中兴通讯案：中美科技贸易摩擦的意见领袖识别研究

胡若涵 张慧明

摘要：以中美科技贸易摩擦中的中兴通讯案为实例，构建了基于被关注度和活跃度两个维度的意见领袖识别指标体系；在采用德尔菲法对两级指标权重判定的基础上，运用AHP模型遴选排序居前10位的意见领袖。计算结果表明，意见领袖多为官方机构，数量远远大于专家、企业、一般用户个体；意见领袖出现的时间一般并不是事件发生的当日，而是有一定的时间延滞，这对于政府的出口贸易政策、产业政策的制定具有重要的借鉴意义。

关键词：中兴通讯科技贸易摩擦意见领袖微博AHP模型

一、引言

2018年中美科技贸易摩擦一度成为网络舆情的热点之一。自4月16日美国商务部发布禁令禁止美国企业向中兴出售零部件、商品、软件和技术后，缺乏芯片等核心技术的中兴通讯面临极大的困境，而中国先进制造业的产业政策也亟待调整。中兴通讯案并不是孤例，从历史演变的视角来看，中美科技贸易摩擦已于1994年1月以后多次发生，例如2010年10月针对风电反补贴问题，2012年、2016、2017年的贸易摩擦均涉及中兴通讯（见表1）。

时间科技贸易摩擦的核心内容1994年1月对知识产权保护问题的调查1994年6月同上1996年4月同上2010年10月清洁能源产业的非市场性补贴2012年中兴通讯违反美国对伊朗的出售禁令2016年3月同上2018年4月中兴违反了2017年与美国政府达成的和解协议科技贸易摩擦过程中，网络舆情，尤其是意见领袖的观点可能不尽相同，但在一定程度上影响政府的贸易政策制定，也可能影响先进制造业企业的出口决策以及消费者行为，因而有效识别意见领袖对于贸易摩擦问题的解决较为关键。意见领袖，是指在信息传递和人际互动中能够对他人施加影响的“活跃分子”。微博作为网络舆情的主要载体之一，一方面因为其是实名制，能够反映用户特征；另一方面，可以反映博客内容、被转次数、被评论次数、粉丝数等量化的指标，在阅读量、言论自由等方面也强于其他类型媒体，进而可以刻画出意见领袖的特征。在微博中如何构建指标体系识别中美贸易摩擦中的意见领袖，是一亟待解决的问题。基于此，本文拟以中兴通讯案为研究对象，通过文献回顾与理论分析建立微博中的意见领袖指标体系，采用AHP方法判别意见领袖。

二、文献综述

（一）中兴通讯的科技创新研究

Minina 与 Gammeltoft（2012）通过对包括中兴通讯公司在内的五个在欧洲设立国际研发单位的中国企业分析，发现中国R&D;单位与发达国家跨国公司的传统R&D;国际化进程存在着重要的差异，体现为R&D;国际化主要是通过学习来实现。以投资与创新的共协关系为基础，姜照华等（2014）建立中兴通讯经济增长因素分析模型，结论认为，基于低成本高素质的人力资本优势的、国际化的、创新驱动的持续高增长模式是中兴通讯公司的重要特征。Kang（2014）通过中兴与华为公司在国内外专利申请模式、授予专利权等专利数据的比较，分析两者在研发过程中的差异。Fu等人（2018）认为中兴通讯公司在新兴市场的技术创新是子公司LED逆向学习、知识共享和整合的过程。

（二）国际贸易保护与制造业的关系研究

国际贸易保护主义由于其本身所具有的隐蔽性、合理性等特点，对中国制造业的出口产生了很强的抑制作用，基于此，李轩（2013）在系统论证当今国际贸易保护主义的新特点基础上，提出中国制造业应对国际贸易保护主义的对策。不同于李轩（2013）的定性分析，彭冬冬与罗明津（2018）采用2009—2011年GTA数据库与中国海关统计数据库的合并数据，由企业层面考量国外贸易保护措施对中国制造业出口的实际影响。对于制造业的国际贸易争端引发原因，一些学者认为是美国国内利益集团的影响（梁碧波，2009）或者是美方认为造成了美国国家安全风险（樊志刚，王婕，2013）；另一些学者则强调中国内在的原因，包括宏观层面国家网络空间安全战略缺位、中观层面对外贸易关系中国家网络空间安全审查制度单薄，微观层面网络信息技术产品国家安全测评标准匮乏（陈星，齐爱民，2014）或位居价值链低端有待重构（桂黄宝等，2017）。

（三）意见领袖识别研究

意见领袖识别的研究多是围绕在线社区或网络社区问题展开，差异在于各学者对于识别指标体系的构建。Li 与Du（2011）从博客内容、作者、读者和他们的关系中检索到的信息来识别意见领袖；Li等（2013）为在线学习社区意见领袖识别的提出了一个混合框架，通过对文本内容、用户行为和时间的分析，该研究将意见领袖基于四个不同的特征：专业知识、新颖性、影响力和活动。Ma和Liu（2014）建立了一个具有社会、心理、环境和视点子网络的多维子网超网络模型，在此基础上提出四个超网络指标，分别是节点超度、超边度、超边—超边距离和超边重叠，并利用SuperedgeRank算法对超边缘进行排序，依据排序结果来识别意见超网络模型中的意见领袖。基于用户之间的信任关系，Aghdam 与Navimipour（2016）提出了一种新的在线社区中舆论领袖的选择框架。与以上学者的研究对象不同，Chen等人（2018）针对台湾的电信数据库，利用一系列技术，包括统计、数据挖掘和模式识别，确定了移动意见领袖的四个主要特征和七种使用模式。

截至目前，相关文献已经针对国际贸易保护与制造业之间的关系，或者意见领袖识别问题进行了有益的探索，但鲜有文献将意见领袖识别与中美科技贸易摩擦问题结合起来进行分析。而从贸易的实践来看，意见领袖可能对相关部门的行为决策产生一定的影响。因此识别意见领袖极为重要，这也是本文的主要贡献。

三、指标体系与模型构建

（一）指标体系

现阶段学术界对于意见领袖的识别指标体系持有不同的观点。一些学者试图建立包括人口统计学、社会经济、媒体接触、社会地位、人格特征等方面的意见领袖识别指标体系（罗杰斯，1962），而更多的文献则指出应该着力于大众关注度与正面回应度（Rhee等，2007）。本文认为，对于微博意见领袖特征的把握是识别指标体系建立的前提。较之于一般的意见领袖，微博的意见领袖具有如下特征：从人际交互的活跃程度来看，意见领袖有着较高的发博量，与其他网络活动主体的互动性较强，在圈群里活跃度和表现欲高于其他追随者；从社会网络结点的出度和入度来看，意见领袖发布的信息易被跟帖、转发、点赞，该群体拥有一定的粉丝数。图1意见领袖指标体系由此在借鉴Rhee等（2007）和刘志明，刘鲁（2011）观点的基础上，构建二维意见领袖识别指标体系。如图1所示：（1）一级指标包括被关注度和活跃度，被关注度体现用户的影响力，被他人重视的程度；人际交互程度如果低，不活跃，成为意见领袖的可能性也会降低；（2）二级指标中，被关注度由被转发数、被评论数、点赞数、粉丝量几个二级指标来测度，这是因为信息被评论、转发的越多，表明信息未来影响的范围越广，而点赞数与粉丝量越多，彰显用户在人际交互中的权威性。活跃度的二級指标包括微博数、自回帖行为与回复他人帖子数。自创微博数较多，表明用户能够自由表达自己的观点，而后两个二级指标表明用户间交互的频次越多，用户在社交网络中越活跃。

（二）模型构建

层次分析法是以专家群体评估和信息反馈为基础，将复杂系统或重大决策问题分解为阶梯层次结构，逐层分析因素间纵向和横向的相互关系。该方法能够最大限度地获取信息，避免其它方法可能出现的“ 伪一致性” 情况。

建立三个层次结构，目标层为意见领袖，准则层为被关注度与活跃度，而方案层则为7个二级指标。对于同一层次的指标，依据1—9标度法确定权重，其中1、3、5、7、9分别表示同等重要、稍重要、明显重要、强烈重要、极端重要。最终得到判断矩阵——，矩阵中元素满足——。设群决策中有s个专家， 设第k 个专家Dk 针对指标集X 给出的判断矩阵为Ak=aijkn×n 。将s个判断矩阵用加权几何平均的方法获得一个综合判断矩阵P=pijn×n，其中λ1，…λk为各个专家的权重系数。当对专家的能力水平的高低难以获得先验信息或不易作出比较时，可取λ1=1/s，i=1，2，…s。需要强调的是，被关注度与活跃度的权重是有差异的：由于对他人的影响力是意见领袖在社交网络中的权威性的重要体现，通过德尔菲法得到的被关注度权重要大于后者（见表2）。

四、中兴通讯案的意见领袖识别分析

（一）案例数据来源及特征分析

2018年中兴通讯案虽然始于4月16日，但经外媒5月20日报道，双方磋商后达成和解的共识。本文将搜索的时间区间取为5月20日—23日，以厘清贸易摩擦暂时解决时的意见领袖看法，进而对贸易摩擦的未来走向起到一定的预判作用。案例数据来自于新浪微博，关键词为“中兴”，类型为“热门”，通过网络爬虫程序搜集；之后由新浪微博API搜集用户的个人资料、转发数、评论数、点赞数与粉丝数，共有82条数据（见表3）。

2018年5月20日—23日，关注中兴通讯案件的用户数由7减少至4，22日突然激增至56，23日下降为14；微博数、转发数、评论数与点赞数随日期变化的特点与用户数相同，均是在22日达到最高点，23日大幅回落。这表明科技贸易摩擦的双方协商达成一致意见后，无论是博主的主动发博量还是影响力，暂时下降随后急剧反弹。随着话题热度的消退，个指标值再次大幅减少。从用户的资料详细信息来看，5月20日，双方贸易争端初步解决时，专家的微博用户数超过机构、一般用户个体、官方的微博用户数量，5月21日，官方微博用户数量出现反超，22日—23日，微博用户数量仍以官方与专家为主，远远超过机构、一般用户个体。

将加权后得到的数据分值从高到低排序，取前10位列于表4中，其他则为普通用户。显然，意见领袖中官方机构占有绝对的比重。较之于一般个体和普通机构，这些官方机构的微博数、被转发数、评论数显著高于后者，但部分隶属于官方机构的意见领袖，其粉丝数却略低于其他类型的用户。进一步地分析意见领袖的微博发布的时间特征，发现主要集中于5月22日，即中美两国贸易协商之后的第三天。意见领袖的消息主要来源于外媒，如《华尔街日报》。

五、结论和启示

中美科技贸易摩擦中，挖掘意见领袖的观点对于政府协调贸易纠纷，引导消费者与出口厂商的决策起到一定的作用。本文以中兴通讯案为背景，由被关注度与活跃度两个维度构建意见领袖识别指标体系，并采用德尔菲法对各指标判定权重。层次分析法的结果表明，排序位居前十位的意见领袖多为官方机构，能彰显其影响力的指标值要高于其他类型用户，且意见领袖多出现于中美科技贸易摩擦协调后的第三天，而不是当日。以上研究结论的政策含义在于，政府、对外贸易企业、消费者在应对贸易战时，遴选出意见领袖，并考虑其建议极为重要。

尽管本文的研究取得了一定的进展，仍然存在不足之处。例如对于意见领袖的微博内容缺乏探讨，这一点对于影响力的因素分析较为重要。此外，2018年中兴通讯案始于4月16日，延长研究的时间将会更清晰地把握意见领袖的特征。

参考文献：

[1]Minina A D，Gammeltoft P. Chinese foreign direct investment in R&D; in Europe：A new model of R&D; internationalization？[J]. European Management Journal，2012，30（3）：189—203.

[2]姜照华，刘建华，刘爽等.创新驱动增长模式的共协理论分析：以中兴通讯为例[J].科技管理研究，2014（9）：1—5.

[3]Kang B. The innovation process of Huawei and ZTE： Patent data analysis[J]. China Economic Review， 2014，36：378—393.

[4]Xiaolan Fu，Zhongjuan Sun，Pervez N. GhauriReverse knowledge acquisition in emerging market MNEs： The experiences of Huawei and ZTE[J].Journal of Business Research，2018，31（4）：178—210.

[5]李轩，国际贸易保护主义对中国制造业出口的影响机理与对策建议[J].兰州学刊，2013（8）：126—131.

[6]彭冬冬，罗明津.国外贸易保护措施对中国制造业出口的影响——来自企业层面的微观证据[J].财经研究，2018（3）：125—138.

[7]梁碧波.美国的贸易保护：“国家利益”决定抑或“利益集团”导向——基于美国制造业的实证分析[J].国际贸易问题，2009（9）：19—25.

[8]樊志刚，王婕.美國国家安全审查制度对中国企业拓展美国市场的启示——基于华为、中兴通讯被美调查事件[J].国际经济评论，2013（2）：74—85.

[9]陈星，齐爱民.美国网络空间安全威胁论对全球贸易秩序的公然挑战与中国应对——从“美国调查华为中兴事件”谈起[J].苏州大学学报（哲学社会科学版），2014（1）：81—89.

[10]桂黄宝，刘奇祥，郝铖文.中国高技术产业全球价值链重构研究——基于“中兴被制裁事件”的讨论[J].科技管理研究，2017，37（7）：1—6.

[11]Li F， Du T C. Who is talking？ An ontology—based opinion leader identification framework for word—of—mouth marketing in online social blogs[J]. Decision Support Systems，2011，51（1）：190—197.

[12]Li Y，Ma S，Zhang Y，et al. An improved mix framework for opinion leader identification in online learning communities[J]. Knowledge—Based Systems，2013，43（2）：43—51.

[13]Ma N，Liu Y. SuperedgeRank algorithm and its application in identifying opinion leader of online public opinion supernetwork[J]. Expert Systems with Applications，2014，41（4）：1357—1368.

[14]Aghdam S M，Navimipour N J. Opinion leaders selection in the social networks based on trust relationships propagation[J]. Karbala International Journal of Modern Science，2016，2（2）：88—97.

[15]Chen C P，Weng J Y，Yang C S，et al. Employing a data mining approach for identification of mobile opinion leaders and their content usage patterns in large telecommunications datasets[J]. Technological Forecasting & Social Change，2018（130）：88—98.

[16]Rogers E M，Cartano D G.Methods of Measuring Opinion Leadership[J]. Public Opinion Quarterly，1962（26）：435—441.

[17]Rhee J W，et al. Exploring online opinion leadership：A validity test of the concept in the digital age[C].//Annual meeting of the International Communication Association，TBA，San Francisco，CA，M ay 23， 2007.

[18]劉志明，刘鲁.微博网络舆情中的意见领袖识别及分析[J].系统工程，2011，29（6）：8—16.