

京東六六事件在3月13日15：30發生后，經過20h小時的發酵后，作家六六的投訴微博下的評論數已經高達2萬條，轉發數也超過8000條。此時“京東客服”作為京東電商平臺的官方微博才首次作出回應，截止3月16日晚，回應微博下評論數超過1萬條，轉發數超過5千條，使得事件再次發酵。17日京東高管在個人微博上就此事作出回應，截止19日，回應微博下評論數超過7000條，轉發數達到了1000多條。

海底撈事件發生后，僅僅在三個小時內海底撈官方微博做出回應，發布致歉信，回應微博在1個小時內評論數就高達15000條，轉發數超過3000條。之后官方微博就此事件發布出處理通報的微博，此微博之后評論數達到了10000條，轉發超過15000條。官方微博在2天后發布了一條聲明，此時熱度已經大幅度降低。

2、基于文本情感分析的網絡事件應對策略比較

網絡輿情對于企業來說有兩面性，企業既能借助網絡輿情對企業形象，企業產品等進行積極的宣傳。但同時，由于其傳播速度快，爆發性強的特點，在面對負面輿情時，企業如果未能及時的進行控制和引導，極有可能造成嚴重的負面影響，損害企業的形象和發展能力，因此，及時掌握公眾對企業相關事件的情緒變化是企業應對策略好壞的晴雨表。

2.1?文本情感分析方法

通常情況下，微博用戶發布的微博都是一段包含眾多詞語的文字，在經過去除無關的停用詞后，剩余的情感詞都有其所反應的情感。而每個情感詞的詞頻能夠反映出網民的情感傾向，但是卻無法準確的表達出多個詞語組合成的微博文本的情感態度。因此，想要對得知公眾對事件所持有的看法和態度等情緒信息，是只有通過對公眾發布的情感文本進行處理，分析和歸納，這樣才能準確的掌握輿情的變化態勢。

在計算微博文本內容的情感強度時，即要將每一個情感詞的情感強度計算在內，也要將微博文本中的句型，程度詞，否定詞等考慮在內。

本文通過以下方法來計算微博文本的情感極性：

首先，每個微博文本都D是由句子S;組成的，通過加總單個句子S;的情感值F（S;），可以得出微博文本D的情感值F（S）：

其中，Sw;為句子中情感詞w;的情感值。如果F（S）>0，則文本情感傾向為積極正面的;如果F（S）<0，文本情感傾向為消極負面的;如果F（S）=0，文本情感傾向為中性中立的。

然后，假設F'（S;）為考慮句型特征后文本中每個句子的情感值，則根據不同的句型，可以歸納出考慮句型后的句子情感值，公式如下：

通過F'（S），我們可以進一步算出微博文本的情感值F'（S），見公式：

如果F'（S）>0，則文本情感傾向為積極正面的;如果F'（S）<0，文本情感傾向為消極負面的;如果F'（S）=0，文本情感傾向為中性中立的。

2.2?微博文本情感分析

2.2.1?單條微博文本的極性統計

根據上一小節的情感分析方法，計算每一條微博文本的情感極性，對比京東六六事件和海底撈事件中正面情緒、負面情緒以及中立情緒的占比（如圖4）來看，兩個事件發生后，海底撈事件網民的正面情緒明顯要高于京東六六事件，負面情緒就更明顯了，海底撈事件的負面情緒要遠遠低于京東六六事件，前者只占20%，而后者高達百分之45%。

2.2.2?微博文本情感極性的時間序列比較

以橫坐標單位為時間，縱坐標單位為該時間的微博平均極性強度，對微博平均極性強度隨時間的變化情況進行統計。每小時內的微博平均極性強度=該小時的所有微博文本的情感強度的總和/該小時內微博發布總數;橫軸以上部分表示積極正面情緒（極性強度>0），橫軸以下部分表示消極負面情緒（極性強度<0）。京東六六事件統計結果分別如圖5所示。對于京東六六事件，網民的情緒總體屬于消極負面的情緒，同時在輿情演變的過程中出現了兩次非常高的消極情緒的波動，之后隨著時間的推移，情緒逐漸平穩，在正負兩個情感極性中小幅度震蕩。同時，在輿情發展后期，網絡的情緒仍未得到統一海底撈事件統計結果如圖6所示。對于海底撈事件，首先是以積極正面情緒和中性中立情緒為主，少量負面情緒出現在事件初期，在25日14時后出現連續兩次比較高的正面情緒。隨后一段時間積極情緒逐漸變換，只存在少部分的消極負面情緒，積極情緒在大多數時間是高于消極情緒，積極情緒在整體上占主導地位。輿情演化過程的后期，積極情緒為主要。

2.3?輿情應對策略比較

2.3.1?輿情演化過程的比較

海底撈事件和京東六六事件發生后，都引起了社會上廣泛的關注，并且隨著時間的推移呈現出不斷遞減的趨勢。但是，兩者不同之處在于海底撈事件在一周內的輿情關注度是逐漸下降的，而京東六六事件的微博發布量出現了兩次比較高的波動，一次是出現在官方微博一天后首次回應，一次是出現在京東高管三天后的聲明。同樣，在海底撈事件發生后，海底撈官方微博同樣對此作出過兩次回應，一次是三小時后，一次是在六小時后，兩次回應并未引起網民更高的關注度。并且，從兩事件發生后一周內的原創微博數量上可以看出，京東六六事件所引起的公眾關注度更高，因為相關微博發布量接近是海底撈事件的3倍，前者是2萬多條，而后者僅為8千余條。這表明海底撈事件中輿情演化過程較為平滑，事件發生后的處理沒有再次造成意外的輿情關注。

2.3.2?企業處理方式的比較

海底撈事件和京東六六事件均為企業負面輿情突發事件，但二者在回應時滯、回應效率、應對策略都存在很大的差異。

（1）回應時滯。首先，海底撈事件發生后僅僅在3小時內，企業官方微博就此事發布了聲明，引起了企業有關部門的高度重視，并且核實了情況，主動承擔經濟責任和法律責任，向公眾表達歉意。而相反京東六六事件發生后的“黃金3小時”內，官方并未作出任何回應，錯過了輿情演化的關鍵時間節點，并未遏制輿情演化的源頭。

（2）回應效率。不同于京東六六事件的20小時無回應，海底撈在首次作出回應后，又在3小時后對此事件的后續給出處理通報，公布了官方對此事的態度和措施，控制了輿情的演化方向，負面輿情爆發時的積極應對以及承認錯誤時的勇于擔責得到了公眾的諒解和肯定。從京東六六事件和海底撈事件可以看出，面對負面輿情突發事件高效率的應對是控制輿情演化的重點。

（3）應對策略。京東六六事件發生后，官方微博就此事發布聲明，立場強烈，并不認同文章中的投訴內容，這一做法引起了公眾廣泛的關注，使得輿論興起。三天后京東高管就此事表達歉意，承認錯誤，再次引起了輿情的高漲。而海底撈則在事件發生后，就核實情況，表達歉意。并后續給出了處理通報。網民對于此事件的關注從最初的安全衛生轉移到了事故責任以及整改措施，網民輿論趨于理性。

2.3.3?網民反響的比較

京東六六事件發生后，京東客服官方微博并未第一時間核實情況，一天后的首次回應也并不符合實際情況，導致微博下的網民評論出現了相當高頻次的情感詞“假貨”，表現了公眾對企業誠信缺失的不滿。而三天后京東高管就此事在個人微博上發布了最終聲明，此時微博下的回應中頻次最高的詞為“客服”，可以看出公眾對“大企業病”的反感。而海底撈事件發生后，海底撈官方微博在三小時和六小時分別就作出回應，核實情況，承擔責任，微博下的評論既有對食品安全的擔憂和對海底撈廚房衛生的譴責，可以從“衛生”“安全”等高頻詞看出。也有對官方不推卸責任和真誠道歉的認可，從“公關”“服務”等高頻詞看出。而不同的是，海底撈從一件負面輿情事件挖掘出了公民對企業負責的認可，微博評論中的正面情緒比負面情緒要高，這恰恰反映了企業對突發事件的及時處理，應對過程中的策略以及相對應的做法得到了公眾的接受和認可，取得了不錯的效果。

3、研究結論

從以上兩個案例的對比分析，我們可以得出以下結論：

（1）構建網絡輿情預警機制。通過分析兩個事件的輿情應對過程可以得出，企業引導和應對負面網絡輿情事件的最佳時間是事件發生后的三小時內即發生的第一時間，要從源頭上遏制輿情的發展。企業可以針對這一時間節點構建一個網絡輿情預警機制，對負面輿情進行及時監控，第一時間引導輿論走向。

（2）充分關注微博等新媒體平臺。在應對網絡輿情的過程中，要及時發布回應信息。在平臺中積極與網民進行交流互動，充分表現出重視公眾的看法，引導正面輿情信息，起到良好的應對效果。

（3）企業加強自身責任意識。從兩個事件的首次回應可以看出，勇于承擔責任的態度，在重大負面輿情突發事件發生的時候，更能為公眾所認可。而推卸責任，則會引起公眾的反感，導致情緒進一步惡化。因此，企業在危機發生時要積極應對，敢于承認存在的錯誤和承擔必要的責任，向民眾展示自己的責任感其實就是在展示企業本身的責任感，這樣才能提高企業應對網絡輿情的能力。

參考文獻：

[1]趙蓉英，王旭.突發事件網絡輿情關鍵節點識別及導控對策研究——以“大賢村遭洪災事件”為例[J].現代情報，2018，38（01）：19-24+30.

[2]蔣知義，馬王榮，鄒凱，李黎.基于情感傾向性分析的網絡輿情情感演化特征研究[J].現代情報，2018，38（04）：50-57.

[3]陳慶杰.企業突發事件網絡輿情應對策略研究[J].采寫編，2018（02）：164-165.

[4]王康，李含偉.自媒體時代的企業網絡輿情應對策略研究——基于上市公司百度指數的研究[J].情報科學，2018，36（01）：113-117.

[5]李婷.中國企業網絡輿情工作現狀及對策研究——以中國石油天然氣集團公司為例[J].情報探索，2015（12）：86-90+112.

[6]易臣何，何振.突發事件網絡輿情的生成演化規律研究[J].湘潭大學學報（哲學社會科學版），2014，38（02）：74-78.

[7]李勇，何玉花，蔡夢思，鄭昱，譚旭.政府應對網絡輿情的對比分析及有效策略研究——以上海踩踏事件和深圳滑坡事件為例[J].情報雜志，2018，37（04）：93-99.