产品质量安全网络舆情下的企业网络声誉研究

张庆民，吴春梅，刘小峰

（1.南京大学 工程管理学院，江苏 南京 210093；2.南京财经大学 a.管理科学与工程学院；b.会计学院，江苏 南京210046；3.南京审计学院 国际审计学院，江苏 南京 211815）

一、引 言

面对风起云涌的社会化媒体，如论坛、微博、社交网络社区等，网民的网络活动能力和领域不断扩大，在网络媒体中发表自己对产品、服务质量等话题的感受、观点与情感，网络舆情已经显现出强大的渗透能力和广阔的企业应用前景。尤其是近几年来，产品质量安全问题日趋突出，老百姓的生活受到了极大的影响，他们本身可能就是企业的顾客或者关心企业产品的顾客，因此，越来越多的顾客通过社会化媒体表达他们对产品的意见，当大量网民意见自动地聚集在一起，他们的声音将更多地影响着其他网民。结果，在网络环境下，越来越多的网民能够方便地从社会化媒体中获取企业产品质量安全信息，这种网民交互逐渐形成了网络舆情，将直接或间接地影响着企业网络声誉。

当今，企业网络声誉的影响范围和深度不断增强，越来越多的公司意识到挖掘网络舆情信息获取企业在线声誉的价值，社会化媒体成为获取企业网络声誉的第一手重要资料来源。对于网络舆情的商业应用，有必要以全新的管理视角、构建新的商业管理理论体系来解释和预测网络舆情对企业网络声誉的影响，如何深入地量度网民反映的帖文所形成的网络舆情？如何探究网络舆情诱发的企业网络声誉的形成与演化趋势？企业网络声誉怎样度量等？均是值得探讨的新问题，本文就是基于此开展研究工作。

二、文献与方法回顾

（一）文献回顾

基于社会化媒体的企业网络声誉研究，大多从网络零售视角开展工作。Chang[1]等从网络购物中如何选择声誉高的零售商角度出发，构建了在线拍卖中帮助顾客选择销售商的MARM声誉模型，另外，Wu[2]等建议了在线拍卖的几种新方法，通过模拟和实证方式进行了论证。Hansen[3]等和Walsh[4]等均采用了采用结构方程模型开展研究，Hansen测试了顾客对企业声誉的满意和信任、企业声誉是如何影响顾客忠诚度和口碑，Walsh研究了在B2B中企业声誉对顾客感知价值具有重要的影响。另外，Walsh[5]等通过案例确定了基于顾客的企业声誉的五个维度。Josang[6]等介绍了基于β概率密度函数合并回馈和提取声誉等级的beta声誉模型，随后，Bharadwaj[7]等引入了信任与声誉的模糊计算模型对beta声誉模型进行了扩展，并对该模型与其他模型进行了比较。这些企业网络声誉的研究成果主要利用了社会化媒体中的网络口碑信息进行分析。对于网络舆情在企业网络声誉的研究成果大多集中在网络舆情数据挖掘方面，对于网络舆情影响下的企业网络声誉研究成果还不多。Gruhl[8]等强调博客、论坛社会化媒体与企业销售的关系。Kaiser[9-10]等给出了一个神经模糊方法获取网络舆情规则的预警系统，借助数据挖掘提出了一个允许提取、聚合和监控顾客意见的方法，其主要依据正面、中性和负面帖子数量开展研究。Nambisan[11]等提出了由实用、享受、可用性、社交四维模型对在线产品网络舆情评价并给出了实证分析。到目前为止，仅有少量的研究探讨了如何管理企业网络声誉问题。对于企业网络声誉的计算，基本思路是用帖子数量的多少度量企业网络声誉的大小。我们认为这种思路是不完整的，企业网络声誉大小应该是通过受影响的网民数量、帖文质量、舆情特性等因素开展研究更合理。

（二）研究方法回顾

网络口碑、网络舆情和企业网络声誉在已有文献研究中屡被提及，但两者关系还有待进一步深入探讨。为了测度网络口碑诱发企业网络声誉问题，过去部分学者也进行了一定的探讨：大多采用人们比较容易接受的想法进行了分析，企业网络声誉值=正面帖子数量-负面帖子数量；文献[10]给出了如下的舆情指数计算公式：

式中的o表示舆情指数，pos、neg、neu分别表示正面、负面、中性帖子数量，ω为权重，i表示产品，t表示时间，n表示产品数量。另外，文献[6]基于β概率密度函数，给出了单积分声誉指标的计算公式：

通过推导，企业网络声誉等级的结果为：

其中，N+i与N-i分别表示i产品的正、负帖子数量，

对于天涯论坛网站中的天涯舆情，天涯舆情中采用了给定权重的情况下对短期舆情指数进行了计算，其计算公式为：某地区正面网络舆情指数=50%×[某地区正面舆情帖子数量/全部地区正面舆情帖子数据量]+30%×[（某地区正面舆情帖子点击量/全体正面舆情帖子点击量）×0.5+（某地区正面舆情帖子回复量/全体正面舆情帖子回复量）×0.5]+20%×[某地区正面舆情帖子数量/某地区（正+负）面舆情帖子总数]。同样，负面网络舆情指数也是类似的。文献[12]从各个指标数的权重大小视角进行了分析，运用熵权-离差聚类法对各个指标权重进行了计算。上述网络舆情指数的计算为进一步研究由网络舆情诱发的企业网络声誉问题奠定了基础。

二、问题描述与模型设定

（一）问题描述

1.网络口碑与网络舆情

网络口碑与网络舆情均是网民在社会化媒体中分享自身感受、情绪等信息的产物，两者具有一定的共性，传播的主体均为网民，评价均会对企业网络声誉产生一定的影响，口碑和舆情信息均会随着时间的流逝呈现衰减趋势。但是，两者对企业网络声誉的影响也具有明显的差异性，这里以产品质量安全为例加以比较分析。一是网络口碑仅仅是顾客对产品质量满意程度的留言，一般情况下影响范围有限。以淘宝为例，大多数产品仅仅存在评价数量、正面评价和负面评价数量和帖子内容；二是网络舆情具有口碑不具有的特性，网络舆情一般是由于社会热点或严重质量安全问题引发的具有一定周期性特点的网络评价，网络舆情具有明显的周期性，尤其是舆情高潮期的扩散对企业网络声誉的影响尤其严重。

2.情感共振与企业网络声誉

目前阶段，网民对企业产品质量安全问题的感知是导致其网络发帖、点击、回复行为的根本原因，众多的网民行为最终导致网络舆情的发生，网络舆情包括正面、中性和负面网络舆情。从现有企业网络舆情的报道分析，企业负面舆情比正面舆情的影响效果更明显，尤其是在我国质量安全问题高发的特殊阶段，网民对企业产品质量安全方面的问题揭露得更多。我们把网民对企业产品质量安全问题的不满通过网络渠道表达出来，并不断传播扩散所形成的一种情感表现，当网民对舆情的感知与其内在表达的情感观点具有相似度时，该网民的网络行为将发生相应的改变，那么众多的网民观点的演化实质上是由一系列的复杂网络活动，称为情感共振现象，这种有产品质量安全问题诱发的网络舆情现象称为网民感知质量舆情。有关情感共振现象的研究并不多，大多局限于概念层的阐述，基于这种现实状况，可以通过提取复杂网络活动中网络舆情特征指标来研究网民的情感共振。同时，企业网络声誉随着网络舆情的传播扩散逐渐形成，这种通过网民感知质量舆情传播扩散给企业带来的直接或间接的企业网络声誉影响。可见，企业网络声誉主要是基于网络中网民行为所形成的，同样也包括正面、中性和负面声誉。

（二）模型基本假设

基于过去有关网络舆情诱发的企业网络声誉问题的研究忽略了舆情衰减、帖文质量影响、舆情特性等因素，本文通过对上述几个问题的剖析，将从顾客感知视角研究企业网络声誉。其研究主要围绕如下假设：①该网络舆情涉及的产品质量舆情事件与顾客有着密切关系，如食品安全、日用品质量安全问题等，同时，假设采集数据的时间过程是关于时间的连续可微函数；②为了简化研究问题的复杂性，这里不考虑网络枪手或竞争对手恶意攻击企业所形成的网络评价对企业网络声誉造成的影响，仅仅假设网络舆情事件受到产品质量安全问题的影响，不是恶意诽谤、攻击等网络行为造成的；③网络舆情分为正面舆情、负面舆情和中性舆情，依据前人研究成果和人们直观感知，企业正面网络舆情对企业产生一定的正面影响；中性网络舆情对企业网络声誉的影响基本上呈现中性特质；负面网络舆情将对企业产生一定的负面影响，并且一般情况下负面网络舆情对企业网络声誉的影响更大、更严重。因此，这里仅仅研究正面、负面网络舆情对企业网络声誉产生的影响，中性网络舆情不予考虑。

（三）研究模型构建

通过上述回顾，以顾客网络论坛行为例，开展企业网络声誉问题的研究，下面给出天涯论坛中的帖文实例，如图1所示。

图1 论坛贴文示例

图1给出了蒙牛奶粉、雅培奶粉的两条帖文信息，可以看出论坛中帖文有如下信息：一是每个帖子给出了完整的帖子题目、内容、作者、时间、点击次数、回复次数等信息；二是每个有关产品质量安全的帖子基本上都是反映顾客的情感和认知，是了解顾客对企业满意程度的重要渠道，进而获取企业网络声誉；三是通过关键词检索到的帖子，具有明显的相似特性，这与数据采集软件的挖掘算法是相关的，不用为数据采集算法所困惑，该帖文为企业网络声誉分析提供了数据支持。一旦企业产品发生了质量安全问题，受其影响的顾客会通过网络等渠道把自己所遭受到的危害曝光，当该种危害也同样波及其他网民，那么，必然导致网民发泄自身不满情绪，结果引发网民情感共振现象，帖子点击数、回复数、转载数会在短时间内传播形成网络舆情。

为了构建从顾客感知的企业产品质量舆情与企业网络声誉的关系，通过网络舆情分析企业网络声誉的设计思路为：众所周知，影响网络舆情的因素包括网络舆情主体网民（意见领袖）、网络舆情事件特性、网络媒体等。对于已经发生的产品质量安全问题引发的网络舆情事件，如毒奶粉、塑化剂等热点事件，其议题内容和关注热度是引发网民情感波动的根本动力，再加上网民（意见领袖）传播、网络媒体报道进一步加大了对该事件扩散，它们的作用最终都体现在网民行为上，如发帖、点击阅读、回复数量增多，所以在设计模型时给出了帖子总数、帖子点击数、帖子回复数。我们也知道这些帖子中有些帖文内容影响较大，有些则影响较小，因此，在分析这些帖子对企业网络声誉造成影响的时候要区别对待。另外，再加上网络舆情（如三聚氰胺）事件与网络口碑（如淘宝商品评价）事件呈现的网络信息特性具有明显的不同特点，网络舆情一般具有发生期、发展期、高潮期、衰退期四个周期，尤其是高潮期间的舆情扩散强度对企业网络声誉的影响更大，而网络口碑基本上不具有这种特点。为了充分体现网络舆情周期性的特点，尤其是舆情高潮期舆情扩散强度对企业网络声誉造成的影响，图2中给出了反映网络舆情扩散强度的因素。该设计模型就从帖文数量分布和帖文强度分布两个方面对网络舆情进行了刻画。

图2 研究思路框图

图2给出了从产品质量安全事件发生到企业网络声誉形成过程的研究思路框图。该框图从帖文数量分布和帖文强度分布两个方面对网民情绪引发的网络行为呈现的信息结果进行分析，从图1中的帖子特点可知，帖子数量分布可从帖子总数量、帖子点击数、帖子回复数三个方面进行分析，帖文强度分布可依据网络舆情周期特点进行分析，进而根据采集的信息数据能够计算正负帖文的参与人数、帖文影响力、舆情衰减函数的结果，最终实现企业网络声誉的计算。该模型在充分考虑网络舆情的特点和帖文重要程度的不同，克服了简单地采用正负帖子求差的方式统计舆情指数获取企业网络声誉，因此，在企业网络声誉的计算中，基于顾客网络舆情计算的企业网络声誉更具有合理性和可解释性。

三、多属性企业声誉计算方法

下面运用多属性方法进行计算，该方法主要考虑影响企业网络声誉的三个因素：舆情衰减函数、帖文影响力、舆情扩散强度。

以企业i舆情热度较高的产品质量安全事件k为例，设定被评估企业为ei,k，以过去企业网络声誉研究为基础进行修正，新修正的企业网络声誉级数表达式为：

式中TD(ri,k,t)表示帖子信息ri,k随时间t衰减函数后的结果，CA(ri,k)表示帖文影响力，SD(ri,k,D)为在舆情周期中高潮期D阶段的帖子信息ri,k的扩散强度，ω1+ω2+ω3=1。

（一）舆情衰减函数

在信息爆炸时代，网络信息更新速度非常之快，企业网络舆情也一样，随着时间流逝，信息的影响不断衰减。对于此类现象，目前比较一致的做法是为不同时期的帖文按照距离当前时间的远近程度分配不同的权重，距离当前时间点越近，赋予的权重越大；否则权重越小。因为权重的分配是一种主观的、经验式的决断，为了有效地计算帖文时间对企业网络声誉值的影响，引入时间衰减函数，衰减函数由于受内部参数取值的约束，函数值易于控制，衰减幅度在理论上可操作，灵活性也更强。采用衰减函数能够达到比权重分配更稳健更合理的效果，时间衰减函数的引入能够较好地反映帖文随时间变化的状况。

对于舆情信息的衰减，正面舆情信息与负面舆情信息对网民的影响是不一样的，一般认为负面舆情信息衰减相对于正面舆情信息要慢些。因此，这里采用了不同的衰减系数，使得负面舆情信息衰减慢，正面舆情信息衰减快，从而给出了如下时间衰减函数。

（二）帖文影响力

众所周知，在网络社区中不同帖子的影响效果是不同的，如果同等对待不同影响力的帖子，就忽视了帖文影响力不同的情况，针对这种现象，下面给出了计算方法。

首先，定义舆情影响力的边界数量界限，帖子点击数量s，回复数量h，第x帖子舆情影响力以帖子点击和回复数主要指标，分别表示为表示帖子点击次数值，O+h,i表示帖子回复次数值，i∈[1,8]，下面以帖子点击次数为例给出边界划定区间分布，如图3所示。

图3 帖文影响力与舆情边界值关系

通过上述帖子点击次数的分布，设定M(ri,k)的取值范围如下：

同样，帖子回复次数的划定也是类似的。通过帖文点击次数和回复次数的划定区间分布，给出帖文影响力的计算公式为：

（三）舆情扩散强度

网络舆情的发生是网民情感与帖文内容共鸣诱发的结果，我们认为这种现象与复杂系统中的动力机制类似，它能在外部和内部随机扰动影响下涌现出的情感共振现象。在网民参与人数是关于时间的连续可微函数假设条件下，一般认为在舆情高潮期，帖子的扩散强度最大，也就是单位时间内产品质量舆情事件对网民感知造成的冲击最大，这是网络口碑和舆情特性之间的重要区别。通过舆情高潮期的扩散强度能够更好地分析企业网络声誉的变化。

过去一般的求解方法是根据舆情周期特性，t0设定截取高潮期的天数d；对高潮期间网民回复、点击帖子数求和sum；用sum除以d得到单位天数的质量舆情扩散值v；最后，以v除以论坛中总的网民数量M，即得到质量舆情扩散强度值。为了更好地量化网络舆情扩散强度，对文献[13]进行了修正，负面网络舆情演进规律模型为：求解得：

这里K为论坛网民数量，f-(t)为舆情的参与人数，为舆情发生期参与人数的初始值，r∈[0,1]为网民对该负面网络舆情的情感共振诱发的舆情参与人的最大增长率，该值一般根据舆情主题发生期的初始网民数进行确定。根据该文献对各类突发事件的界定，突发事件按照其性质、严重程度、可控性和影响范围等因素，一般分为四级:Ⅰ级(特别重大)、Ⅱ级(重大)、Ⅲ级(较大)和Ⅳ级(一般)，其对应的最大增长率r为[0.1～0.3]、[0.3～0.5]、[0.5～0.7]、[0.7～0.9]，如图4所示。

图4 舆情扩散增长率与舆情等级关系

通过图4中的网络舆情的等级确定舆情扩散增长率，进而运用公式（7）求得企业i在高潮期间D的负面网络舆情的参与人数f-(ri,k,D)。同样，对于正面网络舆情来说，一般不存在明显的情感共振，在这里忽略不计，所以，舆情扩散强度公式为：

四、实证分析

为方便对比本文构建的基于企业网络声誉模型与现有的声誉计算模型，下面通过快速消费品（奶业）、耐用品（手机）两个行业的论坛数据进行实证分析。

（一）数据来源

为了能够有效地分析网络舆情对企业网络声誉的影响，选择一些与顾客密切相关的生活消费品作实证样本。快速消费品、耐用品行业中分别选择奶粉、手机作为研究对象，从天涯论坛中采集所有的帖子数量、内容、回复数、点击数、发帖时间等。这里分别列举了快消品中的三种品牌奶粉，为了不对产品企业造成负面影响，分别以Milk1、Milk2、Milk3表示；同样，耐用品中的三种品牌手机，也分别以MobileP1、MobileP2、MobileP3表示。为了有效搜集顾客感知的产品质量舆情数据，选用火车头采集器软件，其操作方法请参阅火车头采集器说明书，采集关键词为“品牌名、奶粉（手机）质量”，采集时间范围默认，包括基于关键词的天涯论坛中能够采集到的全部帖子数量。通过分析发现，不论是奶粉、还是手机，大部分帖子都是2006年以后出现的，仅有少量关于产品质量的帖子出现在2006年以前，并且这些帖子的点击数量、回复数均不多，对网络舆情的传播影响不大。因此，正文中使用的有效帖子基本上分布在2006年以后，各产品的实际帖子分布时间段为采集到该产品的第一条有效帖子时间点到采集结束时间点（2013年6月）。例如，Milk2奶粉的帖子最早出现在2007年12月，MobileP2、MobileP3手机产品的帖子最早分别出现在2011年9月、2009年1月。另外，本文研究中没有考虑当企业产品质量引发的网络舆情事件存在多个高潮期的情况，如Milk2奶粉的网络舆情高潮期从2008年以来，接连出现高潮现象，2008年9月17日查出Milk2生产的婴幼儿奶粉也检出三聚氰胺；2010年5月15日曝光的Milk2纯牛奶变质；2011年4月的Milk2牛奶中毒之真相揭露；2011年12月26日的帖子被广泛关注；2012年1月6日曝光的Milk2被国家质量监督检验检疫总局检出黄曲霉毒素M1超标，在舆情演化过程中这些事件都出现了明显的多个高潮期。为确定网民对企业网络声誉影响的有效帖子，对采集到的帖文信息条目筛选并进行有效删除，最终确定了有效的帖子数量，表1列出了研究对象的数据来源及样本数据范围。

表1 样本信息

（二）数据计算分析

根据第三部分的论述，运用采集的样本数据进行实证分析。首先，对公式中使用的参数进行设定。对于舆情衰减函数的计算公式（5）中的μ+的取值，根据人们一般认为正面网络舆情的衰减比负面舆情的衰减快一些的特点进行设置，这里设定正面舆情的参数μ+要略小于负面网络舆情的取值μ-，设定为μ+=0.80，μ-=0.82；在帖文影响力的计算公式（6）中，根据实际采集到的帖子点击数、回复数的分布情况，当帖子点击数小于50，则认为该帖子的影响力较小，当帖子点击阅读次数大于5000，则认为该帖子的影响力非常大，故设定O-d,1为50，O-d,8为5000；在舆情扩散强度中，根据图4中设定的网络舆情的四个等级：Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级与舆情扩散增长率的关系进行了设定，本文以顾客感知的产品质量的网络舆情等级较大为例进行分析，故设定r=0.53，并基于计算公式（7）进行计算。表2给出了快消品和耐用品各个参数的计算结果。

表2 各参数计算结果

根据表2中的数据，假设ω1=ω2=ω3=1/3，运用公式（3）计算可得，快消品和耐用品质量舆情对企业网络声誉影响的范围大小，这里是以质量舆情事件影响网民数量的比值进行比较分析。

为了更好地说明本文提出模型的合理性，表3对比了三种方法的计算结果。

表3 计算结果比较

通过表3计算的结果可以看出，不论是快消品还是耐用品，虽然三种方法的计算结果和计量单位不一致，但这三种计算企业网络声誉方法所得的企业网络声誉结果的排序是一致的。本文方法计算的Milk1、Milk2、Milk3的企业声誉级数分别为0.007 0、0.249 5、0.076 0，三家奶业公司的产品质量舆情对网民的影响是不同的，Milk1的网络声誉最好，其次是Milk3，最后是Milk2。同样，可以计算出三家手机企业的产品质量舆情对网民的影响结果，MobileP1、MobileP2、MobileP3的企业网络声誉分别为0.119 5、0.140 4、0.073 4。三种方法对比说明，进一步考虑舆情衰减函数、帖文影响力、舆情扩散强度计算企业网络声誉，更符合实际情况。

通过顾客感知的产品质量舆情研究企业网络声誉问题，主要计算结果分析如下：

（1）网络舆情与企业网络声誉有一定的相关关系，网络舆情分为正面、中性、负面三类，对于品牌消费品来说，企业网络声誉能够通过正面、负面网络舆情所反映。本文通过社会化媒体中的产品质量舆情计算了企业网络声誉值。从上述快消品和耐用品分析可知，由于企业产品质量安全问题，社会诚信体系和投诉渠道不健全的情况下，顾客借助社会化媒体对企业产品质量安全问题进行曝光成为当前一种重要的渠道，再加上众多网民（意见领袖）、媒体的关注与传播，最终形成了正面或者负面的企业网络声誉。

（2）将影响企业网络声誉的网络舆情分为三大因素进行了分析:第一个因素是由于论坛中帖子随着时间衰减变化对企业网络声誉的影响也会呈现减弱趋势；第二个因素是由于帖子本身的点击、回复数等不同，该帖文对企业网络声誉的影响效果也不同；第三个因素是由于论坛中帖文中阐述的企业产品质量存在严重性问题所导致的顾客情感共振，网络舆情呈现出其特有的高潮期现象，对企业网络声誉会造成更大的冲击。从数据采集和分析过程来看，这网络舆情的这三个因素较好地反映了企业网络声誉现象。

五、结论与研究局限性

网络舆情和网络口碑是企业网络声誉的主要标识，社会化媒体的普及为更好地从顾客网络舆情视角获取企业网络声誉提供了广阔的空间。近年来，越来越多管理学者开始关注网络口碑、网络舆情与企业网络声誉问题。基于上述的数据计算分析，本文在网络舆情与企业网络声誉研究方面具有几点价值：

（1）扩展了运用网络舆情、网络口碑研究企业网络声誉的理论。网络舆情、企业网络声誉作为近年来才发展起来的一个交叉研究领域，网络舆情数据为研究企业管理问题提供了实证资料，基于产品质量舆情视角的企业网络声誉分析，不仅考虑了正面和负面帖子数量问题，还通过网民行为、网络舆情特性进行了分析，更能真实地反映企业产品质量安全问题对企业网络声誉的影响。本文扩展了过去仅仅依赖帖子数量计算企业网络声誉的局限性，进一步考虑了舆情的时间衰减特性、帖文内容的影响特性、舆情演化周期等要素对企业网络声誉的影响，为分析企业网络声誉提供了理论支持。

（2）加强网络舆情渠道管理，尤其是舆情早期的预警监测。当前，论坛、博客、微博等成为网民参与网络活动的重要媒介，网络媒体渠道成为网民发泄自身情感的重要阵地，因此，企业加强网络舆情的监测预警势在必行。面对网络中突如其来的网络舆情问题，我们研究发现，其实该企业的产品质量问题信息在网络中已经存在了一段时间，有些存在的时间或者更长，但这些产品质量安全信息并没有引起企业的重视，并且其有害产品还不断地在危害着其他消费者，这种企业网络舆情案例现象是近几年普遍存在的一种现象。可见，企业需要进一步加强网络舆情方面的预警与监管。根据网络舆情存在的发生期、发展期、高潮期、衰退期四个阶段，需要对网络舆情中的帖子数量、帖文信息进行有效分析。企业需要正确把握网络舆情特点，有针对性地开展网络舆情应对。企业通过网络舆情商用软件可以做到实时预警监测，第一时间获取顾客反映的产品质量问题，能够做到在舆情发生期、发展期阶段获得舆情信息，这样有助于降低网络舆情的传播、更好地维护企业网络声誉。

（3）增强企业网络舆情的应急处理能力。及时分析顾客反映的问题的严重程度，对顾客损失进行服务补救，通过官方微博等渠道对顾客反映的产品质量安全问题进行正面及时地回应，实事求是地评价存在的问题，降低负面网络舆情对企业网络声誉造成的影响。企业对产品质量问题处理的态度是否能够被网民接受，是进一步导致该网络舆情事件是否会进一步恶化的重要因素，因此，加强企业的应急处理能力是非常关键的。同时，依据顾客反馈的情况加强企业产品质量安全管理，及时回收市场上的质量产品，并保证不再出现类似的产品质量问题，最终提升企业的网上、网下市场的营销能力，获得良好的企业美誉度。

另外，由于本文只针对天涯论坛中产品质量舆情对企业网络声誉的影响进行了实证研究，不能完全反映社会化媒体中的网络舆情信息，不能全面地反映企业网络声誉值，具有一定的局限性，但提供了一条解决问题的思路。为了获得更具有普遍的研究结果，在后续的工作中需要拓展到新浪腾讯微博、博客等社会化媒体中获取研究样本进行论证分析，同时，对表达式中的部分参数设置也需要进一步分析比较，以便获得更加合理的参数设置，将有助于更好地分析企业网络声誉。

[1]Chang Jau-Shien，Wong Hao-Jhen.Selecting appropriate sellers in online auctions through a multi-attribute reputation calculation method[J].Electronic Commerce Research and Applications，2011，10（2）:144-154.

[2]Wu Fan，Li Hsiao-Hui，Kuo Yo-Hsin.Reputation evaluation for choosing a trustworthy counterparty in C2C e-commerce[J].Electronic Commerce Research and Applications，2011，10（2）：428-436.

[3]Hansen H，Samuelsen B M，Silseth P R.Customer perceived value in B-t-B service relationships：Investigating the importance of corporate reputation[J].Industrial Marketing Management，2008，37（2）：206-217.

[4]Walsh G，Mitchell V-W，Jackson P R.Examining the antecedents and consequences of corporate reputation：A Customer Perspective[J].British Journal of Management，2009，20（2）：187-203.

[5]Walsh G，Beatty S E.Customer-based corporate reputation of a service firm：scale development and validation[J].J.of the Acad.Mark.Sci，2007，35（1）：127-143.

[6]Josang A，Ismail R.The beta reputation system[R].Bled，Slovenia：The 15th Bled Conference on Electronic Commerce，2002：708-721.

[7]Bharadwaj K K，Al-Shamr M Y H.Fuzzy computational models for trust and reputation systems[J].Electronic Commerce Research and Applications，2009，8（1）：37-47.

[8]Gruhl D，Guha R，Kumar R，et al.The predictive power of online chatter[C]//Proceedings of the eleventh ACM SIGKDD international conference on knowledge discovery and data mining，New York：ACM，2005：78-87.

[9]Kaiser C，Schlick S，Bodendorf F.Warning system for online market research-Identifying critical situations in online opinion formation[J].Knowledge-Based Systems，2011，24（6）：824-836.

[10]Kaiser C，Bodendorf F.Monitoring opinions in online forums-a case study from the sports industry[J].International Journal of Information and Education Technology，2012，2（3）：212-215.

[11]Nambisan P，Watt J H.Managing customer experiences in online product communities[J].Journal of Business Research，2011，64（8）：889-895.

[12]张庆民，王海燕，吴春梅，等.基于熵权—离差聚类法的城市公共安全舆情评估[J].中国安全科学学报，2012，22（9）：147-152.

[13]兰月新，邓新元.突发事件网络舆情演进规律模型研究[J].情报杂志，2011，30（8）：47-50.