“網絡水軍”與旅游目的地網絡形象

王大宇 張冰超

〔摘要〕在新媒體時代背景下，發揮網絡正向引導旅游目的地網絡輿論的作用、提高旅游目的地網絡風險防范和輿情管控、營造良好的旅游城市網絡形象，是旅游目的地網絡工作的首要任務。基于此，本文通過闡述影響旅游目的地網絡輿論傳播群體“網絡水軍”的概念，基于“病毒傳播”模型探究“網絡水軍”影響普通網民群體的模式和途徑，構建“網絡水軍”影響旅游目的地網絡輿論傳播模型;隨后對“網絡水軍”影響旅游目的地網絡輿論傳播模型進行動態系統仿真，模擬“網絡水軍”如何通過影響普通網民群體及影響旅游目的地網絡輿論傳播的具體機制。本文仿真模擬結果顯示，旅游目的地當地政府應當構建以預防為主的網絡輿情預警機制，同時在特定時間節點及時介入切斷“網絡水軍”影響普通網民的渠道，阻斷網絡輿論傳播的路徑，從而前瞻性地管控旅游目的地網絡輿論的走向。

〔關鍵詞〕“網絡水軍”;旅游目的地網絡形象;網絡輿論;“病毒傳播”模型;仿真模擬

中圖分類號：F592.7;G206? ? 文獻標識碼：A? ? 文章編號：1008-4096（2021）03-0075-12

一、引? 言

旅游已成為公眾生活的重要組成部分，旅游目的地網絡形象勢必直接影響潛在游客的旅游選擇。伴隨著網絡信息化的快速發展，微信、微博、短視頻、直播等新興媒體不斷涌現，加快了網絡信息的傳播和交互，這無疑提高了網絡輿論的傳播力和影響力，極大增強了網絡輿論的社會動員力，重構了旅游目的地網絡輿論管控機制[1]。在此背景下，旅游目的地越來越重視網絡形象的塑造，尤其是受移動互聯網迅速發展的影響，旅游目的地網絡輿論研究日益受到業界和學術界的關注。由于存在信息不對稱和非理性，網民極易被“網絡水軍”誘導，生成網絡凝視和聚焦，從而助推網絡輿論對旅游目的地網絡形象的影響和損害。“網絡水軍”主要表現在某些個體或組織通過大量發帖、跟帖、轉帖等形式，煽動網民情緒獲得網絡關注并集聚大量網民，從而影響網絡輿論的走勢，而這些人員或組織統稱作“網絡水軍”[2]。

近年來，網絡上出現一系列通過網絡輿論影響旅游目的地網絡形象的事件，這些事件帶有較為明顯的輿論誘導跡象，掩蓋部分真相或者混淆視聽，人為制造對立情緒，以至于引發網絡輿情。例如2015年的青島“天價大蝦”事件，由于當地政府回應遲緩，導致負面網絡輿論刷爆全網，對青島的旅游業發展造成嚴重沖擊。根據青島統計年報顯示，2015年青島接待游客總人次同比增速從2014年的8.82%降到7%，旅游總收入同比增長由2014年的15%降到13%。更為確切地說，經濟損失尚且是次要的，主要影響是對青島乃至山東旅游目的地網絡形象產生嚴重破壞[3]。同樣地，諸如麗江打人事件、黑龍江雪鄉事件，分別對云南和黑龍江的旅游目的地網絡形象造成較為嚴重的影響。從多起旅游目的地網絡輿論事件的起因和傳播脈絡來看，這些旅游網絡輿論事件均起源于游客的網絡投訴行為，短時間內獲得爆發式傳播，致使大量旅游目的地負面信息充斥網絡[4]。由于旅游目的地當地政府未能及時回應和處置，引致大量網民的聲援和凝視，極大損害了旅游目的地網絡形象，在很大程度上阻礙了當地旅游業的可持續發展，而這些負面網絡輿論爆發式傳播的背后均存在較為明顯的“推手”和“網絡水軍”的身影。

然而，目前“網絡水軍”亂象多見于商業和娛樂領域，相關研究多集中于“網絡水軍”的概念、特征、功能、產生原因和發展歷程，以及現狀、識別和治理等方面[5]，而對于旅游目的地網絡形象的研究相對較少。然而，隨著經濟發展和生活改善，旅游已成為公眾休閑生活必不可少的部分，旅游目的地網絡形象的作用也越來越重要。一類常見的“網絡水軍”操作手段是借助旅游目的地游客投訴行為，在當地政府尚未回應處置前，通過人為炒作快速放大傳播和抹黑旅游目的地網絡形象，達到影響網絡輿論走勢的目的[6];另一類相對較少的操作手段是通過網絡炒作打造“網紅”旅游目的地，增加旅游目的地的流量和曝光率，提升旅游目的地的網絡形象[7]。

鑒于此，本文從“病毒傳播”模型出發，利用網絡輿論傳播理論與“病毒傳播”模型，研究“網絡水軍”對旅游目的地網絡輿論的負面影響，將“網絡水軍”、旅游目的地當地政府和網民三者聯系起來，構建“網絡水軍”影響下旅游目的地網絡輿論傳播模型，通過識別“網絡水軍”影響普通網民的路徑，探明“網絡水軍”的本質和影響機制。在此基礎上，通過動態系統仿真視角模擬“網絡水軍”影響下旅游目的地網絡輿論傳播演變趨勢，厘清“網絡水軍”、旅游目的地當地政府和網民之間的關系。進而建構旅游目的地網絡輿論管控機制，為當地政府有效引導網絡輿論，營造良好的旅游目的地網絡形象提供參考。

二、文獻回顧和理論基礎

（一）“網絡水軍”與旅游目的地網絡輿論傳播

已有“網絡水軍”及其網絡輿論傳播的相關研究，主要集中于“網絡水軍”的概念與成因、識別與應對，及其網絡輿論傳播影響機制[5]。目前，學術界對于“網絡水軍”的概念定義尚未達成一致的共。周光清和刁宗鵬[8]認為“網絡水軍”是指在互聯網環境下，通過網絡推手和網絡公關等個體人員或者組織，以網絡發帖、轉帖、頂帖、刪帖等方式進行規模化炒作，營造虛假網絡口碑，誘導網民認知偏差和煽動網民情緒，從而影響網絡輿論的走向。楊枝煌[9]認為“網絡水軍”普遍具有發布主體、發布動機、自身特征等方面的特征。張翔云和徐虹[10]認為一方面“網絡水軍”行為特征對于網民的情感態度產生影響;另一方面，“網絡水軍”的負面偏差，提高了網絡空間的風險性，加大了治理難度。針對“網絡水軍”行為目的的研究，李彪和鄭滿寧[11]系統梳理了26起“網絡水軍”參與的網絡事件，研究發現“網絡水軍”通過混淆網民的信息來源，誘導網民產生認知偏差，影響網民的情緒，以此達到欺騙網民的目的。樓旭東和劉萍[12]從傳播學視角出發，認為網絡公關公司通過雇傭大批網絡推手，以網絡發帖、回帖的形式傳播特定信息，營造特定輿論氛圍。孫光寧[13]認為“網絡水軍”本質上是一種網絡信息欺騙行為，以虛假信息欺騙網民，綁架民意和干擾網民決策。“網絡水軍”的這種行為這也是一種違法行為，于沖[14]基于網絡誹謗視角，探討“網絡水軍”侵犯個人權益和公共利益，破壞網絡道德秩序。張筱筠和連娜[15]研究發現，“網絡水軍”通過使用不當手段操縱和利用網民，欺騙煽動網民傳播虛假信息和傳播不良情緒，營造虛假民意，甚至影響社會風氣。特別是在旅游領域，“網絡水軍”本質上是一種網絡誘導行為，通過個體或者組織等網絡推手虛假或者夸大信息，營造緊張氛圍煽動網民情緒，影響旅游目的地網絡輿論傳播和走向。換言之，“網絡水軍”的存在提高了旅游目的地網絡輿論的風險性，極大地損害了旅游目的地的網絡形象[10]。

“網絡水軍”之所以能夠影響到旅游目的地網絡輿論走向主要在于網絡大“V”與社交媒體別有用心的炒作和網民的心態。具體而言，部分網民將網絡空間視為情緒發泄的場所，充斥著大量的非理性認知和情感，極易被網絡大“V”與社交媒體誘導，對旅游目的地網絡輿論產生錯誤的認知和判斷[16]。此處煽動網民情緒和提高流量的網絡大“V”與社交媒體在很大程度上充當“網絡水軍”的角色。青平等[17]研究發現，“網絡水軍”的刻意誘導顯著影響到旅游目的地網絡輿論的有序與穩定，識別和治理“網絡水軍”亂象成為旅游學界和業界關注的問題。識別和應對“網絡水軍”的相關研究多聚焦于主體多元化、法律以及技術等方面。尤其是技術層面，旅游目的地當地政府既能夠利用數據挖掘技術識別“網絡水軍”行為，又能夠及時監測到“網絡水軍”動態，積極處置網絡輿論事件，提前堵住“網絡水軍”進一步傳播旅游目的地負面信息，有效引導網絡輿論和疏導網民情緒[18]。

“網絡水軍”影響旅游目的地網絡輿論傳播過程，主要包括傳播者、傳播內容和受眾3個要素。付業勤和鄭向敏[19]研究發現，“網絡水軍”作為網絡輿論傳播內容與受眾之間的橋梁，通過散旅游布目的地信息和特定情緒感染網民的情感，誘導網民產生傷害感和情感共鳴，而被“網絡水軍”感染的網民進一步傳播目的地負面信息和情緒，乃至感染整個網絡，生成旅游目的地網絡輿論事件。而旅游目的地網絡輿論多指公眾對旅游目的地的看法和態度，直接影響到旅游目的地的網絡形象。陽長征[20]研究發現，旅游目的地網絡輿論多起于游客的抱怨和投訴行為，通過網絡推手的炒作和煽動，刻意制造對立情緒，轉變公眾對于旅游目的地網絡形象的認知。

“網絡水軍”作為網絡輿論的傳播者改變了旅游目的地網絡輿論的傳統傳播方式和公眾參與方式，主要通過誘導公眾成為網絡輿論的二次傳播者，達到提高流量，增強影響力的目的，從而擾亂正常網絡秩序[21]。這意味著，“網絡水軍”在旅游目的地網絡輿論傳播過程中扮演著重要的負面角色，具有較大的影響力。因此，對旅游目的地網絡輿論管理帶來了諸多挑戰。而作為受眾的網民，由于非理性認知和情感，較易形成“爭議”和“圍觀”乃至“聚焦”，助推自身的傳播行為，甚至引致旅游目的地網絡輿情[5]。正如陳旭輝等[22]以青島“天價大蝦”事件為例，研究發現當受眾面對多元化網絡信息時，往往傾向于社交媒體的宣傳，從而高估負面信息，極易形成對于旅游目的地網絡形象的負面偏差。同樣地，青平等[17]以消費者受侵害為例，探討網絡大“V”對普通網民的動員方式，研究網絡大“V”對網絡輿論的影響作用。在此基礎上，李勇等[23]“以麗江女游客被打”事件為例，通過收集互聯網新聞報道和網民評論數據，研究發現網民極易被新聞報道的放大效應引導進行評論轉發，進一步傳播旅游目的地負面信息和情緒。

由此可見，網絡大“V”和社交媒體主要通過網民群體對于旅游目的地網絡輿論傳播進行偏差引導。而在現實中案情調查進展、當地政府應對以及信息公布均與旅游目的地網絡輿論傳播密切相關，文宏[24]以“雪鄉”事件的大數據為數據來源，研究網民的情感特征以及當地政府回應與網絡輿論導向的關系，強調當地政府正面回應和處置、信息公布對于網絡輿論傳播具有正向引導作用。

如上所述，為追求流量和提高影響力的網絡大“V”和社交媒體，在一定程度上具備了“網絡水軍”的性質，主要通過放大報道，煽動大量網民群體。不可忽視的是，大部分網民極易被網絡大“V”和社交媒體的影響，以成見和否定的態度去判斷問題和表達觀點，這種帶有目的性、強烈情緒性的網絡傳播，容易導致旅游目的地網絡輿論的出現，傳播旅游目的地負面網絡形象。賈衍菊[1]認為，互聯網發展改變了傳統的網絡輿論的信息獲取和傳播方式，挑戰和影響了旅游目的地的危機管理模式。總之，由于“網絡水軍”的過分干預和刻意引導，致使旅游目的地網絡輿論偏離正常軌道，擾亂旅游目的地網絡輿論的穩定。因此，探索“網絡水軍”影響網民的具體途徑，以及傳播網絡輿論的影響機制，營造健康有序的旅游目的地網絡環境至關重要。

（二）“病毒傳播”模型的應用

國內外已對網絡輿論傳播進行了大量研究，但是傳統的網絡輿論傳播模型無法比較全面地描述“網絡水軍”影響下旅游目的地網絡輿論的傳播過程，也無法深入探究“網絡水軍”擾亂旅游目的地網絡環境的途徑[18]。丁學君[25]基于“病毒傳播”模型研究發現，與傳統的網絡輿論傳播模式不同，通過引入感染者和免疫者變量因素，可以更好地描述“網絡水軍”參與下的旅游目的地網絡輿論傳播規律。“網絡水軍”傳播類似于病毒傳播，同樣具有感染性強、傳播速度快、受感染群體巨大、交互效應強等特征。由此，部分學者借鑒“病毒傳播”模型，研究“網絡水軍”如何傳播網絡輿論。

當前國內外對于“病毒傳播”模型的研究，主要是SIR模型（S為易感染者、I為感染者、R為恢復者）、SIS模型（S為易感染者、I為感染者、S為易感染者）和SIRS模型（S為易感染者、I為感染者、R為恢復者、S為易感染者），以及其他衍生性傳染病模型，并被廣泛應用于傳播學研究[26]。其中，SIR模型是“病毒傳播”模型的經典模型，由Kermack和McKendrick[27]于1927年提出，起初應用于傳染病傳播領域，并將人口分為易感染者（S）、感染者（I）和恢復者（R）三類，且基于三個基本假設：人口是一個常數，不考慮人口出生、死亡、流動等因素;病人一旦與易感染者（S）接觸必定具有一定的傳染性;單位時間內從染病者中移出的人數與病人數量成正比。在此基礎上，學者們根據不同的情境對SIR模型進行改進，如Keeling和Eames[28]將SIR模型感染期細分為感染初期、中期、晚期三個階段，并提出不同階段感染期，傳染率時效也不同。而Keeling和Eames[28]通過改進SIR模型研究不同階段網絡輿論的傳播和感染性，研究發現“網絡水軍”感染網民的速率不同，尤其是網絡輿論后期，感染性大幅度衰減。Zhang等[29]根據SIR模型，通過系統動力學理論，構建網絡熱點事件的網絡輿論信息模型，以預測網絡輿論傳播演進模型，同時探索多種因素對于網絡輿論傳播的影響。然而，Whigham和Dick[30]認為，SIS模型與SIR模型的不同之處在于易感染者（S）和感染者（I）狀態之間交替互換，不存在恢復者（R）狀態，且當感染狀態結束后便循環回到易感狀態，再次具備感染條件。正是基于此，Leskovec等[31]通過SIS模型，研究發現網絡熱點事件在社交媒體間的傳播和演變規律。Taylor等[32]認為SIRS模型與SIR模型不同之處在于恢復者（R）并不是長期免疫，而是賦予受感染者暫時免疫性。SIRS模型結合SIR模型和SIS模型的基本元素，表示受感染個體恢復后，成為短暫恢復者（R），再回到易感染者（S）狀態，傳播鏈條為S-I-R-S。在實際應用方面，Gruhl等[33]基于SIRS模型構建網絡熱點事件在網絡空間的傳播路徑，探討不同傳播節點對于網絡輿論傳播的影響。已有大量研究表明，“網絡水軍”傳播網絡輿論機制與病毒傳染病傳播模式類似。在此背景下，本文將選擇“病毒傳播”模型研究“網絡水軍”如何影響網絡輿論傳播。

（三）“網絡水軍”的網絡輿論傳播過程

病毒傳播理論能較好地描述“網絡水軍”影響網絡輿論傳播路徑和規律，但是這依賴于網民個體參與指數和行為參數，具體來說網民個體行為信息多嵌入于網絡情境，并且“網絡水軍”正是借此影響網絡輿論，通過設定特定的網絡情境，以此來影響網民的情緒和行為[34]。宋明華等[35]認為，一般地“網絡水軍”通過擾亂網絡空間內的信息流和意見流來影響普通網民的認知和情感，尤其是海量網民的非理性情緒極易被感染，從而達到左右網絡輿論走向的目的。更確切地說，網民的信息和情感也極易受到“網絡水軍”的操控與影響，張薇等[3]以青島“天價大蝦”事件為例，研究旅游目的地網絡輿論的傳播對于旅游目的地網絡形象的影響，研究發現“網絡水軍”刻意營造的不公平和欺騙的情境，比較容易引發網民不理智行為，顯著影響到潛在游客的出游意向。在此方面，馬麗君和張家鳳[36]以網絡關注度為視角探討旅游危機事件網絡輿論傳播時空演化規律，研究發現旅游目的地網絡形象深受網絡輿論的影響，主要通過激起網民和潛在游客之間的共同聯想和情感共鳴，致使網民采取較激進的行為方式傳播旅游目的地網絡輿論。

總之，旅游目的地網絡輿論主要通過“網絡水軍”影響而作用網民的情緒與行為來傳播，加速旅游目的地網絡輿論負面信息的擴散。同時，由于網絡輿論的負面信息和情緒感染旅游目的地整體網絡輿論空間，明顯影響到網民的認知判斷和行為模式，極易升級成為針對旅游目的地的群體凝視事件。由此可見，研究“網絡水軍”影響作用下旅游目的地網絡輿論的傳播路徑和規律特征，有助于幫助旅游目的地當地政府厘清“網絡水軍”影響普通網民和潛在游客的途徑和方式，有利于營造良好的旅游目的地網絡生態環境。

三、研究模型和研究假設

（一）研究模型選取

三種“病毒傳播”模型（SIR模型、SIS模型、SIRS模型）主要不同之處在于感染傳播后的表現，其中，SIR模型比較關注易感者受到感染后，部分感染者會成為恢復者，而這部分恢復者不再受到感染。但SIS模型則是一種反復感染，不存在免疫者。與之不同的是，盡管SIRS模型恢復者具有免疫力，但是經過一段時間還將再次受到感染。

比較三種模型的同時結合實際情況，一方面，在網絡生態域中不存在SIS模型的反復感染性，這是由于網民一旦發現網絡輿論虛假信息，將不再相信此類信息。這意味著，網民將不會再受到“網絡水軍”輿論的感染。另一方面，雖然SIRS模型比較適用于現實流行病感染研究，但是“網絡水軍”輿論感染網民，甚至誘導網民成為疑似“網絡水軍”，散播網絡輿論。當感染網民恢復成普通網民后，將對被欺騙行為產生不滿情緒，尤其是會強烈抵制網絡虛假信息，恢復網民將不再成為感染者。由此可見，SIS模型與SIRS模型不適用于研究“網絡水軍”的網絡輿論傳播途徑。與之相反，SIR模型分為易感階段、感染階段和恢復階段三個階段，正好對應于網絡生態環境的“網絡水軍”影響網民的階段過程。通過SIR模型可以涵蓋“網絡水軍”影響下旅游目的地網絡輿論傳播的不同發展階段和演進趨勢。SIR模型建立在系統動力學的基礎上，能夠比較全面地概括旅游目的地網絡輿論傳播的全過程，清晰呈現出“網絡水軍”影響下旅游目的地網絡輿論傳播的具體環節和路徑。

由此，本文選擇SIR模型作為“網絡水軍”影響下旅游目的地網絡輿論傳播的研究模型。互聯網作為網民個體與個體之間交互的生態域場，一方面，能提供網民之間自由接觸和溝通的平臺，另一方面，“網絡水軍”感染網絡空間與擾亂網絡空間秩序，通過網絡空間的“病毒式”感染和傳播網絡輿論，誘騙普通網民成為“網絡水軍”輿論散播者，左右網絡輿論態勢。“網絡水軍”影響下旅游目的地網絡輿論傳播和旅游目的地當地政府干預路徑如圖1所示。

由圖1所示，網絡空間中“網絡水軍”感染網民傳播網絡輿論和旅游目的地當地政府干預路徑可以概括為以下三步：

第一步，尚未接觸“網絡水軍”輿論感染的正常網民，通過瀏覽“網絡水軍”所發布的具有煽動性的輿論信息收到傳染，使得這部分收到“網絡水軍”輿論接觸的網民有可能被感染成“疑似水軍”，也可能不被感染仍是正常網民。第二步，受“網絡水軍”輿論影響同時擴散“網絡水軍”輿論成為疑似“網絡水軍”，繼續傳播感染其他網民或者加劇網絡輿論態勢，極易誘發網絡群體凝視形成群體感染。第三步，旅游目的地當地政府對“網絡水軍”輿論影響進行政府行政干預，糾正錯誤信息并扭轉輿論導向，加之由于網絡輿論事件信息逐漸披露和事態發展使得事實得到澄清，從而疑似“網絡水軍”修正個體認知和判斷，逐步恢復成較為理性的正常網民，最終“網絡水軍”輿論傳播衰退。在“網絡水軍”輿論傳播全過程中，受到“網絡水軍”輿論影響的正常網民總數和恢復成正常網民的疑似“網絡水軍”數量是評價“網絡水軍”輿論傳播影響程度的重要指標。

（二）研究假設提出

根據SIR模型的基本假設和要求，首先，確定考察周期，本文從專業網絡輿情監測公司官方網站“蟻坊軟件”選取10起網絡熱點事件，以此觀察網絡熱點事件的網絡輿論傳播周期。然后，通過選取的網絡熱點事件引爆時間記為第一次爆發時間，其中不包括后續的再次爆發。網絡熱點事件網絡輿論傳播周期統計如表1所示。

由表1可知，網絡熱點事件網絡輿論傳播平均時間為6.7天，由此本文選取的考察周期為6天。基于2019年2月份中國互聯網絡信息中心（CNNIC）發布第43次《中國互聯網絡發展狀況統計報告》，截至2018年12月，中國網民規模達到8.29億人，普及率達59.6%，全年新增網民5 653萬。根據2018年全年網民增加數量，通過考察周期6天的網民增長人數平均值計算，平均每天網民增長15.88萬，那么考察周期6天網民增長總數為95.28萬人。而目前我國網民總數達到8.29億人，顯然考察周期6天增長數遠低于規模總數，這意味著考察周期6天的網民增長數量可以忽略。因此，提前設定考察期內，網絡熱點事件網民總數不變，記作N。

受感染網民具有感染其他正常網民的可能，從而成為疑似“網絡水軍”，發揮的作用和“網絡水軍”基本一致，得到假設1。

假設1：受感染網民成為疑似“網絡水軍”，又可以感染其他正常網民。

自當地政府正面回應和處置“網絡水軍”輿論以后，受感染的網民逐漸恢復正常，不再相信“網絡水軍”輿論信息，即這部分網民不再受到“網絡水軍”輿論影響，得到假設2。

假設2：恢復的網民不會再進行感染傳播，也不會再受“網絡水軍”輿論的影響。

目前中國網民總規模高達8.29億人，其中網民具有不同年齡、不同學歷、不同職業等特征，且上網習慣、瀏覽習慣也不同，這意味著并非所有網民參與到“網絡水軍”輿論，如果直接使用總數是不準確的，同時獲得精準數據又比較困難，由此，本文模擬假設網民規模1千萬人，即初始時刻沒有人受到“網絡水軍”輿論感染，得到假設3。

假設3：初始時刻網民總人數S0=1千萬，初始時刻瀏覽“網絡水軍”輿論信息的人數I0=1（即初始時刻只有1人瀏覽“網絡水軍”輿論信息），初始時刻疑似“網絡水軍”E0=0，初始時刻受影響網民數Q0=0，初始時刻恢復網民數R0=0。

（三）動態系統仿真模型構建

由以上研究模型和假設得式（1）：

S（t）+I（t）+E（t）+Q（t）+R（t）=N （1）

其中，S（t）為t時刻網民總數，E（t）為t時刻“疑似水軍”總數，I（t）為t時刻瀏覽“網絡水軍”輿論的網民總數，Q（t）為t時刻受影響的網民總數，R（t）為t時刻恢復的網民總數，Δt時間內正常網民數量變化為式（2）：

S（t+Δt）-S（t）=-λQ（t）（1-p）S（t）Δt （2）

其中，p為采取措施強度或當地政府采取辟謠的強度，Δt時間內恢復的網民數量變化為式（3）：

R（t+Δt）-R（t）= 1/d_3? I（t）Δt （3）

其中，d3為受影響網民轉變為正常網民所需時間（小時），1/d_3 為單位時間內受影響網民的恢復率。Δt時間內“疑似水軍”數量變化為式（4）：

E（t+Δt）-E（t）=-λQ（t）（1-p）[E（t）（1-p）+E（t）p 1/d_3 ]Δt （4）

其中，λ為“網絡水軍”輿論的傳染率，Δt時間內受影響的網民變化為式（5）：

Q（t+Δt）-Q（t）= 2/（d_1+d_2 ） I（t）Δt- 1/d_3? Q（t）Δt （5）

其中，d1～d2為網絡輿論傳播的時間（小時）Δt時間內瀏覽“網絡水軍”輿論的網民變化為式（6）：

I（t+Δt）-I（t）={λQ（t）（1-p）[S（t）+E（t）（1-p）+E（t）p 1/d_3 ]-2/（d_1+d_2 ） I（t）}Δt （6）

由式（2）至式（6）的變化，等式兩邊同除以Δt，得到式（7）至式（11）：

dS/dt=-λQ（t）（1-p）S（t） （7）

dR/dt=1/d_3? I（t） （8）

dE/dt=-λQ（t）（1-p）[E（t）（1-p）+E（t）p1/d_3 ] （9）

dQ/dt=2/（d_1+d_2 ） I（t）- 1/d_3? Q（t） （10）

dI/dt=λQ（t）（1-p）[S（t）+E（t）（1-p）+E（t）p1/d_3 ]-2/（d_1+d_2 ） I（t） （11）

四、動態系統仿真和結果分析

（一）系統仿真過程

1.動態系統仿真模擬一

假設旅游目的地當地政府2小時后監測到“網絡水軍”活動，且采取強度系數為0.6的應對措施。則當d1=1，d2=14，d3=30，r=20，p=0.6時，當地政府監測到“網絡水軍”正在干預網絡輿論，并進行相應回應與干預，則此時受影響的網民人數是：

Q=Q（0）?{（N-Q（0）-E（0））/N?r}?2 （12）

其中，r為“疑似水軍”人均接觸的網民數，“隨著時間變化，受網絡水軍”干預的網絡輿論傳播受影響網民人數變化趨勢如圖2所示。

圖2仿真結果一顯示：當t∈[0，13.097]時，受“網絡水軍”干預的網絡輿論影響的網民數量急劇上升，這意味著“網絡水軍”干預網絡輿論的傳播爆發速度非常快，且感染性強烈。盡管假設旅游目的地當地政府2小時后采取了應對“網絡水軍”的措施，但是受“網絡水軍”干預的網絡輿論影響的網民人數將在13小時后達到峰值，共約22.867萬人受到“網絡水軍”干預的網絡輿論影響，隨后受影響的網民人數逐漸下降。同時從圖2也可知，“網絡水軍”干預的網絡輿論傳播感染性迅猛，但受影響網民恢復階段相對比較緩慢。

2.動態系統仿真模擬二

假設旅游目的地當地政府1.5小時后監測到“網絡水軍”活動，且采取強度系數為0.6的應對措施。則當d1=1，d2=14，d3=30，r=20，p=0.6時，旅游目的地當地政府積極回應與處置“網絡水軍”干預網絡輿論，則受影響的網民人數是Q=Q（0）?{（N-Q（0）-E（0））/N?r}?1.5。與此同時，隨著時間變化，受“網絡水軍”干預的網絡輿論影響網民人數的系統仿真結果如圖3所示。

圖3仿真結果二顯示：當t∈[0，13.375]時，“網絡水軍”干預的網絡輿論傳播網民人數急劇上升，約有5.285萬人受到“網絡水軍”干預的網絡輿論的影響，隨后“網絡水軍”干預網絡輿論的傳播速度快速下降。與仿真模擬一相比可見，旅游目的地當地政府雖然僅僅提前0.5小時應對與處置“網絡水軍”干預網絡輿論的活動，但是得到的效果卻相當好，使得受影響的網民人數比仿真模擬一的效果提升了約4.3倍。

3.動態系統仿真模擬三

假設旅游目的地當地政府2小時后監測到“網絡水軍”活動，且采取強度系數為0.4的應對措施。則當d1=1，d2=14，d3=30，r=20，p=0.4時，旅游目的地當地政府監測到“網絡水軍”干預網絡輿論活動，并且進行回應和處置，則受到“網絡水軍”影響網民人數是Q=Q（0）?{（N-Q（0）-E（0））/N?r}?2。隨著時間變化，受“網絡水軍”干預的網絡輿論傳播影響網民人數的系統仿真結果如圖4所示。

圖4仿真結果三顯示：當t∈[0，14.324]時，“網絡水軍”干預的網絡輿論傳播影響的網民人數快速上升。盡管旅游目的地當地政府2個小時后采取應對措施回應和處置“網絡水軍”干預的網絡輿論，但是14小時后受影響的網民人數達到峰值約22.887萬，隨后“網絡水軍”干預的網絡輿論傳播逐漸衰減。盡管旅游目的地當地政府降低應對“網絡水軍”干預的網絡輿論的強度系數，但是并沒有對受影響的網民數量產生作用，這表明旅游目的地當地政府應對“網絡水軍”干預的網絡輿論的強度系數并不顯著影響“網絡水軍”干預的網絡輿論的傳播。

（二）動態系統仿真結果分析

表2是三次仿真模擬結果對比，仿真結果一和仿真結果二旅游目的地政府對“網絡水軍”干預的網絡輿論的強度系數同為0.6。但旅游目的地當地政府介入回應和處置“網絡水軍”干預的網絡輿論的時間則不同。在2小時和1.5小時的時間節點上，旅游目的地當地政府回應與處置“網絡水軍”干預的網絡輿論的強度系數相同但是效果差距較大，這也意味著提前0.5小時介入將會得到約4.3倍的管控效果。仿真結果三的旅游目的地政府對“網絡水軍”干預輿論的強度系數為0.4，在同為2小時的時間節點上，旅游目的地當地政府回應與處置“網絡水軍”干預的網絡輿論的時間節點相同但是效果差異不大。由此可知，旅游目的地當地政府的回應和處置時間對于“網絡水軍”干預的網絡輿論的傳播效應顯著，但是干預強度對于“網絡水軍”干預的網絡輿論的傳播效果影響并不顯著。

由表2可知，通過對比仿真一和仿真三的結果，旅游目的地當地政府回應與處置“網絡水軍”干預的網絡輿論的時間節點同為2小時，盡管旅游目的地當地政府回應與處置“網絡水軍”干預的網絡輿論的強度系數不同，但是受影響網民數量幾乎相同，旅游目的地當地政府若不提前管控“網絡水軍”干預網絡輿論的活動，那么即使后期采用更強有力的管控措施，也并沒有起到較好的效果。旅游目的地當地政府回應與處置“網絡水軍”強度系數與“網絡水軍”干預的網絡輿論的傳播影響并不顯著。

這意味著，管控“網絡水軍”干預的網絡輿論的傳播措施主要是旅游目的地當地政府的提前發現和及時回應和處置，旅游目的地當地政府回應和處置介入的時間節點與“網絡水軍”干預的網絡輿論的傳播具有顯著正向影響。然而，旅游目的地當地政府回應和處置“網絡水軍”強度系數與“網絡水軍”干預的網絡輿論的傳播影響并不顯著，這表明“網絡水軍”干預的網絡輿論的傳播超過一定時間節點范圍，再進行管控其影響效果甚微。

五、結論與啟示

（一）結論

通過分析仿真模擬結果可以發現，旅游目的地當地政府管控“網絡水軍”干預的網絡輿論傳播的強度系數并不顯著影響“網絡水軍”干預的網絡輿論的傳播，而旅游目的地當地政府回應和處置的介入時間節點則顯著影響到“網絡水軍”干預的網絡輿論的傳播效率。在實際情境下，旅游目的地當地政府回應和處置“網絡水軍”的時間相對比較滯后，而提前察覺并及時回應和處置是管控“網絡水軍”亂象的重點。

在“網絡水軍”作用于旅游目的地網絡輿論的初始階段，“網絡水軍”作用于網絡輿論傳播散布旅游目的地信息和特定情緒，感染互聯網生態環境，此階段“網絡水軍”進行全面炒作。在此時間節點，旅游目的地當地政府尚未察覺到或尚未及時進行回應和處置，以至于“網絡水軍”干預的網絡輿論呈現壓倒式優勢，隨后被感染的網民被誘導傳播，使得“網絡水軍”干預的網絡輿論全面爆發，極大地擾亂了旅游目的地網絡形象。

在“網絡水軍”作用于旅游目的地網絡輿論的傳播階段。自“網絡水軍”作用于網絡輿論引爆后迅速傳播蔓延達到傳播峰值伊始，“網絡水軍”干預的網絡輿論的傳播開始呈現下降趨勢。在此階段“網絡水軍”干預的網絡輿論的傳播峰值與旅游目的地當地政府管控強度并沒有直接相關性。盡管旅游目的地當地政府回應和處置“網絡水軍”干預的網絡輿論，且控制其無序蔓延感染其他網民，但是被影響的網民人數還在上升，直至達到峰值后才逐漸下降。在此階段“網絡水軍”干預的網絡輿論的傳播基本處于可控階段。

（二）啟示

由于“網絡水軍”作用于網絡輿論運作模式的復雜多變和互聯網環境的日新月異，無疑增加了旅游目的地當地政府管控“網絡水軍”的難度，本文基于“網絡水軍”影響下旅游目的地網絡輿論的傳播進行動態系統仿真，探討“網絡水軍”作用于網絡輿論傳播的規律，提高旅游目的地當地政府管控網絡輿論的水平。為此，本文提出以下三方面啟示：

第一，構建旅游目的地網絡輿情預警機制，不僅包括網絡關鍵詞的預警，而且還包括網絡熱點事件傳播速率的預警。當旅游目的地網絡輿論在單位時間內傳播量（傳播速率）超過閾值，系統自動報警。同時，鑒于“網絡水軍”主要通過較短時間內炒作旅游目的地事件進而影響網絡輿論的傳播，建議旅游目的地當地政府設立專業部門，及早發現“網絡水軍”活動跡象。

第二，監測到“網絡水軍”作用于網絡輿論的活動跡象，旅游目的地當地政府要第一時間回應和處置，盡早發布旅游目的地網絡輿論事件涉及的信息和脈絡。另外，根據動態系統仿真結果顯示，旅游目的地當地政府發現“網絡水軍”活動跡象，1.5小時內介入的抑制效果是2小時的約4.3倍。因而，旅游目的地當地政府回應和處置的時間節點顯著影響到網絡輿論走向，理應提前發現和及時介入，防范于未然。

第三，“網絡水軍”影響作用的網民人數在經過旅游目的地當地政府回應和處置后逐漸減少，此時旅游目的地當地政府應繼續采取措施，保持警醒，防止網絡輿論再起波瀾，這樣才能把“網絡水軍”干預的網絡輿論的傳播抑制效果發揮最大。另外，旅游目的地當地政府還應對“網絡水軍”干預的網絡輿論的具體內容進行特別說明，提高處置措施的強度，實時關注網絡輿論動態。

參考文獻：

[1]? 賈衍菊.社交媒體時代游客行為研究進展——基于境外文獻的梳理[J].旅游學刊，2017，（4）：117-126.

[2]? 鄭春東，韓晴，王寒.網絡水軍言論如何左右你的購買意愿[J].南開管理評論，2015， （1）：89-97.

[3]? 張薇，史坤博，楊永春，等.網絡輿情危機下旅游形象感知的變化及對出游意向的影響——以青島“天價蝦事件”為例[J].人文地理，2019，（4）：152-160.

[4]? 劉嘉毅，陳玉萍.網絡輿情對旅游目的地網絡關注度的時空影響——以“雪鄉宰客”事件為例[J].福建農林大學學報（哲學社會科學版），2019，（1）：77-83.

[5]? 劉煥.公共事件網絡輿情偏差及影響因素研究述評[J].情報雜志，2018，（11）：96-102.

[6]? 付業勤，陳雪鈞.基于旅游消費者感知的旅游網絡輿情危機研究[J].求索，2016，（1）：36-40.

[7]? 呂興洋，徐海軍，譚慧敏，等.聲音營銷力：目的地歌曲對潛在游客的影響研究——以歌曲《成都》為例[J].旅游學刊，2020，（5）：124-138.

[8]? 周光清，刁宗鵬.“網絡水軍”的社會危害及刑法適用[J].傳媒，2016，（20）：67-69.

[9]? 楊枝煌.網絡水軍類型、多重信用及其治理[J].廣東行政學院學報，2011，（4）：16-22.

[10]? 張翔云，徐虹.從危機事件看旅游地品牌管理中長效運行機制的缺陷——以青島大蝦產生的危機事件為例[J]. ? 社會科學家，2017，（8）：89-94.

[11]? 李彪，鄭滿寧.微博時代網絡水軍在網絡輿情傳播中的影響效力研究——以近年來26個網絡水軍參與的網絡事? ? 件為例[J].國際新聞界，2012，（10）：30-36.

[12]? 樓旭東，劉萍.“網絡水軍”的傳播學分析[J].當代傳播，2011，（4）：76-77.

[13]? 孫光寧.網絡水軍的反民主危害及其規制[J].理論視野，2012，（8）：48-51.

[14]? 于沖.網絡誹謗刑法處置模式的體系化思考——以網絡水軍為切入點[J].中國刑事法雜志，2012，（3）：45-51.

[15]? 張筱筠，連娜.網絡水軍：微博營銷中的“灰色陰影”[J].新聞界，2012，（1）：10-12，38.

[16]? 蘇宏元，黃曉曦.突發事件中網絡謠言的傳播機制——基于清晰集定性比較分析[J].當代傳播，2018，（1）：64-67，71.

[17]? 青平，張瑩，涂銘，等.網絡意見領袖動員方式對網絡集群行為參與的影響研究——基于產品傷害危機背景下的實驗研究[J].管理世界，2016，（7）：109-120.

[18]? 白中英，何云峰，陳佳麗.網絡謠言研究述評：對內涵特征、孵化平臺、規律機制的觀照[J].西南交通大學學報（社會科學版），2018，（4）：57-64.

[19]? 付業勤，鄭向敏.網絡新媒體時代旅游網絡輿情研究：源起、價值與構想[J].河北學刊，2013，（5）：182-184.

[20]? 陽長征.危機事件中網絡信息表征對用戶持續分享意愿影響研究[J].圖書情報工作，2019，（21）：105-116.

[21]? Luo，Q， Zhai，X.“I will never go to Hong Kong again！” How the Secondary Crisis Communication of “Occupy Central” on Weibo Shifted to a Tourism Boycott[J]. Tourism Management， 2017， 62（4）： 159-172.

[22]? 陳旭輝，蘇曉娟，崔麗霞.基于社交媒體關系互動的旅游城市形象負面偏差引導策略——以“青島天價蝦”事件為例[J].旅游學刊，2017，（7）：47-56.

[23]? 李勇，蔣冠文，毛太田，等.基于情感挖掘和話題分析的旅游輿情危機演化特征——以“麗江女游客被打”事件為例[J].旅游學刊，2019，（9）：101-113.

[24]? 文宏.網絡群體性事件中輿情導向與政府回應的邏輯互動——基于“雪鄉”事件大數據的情感分析[J].政治學研究，2019，（1）：77-90，127-128.

[25]? 丁學君.基于SIR的SNS網絡輿情話題傳播模型研究[J].計算機仿真，2015，（1）：241-247.

[26]? 丁學君， 樊榮， 楊錦儀.突發公共衛生事件網絡輿情研究現狀及評述[J]. 電子政務， 2017，（6）：47-56.

[27]? Kermack，W.O.， McKendrick，A. G. A Contribution to the Mathematical Theory of Epidimics[J]. Mathematical and Physical Character， 1927，115（772）：700-721.

[28]? Keeling，M.J.，Eames，K.T.D. Networks and Epidemic Models[J]. Journal of The Royal Society Interface， 2005， 2（4）：295-307.

[29]? Zhang，B.，Guan，X.，Khan，M.J.，et al. A Time-Varying Propagation Model of Hot Topic on BBS Sites and Blog Networks[J]. Information Sciences， 2012， 187（15）：15-32.

[30]? Whigham，P.A.， Dick，G. Evolutionary Dynamics for The Spatial Moran Process[J]. Genetic Programming and Evolvable Machines， 2008， 9（2）：157-170.

[31]? Leskovec，J.，McGlohon，M.，Faloutsos，C.，et al.Cascading Behavior in Large Blog Graphs[A]. Proceedings of the SIAM International Conference on Data Mining[C].New York：ACM Press， 2007.

[32]? Taylor，C.， Fundenberg，D.，Sasaki，A.，et al.Evolutionary Game Dynamics in Finite Pupulations[J] . Bulletin of Mathematical Biology，2004，6（66）：1621-1644.

[33]? Gruhl，D.，Guha，R.，Liben-Nowell D.， et al. Information Diffusion Through Blogspace[A].Proceedings of the 13th International Conference on World Wide Web[C].New York：ACM Press， 2004.

[34]? 丁學君，梁昌勇.基于傳染病動力學的博客輿情話題傳播模型研究[J].信息系統學報，2016，（1）：63-76.

[35]? 宋明華，劉燊，朱轉，等.相對剝奪感影響網絡集群攻擊行為：一個有調節的雙路徑模型[J].心理科學，2018，（6）：1436-1442.

[36]? 馬麗君，張家鳳.旅游危機事件網絡輿情傳播時空演化特征與機理——基于網絡關注度的分析[J].旅游導刊，2019，（6）：26-47.

“Network Water Army” and Internet Tourism Destination Identity System：A Study Based on Dynamic System Simulation of “Virus Spreading” Model

WANG Da-yu，ZHANG Bing-chao

（School of Tourism and Hotel Management，Dongbei University of Finance and Economics，Dalian 116025，China）

Abstract：In the context of the new media era， it is a priority for tourism destinations to play a positive role in guiding online public opinion， improving the prevention and control of online risks in tourism destinations， and creating a good network image of tourism cities. Based on this， this paper constructs a model of “network water army” influencing network opinion dissemination in tourism destinations by explaining the concept of “network water army”， exploring the mode and way of “network water army”influencing ordinary netizens based on the “viral propagation” model， and constructing a model of “network water army”influencing network opinion dissemination in tourism destinations.. Subsequently， a dynamic system simulation was conducted on the model of “network water army” influencing the network public opinion of tourism destinations to simulate how “network water army” influences the general Internet users and the specific mechanism of influencing the network public opinion of tourism destinations. The simulation results show that the local government of tourism destinations should build a prevention-oriented early warning mechanism for network public opinion， and at the same time intervene at specific time points to cut off the channels through which the “network water army” influences ordinary Internet users and block the path of network public opinion dissemination， so as to control the direction of network public opinion in tourism destinations in a forward-looking manner.

Key words：“network water army”; tourism destination network image; network public opinion; “virus spreading” model;simulation

（責任編輯：李明齊）