旅游地网络舆情三方演化博弈及管控策略研究

2022-07-18蔡礼彬朱哲哲

青岛科技大学学报(社会科学版) 2022年2期

蔡礼彬朱哲哲

[摘要]在互聯网迅速发展的大背景下，旅游地负面事件极易诱发网络舆情。以“雪乡宰客”事件为案例背景，构建旅游地网络舆情三方演化博弈系统动力学模型，借助VENSIM探究舆情演化过程中各参与主体的博弈关系，明晰不同变量对各主体策略选择的影响，继而为优化旅游地网络舆情治理提出对策建议。研究发现：1. 影响网络新闻媒体选择报道舆情的因素主要是以广告获利为代表的各类收益和不报道时的用户及广告商的流失成本，而一般性运营、跟进成本和不客观报道政府罚金等因素的影响则相对较小。2. 维护行业和社会稳定、树立良好形象是促使旅游管理部门进行管控的主要影响因素，而作为行政手段派生物和附属品的管控成本和罚金收入，对旅游管理部门行为策略的影响微乎其微。3. 线上用户对潜在利益受损和自我需求收益敏感性较强，其策略选择受二者的影响相对较大;对固定传播成本的敏感性相对较小，所受影响也相对较弱;而当额外渠道成本略高于固定传播成本，且达到一定程度时会影响其策略选择。

[关键词]系统动力学;旅游地;网络舆情;演化博弈论

[中图分类号]G206 [文献标识码]A [文章编号]1671-8372（2022）02-0078-12

Study on the tripartite evolutionary game and control strategy of online public opinions in tourism destinations

CAI Li-bin1，ZHU Zhe-zhe2

（1. College of Management， Ocean University of China， Qingdao 266100， China; 2.Guangdong Communication Polytechnic， Guangdong 510650， China）

Abstract：In the context of the rapid development of the Internet， negative events in tourism destinations can easily produce online public opinions. Based on the case of the “Snow Town Rip-off” event， the system dynamics model of the tripartite evolution game of online public opinions of tourism destinations is constructed. With the help of VENSIM， the game relationship of each participant in the process of public opinion evolution is explored， the influence of different variables on the strategy selection of each participant is clarified， and then countermeasures and suggestions are put forward for optimizing the governance of online public opinions of tourism destinations. The results are show in the following aspects. 1. The main influencing factors for online news media to choose to report public opinion are the various income represented by advertising profits and the loss cost of users and advertisers when they are not reported; however it is relatively less affected by the costs of general operation and follow-up， and the government fines of nonobjective reporting. 2. Maintaining the stability of the industry and the society and projecting a good image are the main influencing factors that urge the tourism management department to carry out the control; however， the control cost and the penalty income as administrative tools and accessories have little impact on their behavioral strategies. 3. Online users are more sensitive to potential profit loss and self-demand benefit， and their strategy choice is more affected by the two. The sensitivity of fixed transmission cost is relatively small and the effect is weak， while the extra channel cost is slightly higher than the fixed communication cost， which will affect its strategy choice when it reaches a certain level.

Key words：system dynamics; resorts; online public opinions; evolutionary game theory

一、引言

互联网的革新使得以“三微一端”为代表的网络新闻媒体不断渗透到各个行业，并在此过程中重塑大众的消费模式和行为方式。信息时代的旅游者普遍热衷于借助互联网大数据搜索目的地信息，并在深度分析的基础上做出旅游决策。因此，旅游地相关信息极易被旅游者感知和获取，而旅游地负面事件也就极易诱发网络舆情。旅游地相关部门若应对不当，网络舆情极易上升为公共舆情事件而给当地旅游业的良好发展态势造成冲击。因而，旅游地网络舆情不仅引起了管理部门的高度重视，也引发了学界的热切关注和思考。

学界对于旅游管理中的旅游网络舆情、系统动力学和博弈论三类主题的研究均已取得一定成果[1]，但是在主流期刊上却鲜有关于主体间相结合的文章。在中国知网、Elsevier和Springer等中外文数据库中，以“系统动力学”“网络舆情”和“演化博弈”为关键词检索相关文献，共检索到31篇，予以分析和归纳。第一，以旅游地为主体的网络舆情研究有待加强。国外研究大多围绕网络新闻媒体对旅游危机的影响[2-3]和旅游网络舆情管治[4-5]两大层面展开;国内研究主要围绕旅游网络舆情的构成和分类[6-9]，旅游网络舆情的发生、传播与演化[10-12]，旅游网络舆情的预警与管控[13-14]，网络舆情所产生的各个方面的综合效应[15-17]四个层面而展开。第二，博弈论应用研究需进一步完善。关于演化博弈论与网络舆情相结合的文献相对较少，从模型时限来看，多数学者仅就单个舆情的短期态势予以评析[18-19]，缺乏对整体领域的持续关注。就主体策略而言，现有研究对参与主体策略选择仅从作为、不作为两个角度进行假设[20-21]，而对实况中的具体行为偏颇尚未进行深入的细化考究。第三，系统动力学和博弈论相结合的研究及其所涉领域有待进一步拓展。国外在系统动力学方面的研究主要在工业管理和数理统计等领域，较少涉及网络舆情[22-24]和博弈论;国内学者近年来将系统动力学和网络舆情相结合进行深入探讨，取得了一定成果[25-32]。整体而言，学界关于系统动力学和博弈论相结合的研究相对较少，关于网络舆情应用的研究也是不多见，涉及旅游网络舆情的研究更是罕见，加強二者间的结合并拓展其应用领域，有助于实现不同理论的融合运用，并为旅游地网络舆情的治理提出相应的对策建议。

本文以“雪乡宰客”事件为例，依托网络新闻媒体、旅游管理部门和线上用户群体三方的利益诉求与矛盾，立足于学科前沿和现实需求，对以旅游目的地为主体的网络舆情进行全面分析和系统总结，借以丰富旅游地网络舆情和博弈论的应用研究，进一步拓展系统动力学和演化博弈的结合研究及其所涉领域。

二、“雪乡宰客”事件利益主体系统分析与边界假设

（一）“雪乡宰客”事件衍化脉络

雪乡，位于黑龙江省牡丹江市双峰林场，在产业驱动作用下于1999年开始发展冰雪旅游业。近年来，在各大综艺、影视场景的助力下，雪乡名气不断提高，但也引发了一些负面舆情危机，值得关注与思考。爆发于2017年12月29日的“雪乡宰客”事件，其演化进程可概纳为以下三个层面，具体时间节点如图1所示。

1.序幕与开端

2017年12月29日，某网友在其微信公众号上发表长篇文章，痛诉其在雪乡的被“宰”经历，受到传播与热议，引起广泛关注。根据舆情衍化脉络，本文将2017年12月29日界定为“雪乡宰客”事件的开端，并以此为起点展开研究。

2.发展与高潮

自“雪乡宰客”事件发生之后，于7天之内就发展到整个事件的高潮阶段，随着事件的逐步解决和相关报道的减少，舆情态势渐趋平缓，但随后出现的“9个月磨刀，3个月宰羊”的消极言论，致使此舆情出现了新的反复，再次引爆大众舆论。本文将相关舆情视为一个整体演化过程，将2018年1月至2018年2月界定为“雪乡宰客”的发展与高潮期，并将其作为重点关注时段。

3.结局与尾声

一系列相关措施的实行使得“雪乡宰客”事件逐步平息，进入收尾阶段。结合本案例的发展实际，本文将2018年3月界定为“雪乡宰客”这一舆情事件的结尾，并加以持续关注和反思。

（二）旅游地网络舆情系统

结合“雪乡宰客”事件演化脉络，本文将研究主体界定为网络新闻媒体、线上用户群体和旅游管理部门三类，并对其内部要素的相互关系加以梳理和分析。

1.网络新闻媒体

根据机构性质和服务对象差异，将网络新闻媒体划分为政府和商业两大类。前者作为政府发声平台，其信息更具权威性，而后者则汇聚了普通民众的思想。

2.旅游管理部门

在网络舆情中，旅游管理部门是控制舆论发展和处理群体性事件的责任部门。在本文中特指实施网络舆情管控、与旅游相关的机构。

3.线上用户群体

线上用户群体是指利用微博、微信等网络新闻媒体以发布、评议或转发与旅游相关的各类舆情信息而参与到此事件中的普通民众。

（三）舆情系统边界及基本假设

在界定上述三类主体的基础上，结合系统动力学研究程式，进一步明确包括网络新闻媒体、旅游管理部门和线上用户群体三大子系统在内的模型边界（见图2）。

基于系统一般性特征和研究案例的适用性，提出如下假设 [10，22，25]。

1. 旅游网络舆情衍生于网络

与传统媒体相比，互联网无论在信息量还是受众程度都呈现压倒性优势，已成为舆情事件重要发源地。因而本研究并未过多将传统媒体纳入考虑范畴，即假设旅游地网络舆情发端于新兴网络新闻媒体[7，11，28，31]。

2. 旅游网络舆情是不受其他突发事件影响的独立个体

在“雪乡宰客”事件发生的最初阶段，存在多个其他并发性公共危机事件，无形中会转移参与者的注意力。同时由此次舆情引发的派生舆情对事件本身也存在一定作用力。为简化并发事件和衍生事件所加剧的复杂现象，此处并不考虑其他舆情的影响，即将“雪乡宰客”事件视为不受其他突发事件影响的独立个体，且当派生舆情并发时，将其视为同一事件处理。

3. 网络从舆情角度而言永远畅通

网络舆情的传播依赖于互联网平台，网络的稳定性在一定程度上影响信息的传播。本研究假定网络始终畅通，不会因技术手段等对事件演化造成不良影响。

三、“雪乡宰客”事件利益主体演化博弈模型

（一）参数设置与模型构建

本文借助文献研究法，根据相关文献对舆情参与主体及相应参数的界定[33-40]，通过咨询相关专家，并结合本次舆情在发展过程中的具體实际，确定影响三类主体博弈收益的相关参数，及其所对应的数值和具体含义（见表1）。

各博弈主体在现实情境中对策略的选择存在一定概率。因此，引入概率分布（α，1-α）表示网络新闻媒体报道和不报道的概率、（β，1-β）表示旅游管理部门管控和不管控的概率、（γ，1-γ）表示线上用户群体参与和不参与的概率。其中，0≤α≤1，0≤β≤1，0≤γ≤1。三方博弈收益矩阵如表2所示。

（二）模型求解与稳定性分析

由上述博弈收益矩阵模型可知，网络新闻媒体、旅游管理部门和线上用户群体三大主体的复制动态方程分别为：

方程（1）反映了三大博弈主体学习的速度和方向，若令其值为0，此时三大博弈主体能达成一种稳定状态即Nash均衡，由此可得到此模型所对应的演化稳定策略。而各参数值在演化过程中通常是动态发展和瞬时转换的，仅在现有条件下难以通过数学求导判断各均衡点的稳定性。系统动力学能够在立足于现实情境的基础之上，借助于计算机对整个模型进行仿真模拟，在有限理性和信息不对称的条件下，更为有效地分析出博弈模型的复杂动态演化过程[41]。因而系统动力学与多方主体之间复杂的动态博弈更为契合。

四、“雪乡宰客”事件利益主体博弈的动力学模型及管控策略

（一）系统动力学模型构建

1. 确定边界及变量

“雪乡宰客”事件的动力学模型主要包含网络新闻媒体、旅游管理部门和线上用户群体三大子系统。此系统的变量即为上述三大子系统所对应主体中的相关参数（见表1）。此外，为使此博弈模型更符合系统动力学程式，在相关参数的基础上，将三大主体的行为概率进行合理转化和延伸，以完善模型构建所必需的各类相关变量（见表3）。

2. 建立模型结构

边界内的各子系统及系统中各变量间相互联系，在分析其作用关系的基础上构建旅游地网络舆情演化博弈系统动力学模型因果关系图（见图3），并进一步结合变量的界定与划分，描绘出此模型的系统流程图（见图4），以此作为关系分析与仿真模拟的基础和载体。

在模型结构图3、图4中，网络新闻媒体、旅游管理部门和线上用户群体参与、不参与的期望收益均以博弈论相关分析为基础，各主体行为的变化率受所获收益和参与概率的共同影响。在各子系统中，三大主体的参与概率是水平变量，也是系统中最为重要的核心变量，各子系统由此建立联系，从而联结起三大主体间的博弈与制衡。

3. 确定参数方程

在建立模型结构图3、图4的基础上，以“雪乡宰客”事件为背景，对演化博弈模型中各变量的参数值进行界定，共计40余个参数方程。根据方程含义、特点及其构造思路，可将之大致归纳为以下六个类型。

类型一：模型时限设置

（01）INITIAL TIME = 0 Units：Hour

（02）FINAL TIME = 72 Units：Hour

（03）TIME STEP = 0. 0078125 Units：Hour

构造思路：根据舆情事件的关键节点和博弈主体的反应时限，将模拟仿真中的初始时间设置为0，最终时间设置为72，单位为小时。同时，结合模型时限和VENSIM中的参数设置，选取最为精细的时间步长0. 0078125，其单位亦为小时。

类型二：变量数值设定

构造思路：此模型的仿真分析是为了研究三大博弈主体的演化行为和均衡解的稳定性，是各参与主体之间所对应的关系反映，对数据的精确度要求不高。本文利用文献研究法和专家咨询法，在参考相关文献中的数值[33-40，42-43]、咨询相关专家的基础上，对相关参数进行赋值（即表1中的相关数值）。

类型三：参与-不参与期望收益差

（01）传播-不传播期望收益差=线上用户群体传播期望收益-线上用户群体不传播期望收益

（02）报道-不报道期望收益差=网络新闻媒体报道期望收益-网络新闻媒体不报道期望收益

（03）管控-不管控期望收益差=旅游管理部门管控期望收益-旅游管理部门不管控期望收益

构造思路：三大博弈主体的参与-不参与期望收益差即为其参与到舆情事件中的期望收益和不参与舆情事件时的期望收益做差所得。

类型四：参与变化率

（01）传播变化率=传播-不传播期望收益差×线上用户群体传播概率γ×（1-线上用户群体传播概率γ）/10

（02）报道变化率=报道-不报道期望收益差×网络新闻媒体报道概率α×（1-网络新闻媒体报道概率α）/10

（03）管控变化率=管控-不管控期望收益差×旅游管理部门管控概率β×（1-旅游管理部门管控概率β）/10

构造思路：三大博弈主体在舆情事件中的参与变化率受其参与概率、不参与概率及其在舆情事件中所得收益三大因素共同影响。在方程具体构建过程中，以参与-不参与期望收益差作为衡量其获利的主要参数，通过乘积的形式与参与概率和不参与概率相衔接，并对其进行相应处理，使之更契合模型的数据单位和参数精度。

类型五：参与概率

（01）网络新闻媒体报道概率α=INTEG（报道变化率，α0）

（02）旅游管理部门管控概率β=INTEG（管控变化率，β0）

（03）线上用户群体传播概率γ=INTEG（传播变化率，γ0）

构造思路：三个水平变量所对应的速率变量为各主体的参与变化率，其公式正是对参与变化率求积分所得，其中α0、β0和γ0分别为三大主体参与概率α、β和γ所对应的初始值。

类型六：参与、不参与期望收益

构造思路：三大博弈主体参与、不参与的期望收益公式即为上述三方博弈中的相关方程。

4. 模型相关测试

（1）系统边界检验。就本文所构建的模型而言，其边界是在参考现有网络舆情[8，25，44]相关研究的基础上，根据研究目的和实际情况而加以确定的。其包含了与现有舆情事件密切相关的重要因素，同时摒除微小要素的影响，因而此模型的系统边界是合理有效的。

（2）有效性检验。模型在应用前要进行有效性检验，并以此验证模型中相关信息和行为与实际系统内部变化规律的契合程度[45]。以网络新闻媒体为例，在现实情境中，此主体的收益主要来源于线上用户，因而线上用户参与与否决定着其所对应的策略选择。

线上用户参与时，网络新闻媒体将获得巨额点击量收益和广告收益，且远大于其在运营过程中所支付的成本和潜在需支付的罚金。因而在线上用户参与时，无论管理部门管控与否，网络新闻媒体所获收益均大于所需支付的成本，此时网络新闻媒体会对事件进行报道。在模型仿真过程中，报道概率α都会逐渐上升并最终演变至1（见图5a）。当线上用户不参与时，网络新闻媒体将失去收益来源，若报道则需支付相关成本;当网络新闻媒体采取漠视的态度时，α均保持为0（见图5b）。模型中变量模拟结果（图5）与现实系统变化一致，因而此模型是有效的。

（3）参数灵敏度检验。参数灵敏度是指模型中各参数受其他要素变动而产生的变化幅度。若参数变化后所对应仿真曲线随之发生较大改变，那么此参数则是灵敏的[46]。仍以网络新闻媒体为例进行检验。由上述分析可知，线上用户行为是旅游地网络舆情博弈模型的敏感因素，以R10为基础，将其由原来的4（曲线1）调整为4. 5（曲线2），所对应的结果为图6。α发生着一定程度变动，说明模型参数是灵敏的，这也从侧面印证了线上用户对网络新闻媒体的重要影响。

（二）模型仿真与分析

1. 网络新闻媒体参数变化模拟

（1）点击量收益R10、广告收益R11的影响。初始仿真模拟中，R10取值为4、R11取值为8，仿真结果如图7曲线1所示。此处仿真旨在研究点击量收益和广告收益在变化过程中对网络新闻媒体报道概率α的具体影响，并比较二者作用的主次。具体过程如下：第一步，先保持R10取值不变，将R11值增加至12，所得仿真结果为图7曲线2;第二步，将R11值还原至初始值8，将R10值增加至6，其结果为图7曲线3;第三步，将R10和R11的值同时增加至6和12，所得结果为图7曲线4;第四步，将R10值、R11值分别降至1和2，其对应结果为图7曲线5。

一方面，因為网络新闻媒体对舆情事件的报道受到线上用户的关注越多，所获点击量收益R10的值越大，报道概率α会逐渐增加;另一方面，当众多品牌商将广告投放至网络活动中时，所获得的巨大利润也成为网络新闻媒体对舆情报道乐此不疲的重要驱动力。在点击量收益和广告收益各自或共同提高的作用下，图7表现为曲线倾斜度上升，即在舆情发生后同一时点上网络新闻媒体选择报道的概率相应增加，反之，如图7曲线5所示，当点击量降低、广告投放减少时，网络新闻媒体所获利益随之缩减，其报道概率亦会受到影响。此外，由图7曲线变化的态势可知，广告收益对网络新闻媒体报道概率的影响要远高于点击量收益。这也从侧面折射出网络新闻媒体是以广告收入为主要盈利来源，并以此作为影响其行为选择的关键要素。

（2）舆情报道固定运营成本C10、信息追踪跟进成本C11的影响。初始仿真模拟中，C10取值为0.1，C11取值为0.2，仿真结果为图8曲线1。此处仿真中，先将C10值和C11值同时缩减至0.01、0.02，其对应为图8曲线2，再将二者分别增加至0.5和1，对应得到图8曲线3，最后将其分别增加至1和2，所得结果为图8曲线4。由图8可知，大幅减少网络新闻媒体报道成本对其报道概率的影响微乎其微，而随着成本的不断提高，网络新闻媒体的报道概率有所下降，当成本提高到一定程度时，其报道概率逐渐较少并倾向于不报道。

（3）不客观报道需支付旅游管理部门的罚金P10的影响。初始过程中，P10值为4，报道概率的仿真曲线为图9曲线1。当相关部门的罚金增至6时，α演变至图9曲线2，继续增大其支付罚金至10和15，对应为图9曲线3和图9曲线4。这说明旅游管理部门罚金对网络新闻媒体行为有一定规范作用，但如果罚金过低则作用力度有限，难以从根本上改变网络新闻媒体的行为。

（4）用户及广告商流失成本C12的影响。C12的原始取值为5，其对应结果为图10曲线1。将C12的值增加至9，α变化至图10曲线2，即当用户及广告商流失成本相对较大时，网络新闻媒体因获益锐减，会迅速加大报道力度。将C12的值降至2，α演变至图10曲线3，进一步将C12的值调整至0，从图10可以看出此曲线保持下降态势，但最终仍逐渐上升并趋近于1。这表明网络新闻媒体会根据用户及广告商流失成本的变化而进行动态选择，以维护顾客忠诚，获得相关收益。

2. 旅游管理部门参数变化模拟

（1）管控成本C20、C21和C22的影响。初始仿真模拟中，C20、C21和C22的取值为0.5、0.8和1，仿真结果为图11曲线1。将其取值分别增大至2、3.2和4，模拟结果演变至图11曲线2;将其值缩减至0.1、0.16和0.2，所得结果为图11曲线3。在仿真模拟参数设置中，一方面，将一般管控成本、线上用户参与和网络新闻媒体不客观报道时所支付的成本视为一个整体，共同作用于管控概率β;另一方面，将其数值同时以等倍数增加或减少，使得β变动态势更为明显。由上述仿真结果可知，管控成本增加或减少对旅游管理部门影响较小，反映出管理部门对舆情的管控与否并不受其所需支付成本的影响。

（2）社会动荡成本C23、放任信息传播负面影响L20。在图12初始模拟曲线1中，C23和L20取值分别为4和5，将其分别增大至8和10，结果演变为图12曲线2。其中，β变动相对较大，并在较短时间内采取管控措施，这也间接反映了当舆情引发社会动荡或影响恶劣时，旅游管理部门会迅速管控，防止事态恶化。将C23值和L20值均减少至1，β以较大跨度演变至图12曲线3，但在同一时间点采取管控行为的概率明显下降。这表明政府认为某负面信息影响不大时，仍会对其进行管控，但行为存在一定惰性。

行业稳定收益R20、管控信息正面效应R22的影响。初始模拟中R20、R22取值分别为2、3，结果如图13曲线1所示。将初始值增加至4和6，β演变至图13曲线2;将初始值均减少至1和1.5，β变为图13曲线3。对比三条曲线趋势走向可知，曲线R20、R22值越大，旅游管理部门在同一时间点上采取管控措施的概率越高。这表明当管控舆情能够促进旅游业的发展时，当地旅游管理部门会积极管控舆情，并为其自身树立良好形象。反之，当舆情传播规模相对较小，采取管控行为效用较弱时，旅游管理部门选择管控的概率会大幅下降且行为存在一定迟滞性。同时作为职能部门，旅游管理部门担负着相应职责。由图13曲线3最终趋向于1可知，相关部门最终仍会进行管控。

（4）管控舆情所得媒体罚金收益R21的影响。初始模拟中，R21取值为4，其仿真结果为图14曲线1。图14曲线2和曲线3所对应R21的取值分别为8和0。由图14曲线可知，有无罚金或者罚金收益的高低对旅游管理部门的管控行为无太大影响。

3. 线上用户群体参数变化模拟

（1）固定成本C30的影响。将C30的初始值1.5提高至3时，γ由图15曲线1演变至图15曲线2;将初始值减少为0.5时，演变至图15曲线3。三条传播概率曲线变动幅度相对较小，说明线上用户群体在传播时受其参与成本的影响不大。

（2）额外渠道成本C31的影响。C31初始取值为1.5，其仿真结果为图16曲线1。将初始值减少至0.5，γ演变至图16曲线2;将初始值分别扩大至3和5，对应为图16曲线3和曲线4。由图16可知，当网络新闻媒体不报道时，若参与成本保持在一定限度内，线上用户依然会参与到相关事件之中;但若其参与成本过高，线上用户则倾向于选择不参与。

（3）潜在利益受损C32的影响。初始模拟中C32取值为1，其模拟结果为图17曲线1。将初始值降为0，即当线上用户不参与舆情而无必然损失时，其参与舆情事件的概率逐渐下降且倾向于选择不参与。将初始增加至3，其对应图17曲线3中γ增长迅速，并快速增加至1。这说明当线上用户认为不参与舆情而潜在利益受损较多时，会参与到舆情之中，避免因不参与舆情而导致的潜在损失。

（4）自我需求收益R31的影响。初始模拟中R31取值为1，模拟结果为图18曲线1。将原始值增加至3，γ演化至图18曲线2;将原始值减少至0，γ演变至曲线3。由图18可知，当所获收益增加时，线上用户参与传播概率随之增加;而当所获收益优势很小时，线上用户群体几乎不会参与到相关事件之中。

（三）旅游地网络舆情防范与治理的对策建议

1. 网络新闻媒体

（1）正视信息传播角色，积极承担社会责任。近年来，政府管理部门不断加强对网络的治理与管制，通过设置“网络警察”“旅游警察”，不断加大对网络舆情的管控力度。同时，随着线上用户群体的整体素质和网上经验的不断提升，其在面对舆情信息时也能以更加理性的视角加以辨别。在此背景下，网络新闻媒体应重新审视线上用户作为信息传播者的角色，对舆情事件进行客观、及时的追踪和报道，积极承担相应的社会责任，在报道网络舆情时，遵守相关的法律法规，以在用户群体中树立良好的口碑，实现长期的持续性发展。

（2）加强网络平台建设，提升行业自律水平。网络新闻媒体在报道舆情时要做到及时、客观、准确，以助于舆情的平息和消散。同时，也应注重彼此的沟通和联系，建立全媒体联动引导机制，形成各大媒体间的联动效应，在相互制衡下约束彼此的行为策略，以便更好地促进网络舆情的客观报道和及时消解。此外，应加强自我管理与监督，在遵守相关法律法规的同时，从自身实际出发，建立契合实际的自律机制，增强自律精神，形成行业内普遍遵循的行为规范，为舆情的传播和管控营造良好的网络环境。

2. 旅游管理部门

（1）多方协作综合施策，构建协同管理机制。首先，要密切关注各大网络新闻媒体动态，加强与新媒体自我检测平台的合作。在舆情事件潜伏期应借助网络新闻媒体发布权威可靠信息，积极与线上用户群体内的意见领袖沟通联系，合理引导舆论走向。其次，在处理解决旅游危机事件时，尽量减少另外两方主体的利益受损，防止舆情恶化。具体而言，通过拓宽民意诉求渠道等手段来降低线上用户对网络舆情事件的传播;根据网络新闻媒体主要盈利点为之提供权威信息供其参考报道，实现双方合作互利。最后，积极利用大数据和人工智能技术，加强人才建设和经费支撑。通过互联网，辅以相关人才和资金投入;深度挖掘信息，监测社会舆论环境，使得舆情处理更加阶段化、条理化和精准化。

（2）保证信息发布透明，维护政府公信权威。G.W.奥尔波特等学者指出，当公众认为信息越重要，而信息自身越模糊不清时，就会在无形之中加速流言传播;若相关管理部门放任不管或企图掩饰舆情，将丧失公信力，甚至会陷入“塔西佗陷阱”[46]。在“雪乡宰客”事件中，政府部门在初期发布信息时以管控舆情为指向，而非将工作重点置于舆情危機的解决，因而遭到了多方抵制与声讨。所以，在旅游地网络舆情中，旅游管理部门应高度重视并积极应对网络舆情，及时公布舆情态势和旅游地管控现状，打消游客心中疑虑，以推动当地旅游业的稳步发展。

（3）正面引导舆情走向，重塑旅游地新形象。旅游管理部门应积极利用网络新闻媒体正面效应，借力技术手段打造正面形象。旅游管理部门可通过促进有效沟通，合理引导舆情传播，还可借助舆情所引发的热点，推动正面新闻报道占领舆论场，化危机为转机。同时，旅游管理部门可结合传播学等理论，采取人际传播、影视传播和大型节事策划等多种形象传播策略，打造旅游地新形象。此外，在处理网络舆情的过程中，旅游管理部门应在实践中积累有用经验，对舆情产生、发展与演化各过程进行多方了解和深度剖析，并在此基础上制定舆情应急预案，以防止同类事件的再次发生。

3. 线上用户群体

（1）树立理性思维观念，提高信息辨别能力。线上用户在接触网络舆情，尤其是相关负面信息时，要认真分析、理性对待，用客观视角辨别其潜在损益，从各方面论证信息真伪，切忌盲目转发和跟风评论。同时，线上用户应提高自身的舆情信息解读和评判能力，树立正确的价值观念，维护好网络秩序，助力舆情信息及时平息和妥善解决。

（2）多方探寻权威资讯，审慎变更出游意向。线上用户群体中存在着大量潜在旅游者，在面对负面舆情干扰时，线上用户应多关注权威资讯，了解旅游地舆情事件的进展及处理过程，对旅游目的地进行合理的评判分析，不要轻易被现有舆论所蒙蔽而放弃出游。

五、结论与讨论

本文以2018年“雪乡宰客”事件作为研究案例，借助VENSIM进行主体间博弈关系的建模仿真，继而为旅游地网络舆情中各行为主体的策略选择提出相应的对策建议，研究结果如下。

第一，网络新闻媒体策略选择需慎重。网络新闻媒体报道舆情信息的主要影响因素是以广告获利为代表的各类收益和选择不报道时的用户及广告商流失成本，而受一般性的运营、跟进成本以及罚金等其他因素的影响相对较小。作为以盈利为目的的社会主体，网络新闻媒体在行为决策中受情感因素的影响相对较小，其所关注的是利益和成本间的博弈。其中，广告收益、用户点击量以及在不客观报道下加工舆情所获的附加收益构成网络新闻媒体得利的主要来源，而作为其报道成本的固定传播成本、额外运营成本、信息追踪成本和政府罚金则远远低于其在选择报道时的收益所得。当网络新闻媒体在不报道时会面临较大的用户及广告商流失成本。一般情况下，网络新闻媒体会倾向于对舆情事件的关注和报道，并根据线上用户的参与度而及时做出调整。此外，网络新闻媒体在不客观报道时会引发话题争议，也会由此获得更多获附加收益，因此，网络新闻媒体极易选择不客观报道这一行为策略，从而获得更大利益。

第二，旅游管理部门监管要细致。维护行业和社会稳定、树立良好的形象是促使旅游管理部门进行管控的主要因素，而管控成本和媒体罚金对其在策略选择时的影响相对较小。现实情境中，旅游管理部门侧重于维护行业秩序稳定、地区经济发展和官民的和谐关系，因而在面对舆情时，在利弊权衡下会倾向于管控舆情，以实现行业稳定、保障社会秩序的正常运行并提高其公信力。而管控成本、罚金收益均为行政手段的派生物和附属品，对旅游管理部门行为策略的影响微乎其微。

第三，线上用户群体策略选择需理性。在网络舆情中，潜在利益和自我需求是促使线上用户进行传播的重要驱动力，反映出线上用户的行为选择更多的是受感性因素影响，而非理性的客观分析。具体而言，线上用户对潜在利益受损和自我需求受益的敏感性较强，其选择参与或不参与受二者的影响相对较大。与之相比，固定传播成本相对较小，且影响作用相对较弱，而额外渠道成本略高于固定传播成本且在达到一定程度时才会影响线上用户的策略选择。

[参考文献]

马丽君，孙根年. 30年来危机事件对中国旅游业发展的影响及比较[J]. 经济地理，2009（6）：1005-1010.

SCHROEDER A，PENNINGTON-GRAY L. The role of social media in international tourist’s decision making [J]. Journal of Travel Research，2014（5）：584-595.

DORCIC J，KOMSIC J. Online reputation and tourism destination competitiveness：conceptual model development and pilot testing[J]. Springer International Publishing，2017（1）：545–558.

DAVE K，LAWRENCE S，PENNOCK D M. Mining the peanut gallery：opinion extraction and semantic classification of product Reviews [M]. Budapest：ACM Press，2003：519-528.

GRAY L P，LONDON B ，CANTON I ，et al. Expanding the tourism crisis management planning framework to include social media：lessons from the deepwater horizon oil spill 2010[J]. International Journal of Tourism Anthropology，2011（12）：239-253.

付业勤，郑向敏. 网络新媒体时代旅游网络舆情研究：源起、价值与构想[J]. 河北学刊，2013（5）：182-184.

付业勤，郑向敏. 旅游网络舆情危机事件的分類体系构建研究[J]. 渤海大学学报（哲学社会科学版），2014（3）：130-133.

吕宛青，贺景. 旅游危机事件网络舆情系统的主体构成与应对机制[J]. 重庆社会科学，2018（12）：105-115.

刘萌玥，陈效萱，吴建伟，等. 旅游景区网络舆情指标体系构建：基于蚂蜂窝网全国百家5A级景区的游客评论[J]. 资源开发与市场，2017（1）：80-84.

付业勤，郑向敏. 旅游危机事件网络舆情的传播机理研究[J]. 黄冈师范学院学报，2015（1）：7-10.

付业勤，纪小美，郑向敏，等. 旅游危机事件网络舆情的演化机理研究[J]. 江西科技师范大学学报，2014（4）：80-87.

王璟琦，李锐，吴华意. 基于空间自相关的网络舆情话题演化时空规律分析[J]. 数据分析与知识发现，2018（2）：64-73.

梁俊山. ITO框架下的旅游网络舆情云档案体系构建[J]. 档案管理，2017（2）：43-45.

董坚峰，肖丽艳. 旅游突发事件中的网络舆情预警研究[J]. 现代情报，2015（6）：20-24.

付业勤，曹娜. 基于扎根理论量表开发的网络舆情对旅游地形象传播研究[J]. 统计与决策，2016（20）：65-68.

付业勤，陈雪钧. 基于旅游消费者感知的旅游网络舆情危机研究[J]. 求索，2016（1）：36-40.

张薇，史坤博，杨永春，等. 网络舆情危机下旅游形象感知的变化及对出游意向的影响：以青岛“天价虾事件”为例[J]. 人文地理，2019（4）：152-160.

WEN S，HAGHIGHI M S，CHEN C，et al. A sword with two edges：propagation studies on both positive and negative information in online social networks [J]. IEEE Transactions on Computers，2015（3）：640-653.

BU Z，LI H，CAO J，et al. Game theory based emotional evolution analysis for Chinese online reviews [J]. Knowledge Based Systems，2016（3）：60-72.

魏德志，陈福集，郑小雪. 基于博弈论的微信虚假信息传播的仿真研究[J]. 情报科学，2016（11）：146-149.

赵静娴. 演化博弈视角下的网络伪舆情监管对策研究[J]. 情报科学，2016（6）：143-146.

宋余超. 网络舆情形成阶段主体博弈模型研究[D]. 福州：福州大学，2016.

LIANG K，SUN M J ，CUI L . Simulation of online public opinion diffusion based on system dynamics[J]. Journal of Qingdao University，2013（2）：105-134.

QI E，ZHANG Z，GUAN X，et al. The Dynamics Research on the Ecological System of the Network Public Opinions[M]. Berlin：Heidelberg，2015：689-695.

曹海军，李明. 基于系统动力学的社交网络舆情应对策略仿真分析：以“亚布力事件”为例[J]. 东北大学学报（社会科学版），2019（1）：57-63.

陈福集，翁丽娟. 基于系统动力学的移动环境下高校网络舆情应对策略研究[J]. 现代情报，2018（4）：118-123.

林芹，郭东强. 企业网络舆情传播的系统动力学仿真研究：基于传播主体特性[J]. 情报科学，2017（4）：54-60.

高歌，张艺炜，丁宇，等. 基于系统动力学的网络舆情演进机理及影响力研究[J]. 情报理论与实践，2016（12）：39-45.

高航，丁荣贵. 基于系统动力学的网络舆情风险模型仿真研究[J]. 情报杂志，2014（11）：7-13.

项权，于同洋，肖人彬. 突发事件网络舆情演化与干预[J]. 计算机应用，2018（2）：97-102.