基于文本情感分析的企业网络舆情应对策略比较研究

张尧政　邓少灵

摘要：本文对京东六六事件和海底捞事件的网络舆情演化发展进行了比较研究，通过对微博数据的抓取分析，尤其是微博文本的情感分析，揭示了网民情绪的演变路径。通过比较两个网络事件在应对过程中的得失，总结出企业有效应对网络舆情的策略，进而有助于企业做好网络舆情危机管理。

关键词：网络舆情;情感分析;企业应对

引言

微博由于传播便利、互动快捷等特性成为网民现代生活必不可少的信息传播和交流沟通的平台，公众可以在微博上对企业的负面突发事件发表自身的看法、态度以及观点，这些情绪在一定程度上可以影响他人，大量的公众观点形成了复杂的网络舆情。由于互联网中纷繁复杂的信息真伪难辨，网民的情绪，态度极易受到负面消息的影响。再加上竞争对手，消费者等其他因素，企业如若不能对网络舆情善加利用，将为企业未来发展带来负面影响。因此，企业要时刻关注网络舆情的变化，对可能出现的不利舆论进行及时引导，为企业发展营造一个有利的舆论环境。

近几年来，国内有不少学者对企业应对网络舆情的策略开展了研究。例如，赵蓉英，王旭1以案例分析，提出了针对突发事件舆情传播网络结构本身的控制对策。蒋知义，马王荣等以“罗一笑”事件为对象，通过分析舆情演化过程每个阶段的特征与规律，提出引导与应对网络舆情的相关建议。陈庆杰3通过分析网络舆情的特征和问题，从制度、人才建设和思想观念的转变和完善上入手，提出相应的应对措施，提升突发事件网络舆情的处置能力。王康4发现，对网络舆情应对的事件越早，应对的频次越多，舆情所造成的负面影响对企业就越小。李婷[5]通过参照政府应对网络舆情的工作方法，结合中国企业网络舆情的特征以及演化规律，提出了企业应对网络舆情的策略和建议。

上述研究主要立足于网络舆情演化过程，目前少有学者从比较的视角来研究舆情演化发展不同阶段，不同应对策略最终导致的不同结果。本文选取了典型的两个网络事件：京东六六事件和海底捞事件，基于微博文本的情感分析，分析了此两事件中网民情绪的变化特点，并对两个企业不同的应对策略和效果进行了比较。此两案例的研究也说明如何顺应网民的情绪，对网络舆情进行适时引导。本研究有助于其他企业在遇到类似网络事件时，能采取正确的引导方式，避免网络舆情向不利于企业的方向发展。

1、微博数据采集与分析

本文借助新浪微博平台，以新浪微博作为数据采集对象，以“京东六六”，“海底捞事件”作为搜索关键词，利用python爬虫抓取京东六六事件2018年3月14日一2018年3月20日的微博数据和海底捞事件2017年8月25日一2017年8月31日的微博数据，通过过滤筛选，排除掉重复的微博数据，然后人工浏览删除收集过程中的不相干数据，最终整理微博数据得到京东六六事件的有效数据20660条，海底捞事件的有效数据8643条。主要采集的数据是：发布用户、发布时间、发布内容、微博点赞数、转发数、评论数。分析方法主要采用时间序列分析和词频分析。

1.1 时间序列分析

通常情况下，网络舆情演化过程可以分为开始、扩散、高潮和消退四个阶段[6]，但是阶段之间并没有非常严格界限要求，针对不同的事件以及事件的严重程度，相对应的每个阶段的持续时间和影响力也有所不同。本文以小时为统计单位对京东六六事件微博数据和海底捞老鼠门微博数据分别进行相应的时间序列分析，可以得到相关事件微博发布数量随时间变化的情况，如图1所示。

通过对比两个事件的微博发布数量时间序列对比图，可以发现两个事件都在经历了一周之后热度逐渐降低。海底捞事件整体呈平稳递减的趋势，整个事件的舆情演化过程在前期有小幅度的波动。再第二天之后，则直接进入消退阶段，随着时间的推移，微博发布数量逐渐减少。京东六六事件在开始期到扩散期的过程中，微博发布数量逐渐上升，在第二天则直接达到了高潮期，微博数量有一个大幅度的上升。随后逐渐进入消退期，在消退期的过程中，又出现了一个比较大的波动。

1.2 词频分析

网络舆情在演化过程中会受企业应对措施的影响。企业应对网络舆情的时间节点、次数以及内容都会影响网民的看法观点，这些都体现在网名发布的微博内容中，而微博的文本内容就是网民针对这一事件最直观的看法。因此，企业只要分析网民微博文本内容，就能掌握公众对企业网络舆情的看法、为引导和应对网络舆情提供依据。本文分别分析了京东六六事件以及海底捞事件中网民在一周内发布的微博文本内容，京东六六事件在一周内的有效参与网民人数为87460人，相关微博发布数量为20660条，微博文本中出现的词语有8201个。海底捞事件在一周内的有效参与网民人数为35016人，相关微博发布数量为8643条，微博文本中出现的词语有3400个。

通过分析统计所得，在京东六六事件微博文本中词频达到1000以上的词语如图2所示，词频达到3000以上的词语有“京东”“客服”“假货”“六六”等词。而词频达到5000的词语“假货”和“客服”等词在一定程度反映了网民对京东六六事件的整体看法，引发了公众对网上购物信任和企業售后服务的不满。

在海底捞事件微博文本中词频达到1000以上的词语如图3所示，词频达到1000以上的词语有“海底捞”“老鼠”“公关”“卫生”“服务”等词。而词频达到2000以上的词语“公关”“卫生”等词在一定程度反映了网民对海底捞事件的整体看法，可以看出，海底捞事件因为食品卫生和公关处理的问题引起了广泛的关注。

本文为了更加明显的对比分析企业应对网络舆情的过程，通过表1对比京东六六事件和海底捞事件的信息特征。

京东六六事件在3月13日15：30发生后，经过20h小时的发酵后，作家六六的投诉微博下的评论数已经高达2万条，转发数也超过8000条。此时“京东客服”作为京东电商平台的官方微博才首次作出回应，截止3月16日晚，回应微博下评论数超过1万条，转发数超过5千条，使得事件再次发酵。17日京东高管在个人微博上就此事作出回应，截止19日，回应微博下评论数超过7000条，转发数达到了1000多条。

海底捞事件发生后，仅仅在三个小时内海底捞官方微博做出回应，发布致歉信，回应微博在1个小时内评论数就高达15000条，转发数超过3000条。之后官方微博就此事件发布出处理通报的微博，此微博之后评论数达到了10000条，转发超过15000条。官方微博在2天后发布了一条声明，此时热度已经大幅度降低。

2、基于文本情感分析的网络事件应对策略比较

网络舆情对于企业来说有两面性，企业既能借助网络舆情对企业形象，企业产品等进行积极的宣传。但同时，由于其传播速度快，爆发性强的特点，在面对负面舆情时，企业如果未能及时的进行控制和引导，极有可能造成严重的负面影响，损害企业的形象和发展能力，因此，及时掌握公众对企业相关事件的情绪变化是企业应对策略好坏的晴雨表。

2.1 文本情感分析方法

通常情况下，微博用户发布的微博都是一段包含众多词语的文字，在经过去除无关的停用词后，剩余的情感词都有其所反应的情感。而每个情感词的词频能够反映出网民的情感倾向，但是却无法准确的表达出多个词语组合成的微博文本的情感态度。因此，想要對得知公众对事件所持有的看法和态度等情绪信息，是只有通过对公众发布的情感文本进行处理，分析和归纳，这样才能准确的掌握舆情的变化态势。

在计算微博文本内容的情感强度时，即要将每一个情感词的情感强度计算在内，也要将微博文本中的句型，程度词，否定词等考虑在内。

本文通过以下方法来计算微博文本的情感极性：

首先，每个微博文本都D是由句子S;组成的，通过加总单个句子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;为句子中情感词w;的情感值。如果F（S）>0，则文本情感倾向为积极正面的;如果F（S）<0，文本情感倾向为消极负面的;如果F（S）=0，文本情感倾向为中性中立的。

然后，假设F'（S;）为考虑句型特征后文本中每个句子的情感值，则根据不同的句型，可以归纳出考虑句型后的句子情感值，公式如下：

通过F'（S），我们可以进一步算出微博文本的情感值F'（S），见公式：

如果F'（S）>0，则文本情感倾向为积极正面的;如果F'（S）<0，文本情感倾向为消极负面的;如果F'（S）=0，文本情感倾向为中性中立的。

2.2 微博文本情感分析

2.2.1 单条微博文本的极性统计

根据上一小节的情感分析方法，计算每一条微博文本的情感极性，对比京东六六事件和海底捞事件中正面情绪、负面情绪以及中立情绪的占比（如图4）来看，两个事件发生后，海底捞事件网民的正面情绪明显要高于京东六六事件，负面情绪就更明显了，海底捞事件的负面情绪要远远低于京东六六事件，前者只占20%，而后者高达百分之45%。

2.2.2 微博文本情感极性的时间序列比较

以横坐标单位为时间，纵坐标单位为该时间的微博平均极性强度，对微博平均极性强度随时间的变化情况进行统计。每小时内的微博平均极性强度=该小时的所有微博文本的情感强度的总和/该小时内微博发布总数;横轴以上部分表示积极正面情绪（极性强度>0），横轴以下部分表示消极负面情绪（极性强度<0）。京东六六事件统计结果分别如图5所示。对于京东六六事件，网民的情绪总体属于消极负面的情绪，同时在舆情演变的过程中出现了两次非常高的消极情绪的波动，之后随着时间的推移，情绪逐渐平稳，在正负两个情感极性中小幅度震荡。同时，在舆情发展后期，网络的情绪仍未得到统一海底捞事件统计结果如图6所示。对于海底捞事件，首先是以积极正面情绪和中性中立情绪为主，少量负面情绪出现在事件初期，在25日14时后出现连续两次比较高的正面情绪。随后一段时间积极情绪逐渐变换，只存在少部分的消极负面情绪，积极情绪在大多数时间是高于消极情绪，积极情绪在整体上占主导地位。舆情演化过程的后期，积极情绪为主要。

2.3 舆情应对策略比较

2.3.1 舆情演化过程的比较

海底捞事件和京东六六事件发生后，都引起了社会上广泛的关注，并且随着时间的推移呈现出不断递减的趋势。但是，两者不同之处在于海底捞事件在一周内的舆情关注度是逐渐下降的，而京东六六事件的微博发布量出现了两次比较高的波动，一次是出现在官方微博一天后首次回应，一次是出现在京东高管三天后的声明。同样，在海底捞事件发生后，海底捞官方微博同样对此作出过两次回应，一次是三小时后，一次是在六小时后，两次回应并未引起网民更高的关注度。并且，从两事件发生后一周内的原创微博数量上可以看出，京东六六事件所引起的公众关注度更高，因为相关微博发布量接近是海底捞事件的3倍，前者是2万多条，而后者仅为8千余条。这表明海底捞事件中舆情演化过程较为平滑，事件发生后的处理没有再次造成意外的舆情关注。

2.3.2 企业处理方式的比较

海底捞事件和京东六六事件均为企业负面舆情突发事件，但二者在回应时滞、回应效率、应对策略都存在很大的差异。

（1）回应时滞。首先，海底捞事件发生后仅仅在3小时内，企业官方微博就此事发布了声明，引起了企业有关部门的高度重视，并且核实了情况，主动承担经济责任和法律责任，向公众表达歉意。而相反京东六六事件发生后的“黄金3小时”内，官方并未作出任何回应，错过了舆情演化的关键时间节点，并未遏制舆情演化的源头。

（2）回应效率。不同于京东六六事件的20小时无回应，海底捞在首次作出回应后，又在3小时后对此事件的后续给出处理通报，公布了官方对此事的态度和措施，控制了舆情的演化方向，负面舆情爆发时的积极应对以及承认错误时的勇于担责得到了公众的谅解和肯定。从京东六六事件和海底捞事件可以看出，面对负面舆情突发事件高效率的应对是控制舆情演化的重点。

（3）应对策略。京东六六事件发生后，官方微博就此事发布声明，立场强烈，并不认同文章中的投诉内容，这一做法引起了公众广泛的关注，使得舆论兴起。三天后京东高管就此事表达歉意，承认错误，再次引起了舆情的高涨。而海底捞则在事件发生后，就核实情况，表达歉意。并后续给出了处理通报。网民对于此事件的关注从最初的安全卫生转移到了事故责任以及整改措施，网民舆论趋于理性。

2.3.3 网民反响的比较

京东六六事件发生后，京东客服官方微博并未第一时间核实情况，一天后的首次回应也并不符合实际情况，导致微博下的网民评论出现了相当高频次的情感词“假货”，表现了公众对企业诚信缺失的不满。而三天后京东高管就此事在個人微博上发布了最终声明，此时微博下的回应中频次最高的词为“客服”，可以看出公众对“大企业病”的反感。而海底捞事件发生后，海底捞官方微博在三小时和六小时分别就作出回应，核实情况，承担责任，微博下的评论既有对食品安全的担忧和对海底捞厨房卫生的谴责，可以从“卫生”“安全”等高频词看出。也有对官方不推卸责任和真诚道歉的认可，从“公关”“服务”等高频词看出。而不同的是，海底捞从一件负面舆情事件挖掘出了公民对企业负责的认可，微博评论中的正面情绪比负面情绪要高，这恰恰反映了企业对突发事件的及时处理，应对过程中的策略以及相对应的做法得到了公众的接受和认可，取得了不错的效果。

3、研究结论

从以上两个案例的对比分析，我们可以得出以下结论：

（1）构建网络舆情预警机制。通过分析两个事件的舆情应对过程可以得出，企业引导和应对负面网络舆情事件的最佳时间是事件发生后的三小时内即发生的第一时间，要从源头上遏制舆情的发展。企业可以针对这一时间节点构建一个网络舆情预警机制，对负面舆情进行及时监控，第一时间引导舆论走向。

（2）充分关注微博等新媒体平台。在应对网络舆情的过程中，要及时发布回应信息。在平台中积极与网民进行交流互动，充分表现出重视公众的看法，引导正面舆情信息，起到良好的应对效果。

（3）企业加强自身责任意识。从两个事件的首次回应可以看出，勇于承担责任的态度，在重大负面舆情突发事件发生的时候，更能为公众所认可。而推卸责任，则会引起公众的反感，导致情绪进一步恶化。因此，企业在危机发生时要积极应对，敢于承认存在的错误和承担必要的责任，向民众展示自己的责任感其实就是在展示企业本身的责任感，这样才能提高企业应对网络舆情的能力。

参考文献：

[1]赵蓉英，王旭.突发事件网络舆情关键节点识别及导控对策研究——以“大贤村遭洪灾事件”为例[J].现代情报，2018，38（01）：19-24+30.

[2]蒋知义，马王荣，邹凯，李黎.基于情感倾向性分析的网络舆情情感演化特征研究[J].现代情报，2018，38（04）：50-57.

[3]陈庆杰.企业突发事件网络舆情应对策略研究[J].采写编，2018（02）：164-165.

[4]王康，李含伟.自媒体时代的企业网络舆情应对策略研究——基于上市公司百度指数的研究[J].情报科学，2018，36（01）：113-117.

[5]李婷.中国企业网络舆情工作现状及对策研究——以中国石油天然气集团公司为例[J].情报探索，2015（12）：86-90+112.

[6]易臣何，何振.突发事件网络舆情的生成演化规律研究[J].湘潭大学学报（哲学社会科学版），2014，38（02）：74-78.

[7]李勇，何玉花，蔡梦思，郑昱，谭旭.政府应对网络舆情的对比分析及有效策略研究——以上海踩踏事件和深圳滑坡事件为例[J].情报杂志，2018，37（04）：93-99.